沒有KPI，也能領先OpenAI？從“內部觀察者”視角看頂級AI實驗室如何運作

作者｜冬梅

編輯｜蔡芳芳

在人工智能競爭持續升溫的當下，圍繞 DeepMind、OpenAI 與 Anthropic 的討論，已經不再只是“誰的模型更強”的問題，而是逐漸演變為一個更深層的命題：頂級 AI 實驗室究竟如何組織研究、選擇技術路線，并在算力、資本與安全之間做出長期取舍。

在近日 InfoQ 對《哈薩比斯：谷歌 AI 之腦》（TheInfinityMachine）作者、知名科技史學家、金融史學家塞巴斯蒂安·馬拉比（Sebastian Mallaby）的采訪中，我們嘗試從一個更接近“內部觀察者”的視角，重新理解 DeepMind 的成長邏輯，以及它與 OpenAI、Anthropic 之間真正的結構性差異。

作為長期跟蹤哈薩比斯及其團隊的觀察者，馬拉比認為，DeepMind 的優勢并不僅僅來自谷歌提供的算力和資金，更來自一種獨特的組織方式：既允許科學家長期自由探索，又能在關鍵時刻迅速形成突擊小組推動突破。這種機制，使它能夠持續攻克 AlphaGo、AlphaFold 這樣需要十年以上投入的問題。

與此同時，不同實驗室在“安全與速度”之間的取舍差異，也正在成為影響 AGI 競爭格局的重要變量。而隨著 AI 規模化（scaling） 從訓練階段擴展到推理階段乃至未來智能體層面，AI 進步的動力結構本身也正在發生變化。

從這個意義上說，今天的 AI 競爭，已經不再只是模型能力的競賽，而是一場圍繞組織模式、研究方法與系統資源配置展開的長期博弈。

DeepMind 為什么能成功？

InfoQ：您在書中提到，哈薩比斯在 MIT 的導師托馬索·波吉奧（Tomaso Poggio）曾表示，他遇到的很多諾獎得主，既才華橫溢又運氣極佳。有少數諾獎得主天賦異稟，無論研究什么注定會獲獎。2009 年辛頓遇到哈薩比斯，認為他是比自己更爭強好勝的人。如果讓您用幾個詞形容哈薩比斯，會是什么？為什么這么說？

馬拉比：讓我用三個詞來形容他的話，我會說天造之才、爭強好勝、友善謙遜。

天才這個自然不必多說了。爭強好勝是他發自內心地渴望勝利，渴望做出一番了不起的成就。我覺得這和他從小參加國際象棋比賽有關。他才六歲的時候，就早早地置身于激烈的競爭之中，也因此變得極具好勝心。這份好勝心，成了他前進的動力。

但反過來想，如果一個人只是爭強好勝、天賦異稟，為人卻不友善，那別人就不會愿意為他效力，也不會喜歡他，甚至會想方設法給他使絆子、阻礙他。而他的優勢就在于，大家都很喜歡他。人們和他接觸后，都會覺得他為人正派，價值觀很好，希望人工智能能為人類帶來福祉。正因如此，大家才愿意支持他的事業。我很難想象，如果沒有這份善良，他還能否取得今天這般成就。

InfoQ：所以你認為 DeepMind 如今的成功與哈薩比斯這個創始人謙遜、善良的個性有關嗎？與其他 AI 實驗室相比，DeepMind 又有哪些獨特之處？

馬拉比：是的，我認為這些都與哈薩比斯的個性密切相關。

DeepMind 的獨特之處首先在于，它成立于 2010 年，那時候人工智能甚至連一張貓咪的照片都識別不出來。當時相關技術還完全不成熟，可還是有人愿意加入這家公司，投身于一項尚未成功的事業。正是這份超前的投入與遠見，讓 DeepMind 在最初大約十年里一直處于行業領先地位，直到 ChatGPT 問世，賽道才迎來了激烈角逐。而在那之前的十年，他們始終遙遙領先，這一切都源于起步之早，而這無疑直接歸功于哈薩比斯。他從 18 歲、進入劍橋大學之前，就堅信人工智能的可能性，早早地就對這份愿景矢志不渝。這或許也是造就他的另一項特質：他不僅好勝、是天才、為人善良，更是一位具有遠見卓識的先行者。

