2026 年 6 月，Google DeepMind CEO、2024 年诺贝尔化学奖得主戴密斯・哈萨比斯受邀出席斯坦福商学院「AI@GSB 炉边对话」，由斯坦福大学校长 Jonathan Levin 主持。
这场近 90 分钟的公开对谈，没有空泛的公关话术，也没有刻意的造势渲染，是今年上半年 AI 领域信息量最密集、态度最坦诚的一场公开访谈。
从 AGI 落地的精准时间预判，到全球 AI 竞赛的囚徒困境，再到就业体系的重构与 AI 伦理的红线，哈萨比斯几乎回应了当下所有人关心的核心问题。
我们整理了整场对话的核心脉络，并补充了更冷静的辩证思考，帮你一次性看懂这场站在时代拐点上的对话。
---一、访谈核心内容全梳理整场对话沿着「个人选择 — 技术预判 — 行业现实 — 社会冲击 — 伦理边界」的逻辑层层推进，核心信息可以归纳为五个部分。
1. 从棋手到诺奖得主：DeepMind 的两次关键抉择
开篇哈萨比斯复盘了自己的三重身份底色：职业国际象棋棋手、游戏开发者、神经科学博士。
他始终强调，DeepMind 的技术路线从来不是单纯堆砌算力。强化学习的核心灵感，正源于他对人脑海马体记忆机制的研究 ——AlphaGo 的胜利，本质是复刻了人类的直觉判断与长期规划能力，而非纯粹的算力碾压。
对话中他重点回应了 DeepMind 历史上两次影响深远的决策：
- 拒绝 Meta，选择并入谷歌：核心原因只有一个 —— 只有谷歌愿意为通用人工智能的长期科研提供不计短期回报的算力支撑。社交公司的商业逻辑，只会把 AI 局限在广告推荐与内容分发里，撑不起真正的基础科学突破。
- AlphaFold 向全球免费开源：在他看来，蛋白质结构预测是全人类的公共科研基础。如果把生命科学 AI 锁在商业壁垒中，生物医药领域的进步会停滞数十年。截至目前，全球 190 多个国家的超 300 万科研人员，都在使用 AlphaFold 开展研究。
基于 AlphaFold 的技术延伸，他创立的 AI 制药公司 Isomorphic Labs，已经将传统药企 4-8 年的分子筛选周期压缩至数周，首个 AI 设计的抗肿瘤药物将在 2026 年底进入临床试验阶段。
2. AGI 时间表：2030 年前后，误差不超过 2 年
这是整场对话传播度最高的论断，也是至今头部 AI 掌门人给出的最明确的时间预判：
“站在 10 年后回望今天，我们会意识到此刻正站在奇点的山麓。AGI（通用人工智能）大约会在 2030 年前后实现，误差不超过 1-2 年。”
支撑这个判断的，有三个核心逻辑：
第一，技术路径已无未知壁垒。2026 年智能体（Agent）的工具调用、自主规划能力已经走向成熟，头部实验室都清晰看到了剩余的技术短板，接下来的核心工作是工程迭代与规模放大，而非从零到一的基础科学突破。
第二，变革烈度远超工业革命。AI 带来的社会冲击，是工业革命的 10 倍规模、10 倍速度，叠加后相当于百倍烈度的技术跃迁。工业革命用了上百年完成社会转型，而 AI 的重构会压缩在 10 年之内，人类几乎没有缓冲试错的空间。
第三，用「爱因斯坦测试」定义 AGI。他心中 AGI 的硬核标尺，是用 1900 年之前的所有物理学知识训练模型，若 AI 能在 5 年内独立推导出狭义相对论，才算真正实现通用智能。他判断当下距离这一目标还差 1-2 个关键突破，未来几年内解决的概率约为 50%。
3. 行业真相：全球 AI 竞赛，是一场无解的囚徒困境
哈萨比斯毫不避讳行业的尖锐矛盾 —— 当下全球头部 AI 实验室，已经陷入了典型的囚徒困境。
