2026年10月21日，Google DeepMind 联合创始人 Demis Hassabis 在接受《华尔街日报》专访时，给出了迄今最激进的时间表：通用人工智能可能在 2 至 3 年内成为现实。这篇由记者 Ben Cohen 采写的专访中，Hassabis 用一句直接引语概括了自己的研判：“它很快就会到来……我的预估正在离当下越来越近。”
如果仅将这番言论视作诺贝尔奖得主对技术奇点的又一次宣讲，便容易忽略背后的战略重排。时间线从过去的数年收敛至 2028 到 2029 年，本质上是日历页翻动带来的坐标自然收拢；而在提出以复现相对论为核心的“爱因斯坦测试”同时，这位新任 Alphabet 首席科学家正在为其挂帅的 AI 制药业务争取定义权，并顺势为前沿模型砌上合规高墙。
预言并未突变，行业对终局的理解已经分裂
Hassabis 并非突然变得狂热。回溯其公开表态，他在 2025 年初预测 AGI 需要 3 至 5 年，彼时落点即在 2028 至 2030 年之间，此后也曾短暂指向 2030 年。到了 2026 年底给出“2 至 3 年”的判断，换算下来依然锚定在 2028 至 2029 年。技术演进的预期斜率并没有发生不可思议的暴增，只是当事人随着时间推移，不再把安全缓冲区往后推延。
这一时间判断并非孤例，但也绝非行业共识。前沿实验室在终局节点与技术路线上已现出三种截然不同的阵营。
Anthropic 创始人 Dario Amodei 在 2026 年 1 月撰文将超越顶尖专家的强大智能（Powerful AI）预期收拢在 1 至 2 年内，指向 2027 至 2028 年；OpenAI 首席执行官 Sam Altman 也在 2025 年预告具备自主见解的系统会在 2026 年露面。但学界的冷水从未停歇，Meta 首席 AI 科学家 Yann LeCun 持续指出，单凭自回归大模型堆叠算力无法触达人类水平，缺乏世界模型、持久记忆与物理交互规划的系统，再怎么拟合文本也只是空中楼阁。
在这场路线交锋中，Hassabis 选择站在乐观派的最前列，但他用来证明智能的标尺，却巧妙避开了日常聊天的感知盲区，直接切入了最硬核的科学腹地。
卸任 CEO 背后：27 亿美元押注科研闭环
部分海外报道将 Hassabis 描述为“离开 DeepMind”，这与事实存在偏差。2026年8月5日，Alphabet 宣布 Hassabis 卸任 Google DeepMind CEO，转任 DeepMind 董事长兼 Alphabet 首席科学家。这并非出走，而是一场主动的管理重心迁移，使其彻底摆脱通用大模型的琐碎工程与公关事务，转而统领母公司底层科学算法，并全力运作旗下孵化的 AI 制药企业 Isomorphic Labs。
这是 Hassabis 敢于给 AGI 设定期限的实体依托。科学发现能力已经成为验证终极智能的核心试验场，而 Isomorphic Labs 在一级市场上展现出了惊人的吸金速度。
2025年3月31日，Isomorphic Labs 宣布获得由 Thrive Capital 领投的 6 亿美元首轮外部融资；仅仅一年多后的 2026年5月12日，Thrive 再度领投了其 21 亿美元的 B 轮融资，两轮外部注资总计达 27 亿美元。
凭借 AlphaFold 斩获诺奖之后，Hassabis 需要更具说服力的载体证明算法不只是在已知数据里做插值，而是能跨越鸿沟、推导出自然规律。Isomorphic 手握的巨额资本，不仅要在实验室里寻找新分子，更是要以临床管线的成败，为他的“科学通用智能”兑现商业期票。
“爱因斯坦测试”的破绽与准入护城河
为了给即将到来的系统立下标尺，Hassabis 在这次访谈中提出了“爱因斯坦测试”：如果一个模型仅输入 1901 年之前的人类知识，它能否独立推导并复现爱因斯坦在 1905 年发表的狭义相对论与光电效应等奇迹年成果？
这一表述相较此前已有微调。2026年2月《自然》报道他提及该测试时，锚定的是基于 1911 年前的知识推导 1915 年的广义相对论。更重要的是，这个概念并非 Hassabis 独创。早在 2025 年 1 月，学术界便已在预印本论文《The Einstein Test》中将其作为检验模型是否具备超级智能资格的反事实评测框架。
从工程与科学哲学角度看，这套看似宏大的测试在实操中存在明显的硬伤。
第一是数据污染无法根除。大模型的语料库庞大而混沌，想要在互联网数据中完全剔除 1901 年之后的痕迹几乎是不可能完成的任务；即便切断了直接论文，后续理论对基础语料结构的渗透依然无处不在。第二是评测界公认的“后见之明泄露”（hindsight leakage）：当人类工程师设计提示词、定义约束条件并挑选验证方向时，出题者本身就已经把历史答案的结构隐蔽地塞进了模型输入端。
突破既有物理常理是罕见的超常智力，却无法作为衡量通用可靠性的标准。
一个能在受限空间内解出相对论方程的系统，未必能稳定处理人类社会的常识推演、具身操作或协同任务。“科学发现能力”正在被悄然置换为“完整人脑的认知范围”。
- 风险.当头部企业把 AGI 定义拔高至前沿科学发现，并同步推进模型发布前的强制审查机制时，开源社区与初创公司可能会在数据合规与安全准入的双重夹击下失去竞技资格。
在抛出测试标准的同时，Hassabis 还呼吁成立一个由行业出资、受政府直接监管的独立委员会，对前沿模型进行发布前的严格前置审查，并直言“糟糕的监管比不监管还要坏”。
将这一提议与当前的资本版图并列审视，商业意图便格外清晰。由行业出资建立前置审批机构，表面上是在为技术失控加装刹车片，实质上却对所有参与者设定了昂贵而严苛的准入门槛。能够在 2028 年前夜承受这种审查成本并拿出数千亿参数科研模型的，只剩下 Alphabet、Anthropic 或 OpenAI 这类资本巨头。
对于密切跟踪大模型演进的开发者与产业投资人而言，接下来不必过度纠结 AGI 会在 2028 年的哪个月份降临，真正需要盯紧的只有两项硬指标：Isomorphic Labs 首批 AI 设计管线在临床试验阶段的实际脱落率，以及前沿模型在人类尚未探明的真实物理边界上，是否真的能写出第一篇没有前人提示的科学论文。