2025年8月26日消息，国务院发布《国务院关于深入实施“人工智能+”行动的意见》
原文详情：
国务院关于深入实施“人工智能+”行动的意见
国发〔2025〕11号
各省、自治区、直辖市人民政府，国务院各部委、各直属机构：
为深入实施“人工智能+”行动，推动人工智能与经济社会各行业各领域广泛深度融合，重塑人类生产生活范式，促进生产力革命性跃迁和生产关系深层次变革，加快形成人机协同、跨界融合、共创分享的智能经济和智能社会新形态，现提出如下意见。
一、总体要求
以习近平新时代中国特色社会主义思想为指导，完整准确全面贯彻新发展理念，坚持以人民为中心的发展思想，充分发挥我国数据资源丰富、产业体系完备、应用场景广阔等优势，强化前瞻谋划、系统布局、分业施策、开放共享、安全可控，以科技、产业、消费、民生、治理、全球合作等领域为重点，深入实施“人工智能+”行动，涌现一批新基础设施、新技术体系、新产业生态、新就业岗位等，加快培育发展新质生产力，使全体人民共享人工智能发展成果，更好服务中国式现代化建设。
到2027年，率先实现人工智能与6大重点领域广泛深度融合，新一代智能终端、智能体等应用普及率超70%，智能经济核心产业规模快速增长，人工智能在公共治理中的作用明显增强，人工智能开放合作体系不断完善。到2030年，我国人工智能全面赋能高质量发展，新一代智能终端、智能体等应用普及率超90%，智能经济成为我国经济发展的重要增长极，推动技术普惠和成果共享。到2035年，我国全面步入智能经济和智能社会发展新阶段，为基本实现社会主义现代化提供有力支撑。
二、加快实施重点行动
（一）“人工智能+”科学技术
1.加速科学发现进程。加快探索人工智能驱动的新型科研范式，加速“从0到1”重大科学发现进程。加快科学大模型建设应用，推动基础科研平台和重大科技基础设施智能化升级，打造开放共享的高质量科学数据集，提升跨模态复杂科学数据处理水平。强化人工智能跨学科牵引带动作用，推动多学科融合发展。
2.驱动技术研发模式创新和效能提升。推动人工智能驱动的技术研发、工程实现、产品落地一体化协同发展，加速“从1到N”技术落地和迭代突破，促进创新成果高效转化。支持智能化研发工具和平台推广应用，加强人工智能与生物制造、量子科技、第六代移动通信（6G）等领域技术协同创新，以新的科研成果支撑场景应用落地，以新的应用需求牵引科技创新突破。
3.创新哲学社会科学研究方法。推动哲学社会科学研究方法向人机协同模式转变，探索建立适应人工智能时代的新型哲学社会科学研究组织形式，拓展研究视野和观察视域。深入研究人工智能对人类认知判断、伦理规范等方面的深层次影响和作用机理，探索形成智能向善理论体系，促进人工智能更好造福人类。
（二）“人工智能+”产业发展
1.培育智能原生新模式新业态。鼓励有条件的企业将人工智能融入战略规划、组织架构、业务流程等，推动产业全要素智能化发展，助力传统产业改造升级，开辟战略性新兴产业和未来产业发展新赛道。大力发展智能原生技术、产品和服务体系，加快培育一批底层架构和运行逻辑基于人工智能的智能原生企业，探索全新商业模式，催生智能原生新业态。
2.推进工业全要素智能化发展。推动工业全要素智能联动，加快人工智能在设计、中试、生产、服务、运营全环节落地应用。着力提升全员人工智能素养与技能，推动各行业形成更多可复用的专家知识。加快工业软件创新突破，大力发展智能制造装备。推进工业供应链智能协同，加强自适应供需匹配。推广人工智能驱动的生产工艺优化方法。深化人工智能与工业互联网融合应用，增强工业系统的智能感知与决策执行能力。