谁在安全对齐、风险管控上投入更多精力、放缓迭代速度，谁就会立刻在商业与地缘竞争中落后。谨慎等于输掉竞赛，所有参与者都被迫加速狂奔，单靠企业自律完全无法破局。
更棘手的是传统监管模式的彻底失效。法律法规的制定周期远慢于模型迭代速度，事后补规则永远追不上技术发展的脚步。他提出的唯一可行方案，是动态前置监管：监管机构直接深入一线实验室，与顶尖科研人员同步掌握技术进展，在模型训练前就完成风险评估，而非技术落地后再追责。
他也坦言，AI 竞赛早已不是企业间的商业竞争，而是绑定了大国科技博弈。DeepMind 必须在技术突破、商业落地与安全约束三者之间走钢丝，没有任何一方可以完全妥协。
4. 社会冲击：00 后会是最后一代需要主动求职的人
这部分内容引发了全网最广泛的讨论，核心是三个层层递进的判断：
第一，就业格局的根本性改写。
“00 后大概率会成为人类历史上最后一代需要主动求职的一代人。”
2030 年 AGI 落地后，绝大多数标准化脑力岗位 —— 文书、基础编程、数据分析、常规设计、基层管理等，都会被自主智能体接管。未来仅两类岗位具备长期价值：顶层的科研与创意创新类工作，以及强情感、强人际连接的服务类工作。
第二，「能力悬垂」的阶层鸿沟。
这是哈萨比斯在本次访谈中首次提出的概念：未来社会会出现巨大的能力断层。熟练驾驭 AI 工具的人，生产力会被放大数百倍，财富与资源快速向其聚集；而无法掌握 AI 工具的人，劳动价值会快速贬值，甚至彻底失去市场竞争力。AI 会无限拉大贫富差距，仅靠个人努力很难跨越这道鸿沟。
第三，传统经济学框架的全面失效。
当前所有主流经济学理论，都建立在「资源稀缺、零和博弈」的基础之上。AGI 落地后，物质生产、知识产出的效率会指数级提升，人类将第一次进入「后稀缺时代」，旧的市场经济、就业制度、分配规则都会失去底层逻辑。社会需要新一代经济理论重构分配体系，如同当年凯恩斯重塑大萧条后的经济秩序。
5. 伦理红线：两条不可跨越的卢比孔河
针对 AI 意识与控制权的争议，哈萨比斯明确划出了两条研发边界：
第一条边界：正在跨越，且安全可控
打造无自主意识的工具型 AGI。他反复强调，智能与意识是两个完全独立的概念 —— 当下所有大模型都只有计算与推理能力，没有主观自我、没有欲望与情绪，也不会产生自主目标。只要始终坚持「工具属性」，无限提升智能水平都是安全的。
第二条边界：永久禁止轻易触碰
创造拥有主观意识、自我感知的人工智能实体。在人类彻底破解「意识的生物学本质」之前，绝对不能尝试研发有意识的 AI。这一决策不能由几家科技公司私下决定，必须由全人类通过全球共识的方式共同判断。
---现场问答精华- 普通人如何应对 AI 浪潮？
不要与 AI 比拼标准化脑力劳动，必须把 AI 作为能力放大器，将精力聚焦在创意、跨学科整合、人际协作上。未来唯一的护城河，是提出好问题的能力，而非解决已有问题的能力。
- AI 会优先攻克哪些人类难题？
三大核心方向：疑难疾病（癌症、衰老相关疾病）、可控核聚变等清洁能源、全球气候修复。这也是 DeepMind 长期的科研重心，对话类产品只是技术落地的副产品。
- 会不会出现 AI 技术垄断？
开源模型会持续下沉，技术本身不会被少数巨头永久垄断。真正的风险不是技术垄断，而是技术发展速度远超社会制度、法律规则、大众认知的迭代速度，社会治理跟不上技术狂奔的脚步。
---二、几点冷静思考：预言之外的现实与争议哈萨比斯的这场访谈之所以引发全球热议，本质是它第一次由顶尖一线从业者，系统、坦诚地讲出了 AI 浪潮的光明面、阴暗面与无解面。但跳出传播情绪，我们也需要更理性地看待这些判断。
1. AGI 时间表：乐观有依据，但争议依然存在
