# Demis Hassabis：AGI 还缺什么，智能体到底行不行，下一个科学突破长什么样

Canonical URL: https://www.traeai.com/articles/bba2e7c6-90d0-4a46-a2ab-a60b98fc5391
Original source: https://baoyu.io/blog/demis-hassabis-agents-agi-and-the-next-big-scientific-breakthrough
Source name: 宝玉的分享
Content type: article
Language: 中文
Score: 8.5
Reading time: 26 分钟
Published: 2026-04-30T00:00:00+00:00
Tags: AGI, DeepMind, 人工智能, 强化学习, AlphaGo

## Summary

Demis Hassabis在访谈中探讨了AGI当前进展与未来挑战，认为现有AI范式可能还需1-2个关键突破，强调记忆、持续学习和长程推理的未解问题，并指出AlphaGo技术正被重新引入现代模型以推动创新。

## Key Takeaways

- Hassabis认为现有AI范式有50%概率需额外突破，特别是在持续学习、长程推理和记忆方面。
- 百万token上下文窗口处理实时数据时局限性大，当前做法被视为临时解决方案。
- AlphaGo时代的强化学习技术正在复兴，结合现代基础模型预示着AI新进步。

## Outline

- 引言 — 介绍Demis Hassabis及其对AI领域的贡献
  - AGI还缺一两块拼图 — 讨论现有AI范式与AGI之间的差距及所需的关键突破
  - 记忆：百万token上下文不够用 — 分析当前记忆处理机制的问题与未来的创新空间
  - AlphaGo的技术遗产 — 阐述AlphaGo时代技术如何影响并融合到现代模型中
  - 小模型的快速进步 — 讨论蒸馏技术使小模型接近前沿模型能力的现状与潜力
  - Gemini下棋暴露的推理缺陷 — 通过下棋实例说明当前推理系统的不足与改进方向

## Highlights

- > Hassabis认为当前AI范式包含AGI架构的一部分，但有50%的概率还需要一两个尚未发现的关键突破。
- > 百万token上下文窗口看似庞大，但在处理实时视频时仅够记录20分钟，是‘胶带糊住的临时方案’。
- > AlphaGo和AlphaZero时代的蒙特卡洛树搜索等技术正在被重新引入当代基础模型，预示未来几年的进步方向。

## Citation Guidance

When citing this item, prefer the canonical traeai article URL for the AI-readable summary and include the original source URL when discussing the underlying source material.