3.加快农业数智化转型升级。加快人工智能驱动的育种体系创新，支持种植、养殖等农业领域智能应用。大力发展智能农机、农业无人机、农业机器人等智能装备，提高农业生产和加工工具的智能感知、决策、控制、作业等能力，强化农机农具平台化、智能化管理。加强人工智能在农业生产管理、风险防范等领域应用，帮助农民提升生产经营能力和水平。
4.创新服务业发展新模式。加快服务业从数字赋能的互联网服务向智能驱动的新型服务方式演进，拓展经营范围，推动现代服务业向智向新发展。探索无人服务与人工服务相结合的新模式。在软件、信息、金融、商务、法律、交通、物流、商贸等领域，推动新一代智能终端、智能体等广泛应用。
（三）“人工智能+”消费提质
1.拓展服务消费新场景。培育覆盖更广、内容更丰富的智能服务业态，加快发展提效型、陪伴型等智能原生应用，支持开辟智能助理等服务新入口。加强智能消费基础设施建设，提升文娱、电商、家政、物业、出行、养老、托育等生活服务品质，拓展体验消费、个性消费、认知和情感消费等服务消费新场景。
2.培育产品消费新业态。推动智能终端“万物智联”，培育智能产品生态，大力发展智能网联汽车、人工智能手机和电脑、智能机器人、智能家居、智能穿戴等新一代智能终端，打造一体化全场景覆盖的智能交互环境。加快人工智能与元宇宙、低空飞行、增材制造、脑机接口等技术融合和产品创新，探索智能产品新形态。
（四）“人工智能+”民生福祉
1.创造更加智能的工作方式。积极发挥人工智能在创造新岗位和赋能传统岗位方面的作用，探索人机协同的新型组织架构和管理模式，培育发展智能代理等创新型工作形态，推动在劳动力紧缺、环境高危等岗位应用。大力支持开展人工智能技能培训，激发人工智能创新创业和再就业活力。加强人工智能应用就业风险评估，引导创新资源向创造就业潜力大的方向倾斜，减少对就业的冲击。
2.推行更富成效的学习方式。把人工智能融入教育教学全要素、全过程，创新智能学伴、智能教师等人机协同教育教学新模式，推动育人从知识传授为重向能力提升为本转变，加快实现大规模因材施教，提高教育质量，促进教育公平。构建智能化情景交互学习模式，推动开展方式更灵活、资源更丰富的自主学习。鼓励和支持全民积极学习人工智能新知识、新技术。
3.打造更有品质的美好生活。探索推广人人可享的高水平居民健康助手，有序推动人工智能在辅助诊疗、健康管理、医保服务等场景的应用，大幅提高基层医疗健康服务能力和效率。推动人工智能在繁荣文化生产、增强文化传播、促进文化交流中展现更大作为，利用人工智能辅助创作更多具有中华文化元素和标识的文化内容，壮大文化产业。充分发挥人工智能对织密人际关系、精神慰藉陪伴、养老托育助残、推进全民健身等方面的重要作用，拓展人工智能在“好房子”全生命周期的应用，积极构建更有温度的智能社会。
（五）“人工智能+”治理能力
1.开创社会治理人机共生新图景。有序推动市政基础设施智能化改造升级，探索面向新一代智能终端发展的城市规划、建设与治理，提升城市运行智能化水平。加快人工智能产品和服务向乡村延伸，推动城乡智能普惠。深入开展人工智能社会实验。安全稳妥有序推进人工智能在政务领域应用，打造精准识别需求、主动规划服务、全程智能办理的政务服务新模式。加快人工智能在各类公共资源招标投标活动中的应用，提升智能交易服务和监管水平。
2.打造安全治理多元共治新格局。推动构建面向自然人、数字人、智能机器人等多元一体的公共安全治理体系，加强人工智能在安全生产监管、防灾减灾救灾、公共安全预警、社会治安管理等方面的应用，提升监测预警、监管执法、指挥决策、现场救援、社会动员等工作水平，增强应用人工智能维护和塑造国家安全的能力。加快推动人工智能赋能网络空间治理，强化信息精准识别、态势主动研判、风险实时处置等能力。
