親愛的讀者，你是否曾想過，當我們還在為 ChatGPT 的對話能力驚嘆不已時，全球最頂尖的 AI 科學家已經在思考如何讓機器人像人類一樣，在真實世界中「生產」一切——從你的晚餐到火星上的殖民地？這不是科幻小說，而是正在發生的現實。在這場長達 93 分鐘的深度對談中，DeepMind 創辦人 Demis Hassabis 與創業家 Peter Diamandis 拋出了一個又一個令人震驚的觀點：AGI 將在十年內到來、機器人將從「奢侈品」變成「基礎設施」、而 Elon Musk 的火星夢不僅可行，還可能成為人類史上最大的經濟驅動力。準備好你的思維了嗎？讓我們一起拆解這些足以重塑你投資組合與世界觀的核心要點。
1. AGI 不是「如果」，而是「何時」：十年內，我們可能見證歷史
Demis Hassabis 在訪談中毫不含糊地指出，通用人工智慧（AGI）的到來不再是遙不可及的夢想，而是未來十年內幾乎可以確定的里程碑。他將 AGI 定義為「能夠執行任何認知任務，且至少與人類一樣好的系統」。這不是模糊的預測，而是基於 DeepMind 內部對 AI 能力曲線的深度觀察。
Hassabis 強調，AGI 的關鍵在於**「通用性」**——一個系統能夠跨領域學習、推理、規劃，並在未經專門訓練的情況下解決新問題。目前，我們看到的 AI 模型（如大型語言模型）在特定任務上表現驚人，但它們仍缺乏真正的理解與因果推理能力。他比喻說：「現在的 AI 像是一個超級記憶體，它能記住並重組資訊，但還無法像人類一樣『理解』世界。」
這對投資人意味著什麼？AGI 的到來將不是一個事件，而是一個過程。我們需要關注的不是某個「奇點日」，而是那些在「通用性」上持續突破的公司。Hassabis 點名了幾個關鍵領域：強化學習、大規模語言模型與符號推理的結合。DeepMind 的 AlphaGo、AlphaFold 等系統已經展示了這種能力的雛形，但它們仍局限於特定領域。真正的 AGI 需要將這些能力整合到一個統一的架構中。
具體數字與案例：Hassabis 提到，DeepMind 的 AlphaFold 已經預測了超過 2 億種蛋白質結構，這在十年前被認為是「不可能完成的任務」。他認為，AGI 在藥物發現、材料科學、氣候建模等領域的應用，將在十年內產生 數兆美元的經濟價值。這不是空談——DeepMind 已經與 Alphabet 旗下的其他公司合作，將 AI 應用於數據中心能源效率優化，節省了 30% 以上的冷卻成本。
關鍵思考：AGI 的發展路徑並非線性。Hassabis 警告，「我們可能會遇到意想不到的瓶頸，例如對世界模型的缺乏，或是無法處理長距離依賴關係」。因此，投資人應關注那些在「基礎研究」上持續投入的公司，而非僅僅追逐短期應用。DeepMind 的長期主義——它成立於 2010 年，直到 2016 年 AlphaGo 才引起全球關注——是它最大的護城河。
2. 機器人「規模化生產」的三大瓶頸：硬體、數據與智能
當我們談論機器人時，大多數人想到的是 Boston Dynamics 那些會後空翻的機器狗，或是工廠裡的機械手臂。但 Hassabis 和 Diamandis 將視角拉到了更宏大的層面：機器人如何從「展示品」變成「生產工具」？ 他們點出了三個關鍵瓶頸，而這些正是未來投資的黃金地帶。
第一，硬體的規模化成本。目前，一個具備基本移動與操作能力的機器人，造價動輒數萬美元。Hassabis 指出，「機器人需要像汽車一樣，透過規模化生產將成本壓低到與一台中階汽車相當」。他舉例，Tesla 的 Optimus 機器人目標售價是 2 萬美元，這正是關鍵轉折點。一旦成本突破這個門檻，機器人將從「工業設備」變成「消費品」。