InfoQ：您書中提到，哈薩比斯其實并不喜歡商業管理。他的理想組織形態是“貝爾實驗室 + 學術研究所”。DeepMind 團隊一直在英國獨立辦公，團隊早期很多制度是允許科學家長期研究、不要求短期產品以及他們的論文可以公開發表，這和硅谷很多公司完全不同。這些看起來“過于自由”的條件，會不會給哈薩比斯的管理帶來困難？通常習慣了自由的人，尤其是天才們，是不愿意受到約束的。

馬拉比：我認為 DeepMind 最關鍵的一點，是他們給了這些頂尖人才極大的自由。研究員們可以自主決定研究方向，發表學術論文，擁有類似在大學里的研究自由。

但如果 DeepMind 只有自由，那只會變成一群人各做各的研究，最終拿不出任何成型的產品。而哈薩比斯把自由探索和集中攻堅結合了起來——當他判斷某個研究方向已經具備取得重大突破的條件時，就會下令：“好了，這條路線可以落地了，我們要組建專門團隊，全速推進，實行自上而下的集中管理。”

他把這類團隊稱作“突擊小組（strike team）”。從最早開發雅達利游戲智能體，到后來的 AlphaGo，再到 AlphaZero 直至 AlphaFold 在內的一系列模型，背后都有這樣的突擊小組。在突擊小組里，會有負責人統一指揮，所有人朝著同一個目標沖刺，有時間壓力和截止日期，工作強度極高。

所以哈薩比斯的天才之處，就在于把自由探索和成果轉化結合在了一起——利用理論科學上的突破，落地打造出 AlphaGo 這樣的產品。

他之所以懂學術自由，是因為自己讀過博士，了解大學的研究模式；而組建突擊小組的思路，則來自他的游戲行業經歷——他曾在游戲公司任職，還自己創辦過一家，很清楚游戲公司如何趕工期、按時交付產品。他正是把這兩種模式完美融合在了一起。

InfoQ：像 DeepMind 這樣的頂級 AI 實驗室是如何組織和管理人才的？例如如何招聘科學家？如何管理頂級研究人員？是否會給他們很高的薪酬或者更多的資源？

馬拉比：在最初階段，公司給的薪資其實并不高，因為當時他們的資金非常有限。雖然會提供公司期權，但大多數加入的人并不認為這些期權未來會有價值——因為當時的 AI 既沒有成熟的產品，也沒有清晰的盈利模式。

因此，在創業早期，要吸引優秀人才其實是很困難的。我認為，德米斯能做到這一點，很大程度上是因為他和他的聯合創始人沙恩·萊格（Shane Legg） 本身都是非常受尊敬的科學家，這使得其他研究人員愿意加入他們的團隊。

另外，還有一些人加入的原因是，他們并不想處理創業公司中的那些“非科研”事務，比如和律師打交道、對接投資人、考慮辦公場所等。這些事情在他們看來既煩瑣又無聊。如果德米斯愿意負責這些組織和管理工作，他們就可以專注于自己擅長的科學研究。因此，一些人（比如參與雅達利項目的研究者姆尼赫）就提到，這正是他加入的原因。

不過到 2014 年之后，情況發生了明顯變化。被谷歌收購后，DeepMind 獲得了充足的資金支持，不僅能夠提供更具競爭力的薪酬，也建立了更加穩定、完善的工作環境，包括更優質的辦公條件和高質量的免費餐食。整體而言，收購之后，這里的工作體驗顯著提升。

此外，隨著 AI 技術不斷發展，科研對算力的依賴也越來越強。要讓模型真正取得突破性效果，需要大量先進的半導體和計算資源。因此，對于科學家來說，能否獲得充足的算力成為一個關鍵因素。而在 DeepMind 工作，可以直接使用谷歌的算力和芯片資源，這也成為吸引頂尖人才加入的重要原因之一。

InfoQ：DeepMind 在被谷歌收購時并非完全處于“被動求生”狀態，您在上次分享中也提到過，當時 Meta CEO 扎克伯格曾邀請哈薩比斯共進晚餐商議收購之事，馬斯克也曾向他們拋出橄欖枝，也就是說，DeepMind 在進入谷歌體系之前就已自帶光環了。那是不是可以解讀成 DeepMind 進入 Alphabet 體系中享有很高的話語權？這是 DeepMind 成功的因素之一嗎？

