IT之家

8 年首次大突破：谷歌祭出 Transformer 杀手，掌门人划出 AGI 死线

2025 年即将进入尾声，下一年 AI 将走向何方？

最近，谷歌 DeepMind CEO Hassabis 在一场访谈中，对未来 12 个月的「关键趋势」作出重磅预测。

图片

划重点！！！主要有以下五大核心点 ——

多模态融合彻底打通
类人的视觉智能
语言 + 视频深度融合
世界模型成为主流
智能体达到可靠应用水平

Hassabis 强调，我们应尽快 Scaling 现有的 AI 系统，至少它们会成为最终 AGI 的「关键部件」，甚至可能会成为那个终极的 AGI 系统。

不过话说回来，我们至少还需要 1-2 个像 Transformer、AlphaGo 这样级别的突破才可以。

八年前，谷歌 Transformer 奠基之作出世，彻底改变了 AI 界。如今，谷歌另一个极有潜力成为 Transformer 的全新架构 ——Titans，正式在 NeurIPS 2025 亮相。

它完美融合了「RNN 极速响应 +Transformer 强大性能」，集两者之大成。即便在 200 万 token 上下文中，Titans 召回率和准确率最高。博客一出，在全网掀起了海啸级地震。

图片

正如 Hassabis 所言，「颠覆性」AGI 已近在眼前！

DeepMind 掌门人：2030 年，AGI 必至

今年早些时候，Hassabis 就曾预测，具备或超越人类能力的 AGI，可能会在 2030 年之前实现。

在周四的公开对话中，Hassabis 再度强调：

AGI 很可能是人类历史上最具颠覆性的时刻之一，如今它正在加速逼近。

若要我给出一个时间，人类距离实现 AGI 仅剩下 5 到 10 年。

在谈及未来愿景时，Hassabis 的声音饱含憧憬：

我一直以来最大的梦想、也是我奋斗一生的目标，是实现「丰饶时代」的理想社会。

一个人类面临的最大问题都已被解决的世界。

比如，免费的、可再生的清洁能源，也许人类解决了核聚变，或者造出了更优的电池、太阳能材料、半导体，在材料科学上取得突破；人类也攻克了许多疾病。

那样一来，人类将进入一个全新的时代，一个后稀缺时代，人类很可能繁荣发展，走向星空，将意识播撒到银河系。

但即使是那种乌托邦式的图景，也伴随着一些问题：如果这些技术能解决所有难题，那么我们人类存在的目的又是什么？还会剩下什么问题让我们去解决？

作为一个科学家，Hassabis 为此感到担忧，甚至对科学方法本身也是如此。这是其一。

图片

而通往 AGI 的道路注定不会一帆风顺。

Hassabis 指出，恶人和错误使用 AI 的风险真实存在，甚至「灾难性后果」已开始显现。

比如，对能源或供水系统的网络攻击，这些都已经是显而易见的攻击目标。

也许，目前还没用上非常先进的 AI，但这种事基本已经在发生了。

AI 带来最严重的后果，可能是灭绝级风险。他强调，没人确切知道人类灭亡概率 P (doom)，但直言：

这个风险不是零。只要不是零，那就必须认真对待，投入资源应对。

对 Gemini 3 探索不足 10%

Hassabis 认为，最被低估的能力是 Gemini 能够「观看」视频并回答相关概念性问题。

他举例说，曾询问 Gemini 电影《搏击俱乐部》中的一个场景：

「打架前摘下了戒指，这个动作有什么象征意义？」

Gemini 回答，这代表主角脱离日常生活的象征，是对社会规范的拒绝，是一种「放弃身份」的宣言。

Gemini 的这类「抽象理解」能力出乎他的意料。Hassabis 认为 Gemini 已经具备某种「元认知」。

还有另一个例子是 Gemini Live 功能。他认为，多模态 AI 的潜力，远比大多数人今天所理解的要大得多。

每次 DeepMind 推出新版模型时，Hassabis 都会有种强烈的遗憾感：自己可能连这个系统的十分之一都没来得及深入测试，就已经要投入下一个版本的研发了。

而用户们往往会比 Gemini 开发人员更快地发掘新功能，把模型用到连他们都没想到的地方。

最核心的观点

Hassabis 最核心的观点可能是 AGI 的实现路径问题。

他认为，我们距离真正的 AGI 还有大约 5 到 10 年的时间。

DeepMind 对 AGI 的定义要求很高：要称得上「通用」，AI 系统必须全面具备人类的所有认知能力，其中包括「创造力」和「发明能力」。

现在的 LLM 在某些领域已经非常惊艳，堪比博士水平，甚至能拿奥林匹克金牌；但在另外一些领域，它们仍然存在明显缺陷，呈现出「参差不齐」的智力表现。