第二，數據的匱乏。與語言模型可以從網路上抓取海量文本不同，機器人訓練需要真實世界的物理互動數據——例如「拿起一個杯子」需要數千次嘗試才能學會。Hassabis 坦言，這是 DeepMind 目前最大的挑戰之一。他透露，DeepMind 正在開發一種「模擬到真實」的轉移學習技術，讓機器人先在虛擬環境中進行數百萬次訓練，再部署到現實世界。但這需要極度精確的物理模擬引擎，而目前的技術仍不夠完善。
第三，智能的「泛化」。一個在工廠裡學會焊接的機器人，無法自動學會煮咖啡。Hassabis 認為，真正的突破在於開發出「世界模型」——一個能讓機器人理解物理因果關係的內部表徵。這與 AGI 的研究直接相關。如果 DeepMind 能解決 AGI 的「通用性」問題，機器人將能像人類一樣，透過觀察和少量嘗試學會新技能。
具體案例與數字：Hassabis 提到，DeepMind 已經在機器人領域取得了一些進展。例如，他們開發的機器人手臂可以在 20 分鐘內學會整理一個桌面，而傳統方法需要數小時的程式設計。另外，他們與 Google 合作，將機器人應用於倉儲管理，效率提升了 40%。但 Hassabis 強調，這些仍只是「點狀突破」，距離真正的規模化還有距離。
給投資人的啟示：關注那些在「模擬環境」、「數據生成」和「低成本硬體」三個領域有核心技術的公司。特別留意那些將機器人視為「平台」而非「產品」 的企業——例如，Tesla 的 Optimus 不僅是機器人，更是其自動駕駛技術的延伸。Hassabis 預測，五年內，我們將看到第一個「通用型家用機器人」的雛形出現。
3. Elon 的「1 兆美元火星夢」：不是幻想，而是經濟學
當 Elon Musk 提出要花費 1 兆美元在火星上建立城市時，多數人認為這是瘋狂的幻想。但 Diamandis 和 Hassabis 從經濟學角度進行了分析，得出了一個反直覺的結論：這不僅可行，而且可能是人類史上回報率最高的投資。
Hassabis 的論點基於「激勵機制」和「乘數效應」。他指出，火星任務的 1 兆美元成本，並非一次性支出，而是分佈在 20 到 30 年內的持續投資。如果我們將這筆錢視為「人類文明的保險費」——避免地球上的災難性事件（如核戰、小行星撞擊、氣候崩潰）——那麼它其實非常便宜。Diamandis 補充，全球 GDP 每年約 100 兆美元，1 兆美元僅佔 1%，而這筆投資將創造出全新的產業生態。
核心論點：火星經濟的「槓桿效應」
Hassabis 用 DeepMind 的 AI 技術來模擬火星經濟的潛力。他認為，火星殖民的初期成本極高，但一旦達到「臨界規模」（約 1000 人），就會產生自我強化的經濟循環。例如：
- 資源開採：火星上有豐富的水冰（可轉化為燃料）、金屬礦物和稀土元素。如果能在當地進行加工，將大幅降低從地球運送物資的成本。
- 能源生產：火星的太陽能效率是地球的 50% 以上（因為大氣稀薄），加上核能選項，能源成本可能比地球還低。
- 科學研發：火星的低重力環境（約地球的 38%）是製造特殊材料（如光纖、合金）的理想場所。這些材料在地球上幾乎無法生產。
具體數字與案例：Musk 的 Starship 火箭每次發射成本目標是 1000 萬美元，而目前 NASA 的火箭發射成本是 4 億美元。如果 Starship 實現規模化，將火星殖民的運輸成本降低 400 倍。Hassabis 指出，「這不是技術問題，而是工程問題——而 Elon 擅長解決工程問題」。
關鍵思考：火星任務的「副產品」
Diamandis 提醒我們，人類史上所有偉大的探索計畫，其最大價值往往不在於目標本身，而在於過程中產生的副產品。阿波羅計畫催生了積體電路、GPS 和遠程醫療；火星任務可能催生出：
- 完全可回收的太空運輸系統（Starship）
- 高效率的太陽能與核能技術
