哈萨比斯最近又刷屏了，这位DeepMind的掌门人，刚刚因为AlphaFold入选诺贝尔奖行列，又在一场访谈中，抛出了关于AGI的最新观点。
而这一次，他说得比以往更实在： 现在的AI，还不具备真正的创造力，也还没理解物理世界。
这话听上去像是在泼冷水，但其实不是。 他是在告诉所有人：AGI还没来，但我们已经踏上了那条路。 总结就是：模型大”≠“智能强，只有哈萨比斯说了句大实话。
或许有人会说，今天的AI已经很厉害了，写论文、画图、写代码、做药物设计样样都能来。 但哈萨比斯偏偏说了句让人不太舒服的： 你让它去模拟爱因斯坦，可能一个猜想都提不出来。
他说得很直白，是啊，就算你把2025年最强大的大模型，知识停留在1901年，它也不太可能在四年后自己发明出狭义相对论。
为什么？ 因为它没有直觉飞跃。 什么叫直觉飞跃呢，就是说，你没法从已知中推导出来的那一步，而这一步，是科学家灵感的来源，是原创火花。
所以哈萨比斯说，现在的AI，顶多是表现不错的研究助理，但不是科学家。 这不是打击AI发展的信心，而是一次提醒：真正的AGI，不是靠参数堆砌出来的。
以Nano Banana举例，它是DeepMind推出的图像生成工具，有人说，它不就是个画图的AI嘛，能有多大意义。
这个模型的厉害之处，不在于它能画得多美，而在于它能听得懂人话你跟它说把照片里的猫换成小狗，它就能动手改，而且不动其他元素，这不是简单的修图，而是对场景结构的理解能力。 可以理解为，它不是在模仿，而是在理解。
再来说说Genie 3，它能凭空创建一个虚拟世界，只需要你输入一句话，几秒钟就能生成一个能互动的3D环境，你可以操控角色走动、跳跃、开门、涂鸦，而这些动作，都是实时生成的。
Genie 3没有预设任何物理规则，它只是通过看成千上万段现实世界的视频，自己摸索出世界的运行规律。 比如水面上的波纹、光的反射、物体的反弹逻辑，全部是它自己学会的。
再说哈萨比斯，他靠AlphaFold拿了诺贝尔奖，在蛋白质结构预测这件事，他做到了全球领先。 但他没停下，反而跳出来说不是终点。
说干就干，他成立了一个新公司：Isomorphic Labs，和诺华、礼来等全球药企合作，要用AI彻底改变药物研发流程。
这事不是说说而已。，他给出了一个具体目标，要把以往需要10年的药物研发时间压缩到几周。
更关键的是，AlphaFold的技术路径不是纯粹的大模型，而是混合架构。 简单说就是，把AI的学习能力，和科学的物理规则打包在一起。
可以理解为，让AI去学，但也要告诉它，氢原子不能乱撞，这才是科学意义上的智能，而不是光靠算力的蛮干。
Nano Banana、Genie 3、AlphaFold，这些项目看似方向各异，但它们都在解决一个问题： AI到底能不能理解这个世界，而不是只预测世界？
哈萨比斯 说：我们或许还差五到十年，但终点值得等待。说到底，智能不是让AI模仿人类，而是和人类一样，能够理解世界。
这一天还没来，但路，已经有人在走。