馬拉比：是的，我認為，當時有其他公司也有意收購他們，這一點在他們最終賣給 Alphabet 時，實際上增強了他們的談判籌碼。

不過，我也認為更關鍵的一點在于 Alphabet 的領導層——尤其是拉里·佩奇（Larry Page），以及后來接任的桑達爾·皮查伊（Sundar Pichai）——在與德米斯接觸之后，很快意識到他是一個非常特別的人。他們非常希望能夠留住他，并且愿意按照他的想法去推進事情，因為他們認為他極具價值。

在收購 DeepMind 時，來自加拿大的深度學習先驅杰弗里·辛頓（Geoffrey Hinton）曾開玩笑地說：“就算只買德米斯一個人，也值 1 億到 1.5 億英鎊。”這其實反映了他們對德米斯的高度評價——他不僅是一個創業者，更是一個具有天才級洞察力的人。

正因為如此，谷歌在收購之后給予了 DeepMind 極高的重視和充分的資源支持，包括大量的研究資金。這也是 DeepMind 后來能夠持續取得成功的重要原因之一——本質上，是因為谷歌對德米斯的認可與信任，并愿意長期支持他的研究方向。

InfoQ：即使有很高的話語權，但谷歌畢竟是一家商業公司，DeepMind 是如何在長期科研和短期成果之間取得平衡的？

馬拉比：在相當長一段時間里，DeepMind 的重心一直是長期科研，而不是產品化。它基本沒有推出真正意義上的商業產品，雖然也曾嘗試過一些醫療應用，但那更多是因為德米斯的聯合創始人穆斯塔法·蘇萊曼（ Mustafa Suleyman）的推動，而不是谷歌的核心訴求。

谷歌當時是允許，甚至支持 DeepMind 專注于基礎研究的。它每年投入近 10 億美元來支持這些研究項目——這是一個非常大的投入，但對于現金充裕的谷歌來說，是可以承擔的。

這種局面在 2022 年發生了根本性變化。隨著 ChatGPT 的推出，谷歌突然意識到，傳統搜索引擎可能會被基于大語言模型的新型搜索方式所顛覆。這種威脅讓谷歌感到緊張，因此他們迅速轉向，希望與 OpenAI 競爭，并開始要求 DeepMind 從以科學研究為主，轉向更偏產品化的方向，尤其是開發大語言模型。

一開始我也在想，德米斯是否會對此感到不適應，畢竟他本質上是一位科學家。

但后來我和他交流時，他的看法很有意思。他說：“你要記住，在創立 DeepMind 之前，我運營的是自己的創業公司萬靈藥工作室（Elixir Studios），那是一家游戲公司，我們是做產品的。我并不排斥做產品，而且我本身也是一個很有競爭心的人，我也希望在這場競爭中獲勝。”

他還提到，到了這個階段，AI 的發展已經進入一個新的狀態：構建大語言模型，一方面是在打造產品，另一方面本身也是在推進科學前沿。

事實上，自從 ChatGPT 出現之后，我們已經看到大量新的技術進展不斷涌現，比如：

• 更長上下文窗口的模型（可以記住更多信息）

• 能處理圖像、視頻和語音的多模態模型

• 具備復雜推理能力的模型

• 以及能夠執行任務的智能體（Agent）模型

這些前沿探索本身就發生在“產品形態”之中。因此，在當前階段，科學研究與產品開發并不是二選一的關系，而是可以同時推進的兩條路徑。

賺幾十億美金，抵不過拿一個諾貝爾獎

InfoQ：在收購后的最初幾年里，DeepMind 與谷歌之間最大的文化沖突是什么？谷歌在多大程度上允許 DeepMind 保持科研獨立？

馬拉比：這些文化上的分歧，主要集中在“安全性”問題上。DeepMind 希望建立一套更獨立、更特殊的治理機制，以確保 AI 不會僅僅被用于服務某一家公司的商業利益。他們設想成立一個類似“倫理和安全審查委員會”的機構，成員可能包括像美國前總統奧這樣的人物，由這個機構來決定 AI 應該如何被使用。

對于這個想法，谷歌在表面上有時似乎表示支持，但實際上并沒有真正打算落實。因此，雙方圍繞這一問題，與律師、投行顧問等一起，進行了長達三年的反復博弈。

在這段時間里，德米斯甚至曾嘗試尋找其他出路，比如去接觸阿里巴巴創始人馬云，希望獲得資金支持，讓 DeepMind 重新獨立運作。這可以說是雙方最核心的一次“文化沖突”。

