当被问及离通用人工智能还有多远时，德米斯·哈萨比斯停顿片刻，给出一个精确的工程预测：“只差一两个突破性创新，就像Transformer或AlphaGo那样的根本性飞跃。”

最近，谷歌DeepMind联合创始人兼CEO德米斯·哈萨比斯在一场深度访谈中，透露通用人工智能发展的具体路径与时间表。这位AI领域的先驱者表示，人类正站在AGI实现的临界点上，仅需解决少数几个关键瓶颈。

这场对话中，哈萨比斯深度剖析了当前AI系统的根本缺陷、未来突破方向以及全球AI竞赛的最新格局，为理解AI技术发展趋势提供了清晰的框架。

哈萨比斯在访谈中点出当下最先进AI系统存在的能力不连贯性。他指出，现有模型在不同任务上表现出显著的性能波动，形成了明显的“智能断层”。

第一个断层是“专家型局限”。当前模型在狭窄领域可能达到甚至超越人类专家水平，却缺乏将这些专业知识迁移到相关领域的能力。

一个在蛋白质结构预测中表现优异的AI，面对稍微调整的分子模拟任务时，可能就需要几乎从头开始训练。

第二个断层是推理深度不足。哈萨比斯指出，现有系统能够进行表面层级的逻辑推演，但在需要多步抽象思维或反事实推理的复杂任务中表现迅速下降。

他以国际象棋为例，AI可以计算数百万种走法，却难以理解“如果棋规改变，策略应如何调整”这类元认知问题。

最根本的第三个断层是学习机制单一。当前AI系统主要依赖静态数据集的批量训练，缺乏人类那种从持续交互中在线学习、自我修正的能力。

这种“一次学习，终身应用”的模式限制了AI在动态环境中的适应性和进化潜力。

当被问及实现AGI还需要哪些关键技术突破时，哈萨比斯明确指向两个方向：世界模型的构建与持续学习架构的创新。

世界模型的核心是让AI系统不仅能识别模式，还能理解现象背后的因果机制。

哈萨比斯分享了DeepMind内部项目Genie的进展——这个系统能够生成一致、可交互的虚拟环境，用户可以在AI创建的世界中自由探索。这一技术标志着AI从“识别世界”向“模拟世界”的关键转变，是理解物理规律的基础。

持续学习架构的突破则可能更加根本。哈萨比斯指出，当前神经网络在学习新知识时普遍存在“灾难性遗忘”问题——学会新技能的同时快速丢失旧能力。

真正的AGI需要类似生物大脑的弹性可塑性与稳定性平衡，能够在整个生命周期中不断整合新旧知识。

哈萨比斯表示，这两方向的实现，将直接推动AI能力产生阶跃式提升。

哈萨比斯特别强调了多模态能力对于AGI发展的重要性。他透露，DeepMind的Gemini系统从设计之初就是原生多模态架构，而非后期拼接的模块化系统。

这种设计使得Gemini能够实现跨模态的深度融合理解。例如，系统可以同时分析视频画面、语音内容和文字字幕，捕捉不同信息流之间的隐含关联。

哈萨比斯举例说，当分析一个演讲视频时，Gemini不仅能转录音频内容，还能结合演讲者的肢体语言、面部表情和观众反应，给出更全面的情境解读。

目前Gemini展现出了的多模态推理能力。哈萨比斯分享了一个案例：向系统展示一段音乐家演奏乐器的短视频，然后询问“演奏者此刻的情感状态如何？”

Gemini能够综合听觉特征、视觉表现甚至音乐理论知识，给出有依据的情感判断。

这种跨模态的认知融合正逐渐接近人类理解世界的方式。哈萨比斯预测，未来一年将是多模态AI快速成熟的时期，尤其是在视频理解与生成领域将出现显著进展。

哈萨比斯对AI智能体的发展给出了明确的时间预测：

一年内将出现首批真正实用的任务导向型智能体系统。但他同时强调，这一过程将遵循渐进式的成熟路径。

第一阶段是“有限任务执行者”，能够在严格定义的环境中完成特定工作，如整理电子邮件或安排会议。这类系统已经实现，但可靠性和边界情况处理能力仍有待提高。

第二阶段是“跨域协调者”，能够整合多个专业工具完成复杂项目。哈萨比斯描绘了这样的场景：用户告诉AI“我想在后院建一个菜园”，系统便能协调设计软件、采购平台、施工指南等资源，提供端到端的解决方案。

最终阶段是“通用助理”，能够理解用户的长期目标与价值观，主动提供个性化支持。这类系统需要突破当前AI的诸多限制，包括对语境的理解、记忆的连贯性以及目标的持久追踪能力。

哈萨比斯特别指出，随着智能体自主性增强，价值对齐问题将变得更加重要。如何确保AI的目标与用户意图保持一致，是技术成熟前必须解决的核心挑战。

哈萨比斯访谈中，对中美人工智能竞争的评估既现实又微妙。他认为美国目前在算法创新和基础模型性能方面保持领先，但这种优势正在逐渐缩小。

中国的研究团队展现出强大的工程能力和快速迭代速度，在某些应用领域已经实现了同等水平的表现。

中国人工智能发展的一个显著特点是迅速跟进和规模化应用的能力。在开源模型和特定垂直领域的应用上，中国团队已经展示了强大的竞争力。

这种竞争态势推动全球AI研究加速前进，促使各方在技术创新和伦理安全方面持续投入。

值得注意的是，哈萨比斯认为当前的差距更多体现在“几个月而非几年”的时间维度上。这意味着技术领先的窗口期正在迅速缩短，任何重大突破都可能迅速改变竞争格局。

超越技术讨论，哈萨比斯深入探讨了AGI可能引发的社会结构变革。他预测，未来十年将见证工作性质的根本性转变，而非简单的岗位替代。

第一批受影响的将是信息处理类工作，如文档分析、数据整理和基础内容创作。这些任务AI已经能够以更高速度和一致性完成，人类角色将转向监督、优化和创造性拓展。

中期来看，专业决策类工作也将发生变化。医生、律师、工程师等专业人士将借助AI增强分析能力，专注于更高层次的判断、伦理考量和人际关系处理。

哈萨比斯认为，这可能导致专业培训体系的重构，更加注重机器难以复制的人类能力培养。

长期而言，AGI可能催生全新的价值创造模式。

哈萨比斯提出了“极致丰裕”愿景——当物质生产基本自动化后，人类活动可能转向更深层次的探索：科学研究、艺术创作、体验设计和精神追求。

哈萨比斯总最后结道：“挑战不在于技术实现，而在于社会适应。我们需要提前思考在智能丰裕时代，什么才是值得追求的人类繁荣。”