最近，谷歌 DeepMind 掌门人德米斯 · 哈萨比斯（Demis Hassabis）接受 CNBC 专访。

他难得敞开心扉，直言不讳地评价了全球 AI 格局，尤其是中国 AI 的追赶速度和创新现状。

" 中国团队的追赶速度极快，只落后几个月，但在原创性上，他们还没拿出 Transformer 级的东西。"

以 DeepSeek、阿里为代表的中国 AI 团队 , 在工程效率、推理优化、成本控制上，展现了恐怖的实力。

" 一篇新论文出来，他们往往能以惊人的速度复现，甚至在某些方面做得更好。"

换句话说，在 " 把已知路径做到极致 " 这件事上，中国团队已经证明了自己是全球顶级玩家。

也正因为如此，硅谷过去那种 " 领先一代 " 的技术安全感，正在被一点点消耗掉。不是按年，而是按月缩水。

要知道，过去很长一段时间美国尤其是硅谷派的主流观点是：中国在 AI 上还远远落后，大概是几年的差距。

根据斯坦福大学《2025 年人工智能指数报告》，中国在 AI 论文发表和专利申请总量上持续领先。

且像 DeepSeek、智谱等机构发布的模型，在国际基准测试中已与第一梯队产品表现相当。

以 DeepSeek V3.2 为例，在公开的推理类基准测试中，它已经能够全面对标 GPT-5，仅略低于 Gemini 3 Pro。

然而，他也指出原创性依然是中国团队的短板。

Transformer 或 AlphaGo 那样从零到一的技术突破，目前在中国尚未出现。

换句话说，中国团队可以 " 开车飞驰在既有轨道上 "，但铺设全新轨道的能力仍需时间和积累。

哈萨比斯强调，这并非能力不足，而是原创性突破往往需要长期科研积累、实验失败和探索精神的结合。

不过哈萨比斯也看到了中国 AI 独有的潜力，他认为当工程优化达到一定高度，往往会催生质变。

中国凭借广阔的应用场景、迅速的市场反应和持续投入，很可能从别出心裁的角度，斩出那一刀改变格局的创新。

在谈到通向 AGI 的挑战时，哈萨比斯强调，现有大模型存在 " 锯齿状智能 "（jagged intelligence）。

这是指模型在某些任务上表现非常出色，但面对复杂因果链条、多步骤逻辑推理或现实世界常识时，能力不稳定甚至可能出错。

这说明通用智能不仅需要强大的处理能力，还要在多个维度上保持稳定和一致。

除此之外，现有系统无法持续在线学习，也难以自发产生原创性想法，通向 AGI 仍需克服这些根本性限制。

在这一背景下，哈萨比斯谈到 Scaling Law（规模定律）及其作用。

他认为，虽然模型增大、算力增加和数据扩充的回报增速有所放缓，但总体进展依然非常好，能力提升仍值得投入。

然而，要真正实现 AGI，仅靠 Scaling Law 仍不够，还需要一两个像 Transformer 那样的重大范式突破。

哈萨比斯保持谨慎乐观，预计 AGI 很可能在五到十年内实现，同时指出算力问题最终归结于能源，因此未来能源将成为 " 智能的货币 "。

他还进一步提到 " 世界模型 " 概念，作为通向 AGI 的核心手段。

与 LLM 主要处理文本不同，世界模型能够理解因果关系和长期后果，在脑中模拟世界、验证假设，实现规划和预测。未来 AGI 很可能是 LLM 与世界模型的融合体。

DeepMind 已在 Genie、视频生成 Veo 和机器人模拟中布局早期世界模型，让 AI 在虚拟环境中练习、犯错、成长，真正具备 " 理解 " 和 " 预测 " 能力。

在应用层面，哈萨比斯看好端侧 AI，即将高效、轻量的模型运行在手机、可穿戴设备和智能眼镜等终端上。

谷歌计划通过 Project Aura 智能眼镜以及机器人领域的探索，让 AI 不仅会 " 说 "，还能实际 " 做事 "，并发挥实用价值。

过去两三年，DeepMind 也回归 " 创业公司状态 "，快速迭代 Gemini 模型并落地到 Google 核心产品，包括搜索、Workspace 和智能眼镜等场景，使谷歌在算力、模型规模和应用落地上都保持竞争优势。

总体来看，哈萨比斯认为，中国 AI 已凭实力赢得了顶级牌桌的入场券，但未来几十年的格局，将取决于谁能率先铺设无人区的轨道。

速度固然重要，但方向选择才是关键。真正的竞争，不只是算力之争，更是敢于探索未知、率先开辟全新路径的勇气与能力。

在这个意义上，2026 年不仅可能见证端侧 AI、agent 系统和机器人领域的突破，也将考验谁能在通向 AGI 的道路上，把工程能力与原创性创新结合，率先铺出未来的新轨迹。