不過，在科研層面上，雙方的分歧其實并不明顯。谷歌一直非常支持 DeepMind 開展前沿研究，比如 AlphaGo 項目。

事實上，在 AlphaGo 于韓國比賽期間，谷歌的聯合創始人謝爾蓋·布林（Sergey Brin），以及當時的 CEO 埃里克·施密特（Eric Schmidt）等高層都親自前往現場觀賽，他們對這一項目非常投入，也非常享受這一歷史性時刻。

InfoQ：您提到谷歌和 DeepMind 之間曾爆發了激烈的文化沖突，您在書中也提到德米斯差點就帶著團隊離開了谷歌。但最后為什么又決定留下來了，谷歌做了一些什么樣的妥協嗎？

馬拉比：其實歸根結底，德米斯在那段時間最想做的還是科研。因為如果真要為了自立門戶再去創辦一家新公司，他不僅得四處奔波拉投資，還得雇一堆律師去跟谷歌法務部“撕破臉”，這肯定會讓谷歌那邊大動肝火。對他來說，與其深陷這種無休止的商業糾葛，他顯然更愿意把全部精力都放在攻克 AI 科學難題上。

所以我覺得，這才是他最終選擇留下的原因。

還有一個很有趣的點：德米斯的大本營在倫敦，而不是硅谷。在硅谷，那種“你必須得擁有自己公司”的創業狂熱幾乎是一種信仰；但在倫敦，這種氛圍沒那么激進。德米斯 顯然更愿意堅守最初把公司賣給谷歌時的那份初心。

在他面前，其實擺著兩條截然不同的路：一條是靠獨立打拼建立一個龐大的商業帝國，成為身家百億的超級富豪；另一條則是深耕科學領域，發明真正的 AI，最終問鼎諾貝爾獎。

顯然，比起那幾十億美金，他更渴望那一枚諾貝爾獎章。

InfoQ：我們能否討論一個假設，如果 DeepMind 沒有被谷歌收購，它今天會是什么樣？

馬拉比：在我生活的英國，常能聽到一種聲音：“唉，要是當初 DeepMind 沒賣給谷歌該多好，那樣我們現在就有一家獨立的英國 AI 巨頭了。”

但我完全不這么看。

我認為當時的 DeepMind 真的太缺錢了。你完全可以換個角度來看待這樁收購：這根本不是什么“英國 AI 產業的損失”，正相反，這是英國的一大勝利。像德米斯這樣天才的英國創業者，憑本事說服了一家美國巨頭，心甘情愿地每年往倫敦的 AI 實驗室里砸近10 億美元。

想一想，美國人拿著大把鈔票來投資英國，這難道不是天大的好事嗎？

如果德米斯當時沒把公司賣給谷歌，憑他的天賦和那股子不服輸的勁頭，他肯定也能成功。他大概率會保持獨立，或者轉頭去拿埃隆·馬斯克之類大佬的投資。但那條路肯定要難走得多，因為手里的錢會縮水，而且還得整天面對各種“內耗”——畢竟馬斯克可是個極度好斗的人。

如果沒有谷歌的財力支持，像 AlphaGo 這樣的奇跡可能要推遲很久才會出現。但無論如何，德米斯最終還是會成為 AI 領域的領軍人物。那是他的使命，也是他的天賦所在——只要是他想做成的事，這世界上恐怕沒什么能攔得住他。

AlphaGo 與 AlphaFold 背后，是選擇問題的能力

InfoQ：AlphaGo 可以說讓 DeepMind 一戰成名。在谷歌內部，伴隨著 AlphaGo 的成功，谷歌高層有沒有重新評估 AGI 價值？您認為這場勝利是否改變了 DeepMind 在集團內部的話語權？具體體現在哪些方面？

馬拉比：對于谷歌的每一個人來說，DeepMind 在 AlphaGo 上的勝利無異于一記具有震撼性的警鐘。

通過那場比賽，所有人真切地看到了 AI 蘊含的恐怖力量。早些時候，謝爾蓋·布林還曾斷言：“要做出一個能下圍棋的系統肯定難如登天。”結果，德米斯用事實狠狠地打了他的臉。谷歌高層不得不承認，AI 的進化速度早已遠超他們的預期。

從那時起，研發預算開始瘋狂飆升。原本 DeepMind 的經費就已經很高了，AlphaGo 之后更是又翻了一番。

可以說，這場勝利成了德米斯手里最有力的籌碼，讓他能說服谷歌源源不斷地砸錢。而一年后（2017 年）橫空出世的AlphaZero，則進一步鞏固了他的地位，證明了這種投入是完全值得的。

