# Demis Hassabis: We're Three Quarters of the Way to AGI

- Channel: [Sequoia Capital](https://www.youtube.com/channel/UCWrF0oN6unbXrWsTN7RctTw)
- Published: 2026-04-29
- Source video: [Watch on YouTube](https://youtube.com/watch?v=AFpeWo1GTeg)
- Read on ReadTube: https://www.read.tube/p/videos/AFpeWo1GTeg
- Language: Simplified Chinese

## Summary

**哈斯比斯称通用人工智能近在眼前**

哈斯比斯表示，通用人工智能大约已完成四分之三，他仍认为到2030年左右实现是合理目标。他回顾自己从游戏、神经科学到创办深度思维的经历，强调始终围绕人工智能这一主线，并把科学发现、医学突破与对意识的理解视为最终目标。

哈斯比斯在对谈中回顾了自己从少年时代就决定投身人工智能的经历，解释了自己为何先做游戏、再学神经科学，最后创办深度思维：这些选择都服务于同一个长期目标，即推动智能研究。他认为自己早年通过游戏开发“资助”了人工智能研究，也从《主题公园》等作品中看到人们愿意与智能系统互动，这强化了他把一生投入这一方向的决心。

他强调，深度思维从一开始就不是只做技术展示，而是把“先解决智能，再解决一切”作为使命。2009年创立公司时，团队基于深度学习、强化学习和加速计算等正在成形的关键要素，判断人工智能会在十年量级上发生质变；他们当时更像是在坚信一个多数人还不相信的方向。哈斯比斯也总结了创业经验：创新要足够超前，但不能超出时代太远，否则很难落地。

谈到人工智能与科学，他说最重要的愿景一直是用人工智能推动科学、医学、材料、能源和环境研究。AlphaFold 被他视为生物学中的关键里程碑，而异构实验室的目标则是把药物发现的大部分探索转移到计算环境中，只把湿实验保留给最后验证。他预计，未来几年药物研发周期有望从平均十年缩短到数月、数周，甚至更快，并最终推动个性化医疗成为现实。

他还认为人工智能不仅会帮助科学，也会催生新的科学。其一是对人工智能系统本身的研究会形成一门独立的工程科学；其二是“基于模拟的人工智能”会重塑经济学等复杂系统研究，因为这些领域难以做重复对照实验，但如果有足够精确的模拟器，就能反复采样、做出更可靠的判断。他提到天气模拟和“虚拟细胞”都是这一方向的例子，并认为机器学习特别适合描述这类高度涌现、充满弱信号的系统。

在更基础的层面上，他主张把信息看作比能量和物质更根本的概念，认为生命和智能都可被理解为信息处理系统。他也认为经典图灵机足以近似许多过去被认为需要量子系统才能处理的问题，像 AlphaGo 和 AlphaFold 已证明，现代神经网络形式的经典计算可以逼近极其复杂的自然过程。关于人工智能何时不再只是工具，他的态度是应先把它做成极其强大、可靠的工具，再进入自主性、意识等更深层问题；他承认这些议题会变得重要，但主张把它们放在第二阶段处理。