LLM無法通往AGI？DeepMind掌門人點名4大瓶頸，坦言當前AI被「過度炒作」
重點一：Hassabis 認為 AGI 五年內有很高機率實現，衝擊規模是工業革命的十倍、速度也是十倍。
重點二：AI 競賽正從「誰砸最多算力」轉向「誰有能力發明新演算法」，DeepMind 押注的是 15 年研究深度帶來的結構性優勢。
重點三：Isomorphic Labs 的 AI 設計藥物即將進入臨床試驗，Hassabis 將它定位為 DeepMind 科學使命的商業落地。
2010 年，Google DeepMind 共同創辦人 Shane Legg 在個人部落格上做了一個預測：AGI 大約需要 20 年。那時候幾乎沒有人認真研究 AI，整個領域被視為是死路一條。
16 年後，Hassabis 在創投 Podcast《20VC》上對主持人 Harry Stebbings 說：「我們基本上還在軌道上。」
這句話值得拆解。一位剛拿下諾貝爾化學獎、手上握著全球最大 AI 研究團隊的人，告訴你他十幾年前畫的時間表沒有跑偏。他給出的機率分佈是：AGI 在五年內實現的可能性「很高」。 換算一下，就是 2031 年之前。
但同一場訪談裡，他也說了另一句看似矛盾的話：「就在今天，AI 是被過度炒作的。」
Hassabis的原話是：「短期和長期的時間尺度都比其他技術更近了，但這個矛盾依然存在。」而理解這個矛盾，就是理解 DeepMind 接下來要打什麼仗的關鍵。
純粹砸算力的時代正在結束
外界過去兩年的主流敘事是：AI 競賽等於算力軍備賽。誰蓋最多資料中心、買最多 GPU，誰就贏。Google 執行長 Sundar Pichai 今年稍早也證實，2026 年資本支出將達 1,750 至 1,850 億美元，而且「即使想花 4,000 億也花不了」，記憶體不夠、電力不夠、電工不夠。
Hassabis 不否認算力重要。他說算力是「最大的瓶頸」，不僅用於訓練更大的模型，也用於測試新想法，「雲端就是我們的工作台。」但他接著做了一個微妙但關鍵的區分：規模擴展的報酬「仍然很可觀」，只是不再像早期那樣呈指數級增長。
翻譯成白話：榨橘子的力氣越來越大，但擠出來的汁越來越少了。
這代表什麼？
Hassabis 的判斷是，接下來三到五年，決定勝負的不再是「誰砸最多錢」，而是 「誰有能力發明新的演算法」。 他直接點名：「那些有能力發明新演算法的實驗室，在接下來幾年會開始拉開更大的優勢，因為上一輪的點子已經被榨乾了。」
這句話既是對 DeepMind 的定位宣言，也是對競爭對手的評估。他緊接著亮出底牌：「過去十幾年，支撐現代 AI 產業的突破，大概有 90% 來自 Google Brain、Google Research 或 DeepMind。」AlphaGo、強化學習、Transformer，他把這些全算在自家帳上。
延伸閱讀：「我沒有錯！」Meta前首席AI科學家揭汪滔「經驗不足」：楊立昆為何看衰LLM？背後藏路線之爭
四個「還沒解」的問題，比算力更棘手
如果 Hassabis 認為算力只是表層瓶頸，真正的深層障礙是什麼？他在訪談中列了一張清單：
一、持續學習的斷裂
現有的 AI 系統在訓練結束後就不再學習。你花幾個月訓練出來的模型，部署到世界上之後，它無法像人腦那樣在日常使用中持續吸收新知。
Hassabis 提到，人腦可能透過睡眠中的「記憶鞏固」來優雅地完成這件事，白天的經驗在夜間被重新播放，部分資訊被整合進既有知識庫。AI 目前做不到這一點，所有頂尖實驗室都在研究，但沒人破解。
二、記憶系統的粗暴
目前的解法是加長上下文視窗，把所有東西塞進去。Hassabis 直言這是「暴力解法」，他認為需要發明全新的記憶架構。
三、長期規劃的缺失
現有系統無法做跨越數年的層級式規劃，而人類的心智可以。這限制了 AI 代理處理複雜、長週期任務的能力。
四、鋸齒狀智慧
這是 Hassabis 自創的詞。同一個模型在某種提問方式下表現驚人，換一種問法卻在初級問題上失敗。「通用智慧不應該有這種破洞，」他說。任何用過 AI 代理的人大概都有共鳴，設定好的工作流程，換個檔案格式就整個崩潰。
