最前沿的AI并非全能天才，而是某些领域的博士与某些领域小学生的结合体，而这正是解锁未来的关键线索。“至今没有任何人在宇宙中发现不可计算的东西。”德米斯·哈萨比斯，这位DeepMind的掌舵者，在最新访谈中抛出的这句断言，既是对 AI 终极潜力的宣言，也精准戳中了当前技术演进的核心矛盾：

当Gemini 3在多模态领域横扫基准测试，当 AI 摘得国际数学奥赛金牌，却仍会在高中数学题上栽跟头；当AlphaFold重构生物学研究范式，通用人工智能（AGI）却卡在 “一致性” 这一基础门槛。

这种“顶尖能力与低级错误并存”的“锯齿形智能”（Jagged Intelligence），正是AI从专用走向通用的必须跨越的鸿沟。未来十年，AI将如何弥合能力鸿沟？世界模型与模拟技术为何成为AGI的关键跳板？

天才与白痴：AI的“锯齿状智商”困局

当被问及为何AI能在国际数学奥林匹克竞赛中夺金，却会在数清楚单词字母这种基础任务上犯错时，哈萨比斯没有回避。

他坦承：“这正是我们尚未实现AGI的关键症结所在。”

这些被哈萨比斯称为“锯齿形智能”的系统，在某些维度达到博士水平，在其他维度却不及高中生。这种智商的“锯齿状”分布，暴露了当前生成式AI的根本缺陷：它们缺乏一致性。

“目前的系统有点像状态不佳的人，只会脱口而出脑海里闪现的第一个念头。”哈萨比斯用这个比喻精准地描述了当前大语言模型的工作方式——快速联想，而非深度推理。

更关键的是，这些系统是“被动”的。用户输入能量——提出问题，系统给出答案。它们缺乏持续学习和在线适应的能力，一旦完成训练，能力便被固化。

这种不一致性正是大模型与AGI之间的天堑**。真正的通用智能应在不同领域展现稳定可靠的表现，并能够像生物一样通过经验持续进化。

破解悖论：世界模型是下一场革命

如果语言模型无法突破这一瓶颈，什么技术可以？哈萨比斯的答案明确而坚定：世界模型和模拟技术。

“除了人工智能本身，世界模型和模拟一直是我热情最持久的领域。”在哈萨比斯看来，语言模型对世界的理解已远超预期，但关于空间动态、物理环境及其力学运作方式，仍有许多内容难以用语言描述

“很多事情无法用语言描述，你必须亲身体验。”

DeepMind最新项目Genie正是这一方向的体现。这个模型通过视频生成学习世界的动态规律，哈萨比斯认为“如果你能够生成它，某种意义上就说明你已经理解了它”。

但真正的突破发生在Genie与另一个AI项目SIMA的连接实验中。SIMA是一个能在复杂游戏环境中执行任务的模拟智能体，当它被置入由Genie实时生成的世界中，奇妙的景象出现了：两个AI开始在彼此的“脑海”中互动。

SIMA试图在Genie创造的世界中导航，Genie则根据SIMA的行为实时生成后续环境。哈萨比斯坦言这一幕“令人惊叹”——这不仅仅是技术演示，而是AGI训练范式的革命性预演。

一个能自主生成无限训练环境的系统，一个能在其中自主探索的智能体——这构成了一个可无限扩展的“认知温室”，为解决AI一致性难题提供了全新路径。

规模化与创新：AGI研发的双轨策略

当行业担忧“数据耗尽”和“规模撞墙”时，Gemini系列模型却在基准测试中持续突破。哈萨比斯如何解释这种反直觉的进展？

他的回答揭示了DeepMind的战略内核：“一半投入在规模化，一半投入在创新。要实现AGI，两者缺一不可。”

哈萨比斯驳斥了“规模扩张已达极限”的简单论断。

“人们一听到‘收益递减’，就以为是‘零收益’。”实际上，在指数增长和完全停滞之间，仍有巨大空间。合成数据、模型自生成数据、更高效的架构，持续推开着想象中的“墙”。

