Demis Hassabis拿了诺奖之后,他最后悔的决定是什么?
Demis Hassabis已经站上科学与商业的顶峰,但他的传记作者却在播客里透露:真正困扰他的,并不是技术难题,而是几次“当时看起来很合理、事后却改变命运”的选择。这期对话,罕见地拆开了DeepMind、权力、理想主义与现实之间的张力。
Demis Hassabis已经站上科学与商业的顶峰,但他的传记作者却在播客里透露:真正困扰他的,并不是技术难题,而是几次“当时看起来很合理、事后却改变命运”的选择。这期对话,罕见地拆开了DeepMind、权力、理想主义与现实之间的张力。
在DeepMind内部,最资深的工程师也频频被AI Agent“折磨”。Gemini负责人Philipp Schmid用10分钟讲清一个残酷事实:做Agent最难的,不是模型,而是你必须放弃过去十年赖以成功的软件工程直觉。
这不是一场普通的论文分享。YC Paper Club 首秀抛出一个反直觉观点:推理不该被当成成本中心,而是模型能力本身。围绕快速推理、Speculative Decoding,以及来自 Google DeepMind 的研究,这场讨论给了从业者一个重新设计 AI 系统的视角。
如果你以为 AI Agent 的核心难题是“模型还不够聪明”,那 Google DeepMind 会当场反驳你。在这场内部工程师的公开分享中,他们反复强调:真正把 Agent 跑到 Google 规模,最大的瓶颈是 Token、成本、配额,以及一整套几乎没人聊过的“代理操作系统”。
在这期 Latent Space 的对话中,DeepMind 的 Omar Sanseviero 抛出了一个足以让很多 AI 从业者重新思考路线的观点:开源模型的未来,不在于更大,而在于“更聪明地变小”。Gemma 4 的发布,只是表面,真正的变化发生在架构、部署方式和研究范式上。
如果一个提示,就能调动“50名科学家”为你工作一天,会发生什么?DeepMind最新展示的 Co-Scientist,不是帮你写论文,而是直接生成可验证的新科学假设,把原本需要数月甚至数年的探索,压缩到几天之内。
当所有人都在讨论更大的模型、更贵的Token时,Google DeepMind在这场分享里反复强调了一件“反直觉”的事:真正能跑起来的AI,必须回到设备本身。从Gemma 4到端侧Agent,这不是性能妥协,而是一场架构转向。
大多数人还在比模型参数,Google DeepMind 却在公开课上反复强调一件反直觉的事:Agent 成败不在模型,而在“循环、工具和缓存”。这场从 API Key 到语音 Agent 的现场演示,暴露了下一代应用的真实门槛。
当几乎所有人还在讨论更大的模型、更长的上下文窗口时,Demis Hassabis 在 YC 的舞台上泼了一盆冷水:这些都不足以通向 AGI。他直言,真正关键的问题至今无人解决,而且可能会在你正在做的创业项目中途突然出现。
一周前发布的Gemma 4,没有靠更大的参数震撼行业,却用“完全离线、跑在手机上、Apache 2开源许可”这三件事,重新定义了什么叫真正可用的开源大模型。这不是一次常规更新,而是一种路线选择。