3.共绘美丽中国生态治理新画卷。提高空天地海一体化动态感知和国土空间智慧规划水平，强化资源要素优化配置。围绕大气、水、海洋、土壤、生物等多要素生态环境系统和全国碳市场建设等，提升人工智能驱动的监测预测、模拟推演、问题处置等能力，推动构建智能协同的精准治理模式。
（六）“人工智能+”全球合作
1.推动人工智能普惠共享。把人工智能作为造福人类的国际公共产品，打造平权、互信、多元、共赢的人工智能能力建设开放生态。深化人工智能领域高水平开放，推动人工智能技术开源可及，强化算力、数据、人才等领域国际合作，帮助全球南方国家加强人工智能能力建设，助力各国平等参与智能化发展进程，弥合全球智能鸿沟。
2.共建人工智能全球治理体系。支持联合国在人工智能全球治理中发挥主渠道作用，探索形成各国广泛参与的治理框架，共同应对全球性挑战。深化与国际组织、专业机构等交流合作，加强治理规则、技术标准等对接协调。共同研判、积极应对人工智能应用风险，确保人工智能发展安全、可靠、可控。
三、强化基础支撑能力
（七）提升模型基础能力。加强人工智能基础理论研究，支持多路径技术探索和模型基础架构创新。加快研究更加高效的模型训练和推理方法，积极推动理论创新、技术创新、工程创新协同发展。探索模型应用新形态，提升复杂任务处理能力，优化交互体验。建立健全模型能力评估体系，促进模型能力有效迭代提升。
（八）加强数据供给创新。以应用为导向，持续加强人工智能高质量数据集建设。完善适配人工智能发展的数据产权和版权制度，推动公共财政资助项目形成的版权内容依法合规开放。鼓励探索基于价值贡献度的数据成本补偿、收益分成等方式，加强数据供给激励。支持发展数据标注、数据合成等技术，培育壮大数据处理和数据服务产业。
（九）强化智能算力统筹。支持人工智能芯片攻坚创新与使能软件生态培育，加快超大规模智算集群技术突破和工程落地。优化国家智算资源布局，完善全国一体化算力网，充分发挥“东数西算”国家枢纽作用，加大数、算、电、网等资源协同。加强智能算力互联互通和供需匹配，创新智能算力基础设施运营模式，鼓励发展标准化、可扩展的算力云服务，推动智能算力供给普惠易用、经济高效、绿色安全。
（十）优化应用发展环境。布局建设一批国家人工智能应用中试基地，搭建行业应用共性平台。推动软件信息服务企业智能化转型，重构产品形态和服务模式。培育人工智能应用服务商，发展“模型即服务”、“智能体即服务”等，打造人工智能应用服务链。健全人工智能应用场景建设指引、开放度评价与激励政策，完善应用试错容错管理制度。加强知识产权保护、转化与协同应用。加快重点领域人工智能标准研制，推进跨行业、跨领域、国际化标准联动。
（十一）促进开源生态繁荣。支持人工智能开源社区建设，促进模型、工具、数据集等汇聚开放，培育优质开源项目。建立健全人工智能开源贡献评价和激励机制，鼓励高校将开源贡献纳入学生学分认证和教师成果认定。支持企业、高校、科研机构等探索普惠高效的开源应用新模式。加快构建面向全球开放的开源技术体系和社区生态，发展具有国际影响力的开源项目和开发工具等。
（十二）加强人才队伍建设。推进人工智能全学段教育和全社会通识教育，完善学科专业布局，加大高层次人才培养力度，超常规构建领军人才培养新模式，强化师资力量建设，推进产教融合、跨学科培养和国际合作。完善符合人工智能人才职业属性和岗位特点的多元化评价体系，更好发挥领军人才作用，给予青年人才更大施展空间，鼓励积极探索人工智能“无人区”。支持企业规范用好股权、期权等中长期激励方式引才留才用才。
