从无薪创业到通用智能：Demis Hassabis亲口拆解DeepMind的20年赌局

当所有人都在讨论模型规模时，Demis Hassabis却反复强调：真正缺的不是算力，而是“会规划、能行动、懂世界”的智能。这场对话里，他回顾了DeepMind最早没人信的年代，也罕见系统讲清了Gemini、AlphaFold和通用智能背后的同一条技术主线。

从蛋白质到药物，通用智能的现实落点

如果说AlphaGo证明了AI能在游戏中超越人类，那么AlphaFold 2则第一次在现实科学问题上，给出了“决定性优势”。Demis系统回顾了它如何解决困扰生物学50年的蛋白质折叠问题。

但更重要的是AlphaFold 3的方向：不再只预测静态结构，而是迈向分子之间的动态交互，甚至虚拟细胞模型。这条线直接延伸到了Isomorphic Labs——用生成式AI做精准药物设计，缩短研发周期、减少副作用。

在Demis看来，这正是通用与专用系统协同的范例：一边是具备广泛理解能力的基础模型，一边是为数学、化学、生物深度定制的专用AI。未来不是“谁取代谁”，而是混合架构成为常态。

总结

这场对话最值得AI从业者反复咀嚼的，不是某个模型参数，而是一种长期主义的技术观：真正重要的能力，往往在短期内看不到商业回报。对个人而言，这意味着别只盯着当下最火的工具，多问一句“它是否具备通用性潜力”；对团队而言，或许该重新评估强化学习、规划和世界模型的价值。Demis留下的隐含问题是：当规模红利见顶，你是否已经在为下一次范式切换做准备？

关键词： Demis Hassabis， Google DeepMind， Gemini， 通用人工智能， 强化学习

事实核查备注： 需要核查：1）视频发布时间为2024-06-07；2）Demis Hassabis关于20年技术路线图的原始表述；3）Gemini 1.5上下文窗口达到百万级的具体说法；4）AlphaFold 3的研究目标描述；5）Isomorphic Labs的成立背景与定位。