- 閉環生命支持系統（可用於地球上的偏遠地區）
- AI 驅動的自主機器人（用於火星建設）
Hassabis 總結：「投資火星，本質上是投資人類的長期存活能力，以及一個全新的經濟增長引擎。」他預測，到 2050 年，火星經濟的年產值可能達到 5000 億美元，成為全球第 20 大經濟體。
4. AI 與機器人：將「勞動力」從稀缺變為無限
這可能是整場訪談中最令人震撼的觀點。Hassabis 認為，AGI 與機器人的結合，將從根本上改變「勞動力」的定義。目前，人類勞動力是稀缺資源——全球約 35 億勞動人口，每個人的時間和能力都有限。但當機器人能夠自主學習、生產和維護自己時，勞動力將變成「無限供應」。
具體機制：Hassabis 描述了一個「自我複製的機器人生態系統」。想像一下，一個機器人可以在工廠裡生產另一個機器人，而這個新的機器人又可以投入生產。這類似於電腦病毒的複製，但發生在實體世界。一旦這個循環啟動，生產力將呈現指數級增長。
經濟影響：這將導致：
- 商品成本趨近於零：如果機器人能夠以接近零的邊際成本生產食物、衣服、住房，那麼基本生活物資將變得幾乎免費。
- 勞動力市場的顛覆：傳統的「工作」概念將消失，取而代之的是「創造力經濟」——人類將專注於藝術、科學、設計等機器人無法替代的領域。
- 財富分配的挑戰：Hassabis 坦言，這是 AGI 時代最大的社會問題。他建議引入「通用基本收入（UBI）」或「數據紅利」——即 AI 創造的財富應由全人類共享。
具體案例與數字：DeepMind 已經在模擬環境中驗證了「自我複製機器人」的概念。他們開發的虛擬機器人可以在 10 小時內完成從零件到完整機器人的組裝，而傳統方法需要 100 小時。Hassabis 預測，到 2035 年，第一個能夠自我複製的實體機器人將問世。
給投資人的啟示：關注那些在「機器人製造機器人」領域有布局的公司。Tesla、Boston Dynamics（Hyundai）、以及一些新創公司（如 Figure AI）都值得關注。Hassabis 特別提到，「機器人的『生產率』將成為新的 GDP 指標」。當機器人能夠以每年 50% 的效率提升時，經濟增長將不再受人類勞動力限制。
5. 氣候變遷：AI 是「加速器」還是「救星」？
訪談中，Diamandis 和 Hassabis 花了相當長的時間討論氣候變遷。Hassabis 的觀點令人耳目一新：AI 不是氣候問題的「萬靈丹」，但它可能是唯一能讓我們「贏得時間」的工具。
核心論點：氣候變遷的本質是「能源系統的轉型」——我們需要從化石燃料過渡到清潔能源，並在過程中實現碳負排放。Hassabis 指出，目前的問題不是缺乏技術，而是缺乏系統性的優化。例如，太陽能和風能是間歇性的，我們需要更好的儲能技術和電網管理。
AI 的具體應用：
- 材料發現：DeepMind 的 GNoME 模型已經發現了 38 萬種新的穩定晶體材料，其中一些可能用於下一代電池或催化劑。這將加速電池技術的突破。
- 電網優化：AI 可以即時預測能源供需，將可再生能源的利用率提高 20-30%。
- 碳捕集：Hassabis 透露，DeepMind 正在開發一種 AI 模型，用於設計更高效的碳捕集材料，目標是將成本降低至 每噸 50 美元 以下。
具體數字與案例：DeepMind 的 AI 已經幫助 Google 數據中心節省了 40% 的冷卻能源，並將風能預測準確率提高了 20%。Hassabis 認為，如果這些技術應用到全球能源系統，可以將全球碳排放減少 15-20%。
關鍵思考：AI 的「雙刃劍」
Hassabis 警告，AI 本身也是能源密集型的。訓練一個大型語言模型（如 GPT-4）需要 數百萬千瓦時的電力，相當於一個小城市一年的用電量。因此，AI 的發展必須與清潔能源同步進行。他呼籲 AI 公司公開其能源消耗數據，並承諾使用 100% 可再生能源。