（十三）强化政策法规保障。健全国有资本投资人工智能领域考核评价和风险监管等制度。加大人工智能领域金融和财政支持力度，发展壮大长期资本、耐心资本、战略资本，完善风险分担和投资退出机制，充分发挥财政资金、政府采购等政策作用。完善人工智能法律法规、伦理准则等，推进人工智能健康发展相关立法工作。优化人工智能相关安全评估和备案管理制度。
（十四）提升安全能力水平。推动模型算法、数据资源、基础设施、应用系统等安全能力建设，防范模型的黑箱、幻觉、算法歧视等带来的风险，加强前瞻评估和监测处置，推动人工智能应用合规、透明、可信赖。建立健全人工智能技术监测、风险预警、应急响应体系，强化政府引导、行业自律，坚持包容审慎、分类分级，加快形成动态敏捷、多元协同的人工智能治理格局。
四、组织实施
坚持把党的领导贯彻到“人工智能+”行动全过程。国家发展改革委要加强统筹协调，推动形成工作合力。各地区各部门要紧密结合实际，因地制宜抓好贯彻落实，确保落地见效。要强化示范引领，适时总结推广经验做法。要加强宣传引导，广泛凝聚社会共识，营造全社会共同参与的良好氛围。
国务院
2025年8月21日
原文链接：
国务院关于深入实施“人工智能+”行动的意见中国政府网
原文 “一、总体要求” 摘录：
“到2027年，率先实现人工智能与6大重点领域广泛深度融合，新一代智能终端、智能体等应用普及率超70%，智能经济核心产业规模快速增长，人工智能在公共治理中的作用明显增强，人工智能开放合作体系不断完善。到2030年，我国人工智能全面赋能高质量发展，新一代智能终端、智能体等应用普及率超90%，智能经济成为我国经济发展的重要增长极，推动技术普惠和成果共享。到2035年，我国全面步入智能经济和智能社会发展新阶段，为基本实现社会主义现代化提供有力支撑。”
10年内，也就到“2035年”这个时间点，我们拥有真正的“AGI”
Hassabis 认为，我们将在未来十年内拥有真正的 AGI。
而 AGI 的到来，将开启一个科学的新文艺复兴和黄金时代。
届时，从能源到人类健康，各个领域的科学发现都将以前所未有的速度涌现，深刻地改变人类社会。
Hassabis 强调他投身 AI 事业的初衷：利用 AI “加速科学发现”和“改善人类健康”，他认为这是 AI 最重要的应用方向，最终目标： AGI 将成为科学研究的终极工具。
一、迈向AGI 的挑战：
Hassabis 在访谈中详细阐述了他对通用人工智能 (AGI) 的看法，并指出了当前 AI 技术距离实现 AGI 所面临的核心挑战。
他认为，AGI 的真正标志不仅仅是完成任务的能力，更在于其是否具备人类顶尖科学家和艺术家所拥有的真正的创造力。
他明确指出，当今的 AI 系统尚不具备这种创造力。它们可以证明一个已有的猜想，但无法独立提出一个全新的、深刻的科学假说或理论。为了更具体地衡量 AGI，他提出了
如何衡量是否实现“AGI”？如何测试？用什么标准测试？
几个极具挑战性的测试标准：
1、科学发现的再现：
给一个 AI 系统设定一个知识截止日期，比如 1901 年，看它是否能像爱因斯坦在 1905 年那样，独立推导出狭义相对论。如果 AI 能做到这一点，那将是 AGI 即将实现的有力证据
2、从策略到创造：
以 AlphaGo 为例，它虽然在围棋比赛中击败了世界冠军，并创造了“第 37 手”这样前所未有的新策略，但这仍是在既定规则下的优化。一个真正的 AGI，应该能够创造出像围棋这样优雅、美观且富有深度的新游戏，而不仅仅是玩好一个已有的游戏
当前AI缺失的几个核心能力
根据 Hassabis 的分析，当前 AI 系统要达到 AGI 水平，