但DeepMind真正的底气，源于其“研究优先”的基因。“如果你回顾过去十年的重大进展——Transformer、AlphaGo、AlphaZero——都出自谷歌或DeepMind。”哈萨比斯强调，当挑战日益严峻，顶尖工程能力必须与顶尖科研实力结合。

这种双线并进的策略，基于一个深刻判断：AGI不会仅通过扩大现有模型规模而自然“涌现”，它需要根本性的科学创新，而世界模型正是这样的创新。

模拟宇宙：从破解物理到理解意识

哈萨比斯对模拟技术的热情，源于一个更宏大的愿景：通过模拟理解宇宙，通过宇宙理解意识。

他坦言自己“非常想在某个时候进行这个实验，重演一遍演化，甚至重演一遍社会动力学”。这不仅能帮助理解生命和意识的起源，还能在一个高度受控的环境中，洞察那些在现实世界极难研究的微妙现象。

“你可以无数次地运行模拟，每次都对初始条件进行微调，甚至运行上百万次。”哈萨比斯认为，精确的模拟将为科学发展带来不可估量的福祉。

这一愿景与他对“万物皆可计算”的信念一脉相承。哈萨比斯欣赏康德“现实由心智所构建”的观点，认为光线、温度、触感等所有感官体验，归根结底都是信息。“而我们本身就是信息处理系统。”

他甚至提出一个理论：“信息，而非能量或物质，才是宇宙最基本的单位。”在这一框架下，若能模拟某个系统，即意味着理解了它——理解意识的关键，或许就在于构建足够精确的模拟。

临近奇点：自主智能体与未来的警钟

访谈中最具紧迫感的时刻，来自哈萨比斯对未来几年的预测。

“我认为，当下的系统是‘被动系统’……下一阶段将是基于智能体的系统。”他预计，在未来几年内，真正令人印象深刻且稳定可靠的智能体系统将开始出现。

这些系统将更具自主性，也因此风险更高。“所以我相当担心在未来两三年里，这些系统可能具备的能力。”哈萨比斯坦言，他们正在加紧研究网络防御，“为一个可能有数百万个智能体在互联网上游荡的世界做好准备。”

这种紧迫感与他对AGI社会影响的思考相呼应。哈萨比斯与Shane Legg正在认真思考后AGI时代的社会结构。“一旦以劳动力换取资源的经济体系失效，社会应如何重构？”

他以工业革命为参照，指出关键不同：“这次变革的规模可能是工业革命的十倍，而速度将快上十倍。”如果AGI承担绝大多数生产性工作，如果核聚变实现能源近乎免费，那么“人生的意义又将何去何从？”

我们可以看出，在哈萨比斯的蓝图中，AI 的终极形态不是一个工具，而是一个能够理解、模拟并交互世界的“基础层”。这个世界模型将不仅预测蛋白质折叠或设计新材料，更将重构从科学发现到社会运行的底层逻辑。

当前AI的“锯齿状智能”困局，恰似早期计算机面临的内存与处理速度瓶颈——它们不是终点，而是通向更强大系统的必经阶段。而世界模型和模拟技术提供的，正是跨越这一阶段的关键路径。

未来两到三年，自主智能体的崛起将把AI从“回答问题的助手”变为“采取行动的主体”。这一转变带来的风险与机遇都将呈数量级增长。

哈萨比斯的警告也并非危言耸听：当数百万智能体在数字世界自主交互时，我们需要的不只是更好的算法，更是全新的安全框架与治理体系。

DeepMind正押注于一场双重博弈：在规模扩张的竞赛中保持领先，同时通过世界模型等根本性创新重新定义比赛规则。

这场博弈的结果，将决定AI是止步于强大的模式匹配工具，还是真正成长为能够理解物理世界、具备一致性推理能力的通用智能。

哈萨比斯的最终答案已清晰可见：通向AGI的道路不会只有一条，但世界模型将是其中最有可能突破现有范式的那一条。而这条道路的终点，或许真如他所坚信的那样——没有什么是不可计算的，包括智能本身。