給投資人的啟示：關注那些將 AI 應用於「能源優化」和「材料發現」的公司。例如，Microsoft 的 Project Natick（水下數據中心）和 Google 的碳智慧運算平台。Hassabis 預測，到 2030 年，AI 將成為氣候科技領域最大的投資主題，市場規模可能超過 1 兆美元。
6. 人類壽命的「指數級增長」：從治療到預防再到逆轉
Diamandis 是長壽研究的長期倡導者，而 Hassabis 則從 AI 的角度提供了全新視角。他認為，AGI 將徹底改變醫學，將人類壽命從「線性增長」推向「指數級增長」。
具體機制：Hassabis 描述了三個階段：
- 治療階段（現在-2030）：AI 加速藥物發現和診斷。AlphaFold 已經將蛋白質結構預測從數年縮短到數分鐘。這將使新藥開發成本降低 50%。
- 預防階段（2030-2040）：AI 可以透過穿戴式設備和基因組數據，提前 10 年預測疾病風險。Hassabis 提到，DeepMind 正在開發一種「數位孿生」技術——為每個人建立一個虛擬身體模型，用於模擬藥物反應和疾病進程。
- 逆轉階段（2040 以後）：AGI 可以設計出「細胞修復機器人」，用於修復受損的 DNA、清除衰老細胞（senolytics），甚至逆轉器官老化。Hassabis 坦言，這聽起來像科幻，但「在 AGI 的世界裡，這只是工程問題」。
具體數字與案例：DeepMind 的 AlphaFold 已經被用於開發針對 瘧疾、COVID-19 和癌症 的新療法。Hassabis 透露，AlphaFold 預測的蛋白質結構中，有 20% 是全新的，這意味著我們可能發現了全新的藥物靶點。
給投資人的啟示：關注那些結合 AI 和生物技術的公司，例如 Recursion Pharmaceuticals（使用 AI 進行藥物發現）、Insilico Medicine（AI 驅動的抗衰老研究）。Hassabis 特別提到，「長壽科技將是 AGI 時代最大的經濟機會之一」，市場規模可能達到 數十兆美元。
7. 地緣政治：AI 軍備競賽的「冷戰 2.0」
訪談中，Hassabis 對地緣政治的評論相當坦率。他認為，AI 已經成為大國競爭的核心，其重要程度不亞於當年的核武。但他也提出了一個反直覺的觀點：這種競爭可能實際上加速了 AI 的發展。
核心論點：美國和中國都在 AI 領域投入了巨額資金。美國的優勢在於頂尖的研究機構（如 DeepMind、OpenAI）和強大的風險投資生態；中國的優勢在於龐大的數據量和政府支持。Hassabis 預測，未來十年，AI 領域將出現「雙極格局」，類似於冷戰時期的美蘇對峙。
具體事件與日期：Hassabis 提到了 2023 年的「AI 安全峰會」（英國布萊切利公園），以及 2024 年美國對 AI 晶片的出口管制。他認為，這些管制可能短期內減緩中國的 AI 發展，但長期來看，中國會發展出自己的替代技術。
關鍵思考：AI 的「軍備競賽悖論」
Hassabis 指出，「AI 的危險不在於某個國家獲得優勢，而在於競爭本身可能導致失控」。他呼籲建立全球性的 AI 治理框架，類似於國際原子能總署（IAEA）對核能的監管。但他也承認，在當前的地緣政治環境下，這幾乎不可能實現。
給投資人的啟示：關注那些在「AI 安全」和「可解釋 AI」領域有布局的公司。例如，Anthropic（專注於 AI 安全）、Palantir（軍事情報分析）。Hassabis 警告，「AI 軍備競賽的贏家，將是那些既能保持技術領先，又能確保安全控制的國家」。
8. 教育的終結與「學習」的重生