這四個問題指向一個共同結論：LLM 不會被取代，但光靠 LLM 到不了 AGI。
Hassabis 估計有五成機率需要額外的突破，可能是世界模型（world models），能捕捉因果關係和物理動態的系統。Semafor 今年一月的報導也引述他的類似觀點：LLM 是 AGI 系統的關鍵組件，但最終的系統需要在這個基礎上疊加其他東西。
用諾貝爾獎級科學去賺製藥的錢
如果 AGI 是十年賭注，Hassabis 的中期變現路徑是什麼？答案是Isomorphic Labs。
這家從 DeepMind 分拆出來的公司，正試圖把 AlphaFold 解決蛋白質結構預測的成功，複製到整個藥物設計流程：化合物設計、毒性檢測、藥物特性優化。
2026 年 2 月，Isomorphic 發表的藥物設計引擎（Drug Design Engine）在蛋白質-配體結構預測的泛化基準上，效能達到 AlphaFold 3 的兩倍。
同月，Hassabis 在達佛斯宣布，第一款 AI 設計的抗癌藥物即將進入一期臨床試驗。目前 Isomorphic 已有 17 個進行中的藥物開發專案，並與禮來（Eli Lilly）和諾華（Novartis）簽下總值近 30 億美元的里程碑付款合約。
Hassabis 在訪談中的描述分兩階段：第一階段是在五到十年內完成整套藥物設計引擎，讓「從設計到候選藥物」這段流程可以在電腦上直接完成。
第二階段是說服監管機構，當 AI 的預測紀錄累積到足夠可信時，或許可以跳過部分動物實驗、加速劑量爬升。
他也坦承第二階段的時間更長：「也許要再十年，等到一、二十款 AI 藥物走完整個流程，監管機構才有足夠的數據去回測模型預測的準確度。」
被問到歐洲能否誕生兆元企業時，Hassabis 把 Isomorphic 點名為他的賭注。但他同時指出歐洲的結構性弱點：養老基金無法投資成長期新創，資本市場撐不起十億美元級的融資輪。「我們很擅長從零到一的創業，但要跨過那道鴻溝進入全球級規模，資金從哪來？」
AGI 的衝擊不會均勻分佈
Hassabis 對 AGI 社會影響的描述，是這場訪談最值得警惕的部分。
「我有時候把 AGI 的到來量化為：工業革命的十倍規模，十倍速度。在十年內展開，而不是一個世紀。」他隨即補充，他讀了很多關於工業革命的書，那場變革帶來了巨大的進步，工業革命前嬰兒死亡率高達四成，但也帶來了巨大的動盪。「希望這次我們能比工業革命時期更好地緩解負面影響。」
對於勞動力替代問題，他承認過去每次技術革命都創造了新的、薪資更高的工作，但拒絕簡單套用歷史類比：「你得非常小心才能說『這次不一樣』。」
他提出的緩衝機制包括：主權財富基金投資 AI 企業讓全民受益、用 AI 帶來的生產力紅利提供基礎建設，以及最根本的，用 AI 突破核融合、超導體、新型電池，從根本改變能源經濟結構。
但他最後拋出的問題，比經濟衝擊更深層：「假設我們把技術做對了，經濟問題也解決了，接下來還有哲學問題：意義是什麼？目的是什麼？意識是什麼？身而為人意味著什麼？我覺得我們需要一些偉大的新哲學家來幫我們導航。」
這段話從一位工程背景的 CEO 口中說出來，說明他對 AGI 的思考已經超越了技術和商業層面。問題是，當他說「五年內」時，留給哲學家的準備時間可能不太夠。
延伸閱讀：解密DeepMind CEO的「科學家性格」：哈薩比斯是誰？為何他是Gemini反守為攻的幕後推手？
資料來源：20VC with Harry Stebbings — Demis Hassabis 訪談、Yahoo Finance、Semafor、Tech Startups
本文初稿為AI編撰，整理．編輯/ 先泰
延伸閱讀
韓國史上最大拋股案之一，三星家族為何大賣21億美元持股？
Shield AI創辦人專訪｜化海豹部隊血淚止戰之殤！「曾國藩後代」為何相中台灣，做台海不對稱作戰另類供應商？
「加入《數位時代》LINE好友，科技新聞不漏接」