深度解析Google DeepMind CEO访谈：2026年AI竞赛的核心不在算力，而在“搞钱”账本

近期，AI产业的竞争焦点已悄然从“性能至上”转向“盈利能力”。

2026年1月16日，CNBC全新播客栏目《The Tech Download》首期开播，其定位直击行业痛点：摒弃虚无的概念，只谈商业变现。首期特邀嘉宾——Google DeepMind首席执行官Demis Hassabis，在节目中深度拆解了四笔关乎未来的“投资账单”：

1. 针对AGI能力短板，核心投向何处？

2. 模型商业化进程中，成本结构如何优化？

3. 面对日益严峻的能源瓶颈，资源如何配置？

4. 在激烈的AI博弈中，护城河如何构建？

这四笔账单共同揭示了一个事实：在这场史诗级的AI马拉松中，资本的流向决定了终局。

第一笔账｜通往AGI：从“语言复读”到“理解世界”

在访谈开篇，Hassabis针对大模型是否已触及天花板给出了清醒的判断：当前大模型的能力矩阵存在显著的技术性缺陷。

他提出了一个关键概念——“锯齿状智能（Jagged Intelligences）”。即AI在某些领域表现惊艳，但在逻辑链条稍微复杂或问法改变时，便会暴露出不可靠性。

1、通用智能的核心是“自主思考”

Hassabis强调，真正的AGI必须具备主动提出问题的能力，能够对世界的运转规律建立假设并进行自我验证。目前的LLM（大语言模型）本质上仍缺乏“持续学习”的机制，无法像人类一样通过经验积累实现智能的线性增长。

2、世界模型：从文字游戏进化为“物理想象”

DeepMind正将战略重心从单纯的LLM转向“物理世界模型”。这要求AI不仅能处理语言，更能模拟物理因果关系。例如：

• Genie模型：在交互中理解环境规则。
• AlphaFold：深度解析生命科学的底层物理结构。
• Veo：基于物理逻辑而非视觉拼凑来生成视频。

3、AGI的实现路径：多模态协同重组

Hassabis认为，AGI不会通过单一模型的参数堆叠自发涌现，而是需要语言、物理直觉、逻辑推理等多个专项模型的深度集成。AGI的目标不是成为一个“更聪明的计算器”，而是成为一个能产生原创思想的“科学家”。

第二笔账｜商业闭环：效率才是硬通货

技术的先进性必须转化为商业的可持续性。Hassabis透露，DeepMind的产品策略是Pro与Flash并重，重点在于让AI“用得起、用得广”。

1、蒸馏技术与主力模型部署

通过大模型“教”小模型的蒸馏策略，Gemini Flash系列应运而生。它不是低配版，而是为了适配终端用户和高频任务而设计的“高能效版本”，旨在降低推理成本并提升响应速度。

2、深度嵌入：从对话框到智能硬件

Hassabis看好AI与手机、AR眼镜等硬件的原生集成。目前DeepMind已与三星、Warby Parker等巨头展开合作。AI将不再是一个独立的网页端应用，而是无处不在的数字基础设施。

第三笔账｜能源困局：智能的本质是电力消耗

Hassabis直言不讳：“能源等同于智能”。随着AGI规模的扩大，能源已成为制约行业发展的硬上限，这甚至超过了芯片短缺的严重性。

1、能源决定了AI的天花板

算力的核心支撑是电力供给。如果不能有效控制能耗，再强大的模型也只能禁锢在实验室中。因此，DeepMind正通过AI技术反哺能源行业：

• 通过AI控制核聚变反应堆，寻求近乎无限的清洁电力。
• 寻找室温超导材料及新型光伏材料。
• 利用算法优化全球数据中心与电网的运行效率。

未来的竞争，本质上是“每度电所产生的智能价值”的竞争。

第四笔账｜全球格局：整合效率决定生死

在竞争策略层面，Google正通过组织架构的剧烈调整来应对OpenAI等对手的冲击。

1、从实验室向工程引擎的转型

通过整合Google Research、Brain与DeepMind，谷歌构建了统一的AI基础设施。这种从芯片、模型到产品（搜索、Gmail、安卓）的全栈整合，使得Gemini系列能够实现“训练即部署”的高速更替。

2、中国AI的追赶速度

Hassabis客观地评价道，中国头部实验室在工程复现能力上仅落后于全球最前沿数月之久。但接下来的挑战在于“原创性架构”的突破。在AI这场长跑中，拥有完善产品闭环和能活到泡沫破裂后的团队，才是最终的赢家。

结语｜AI竞技的四维象限

Hassabis的账本清晰地标示了资本该投向何处：投向理解能力而非纯数据、投向部署效率而非纯性能、投向能源保障而非纯算力、投向整合闭环而非纯发布速度。这笔账，决定了谁能掌握通往AGI的最后钥匙。