Hassabis 提出了一個讓許多家長坐立不安的觀點：傳統教育體系將在 AGI 時代被徹底顛覆。他認為，當 AI 可以隨時提供任何知識時，「記憶」和「考試」將失去意義，真正的教育將轉向培養「提問能力」和「創造力」。
具體機制：
- 個人化 AI 導師：每個孩子都將擁有一個 AI 導師，能夠根據其學習風格和進度進行調整。Hassabis 透露，DeepMind 正在開發一個名為 「AlphaTeacher」 的項目，目標是讓學習效率提升 10 倍。
- 從「知識傳遞」到「技能培養」：未來的教育將專注於批判性思考、解決問題、團隊協作和創造力——這些是 AI 難以取代的能力。
- 終身學習：AGI 時代的工作將不斷變化，人類需要持續學習新技能。Hassabis 預測，「每個人一生中可能需要更換 5-6 個職業」。
具體數字與案例：Khan Academy 已經推出了基於 GPT-4 的 AI 導師「Khanmigo」，並在試點學校取得了顯著效果——學生的數學成績提升了 30%。Hassabis 認為，這只是開始。
給投資人的啟示：關注那些在「教育科技」和「AI 輔助學習」領域有創新的公司。例如，Duolingo（語言學習）、Coursera（在線課程）。Hassabis 總結，「教育將從『標準化』轉向『個人化』，這是巨大的市場機會」。
核心觀點與數據匯總表
| 核心要點 | 關鍵論點 | 具體案例/數字 | 投資啟示 |
|---|---|---|---|
| AGI 到來 | 十年內可能實現，定義為「通用認知能力」 | AlphaFold 預測 2 億種蛋白質結構 | 關注基礎研究型公司，如 DeepMind |
| 機器人規模化 | 瓶頸在於硬體成本、數據匱乏、智能泛化 | 機器人手臂 20 分鐘學會整理桌面 | 關注模擬環境、低成本硬體公司 |
| 火星經濟 | 1 兆美元投資，回報來自副產品 | Starship 目標成本 1000 萬美元 | 關注太空運輸、資源開採公司 |
| 無限勞動力 | 自我複製機器人將使勞動力無限供應 | 虛擬機器人 10 小時完成自我複製 | 關注機器人生產機器人公司 |
| 氣候救星 | AI 優化能源系統、加速材料發現 | GNoME 發現 38 萬種新材料 | 關注能源優化、碳捕集公司 |
| 長壽革命 | 從治療到預防再到逆轉，AGI 是加速器 | AlphaFold 用於開發新藥 | 關注 AI+生物科技公司 |
| 地緣政治 | AI 軍備競賽，雙極格局形成 | 2023 年 AI 安全峰會、2024 年晶片管制 | 關注 AI 安全、軍事應用公司 |
| 教育顛覆 | 傳統教育終結，個人化 AI 導師崛起 | Khanmigo 提升學生成績 30% | 關注教育科技、AI 輔助學習公司 |
總結：站在時代的轉折點上
親愛的讀者，當我們回顧這場訪談，一個清晰的圖景浮現出來：我們正站在一個時代的轉折點上。AGI、機器人、火星殖民、氣候科技、長壽革命——這些看似獨立的主題，實際上被一條共同的線索串聯起來：指數級增長的技術。Hassabis 和 Diamandis 告訴我們，未來不是遙遠的幻想，而是正在發生的現實。
給投資人的行動建議：
- 不要錯過「平台型」公司：那些能夠定義 AGI 和機器人時代基礎設施的企業，將成為下一個微軟或 Google。
- 關注「交叉領域」：AI 與生物科技、能源、太空的結合，將產生最大的回報。
- 保持長期視角：這些趨勢需要 10-20 年才能完全展開，但早期布局者將獲得最大的優勢。
最後，留給你一個值得深思的問題：當 AI 能夠完成你所有的工作，當機器人生產一切你需要的東西，當人類壽命延長到 150 歲——你的人生目標將是什麼？ 這個問題的答案，可能比任何投資組合都重要。