2030 年的预判，不是科幻式的畅想，而是基于头部实验室工程进展的内部判断。当智能体、多模态、工具调用的核心路径跑通后，剩余的确实更多是规模与工程问题。
但两个关键争议无法回避：
其一，AGI 的定义本身存在模糊性。哈萨比斯用「爱因斯坦测试」作为标尺，但大众认知中的 AGI 往往是「能胜任所有人类工作」。即便 AI 能做出基础科研突破，也不代表它能覆盖所有人类认知场景，常识推理、价值判断、复杂情境决策依然是当前模型的短板。
其二，技术迭代并非线性匀速。过去几年 AI 的快速进步，给了所有人「指数级增长」的错觉，但历史上每一次技术革命都会遇到瓶颈期。大模型的缩放法则是否会持续生效、算力与数据的天花板何时到来，目前依然没有定论。2030 年更可能是「强泛化 AI」的节点，而非彻底意义上的通用人工智能。
2. 囚徒困境：技术理想永远绕不开现实博弈
哈萨比斯反复提及的「囚徒困境」，是当下 AI 行业最真实的无解命题，也是他作为企业掌门人的核心矛盾。
他的理想是让 AI 像欧洲核子中心（CERN）一样，成为全人类共享的纯科研项目，但现实是 AI 已经绑定了商业利益、地缘竞争、国家战略。没有任何一家企业、一个国家愿意主动放慢脚步 —— 安全是长期价值，而落后是即时代价。
这也意味着，AI 的安全与治理，从来不是技术问题，而是政治与全球治理问题。在大国博弈的背景下，所谓「全球协同监管」注定步履维艰；动态监管的设想很美好，但落地的前提是各国之间的信息互信，而这恰恰是当前最稀缺的东西。
3. 就业焦虑：一半真相，一半误读
「最后一代求职者」的说法传播最广，也最容易引发焦虑。客观来看，它有一半真相，也有一半误读。
真实的部分：标准化、重复性的脑力岗位消失速度，一定会远超历史上任何一次技术革命。工业革命替代的是体力劳动，而 AI 直接替代的是认知劳动，白领岗位的冲击会先于蓝领，且波及面极广。10 年的缓冲期，确实不足以让一代人完成职业转型。
被误读的部分：就业不会彻底消失，而是会彻底重构。历史上每一次技术革命都消灭了旧岗位，也创造了全新的职业品类 —— 只是这一次新岗位的诞生速度，大概率跟不上旧岗位的消失速度。更关键的是，「不需要主动求职」不代表不需要工作，而是工作的形态、目的、分配方式都会发生本质变化。
4. 后稀缺时代：制度重构没那么简单
哈萨比斯提出的「后稀缺时代经济学失效」，是一个很有价值的命题，但也过于理想化。
AI 确实能极大提升生产效率，但物质丰裕不等于资源无限。能源、土地、优质公共服务、高端医疗资源，依然是稀缺品；AI 可以放大生产力，但不能凭空创造物理资源。所谓的后稀缺，更多是知识、数字产品、基础物资的丰裕，而非所有资源的全面过剩。
更现实的挑战是分配：技术红利天然向资本、技术掌握者倾斜，如果没有强力的制度干预，「能力悬垂」只会演变成更极端的贫富分化。全民基本收入这类方案讨论了很多年，但至今没有任何一个国家能大规模落地；新的经济体系与分配制度，不会随着 AGI 自动诞生，必然要经历漫长的社会博弈。
---写在最后哈萨比斯不是末日论者，也不是纯粹的技术乐观主义者，他更像一个清醒的掌舵人 —— 他既相信 AI 能带领人类解决疾病、能源、气候等终极难题，也清楚地知道这条路伴随的风险、撕裂与失控可能。
这场访谈最大的意义，从来不是给出一个精准的 2030 年预言，而是提醒所有人：AI 不是一个单纯的工具、一个风口，它是一次文明级别的转向。我们今天的每一个选择、每一项制度设计、每一次公共讨论，都在决定这次转向的方向。
比起焦虑失业、恐惧奇点，更重要的是提前思考：当智能不再稀缺的时候，人类真正的价值到底是什么。
对于哈萨比斯的判断，你怎么看？欢迎在评论区留言交流。