主要缺失以下几个核心能力：
1、直觉飞跃 (Intuitive Leaps)：
顶尖的科学家之所以伟大，不在于他们的技术能力，而
在于他们能够进行创造性的、跨领域的联想和模式匹配，实现直觉上的突破。
目前的 AI 更擅长渐进式的改进，而非这种根本性的思维跳跃。
2、一致性与可靠性 (Consistency)：
Hassabis反驳了当前某些模型已达到博士级智能的说法，认为这种描述是无稽之谈。虽然模型在某些方面表现出色，但它们在整体能力上远未达到博士水平。一个简单的问题，如果换种方式提问，模型就可能在高中数学甚至简单的计数上犯错。一个真正的 AGI 系统不应出现这种不一致性。
3、持续学习 (Continual Learning)：
模型需要具备在线学习的能力，能够实时地接收新知识或根据反馈调整自身行为，而不是依赖于大规模的离线重新训练。
基于以上判断，Hassabis 预测，我们距离能够完成上述任务的 AGI 系统大约还有5到10年的时间。他倾向于认为，仅仅依靠扩大模型规模 (scaling) 可能不足以实现 AGI，我们可能还需要“一到两个”目前尚未出现的理论性突破。
二、当前大语音模型增长是否放缓？
在访谈中，Hassabis 也回应了关于大语言模型性能增长放缓或趋于一致的观点。他表示，在 Google DeepMind 内部，他们并未观察到这种停滞。相反，他们仍然看到技术以极快的速度在进步。他认为，外界之所以有这种感觉，可能是因为只关注了语言模型这一个维度。而 Google DeepMind 正在更广阔的领域取得突破，例如 Genie 世界模型、VEO 视频模型，以及像 Nano-Banana 这样的创意工具，这些都展示了 AI 能力仍在飞速扩展。
DeepMind当前的阶段性成果：“Isomorphic Labs”、“Nano-Banana”
一、未来的娱乐形态：
Hassabis 展望，未来的娱乐可能会演变成一种新的艺术形式，其中包含共同创作的元素。顶尖的创意大师将构建引人入胜的动态世界和故事情节，而普通用户也能在这些世界中进行某种程度的共同创作。这种互动式的、个性化的内容体验，将由像 Genie 这样的技术驱动，最终可能改变我们消费和参与娱乐内容的方式。
Nano-Banana 的独特之处：
它不仅是一个顶级的图像生成器，其最强大的特性之一是一致性和对指令的精确遵循。用户可以反复迭代，对图像的特定部分进行修改，而模型会保持其他部分不变。这种可控性让用户能够最终得到自己心中所想的完美效果
赋能专业人士与大众：
Hassabis 认为 AI 创意工具将带来两个层面的影响
1.大众化：
像 Nano-Banana 这样的工具，让任何没有专业技能（如 Photoshop）的普通人都能轻松创作出高质量的视觉内容，无需学习复杂的软件界面。这极大地降低了创作的门槛
2.超级赋能专业人士：
同时，AI 也为顶尖的专业创作者（如电影导演）提供了强大的助力。它能让这些专业人士的生产力提升 10 倍甚至 100 倍，他们可以低成本、快速地尝试各种创意想法，从而更快地实现其艺术愿景。
1、概率性学习组件：
这部分基于神经网络和 Transformer 等技术，从海量数据中学习模式和规律。它具有强大的泛化能力，但其表现依赖于数据的质量和数量
2、确定性规则组件：
在许多科学领域（如生物、化学），我们并没有足够的数据来让模型从零开始学习所有知识。因此，需要将一些已知的、确定性的物理或化学规则（例如原子间的键角、原子不能重叠等）作为约束或先验知识直接构建到模型中