InfoQ：無論是 AlphaGo，還是 AlphaFold，都在業內備受關注。在您看來，AlphaGo 與 AlphaFold 在方法論上有什么共通之處？

馬拉比：它們其實都是“無限機器”的例子。

以圍棋為例，先手一開始可以在 361 個交叉點中選擇任意一個落子，然后輪到后手有 360 種選擇。接下來依次是 359、358……如果把這些可能性相乘，很快就會得到一個極其龐大的數字——每一步棋、每一個應對，以及對應對的再應對，都會形成爆炸式增長的可能性空間。

所以，這是一個巨大的搜索空間，一個幾乎無限的可能性集合。我把它稱為“無限機器”。也就是說，像 AlphaGo 這樣的系統，本質上是一臺能夠從幾乎無限的可能走法中提取出“意義”的機器。

如果你再看蛋白質結構——一張蛋白質的圖像，你會看到它是如何折疊的。里面有無數細小的彎曲，而每一個彎曲都可能朝不同方向變化。因此，蛋白質可能形成的結構組合，比圍棋還要大得多，某種意義上說，已經非常接近“無限”。

但 DeepMind 仍然發明了一種機器，能夠在所有這些可能的組合中預測出正確的蛋白質結構——這些組合所涉及的原子數量甚至超過宇宙中的原子數。所以，從這個角度看，它同樣是一臺“無限機器”。我認為這就是兩者之間最核心的聯系：如何從如此龐大的數據和可能性中提取出有意義的結果。

AlphaFold 的確是一個非常重要、具有里程碑意義的成就，在全球范圍內都是如此。那么，為什么 DeepMind 選擇把它開源？

一方面，是出于幫助全世界、推動科學進步的考慮；另一方面，也是因為 DeepMind 認為，他們之所以能夠做出 AlphaFold，很大程度上得益于一個長期積累的科學共同體。

比如 CASP 這個競賽——它是由學術界發起的，每兩年舉行一次，讓不同科研團隊競賽蛋白質結構預測。在 DeepMind 于 2020 年獲勝之前，這個競賽已經持續了大約 18 年。

也就是說，在 DeepMind 解決這個問題之前，整個領域已經有了大量的基礎研究工作。因此，DeepMind 也希望通過回饋學術界的方式，來表達感謝——他們把 AlphaFold 系統開放出來，讓整個領域都能使用這些預測結果。

如果他們只是利用了所有人的開放研究成果，卻不公開自己的研究，那在道義上會顯得不太合適。所以，這也是他們選擇開源的重要原因之一。

當然，還有一個現實層面的因素：在商業應用，比如藥物研發中，僅僅是 AlphaFold 2（也就是后來獲得諾貝爾獎的版本）其實還不夠。

你不僅需要知道蛋白質的結構，還需要理解蛋白質之間、蛋白質與其他分子之間是如何相互作用的。這正是 AlphaFold 3 和 4 要解決的問題。

而 AlphaFold 4 并沒有開源，它是專有的系統。這也意味著它正在逐漸走向產品化階段，因此 DeepMind 和谷歌選擇將其保留在內部。

InfoQ：無論 AlphaGo，還是 AlphaFold 都是非常偉大的成就，那 DeepMind 是如何選擇“值得投入十年的課題”的？有哪些判斷依據是可復制的？

馬拉比：德米斯經常提到一個概念，叫作“科學品味”（Scientific Taste）。

他有一種敏銳的直覺：能“嗅”出 AI 領域中哪些懸而未決的問題雖然極具挑戰，但只要拼命攻關兩年就一定能捅破那層窗戶紙。他極其擅長進行這種戰略豪賭。這種能力不僅源于他對科學前沿的深刻理解，更源于他看透了科學家這個群體的運作邏輯。

他曾跟我講過一個關于 AlphaFold 的精彩故事。

2018 年時，團隊已經研發了兩年，做出的系統雖然貴為全球最強，但還遠沒有達到能預測“所有蛋白質形狀”的終極目標。它只是比其他 AI 強，但離解決問題還差得遠。當時，團隊負責人安德魯·西尼爾（Andrew Senior）甚至有些灰心地對德米斯說：“這題我們解不出來，實在太難了。我們已經盡力了，2018 版系統表現不錯，已經領先全人類了，但求你別逼我們去預測自然界所有的蛋白質，那根本不可能。”

