DeepMind CEO五到十年AGI落地，企业如何备战智能体经济？

2025年12月，在Axios AI+峰会上，当被问及通用人工智能何时到来时，Google DeepMind CEO德米斯·哈萨比斯给出了一个令整个科技圈震动的答案：“我们距离AGI，只差一到两个AlphaGo级别的技术突破。” 这位诺奖得主明确将时间窗口锁定在5到10年内。然而，就在同月，DeepMind的一篇重磅论文却泼下一盆冷水：真正的AGI可能不会以“超级大脑”的形式降临，而是通过成百上千个普通AI智能体的协作，像拼图一样在我们眼皮底下悄然“拼凑”出来。面对这一即将重塑人类智慧边界的变革，企业决策者与技术人员究竟该如何备战？

一、AGI距离落地还有多远？当前系统的四大核心短板

尽管模型在多模态理解和推理能力上突飞猛进——斯坦福大学《2025年AI指数报告》显示，AI已在图像分类、竞赛级数学等7项测试中超越人类基准线——但前沿实验室专家一致认为，当前系统要迈向真正的AGI，仍面临若干短期内难以逾越的障碍。英国AI安全研究所（AISI）在2025年10月发布的一份报告中，系统梳理了这些局限性。

1. 缺乏持续学习与长期规划能力

哈萨比斯本人坦言，当前大模型最大的短板在于无法“在使用中成长”。它们只能用训练数据一次性学完，无法像人类那样通过与用户的持续互动积累经验。AISI的研究进一步指出，人类在处理需耗时数小时、数天甚至数周的任务时仍保持优势，而AI系统在需要长时间链式推理的场景中表现显著下滑。好消息是，METR研究显示，AI能完成的软件工程任务时长大约每七个月翻一番，按此趋势预测，到2030年模型将有50%的可靠性完成持续一个月的任务。

2. 复杂环境下的可靠性危机

实验室的辉煌成绩与现实世界的复杂性之间存在巨大鸿沟。Anthropic进行了一项著名实验“Project Vend”，让其旗舰模型Claude负责运营一台自动售货机，结果令人大跌眼镜：这台由AI掌管的机器并未盈利。这暴露了当前系统在处理突发障碍、多任务优先级的真实场景时的脆弱性。阶跃星辰首席科学家张祥雨更是指出一个残酷事实：在长文本环境下，模型的“智商”会随着上下文长度的增加而快速下降，现有的Transformer架构在8-12万个Token后基本不可用，根本无法支撑需要无限上下文的通用智能体。

3. 缺乏原创性洞察与稳定记忆

虽然AI能生成看似合理的科学论文，但AISI的专家访谈表明，这些产出大多流于“炒冷饭”或追求无关紧要的旁支假说，缺乏真正的科学价值。此外，尽管像Gemini这样的模型已在单次对话中展现出“简洁、冷静、有自信”的稳定人格，但这种一致性仅限于单次会话，无法跨对话保持稳定记忆和立场，真正的AGI需要能记住用户长期偏好的记忆网络。

二、通往AGI的两条必经之路：世界模型与智能体系统

面对上述短板，哈萨比斯明确指出，单纯扩大LLM规模不会带来AGI，真正的突破将来自两个方向的创新。

首先是“世界模型”。 DeepMind开发的Genie模型已展现出雏形能力——你可以生成一个视频，然后像在游戏中一样在里面走动并保持一分钟的连贯性。这不仅是生成内容，更是让AI开始理解物理世界的运行规律，从看懂画面跃升到推演真实世界。

其次是“智能体系统”。 下一代AI的定位将从“回答问题”转向“完成任务”。这意味着AI需要能自主规划、执行多步骤任务，并根据结果动态调整策略。Gemini的终极愿景正是成为一个嵌入眼镜、生活场景和工作流中的通用助手。

三、“拼凑式”AGI：被忽视的分布式风险

就在业界紧盯单一超级模型的突破时，DeepMind在2025年12月发布的《Distributional AGI Safety》论文提出了一个颠覆性观点：AGI更可能以“Patchwork AGI”（拼凑型AGI）的形式出现——即通过成百上千个专业化AI智能体的协作，涌现出超越任何单体的集体智能。

这一场景的实现技术基础已经就绪：Claude Computer Use、GPT Agent等智能体正在快速部署，Anthropic的MCP等智能体间通信协议正成为“AI时代的高速公路”，而经济激励也在推动专业化Agent生态的爆发——对绝大多数企业而言，用昂贵的“全能”超级模型处理简单任务既不经济也不高效。

然而，这种分布式智能带来了全新的安全挑战。DeepMind警告，当前所有AI安全框架都假设AGI是单一实体，因而对多智能体协作可能引发的“系统闪崩”、隐性共谋、责任归属困境几乎毫无准备。例如，多个定价算法完全可以在没有直接通信的情况下，仅通过观察市场信号就学会协同涨价，构成“隐性算法共谋”。

四、备战AGI时代：技术、伦理与市场的三重奏

面对即将到来的AGI时代，无论是技术开发者还是企业用户，都需要建立一套系统性的应对框架。

1. 技术创新：从盲目堆参数转向架构突破

沐曦股份高级副总裁孙国梁指出，“现在的AI是用工程学在‘反推’基础科学。在数学和脑科学原理突破之前，我们需要靠GPU做大量的工程尝试。” 对于企业而言，这意味着不应盲目迷信模型参数规模，而应关注那些能解决实际场景痛点的架构创新，如解决长文本“智商掉落”问题的非线性RNN架构，或能实现持续学习的在线记忆系统。

2. 监管合规：中国AI伦理审查正式入轨

2025年8月，工业和信息化部会同多部委起草了《人工智能科技伦理管理服务办法（试行）（公开征求意见稿）》，正式将AI伦理审查纳入制度化轨道。该办法明确要求在生命健康、人的尊严、公共秩序等五大领域开展AI科技活动必须进行伦理审查，并规定了伦理委员会的设立标准与审查程序。对于企业而言，这意味着在研发和应用AI技术时，必须建立涵盖公平公正、可控可信、透明可解释、责任可追溯的合规体系。

3. 安全设计：为智能体经济构建“受监管的市场”

针对分布式智能体的潜在风险，DeepMind提出了一套包含四层防御的纵深模型：

企业若计划部署多智能体系统，应参照上述框架建立内部安全机制，并为每个AI智能体绑定加密身份与质押资产，形成可追溯的问责链。

4. 人才培养：软技能成为核心竞争力

多位科技领袖在2025年达成共识：AI时代，软技能变得比以往任何时候都重要。Salesforce首席未来官Peter Schwartz指出，“最重要的技能是同理心，是与人协作的能力”。“AI教母”李飞飞更是直言，她不会雇佣拒绝使用AI工具的工程师。对企业而言，这意味着培训体系需要从单纯的技能传授转向“人机协作”能力培养。

结语

哈萨比斯给出的时间表并非空穴来风，而是基于技术进展的工程判断。当中国开源模型DeepSeek-R1登上Nature封面、蚂蚁集团百灵大模型家族首次展出、工信部AI伦理办法公开征求意见，2025年已成为AGI从科幻走入现实的转折之年。正如DeepMind论文所警告的，“竞争窗口正在快速关闭，留给所有人的时间不多了”。无论你是技术开发者、企业决策者还是普通用户，今天的每一个选择，都将决定你在AGI时代的位置。

关键词：通用人工智能 智能体经济 AI伦理 

本文为【广告】 文章出自：互联网,文中内容和观点不代表本网站立场，如有侵权，请您告知，我们将及时处理。