Hassabis 指出，这种混合架构的挑战在于如何让学习系统和手工设计的规则系统协同工作。
AlphaGo 就是一个典型的例子，它结合了用于评估棋局模式的神经网络和用于规划搜索的蒙特卡洛树搜索算法。
他认为，最终的目标是
尽可能将规则组件中的知识“上游化” (upstream it into the learning component)，即通过改进学习算法，让模型能够通过端到端学习自主发现这些规律（如 AlphaZero 所做的那样，它摆脱了对人类棋谱数据的依赖，实现了更强的通用性）
Genie 3 是一个世界模型，它的革命性技术代表了 AI 在理解和生成物理世界方面的重大飞跃。
其核心能力：
“仅通过单一的文本提示，
就能生成一个可交互的、动态的虚拟世界。”
这与传统的游戏开发或视频生成有着本质的区别（传统的 3D 虚拟世界构建，依赖于 Unity 或 Unreal 这样的渲染引擎。开发者需要手动创建 3D 模型，编写物理规则（如光线如何反射、物体如何碰撞），并设计所有交互逻辑。这是一个极其复杂且耗费人力的过程。）
Genie 3 的工作方式：
1、端到端的生成：
用户看到的每一个像素都是由 Genie 3 模型实时动态生成的，在用户与环境交互之前，这个世界的某些部分甚至根本不存在。
（例如，在一个演示中，当玩家视角转向一个新区域时，该区域的景象才被即时创造出来；当视角转回时，之前留下的痕迹（如墙上的涂鸦）依然存在，这证明模型维持了世界的内部一致性。）
2、逆向工程物理规律：
Genie 3 的能力并非来自预设的物理代码，而是通过学习数百万计的视频和游戏录像等数据，自主地逆向工程出了我们世界运行的直观物理规律。它理解了光影、水面反射、材质流动和物体行为等复杂现象，并将这些理解应用于世界的生成中，使得生成的环境看起来既真实又合乎逻辑
3、实时交互与控制：
Genie 3 生成的不仅仅是静态视频，而是一个可以被用户控制的动态环境。
（用户可以通过键盘的箭头键和空格键等简单操作，在生成的世界中移动和互动，例如控制一个穿着小鸡套装的人，或是在沙滩上奔跑的狗。用户还可以通过输入新的文本指令）
Hassabis 强调：
“构建像 Genie 3 这样的世界模型，其战略意义远不止于游戏或娱乐。它是实现通用人工智能 (AGI) 的关键路径之一。”
他认为：
Genie 3 的出现，标志着 AI 正在从理解内容，迈向理解并创造可交互的世界，实现以下目标的基础：
高级机器人技术：
机器人要在现实世界中安全、有效地执行任务，就必须具备对环境的直观物理感知和预测能力，这种能力正是未来机器人模型所需要的核心。
智能助理与智能眼镜：
一个能够在你日常生活中提供帮助的智能眼镜助理，必须理解你所处的物理环境和上下文 (physical context)，才能给出真正有用的建议。
多模态模型的演进：
Genie 3 和 Google 的文生视频模型 VEO，都是 Gemini 从一开始就追求多模态能力的体现。通过生成动态世界，AI 证明了它对世界动态规律的深刻理解，这比单纯处理静态数据要复杂得多。
Hassabis 深入探讨了机器人技术，特别是视觉-语言-行为模型 (vision-language-action models) 的发展现状和未来方向。
这类模型的目标是创建一个通用系统，能够通过摄像头观察物理世界，理解人类的自然语言指令（文本或语音），并将其转化为具体的物理动作。
Hassabis 指出，当前的 Gemini 模型已经具备了强大的物理世界理解能力，用户可以通过手机上的 Gemini Live 功能，将摄像头对准周围环境，体验其神奇的识别和分析能力。而机器人技术，正是这一能力的自然延伸。
