谷歌DeepMind掌门人预测2030年AGI必至，Titans架构或成Transformer继任者

谷歌DeepMind首席执行官Demis Hassabis近日断言，人工通用智能（AGI）将在2030年前成为现实。不过，在迈向这一里程碑之前，我们仍需一至两项如同Transformer或AlphaGo级别的革命性突破。恰逢NeurIPS 2025大会，谷歌重磅推出了被视为下一代Transformer最强继任者的Titans架构，为AGI的实现注入了新的动力。

2025年即将步入尾声，人工智能领域在明年将迎来哪些变革性发展？

最近，谷歌DeepMind CEO Hassabis在一次深度访谈中，对未来12个月的技术趋势做出了前瞻性预测，其中五大核心方向尤为值得关注。

以下是访谈中提炼的五大关键趋势：

• 多模态融合彻底打通：文本、图像、音频、视频等模态将实现无缝整合，模型能够同时理解并生成跨模态内容。
• 类人的视觉智能：AI在视觉理解上将达到接近人类水平的深度，不仅能识别物体，更能理解场景背后的意图与情感。
• 语言+视频深度融合：语言模型与视频生成模型的协同将更加紧密，实现从文字描述到动态视频的实时生成与交互。
• 世界模型成为主流：AI将学习物理世界的因果规律，构建能够模拟现实环境的内部模型，从而进行更精准的预测与决策。
• 智能体达到可靠应用水平：AI智能体将在复杂任务中展现高可靠性，能够自主规划、执行并调整策略，广泛应用于医疗、教育、工业等领域。

Hassabis强调，我们应尽最大努力扩展现有AI系统的规模，即使它们最终只是AGI的组成模块，也至关重要。他甚至认为，当前这些系统本身可能就是通向终极AGI的关键拼图。

不过，他也坦诚地指出，要实现真正的AGI，至少还需要一两个像Transformer或AlphaGo这样的颠覆性突破。回顾八年前，谷歌提出的Transformer架构彻底改变了AI研究的方向，如今，又一个潜力巨大的新架构——Titans，在NeurIPS 2025上正式亮相，引发了学术界和工业界的广泛关注。

Titans架构巧妙地融合了循环神经网络（RNN）的快速响应能力与Transformer的强大性能，集两者之长。即使在处理高达200万token的超长上下文时，Titans在召回率和准确率上均表现优异，相关论文一经发布便在全球AI社区掀起巨大反响。

正如Hassabis所言，一个具有颠覆性的AGI时代正加速向我们走来。

DeepMind掌门人：2030年，AGI必至

今年早些时候，Hassabis就曾预测，具备或超越人类能力的AGI可能在2030年前实现。在周四的公开对话中，他再次强调这一观点，并指出AGI将是人类历史上最具颠覆性的时刻之一，其实现正在加速。若给出一个时间范围，他认为距离真正的AGI仅剩5到10年。

谈及未来愿景，Hassabis充满憧憬地表示，他毕生的梦想是实现一个“丰饶时代”的理想社会，其中人类面临的最大问题都已被解决。例如，我们拥有免费的、可再生的清洁能源，可能通过核聚变或更高效的电池、太阳能材料、半导体等材料科学突破；许多疾病被攻克。届时，人类将进入一个全新的“后稀缺时代”，繁荣发展，迈向星际文明，将意识播撒到银河系。

然而，这种乌托邦式的图景也伴随着深刻的哲学问题：如果技术能解决所有难题，人类存在的目的又是什么？还会剩下什么问题值得我们去解决？作为一个科学家，Hassabis对此感到担忧，甚至对科学方法本身也产生了反思。

通往AGI的道路并非一帆风顺。Hassabis指出，恶意使用AI的风险真实存在，甚至可能带来灾难性后果。比如，针对能源或供水系统的网络攻击，这些目标已经显而易见。尽管目前尚未动用非常先进的AI，但这类事件已初现端倪。AI带来的最严重后果可能是灭绝级风险。他坦言，没人确切知道人类灭亡概率P(doom)，但强调：“这个风险不是零。只要不是零，就必须认真对待，投入资源应对。”

对Gemini 3探索不足10%

Hassabis认为，当前最被低估的能力是Gemini能够“观看”视频并回答相关概念性问题。他举例说，曾询问Gemini电影《搏击俱乐部》中的一个场景：“打架前摘下了戒指，这个动作有什么象征意义？”Gemini回答，这代表主角脱离日常生活的象征，是对社会规范的拒绝，是一种“放弃身份”的宣言。Gemini的这类“抽象理解”能力出乎他的意料，他认为Gemini已经具备某种“元认知”。

另一个例子是Gemini Live功能。他认为，多模态AI的潜力远比大多数人今天所理解的要大得多。每次DeepMind推出新版模型时，Hassabis都会有种强烈的遗憾感：自己可能连这个系统的十分之一都没来得及深入测试，就已经要投入下一个版本的研发。而用户们往往会比Gemini开发人员更快地发掘新功能，把模型用到连他们都没想到的地方。

最核心的观点

Hassabis最核心的观点可能是AGI的实现路径问题。他认为，我们距离真正的AGI还有大约5到10年的时间。DeepMind对AGI的定义要求很高：要称得上“通用”，AI系统必须全面具备人类的所有认知能力，其中包括“创造力”和“发明能力”。现在的LLM在某些领域已经非常惊艳，堪比博士水平，甚至能拿奥林匹克金牌；但在另外一些领域，它们仍然存在明显缺陷，呈现出“参差不齐”的智力表现。

