Demis Hassabis专访：从游戏AI到世界模型，AGI进化的真实路径

摘要

Google DeepMind CEO Demis Hassabis在《Release Notes》播客中系统梳理了从游戏AI到思考型模型、世界模型的技术演进。他分享了DeepMind如何通过Genie 3等项目推动AI理解现实世界，阐述了"多模态+工具+系统"的AGI路径，并介绍了以Kaggle Game Arena为代表的新型AI评测体系。Demis强调，未来AI不仅要能感知和输出，更要具备深度思考、世界理解和自我进化能力。

内容框架与概述

本次访谈围绕DeepMind的技术演进路径展开，首先梳理了从AlphaGo、AlphaZero等游戏AI到"思考型模型"的发展脉络。Demis指出，DeepMind近期发布节奏极快，几乎每天都有新突破，包括Deep Think、IMO金牌、Genie 3等。这种"agent+思考"范式被认为是迈向AGI的必经之路，AI不仅要能做出第一个反应，更要能反复自我修正和优化思路。

核心技术突破集中在Genie 3与世界模型方向。所谓世界模型，就是AI不仅理解语言和数学，还能理解物理世界的结构、规律、材料、流体、生命体等。Genie 3的突破在于保证了"世界一致性"——比如你离开房间再回来，物体还在原位。这种物理一致性是AI理解现实的关键标志，已被用于训练SIMA等游戏智能体，实现"AI在AI生成世界中自主探索"。

在AI评测方面，传统评测如AIME数学题已接近饱和，Deep Think已达99.2%。Demis认为需要更难、更广、更真实的评测体系。Kaggle Game Arena采用"AI对AI竞技"思路，通过多样化游戏自动生成难度和评分，避免传统题库泄题、过拟合等问题。游戏作为评测场景具有客观可量化、自动扩展难度、可引入多智能体挑战等优势。

关于AI产品化，Demis指出AI正从"单一大模型"向"系统化"演进，未来AI产品将是"模型+工具+系统"的组合。产品化挑战在于AI能力进化极快，产品设计需"可插拔"，能随时替换底层引擎。DeepMind正推动Genie、Veo、Gemini等多条技术线融合，目标是打造"omni model"（全能模型），实现"一个模型做所有事"。

核心概念及解读

世界模型（World Model）：AI必须理解物理世界的结构、规律和一致性，才能实现通用智能和现实应用。这不仅包括语言和数学，还包括物理、材料、流体、生命体等现实世界要素。世界模型是AI"走出屏幕"、在现实中自主行动的前提。

思考型模型（Thinking Models）：从游戏AI演化而来的一条主线，强调AI不仅要感知和输出，还能自主规划、推理和决策。类似人类的深度思考过程，AI需要"反复自我修正和优化思路"，而不仅仅是做出第一个反应。

系统化AI（From Model to System）：未来AI产品将由"模型+工具+系统"组成，能力边界动态扩展。模型不仅能推理，还能调用外部工具（如搜索、代码、物理模拟器等），实现更强的复合能力。部分能力应内置于主模型，部分则以外部工具形式存在。

新型评测体系（Game Arena）：AI能力评测需覆盖推理、物理智能、多目标权衡、安全性等多维度。Kaggle Game Arena通过"AI对AI竞技"自动生成难度，避免传统题库泄题和过拟合问题，推动AI能力全面进化。

Omni Model愿景：未来AGI是多模态、全能型模型，能在语言、视觉、物理、推理等各领域均衡表现。DeepMind正推动Genie、Veo、Gemini等多条技术线融合，目标是打造"一个模型做所有事"的全能智能体。

原文信息

此文档由 AI 自动整理