但德米斯直覺認為，預測所有蛋白質是有可能的。為了驗證自己的判斷，他親自參加了 AlphaFold 團隊的每一次技術研討會。

他在會上并不多說話，而是在冷靜地觀察團隊的討論是否“流暢”（fluent）。

所謂的“流暢”，是指大家是否在源源不斷、快速地蹦出新的研究靈感。德米斯認為，只要靈感還在流淌——哪怕有些想法現在看起來不一定對——只要大家還有“產生新點子的能力”，就說明科學進步的空間遠未枯竭。

基于這種觀察，德米斯決定頂住壓力，拒絕關閉項目。他不僅沒有聽從老負責人的撤退建議，反而換了主帥，提拔了年輕的約翰·江珀（John Jumper）。

江珀堅信成功就在前方，德米斯則給了他毫無保留的支持。兩年后，他們交出了足以問鼎諾貝爾獎的科研成果。

這個故事告訴我們：作為領導者，你不僅需要那種判斷“什么能成”的科學品味，更要學會坐在會議室里，去捕捉那些思維碰撞的火花，去傾聽靈感流動的聲音。

InfoQ：AlphaGo、AlphaFold 都只是 AGI 路線上的階段實驗。您贊同這個說法嗎？

馬拉比：嗯，可以這么說。我認為它們確實都推動了人工智能科學的發展。而在這條漫長路徑的盡頭，將會是通用人工智能（AGI）。

不過從另一個角度來看，你也可以認為，大語言模型的成功源自人工智能研究中的另一條技術路線，這條路線并不包括強化學習，因此它和 AlphaGo 的路徑并不相同。

而且，它與 AlphaFold 也有一定程度的分離。AlphaFold 的確使用了 Transformer 模型，但那是一種特殊形式的 Transformer。關于 AlphaFold 和 Transformer 的相關研究，大致集中在 2018 到 2020 年之間，更準確地說是在 2019 到 2020 年。

與此同時，OpenAI 已經在基于 Transformer 架構構建大語言模型了。因此，我更傾向于把這看作是人工智能進展中的另一條獨立技術路線。

所以，從宏觀上看，任何在 AI 領域的重要突破，都會推動未來的發展；但從更具體的技術起源來看，大語言模型的誕生路徑，其實是相對獨立的。

AGI 競爭的真實格局

InfoQ：根據您對 AI 行業的了解，您認為 DeepMind、OpenAI、Anthropic 的核心差異是什么？

馬拉比：首先，一個很大的差異在于它與谷歌的關系。就像我之前說的，DeepMind 有來自谷歌的大量資金支持，這是一個非常大的優勢。因為即便在今天，訓練這些模型的成本依然極其高昂，而它們帶來的收入其實并不多。

所以現階段，你必須有充足的資金支撐，而德米斯很幸運，有谷歌在背后支持。相比之下，Anthropic 和 OpenAI 需要不斷去找投資人融資，這本身就很困難——這是一個很關鍵的差別。

不過在其他方面，它們其實又很相似。比如說，它們都有自己的大語言模型，而且這些模型整體水平都很高。不同時間點上，可能某一家會領先另外兩家，但這種領先是動態變化的。

如果換一個角度來看它們的差異，可以從“安全性”入手。Anthropic 對安全問題非常重視，甚至不久前還因為 AI 在軍事系統中的應用問題，與五角大樓發生過爭議。

而 DeepMind 在這方面的表現則不太一樣。我認為德米斯本人也是重視安全的，包括在軍事應用方面，但他并沒有和政府發生正面沖突。所以你可以說，Anthropic 是最愿意為推動安全議題而承擔風險的公司；DeepMind（以及谷歌）排在中間。

至于 OpenAI，就很有意思了。從外部表現來看，它似乎沒有那么強調安全——比如在 Anthropic 和五角大樓發生爭議時，OpenAI 的態度更像是：“沒問題，我們可以提供 AI。”

這在某種程度上也類似他們發布 ChatGPT 時的策略：他們并不介意推出一個可能存在風險的產品，而是選擇先發布再迭代。相比之下，Anthropic 和 DeepMind 都曾因為更謹慎，而沒有發布一些模型。