真正的AGI应当拥有“各项能力均衡发展”的稳定智能。这包括当前模型所缺失的几个关键能力：持续学习、在线学习、长期规划和多步推理。目前，大语言模型完全不具备这些能力。他承认存在一种可能性，即规模扩展“可能就是AGI系统的全部”，尽管他认为这种情况可能性较小。这需要我们必须将规模扩展推向绝对极限。退一步说，规模扩展至少会成为最终AGI的“关键构件”。Hassabis相信，它们未来会具备这些能力，但我们可能还需要一两个重大技术突破。而谷歌似乎已经有了Transformer级的重大突破。

最强「Transformer」出世

几天前，NeurIPS大会上一场对谈中，谷歌首席科学家Jeff Dean和AI教父Hinton同框。关于LLM和研究路线，Hinton当场提出了一个尖锐的问题——谷歌是否后悔发表Transformer论文？Jeff Dean给出了干脆的回应：“不后悔！这项研究对世界产生了重大的影响”。

几乎同一时间，谷歌放出了全新的架构Titans，成为Transformer的最强继任者！此外，还有一个全新的MIRAS框架。两者的结合，可以让AI模型在运行过程中动态更新核心记忆，跑得更快，也能处理超长规模的上下文。

众所周知，Transformer最大瓶颈在于，上下文无限扩展会导致计算成本飙升。除了业界迭代的RNN、Mamba-2等架构，谷歌也提出了新一代解决方案——如上所述，Titans+MIRAS，就是一套把RNN速度和Transformer准确性结合起来的架构与理论思路。

Titans（MAC）架构：通过一个长时记忆模块来压缩历史数据，并将生成的摘要加入当前上下文，再交由注意力机制处理。Titans是具体的模型架构（工具），而MIRAS是用于泛化这些方法的理论框架（蓝图）。它们合起来，实现了一种“测试时”记忆的能力。在运行时，模型不再只是把信息压成一段静态状态，而是在数据不断输入时主动学习，即时更新自己的参数。这个关键机制，可以让模型立刻把新的、具体的信息加入到核心知识里。值得一提的是，清华姚班校友钟沛林参与了两项工作。他博士毕业于哥伦比亚大学，2021年起加入谷歌任研究科学家。

Titans：即时掌握新上下文

一个高效的学习系统，需要既独立又互相关联的“记忆模块”。这一机制，就像人脑会将短期记忆和长期记忆区分开来一样。

为此，Titans引入了一种全新的神经长期记忆模块，本质上是一个深层神经网络（一个多层感知机MLP）。它拥有更强的表达能力，在不丢失关键信息的同时，总结海量内容。有了Titans，LLM不只是记笔记，而是在真正理解并串联整个故事。

论文地址：https://arxiv.org/pdf/2501.00663

更重要的是，Titans并非被动存储数据，而会主动学习如何识别并保留贯穿整个输入的重要关系和概念主题。衡量这一能力的核心指标之一，谷歌将其称之为“惊奇度”。假设遇到“高惊奇”度的信息时，会被优先写入长期记忆。而且，会随着不断学习，自适应管理权重，主动遗忘不再需要的信息。

MIRAS：统一视角，序列建模

序列建模的每一次重大突破，本质上都在使用同一种底层机制：高度复杂的联想记忆模块。MIRAS的独到之处和实用价值在于，它看待AI建模的方式——把各种架构视为解决同一个核心问题的“不同手段”：如何在融合新信息与旧记忆的同时，不让关键概念被遗忘。

MIRAS框架

MIRAS通过四个关键设计维度来定义序列模型：

记忆架构：承担信息存储的结构，例如向量、矩阵，或像Titans深层多层感知机。

注意偏置：模型内部优化的学习目标，决定优先关注哪些信息。

保留门：一种记忆正则化机制。MIRAS将传统“遗忘机制”重新解释为正则化形式，用于在学习新知识与保留旧知识之间取得平衡。

记忆算法：用于更新记忆状态的优化算法。

以MIRAS框架的视角审视近期序列模型

超越注意力

几乎所有现行成功的序列模型，在处理偏置和保留机制时，都依赖于均方误差或点积相似度。这种依赖导致模型对异常值过于敏感，并限制了其表达能力。MIRAS突破了这一局限。借鉴优化理论与统计学文献，它构建了一个生成式框架，开拓了更丰富的设计空间。

基于MIRAS，谷歌构建了三款独特的无注意力模型：YAAD、MONETA、MEMORA。在语言建模和常识推理任务中，Titans架构在同等规模下，优于最先进的线性循环模型（如Mamba-2和Gated DeltaNet）以及Transformer++基线模型。

新颖的MIRAS变体相比这些基线模型也提升了性能，验证了探索稳健的非MSE优化机制的优势。

重要的是，这些模型保持了高效的并行化训练和快速的线性推理速度。这些新架构最显著的优势在于其处理超长上下文的能力。这在BABILong基准测试中得到突出体现，该任务需要对分布在超长文档中的事实进行推理。在BABILong基准上，Titans以更少的参数量，表现优于包括GPT-4等超大型模型在内的所有基线模型。Titans进一步展示了可有效扩展到超过200万token上下文窗口的能力。

Titans在超长上下文推理任务上的性能表现

有Reddit网友预测，或许我们在明天就可以看到采用Titans架构的Gemini 4。

正如网友所言，这可能是谷歌继Transformer之后，首个重大突破！

在架构层面，Titans+MIRAS补上了“记忆与持续学习”。而在多模态能力层面，Gemini显露“元认知”的边缘形态。也许，AGI正加速到来。

参考资料：

https://www.youtube.com/watch?v=tDSDR7QILLg&t=11s  

https://x.com/kimmonismus/status/1997026763353022647  

https://x.com/DataChaz/status/1997211176422482341?s=20   

https://research.google/blog/titans-miras-helping-ai-have-long-term-memory/   

https://www.axios.com/2025/12/05/ai-deepmind-gemini-agi