Gemini 机器人模型：
Google DeepMind 已经开发了专门的 Gemini 机器人模型，这是在通用 Gemini 模型的基础上，使用额外的机器人数据进行微调的版本。这些模型能够将高层次的语言指令，如“把黄色的物体放进红色的桶里”，直接转化为机器人手臂精确的马达运动。这种多模态模型的优势在于，它能将现实世界的常识性理解带入人机交互中，使得与机器人的沟通更加自然和直观。
“机器人界的 Android”战略：
Hassabis 确认，Google 正在探索一种类似 Android 在移动设备领域的策略，即创建一个通用的、跨平台的机器人软件层或操作系统 (OS layer)。这个系统一旦足够成熟，能够适配多种硬件设备，就有可能催生一个庞大的机器人硬件生态系统，极大地加速机器人产品和公司的发展
垂直整合与端到端学习：
除了平台化战略，Google 也在探索
将最新的 AI 模型与特定的机器人硬件设计进行深度垂直整合。
这种端到端的学习方法 (end-to-end learning) 同样具有巨大潜力，两条路线都在积极推进中。
关于机器人的具体形态，特别是人形机器人的价值，Hassabis 的观点也发生了演变。他过去倾向于认为针对特定任务的专用形态机器人会是主流，例如在工厂流水线或实验室中，优化形态以适应特定任务会更高效。然而，他现在认为，在通用或个人应用场景中，人形机器人可能至关重要。
与人类世界兼容：
我们的物理世界，从楼梯、门把手到各种工具，都是围绕人类的形态设计的。与其大规模改造现有环境来适应机器人，不如设计一个能够无缝融入这个环境的机器人形态，这在经济和实践上都更具可行性
通用性与专业性的并存：
他最终的结论是，未来将是两种形态并存的世界。工业领域会有高度专业化的机器人，而在与日常生活交互的场景中，人形机器人将扮演重要角色
尽管前景广阔，Hassabis 也坦言机器人技术仍处于相对早期的阶段。
他预测，未来几年内会出现一个令人惊叹的wow moment，但在此之前，算法和硬件都还需要进一步发展。
他认为，当前的模型在可靠性和对世界的理解上仍需提升。
同时，硬件方面也面临一个关键的时机问题：过早地投入大规模生产，可能会导致工厂刚建成，新一代更灵巧、更可靠的机器人设计就问世了。
他用一个计算历史的比喻来形容当前的状态，或许我们正处于个人电脑的70年代，但他也补充道，在这个时代，十年发生的事情可能在一年内就完成了
三、AI的尽头是“算力”，“算力”的尽头是“能源”
对于 AI 发展带来的能源消耗激增问题，Hassabis 提出了一个双向的观点。
1、效率的提升：
一方面，Google DeepMind 一直在努力提升模型的效率。因为服务数十亿用户的内部需求（如 AI 概览）要求模型必须具备极低的延迟和成本。通过蒸馏等技术（用一个大模型来训练一个性能相近的小模型），过去两年模型的效率已经提升了 10 倍到 100 倍
2、前沿探索的需求：
另一方面，尽管服务端的模型效率在提高，但对能源的总需求并未减少。这是因为研究人员仍在不断探索 AGI 的边界，需要训练更大、更复杂的前沿模型
AI 的能源回报：
他坚信，从长远来看，AI 为解决能源和气候变化问题所做的贡献，将远远超过其自身的能源消耗。AI 可以在优化电网系统、设计新型材料和能源、提升能源使用效率等方面发挥巨大作用。
空间因“您”而变！
联系『变芯®空间』
合作沟通：请加 zr18620222480
合伙人招募：1638079312（微Q同号）
供应链接：请发至1638079312@qq.com