---
title: Demis Hassabis YC 专访：Agent 才刚刚开始，AI 下一步是创造虚拟细胞
source_url: https://mp.weixin.qq.com/s/-yelssGDGS_MQIB7vBMOHA
publish_date: 2026-05-01
tags: [wechat, article, agent, gemini]
review_value: 7
review_confidence: 7
review_recommendation: neutral
ingested: 2026-05-16
sha256: fdff8d69aaca12654b9b8468b61dac88a2fd26224e0180a62000ac9e1aa694fa
---
# Demis Hassabis YC 专访：Agent 才刚刚开始，AI 下一步是创造虚拟细胞
> AI寒武纪 | 2026-05-01 | 转述 Self-Directed Investing Summit / YC "How to Build the Future" 专访
## AGI 时间线
- **AGI 预测：2030 年左右**（Hassabis 个人判断）
- **50/50 判断**：现有技术路线（大规模预训练+RLHF+思维链）通过持续创新能否扩展到 AGI vs 还需要 1-2 个真正的大突破，两种可能性各占一半
- 不存在的问题：他不认为几年后会有人说当前路线走错了
## 记忆是胶带粘合
Hassabis 博士研究海马体如何整合新知识（REM 睡眠经验回放机制）。他认为当前 AI 记忆是"胶带粘合"——把所有东西塞进上下文窗口：
- 上下文窗口=工作记忆，人类工作记忆≈7位数字，AI已有百万/千万级 token
- 问题：**把不重要的和错误的信息也往里塞**，找到当下需要的信息本身有代价
- 100万 tokens ≈ 20分钟实时视频；要理解一个月生活上下文完全不够
- 记忆方向**有很大创新空间**
## Agent 是持续学习问题
- Agent 只是刚刚开始，过去两个月（2026.03-04）才开始找到**真正有价值的使用场景**
- **持续学习是 Agent 最大的短板** — 模型无状态，无法适应你的上下文，做不到"点火就跑"
- 预计 6-12 个月内状态会改变（2026.11-2027.05）
## AlphaGo → Gemini 的影响
- DeepMind 从 Atari/AlphaGo/AlphaStar 开始就一直是 Agent 系统
- **思维链推理在某种意义上 = AlphaGo 当年探索的东西重新回来了**
- 他们在重新审视 MCTS 和其他 RL 方法对基础模型的相关性
- **强化学习仍然被低估**
## 锯齿状智能
- 能解 IMO 金牌题，但会在特定提问方式下犯基础数学错误
- 原因：推理方式仍粗糙，**AI 对自身思维过程的内省能力还不够**
- 认为可能还差一两个调整
## 小模型蒸馏
- **今天的前沿大模型，6-12 个月后会在小模型上出现类似能力**
- 看不到蒸馏的理论极限
- 机器人/端侧需要本地高效小模型，只必要时才调云端
## AI 创造性：爱因斯坦测试
- **"爱因斯坦测试"**：用 1901 年知识训练系统，看能否在 1905 年推导出狭义相对论
- 当前系统做不到真正意义上的创造性——不只是模式匹配或外推，还需要**类比推理**
- 最难的层次：不只是解决千禧年难题，而是提出新的千禧年难题
## 下一个 AlphaFold 级突破的判断标准
问题必须满足：① 庞大组合搜索空间（无蛮力/特殊算法）；② 清晰目标函数（能做梯度下降）；③ 足够数据或模拟器可生成合成数据
## 虚拟细胞
- 完整细胞仿真，可扰动、观察、生成合成数据
- 估计还需 **10 年**
- 从细胞核开始（相对独立），卡点：对活体细胞做纳米分辨率实时成像而不破坏
## 给创业者的建议
- AGI（~2030）会在深科技 10 年旅程中途到来，必须规划进去
- AGI 形态：通用模型把 AlphaFold 这类专业系统当**工具调用**
- **跨学科方向**：AI + 材料科学/医学/实体科学——最难被下一次模型更新"淹没"
- 择业：深难 vs 浅显问题难度差不多，不如做真正有分量的事