图片

真正的 AGI 应当拥有「各项能力均衡发展」的稳定智能。

这包括当前模型所缺失的几个关键能力：持续学习（continual learning）、在线学习（online learning）、长期规划和多步推理。

目前，大语言模型完全不具备这些能力。

他承认存在一种可能性，即规模扩展「可能就是 AGI 系统的全部」，尽管他认为这种情况可能性较小。

这需要我们必须将规模扩展推向绝对极限。

退一步说，规模扩展至少会成为最终 AGI 的「关键构件」。

Hassabis 相信，它们未来会具备这些能力，但我们可能还需要一两个重大技术突破。

而谷歌似乎已经有了 Transformer 级的重大突破。

图片

最强「Transformer」出世

几天前，NeurIPS 大会上一场对谈中，谷歌首席科学家 Jeff Dean 和 AI 教父 Hinton 同框。

关于 LLM 和研究路线，Hinton 当场提出了一个尖锐的问题 ——

谷歌是否后悔发表 Transformer 论文？

Jeff Dean 给出了干脆的回应：「不后悔！这项研究对世界产生了重大的影响」。

图片

几乎同一时间，谷歌放出了全新的架构 Titans，成为 Transformer 的最强继任者！

此外，还有一个全新的 MIRAS 框架。

两者的结合，可以让 AI 模型在运行过程中动态更新核心记忆，跑得更快，也能处理超长规模的上下文。

图片

众所周知，Transformer 最大瓶颈在于，上下文无限扩展，会导致计算成本飙升。

除了业界迭代的 RNN、Mamba-2 等架构，谷歌也提出了新一代解决方案 ——

如上所述，Titans+MIRAS，就是一套把 RNN 速度和 Transformer 准确性，结合起来的架构与理论思路。

图片

Titans（MAC）架构：通过一个长时记忆模块来压缩历史数据，并将生成的摘要加入当前上下文，再交由注意力机制处理

Titans 是具体的模型架构（工具），而 MIRAS 是用于泛化这些方法的理论框架（蓝图）。

它们合起来，实现了一种「测试时」记忆的能力。

在运行时，模型不再只是把信息压成一段静态状态，而是在数据不断输入时主动学习，即时更新自己的参数。

这个关键机制，可以让模型立刻把新的、具体的信息加入到核心知识里。

值得一提的是，清华姚班校友钟沛林参与了两项工作。他博士毕业于哥伦比亚大学，2021 年起加入谷歌任研究科学家。

图片

Titans：即时掌握新上下文

一个高效的学习系统，需要既独立又互相关联的「记忆模块」。

这一机制，就像人脑会将短期记忆和长期记忆区分开来一样。

图片

为此，Titans 引入了一种全新的神经长期记忆模块，本质上是一个深层神经网络（一个多层感知机 MLP）。

它拥有更强的表达能力，在不丢失关键信息的同时，总结海量内容。

有了 Titans，LLM 不只是记笔记，而是在真正理解并串联整个故事。

图片

论文地址：https://arxiv.org/ pdf/2501.00663

更重要的是，Titans 并非被动存储数据，而会主动学习如何识别并保留贯穿整个输入的重要关系和概念主题。

衡量这一能力的核心指标之一，谷歌将其称之为「惊奇度」（surprise metric）。

假设遇到「高惊奇」度的信息时，会被优先写入长期记忆。而且，会随着不断学习，自适应管理权重，主动遗忘不再需要的信息。

MIRAS：统一视角，序列建模

序列建模的每一次重大突破，本质上都在使用同一种底层机制：高度复杂的联想记忆模块。

MIRAS 独到之处和实用价值在于，它看待 AI 建模的方式 ——

把各种架构视为解决同一个核心问题的「不同手段」。

如何在融合新信息与旧记忆的同时，不让关键概念被遗忘。

图片

MIRAS 框架

MIRAS 通过四个关键设计维度，来定义序列模型：

记忆架构（Memory architecture）：承担信息存储的结构，例如向量、矩阵，或像 Titans 深层多层感知机。
注意偏置（Attentional bias）：模型内部优化的学习目标，决定优先关注哪些信息。
保留门（Retention gate）：一种记忆正则化机制。MIRAS 将传统「遗忘机制」重新解释为正则化形式，用于在学习新知识与保留旧知识之间取得平衡。
记忆算法（Memory algorithm）：用于更新记忆状态的优化算法。

图片

以 MIRAS 框架的视角审视近期序列模型