所以如果做一個粗略排序：

• 最激進（最不保守）：OpenAI

• 中間：谷歌 DeepMind

• 最強調安全：Anthropic

你提到 OpenAI 最近招募了 OpenClaw 的開源項目創始人彼得·斯坦伯格（Peter Steinberger），也在問這會不會對谷歌或 DeepMind 構成威脅，尤其是在 OpenClaw 現在很火的情況下。

我認為，在谷歌 DeepMind 內部，本身就有大量在做智能體的優秀研究人員。即使招募了一個做出 OpenClaw 的人，也不太可能從根本上改變整個競爭格局。

另外一點很關鍵：OpenClaw 確實令人印象深刻，但它同樣也具有一定的風險性。真正的挑戰在于，如何做出既強大又安全的系統——只有這樣，它才真正具備大規模應用價值。而至于彼得是否能夠做到這一點，目前其實還無法確定。

InfoQ：谷歌、OpenAI、xAI、Anthropic 以及中國的 DeepSeek、阿里巴巴、騰訊等公司，您認為誰最接近 AGI？

馬拉比：AGI（通用人工智能）的定義一直都是不精確的，人們其實并沒有一個統一、清晰的標準。

從某種角度來說，你完全可以這樣理解：現在這些優秀的大語言模型，本身就具備“通用性”（general）、“人工性”（artificial）以及一定程度的“智能”（intelligent）。因此，也有人會認為——某種意義上的 AGI 其實已經出現了。

但這本質上取決于你如何定義 AGI。

一種更務實的理解方式是：AGI 應該是一種在現實世界中極其有用的機器，尤其是在商業環境里，能夠執行原本由人類完成的工作。換句話說，它不只是“聰明”，而是“能干活”。

在這個維度上，你可以看到一些非常具體的進展。例如，Claude Code 這樣的系統，已經能夠非常高效地編寫代碼，以至于企業對程序員的需求結構可能發生變化——過去可能需要 20 個工程師，未來也許只需要 10 個，因為有一半的代碼是由模型完成的。

當然，這并不是某一家獨有的能力。其他公司也在做類似的事情：比如 OpenAI Codex，以及谷歌 DeepMind 自己的代碼生成模型，中國的一些模型在代碼生成方面也表現不俗。

所以問題就變成了：誰現在最好？也許此刻可以說是 Claude，但六個月之后，很可能格局就會變化。

換句話說，在“是否接近 AGI”這個問題上，我們已經進入了一個新的階段：關鍵不再只是“有沒有”，而是“誰在什么任務上更實用、替代性更強”，以及這種能力能否持續、穩定地提升。

InfoQ：那您認為，AGI 突破更可能來自模型規模，還是新的算法？

馬拉比：到目前為止我們取得的進展，其實是多方面共同作用的結果。

很重要的一點是要理解：無論是來自谷歌、OpenAI，還是 Anthropic 的進展，雖然它們確實在不斷擴大算力規模（scaling compute），但這并不是全部。與此同時，它們也在持續改進算法、優化工程實現，并進行各種技術創新，這些共同推動了整個 AI 科學的發展。

所以，本質上這是一個“規模 + 技術”的組合驅動過程。而我也認為，未來大概率仍然會延續這種組合路徑。

當然，現在很多人在討論一個問題：算力擴展是否會遇到瓶頸？我的看法是，每當人們認為“擴展快到極限了”的時候，總會出現新的擴展方式。

比如說，早期的基礎模型通過擴大訓練規模獲得了巨大提升，但后來這種邊際收益可能開始下降。于是，又出現了新的擴展路徑——比如在推理階段對“推理模型”進行擴展，這又帶來了新的性能提升空間。

再往未來看，也許還會出現新的規模化維度，比如智能體或者具身智能的擴展。

因此，我的判斷是：規模化本身不會消失，它只是在不斷換一種形式出現，并且仍然會是一個長期存在的核心競爭優勢。

聲明：本文為 AI 前線整理，不代表平臺觀點，未經許可禁止轉載。

會議推薦

QCon 全球軟件開發大會·2026 北京站將于 4 月 16 日 -18 日正式舉辦。本屆大會以“Agentic AI 時代的軟件工程重塑”為主題，聚焦 100+ 重磅議題，匯聚來自阿里、騰訊、字節跳動、小米、百度等一線科技企業與創新團隊的技術專家，圍繞 AI 工程化、系統架構與研發模式演進展開深入探討。更多詳情可掃碼或聯系票務經理 18514549229 進行咨詢。

今日薦文

你也「在看」嗎？