從Nano Banana到AGI：哈薩比斯眼中的黃金時代、瓶頸與突圍之道

Nano Banana火爆出圈，哈薩比斯再談AGI。這位DeepMind的掌舵人，在最新訪談中拋出了他對人工通用智能（AGI）最深刻、也最現實的判斷：我們正站在「科學黃金時代」的門檻上，但那扇門還沒開。

而Nano Banana——這個看似輕巧的名字背後，其實藏着AGI下一階段形態的雛形。

AGI：不僅要聰明，還要會「犯錯」

哈薩比斯早在幾年前就預判：2030年左右，我們可能迎來真正的AGI。但問題也很清楚：今天的AI看似聰明，但還遠遠達不到「博士級智能」。

為什麼？因為它只是某些領域的高手，換個場景就掉鏈子。讓AI解個高數題，它或許能秒答；但讓它數清楚3隻貓和5條狗一共有幾隻動物，它可能就懵了。

更關鍵的是，AI還不具備真正的創造力。它可以生成內容，但很難提出新假設、新理論。它能「優化」，但不會「發明」。而這，正是AGI和普通AI之間最關鍵的一道門檻。

世界模型：Nano Banana不是玩具，而是通往AGI的「鑰匙」

Nano Banana火出圈，不只是因為它能「以圖生圖」，而是因為它展現了AI對物理世界的理解力。

你可以簡單地告訴它：「一個穿黃色雨衣的小孩在水坑裡跳躍」，它就能生成一個動態、有邏輯、符合物理規律的場景。風吹雨打、衣角擺動、水花飛濺，全都是實時生成的。

這背後，是DeepMind新一代「世界模型」的核心能力：AI不再只是理解語言，而是在「理解世界」。它通過學習現實視頻，自我推導出「水會反光」「物體會掉落」這種基本常識，不再靠人手寫規則。

哈薩比斯說得直接：沒有物理世界的理解，就沒有真正的AGI。

痛點與突圍：AGI還缺什麼？

哈薩比斯坦言，當前的AI模型，還缺「跳躍性思維」。就像歷史上那些偉大的科學家，能從一堆看似無關的現象中，突然提出一個全新理論。

比如：如果你把AI的知識封鎖到1901年，它能不能像1905年的愛因斯坦那樣，提出狹義相對論？目前還做不到。

他列出幾個AGI「未完成」的拼圖：

• 持續學習能力：現在的AI學完就「定型」，不會真正「活學活用」。
• 一致性推理：一個問題換個問法，AI可能答得天差地別。
• 跨模態整合：真正的AGI要能處理文字、圖片、視頻、聲音……並在它們之間自由切換。

要解決這些問題，光靠「堆參數」不夠，還需要架構創新，甚至是範式變革。

志在未來：AGI不僅為「更強」，而是為「更好」

哈薩比斯對AGI最大的期待，並不只是模型變得更聰明，而是它能成為「科學的終極助手」：

• 在藥物研發中，AGI可能把10年的開發周期壓縮到幾周；
• 在能源領域，它能設計出全新材料或優化電網效率；
• 在氣候預測、數學推理、核聚變控制等前沿領域，AI已開始顯露鋒芒。

他甚至提出一個衡量AGI是否「合格」的標準：它能否提出一個科學界前所未有、但又正確的新理論？

結語：黃金時代不是夢，但也不是贈品

哈薩比斯沒有給AGI「畫餅」，他承認實現AGI還需要5到10年，還要跨過多個關鍵技術坎。

但他也非常堅定：AGI不是終點，而是起點。它將重新定義科學研究的方式，重塑人類與知識的關係，激發一場「新的文藝復興」。

Nano Banana只是一個開頭，但它已經讓我們看到了——AGI，不只是更強的AI，而是更深的理解、更廣的連接、更遠的可能。