在 G7，Hassabis 支持建立美国主导的 AI 合作联盟
2026 年 6 月 17 日，法国埃维昂莱班，G7 峰会闭门午餐会。
三家前沿 AI 公司的负责人参与了这场讨论：OpenAI 的 Sam Altman、Anthropic 的 Dario Amodei，以及 Google DeepMind 的 Demis Hassabis。
据 CNBC 援引两位知情人士的消息，Hassabis 和 Amodei 都支持建立美国主导的 AI 合作联盟，讨论前沿模型的访问、安全规则与标准。报道还称，加拿大总理 Mark Carney 赞同美国可以发挥领导作用。闭门会议上的建议尚不等于各国已签署正式协议。
这场讨论有一个直接背景。就在这场午餐会前五天，美国政府对 Anthropic 最新模型 Fable 5 和 Mythos 5 实施了出口管制，禁止其向包括欧盟公民在内的外籍人员开放。模型访问突然中断，让其他国家更关心服务的可持续性；Hassabis 所支持的合作机制也需要回答这个问题。
Hassabis 的经历让他在这场讨论中带有研究者和企业管理者的双重视角。他是 2024 年诺贝尔化学奖得主、英国爵士，也做过国际象棋选手和游戏设计师。理解他的 AI 主张，可以从这些经历怎样连接起来看起。
此前，他在斯坦福商学院的一场对话中提出判断：「我们正站在奇点的山脚下。」他说，AI 的推进速度大约是工业革命的十倍，而人类社会的容错空间「极小」。
从游戏开发转向神经科学，再创立 DeepMind
Hassabis 1976 年出生于伦敦，父亲是希腊裔塞浦路斯人，母亲是新加坡华人。四岁时，他看到父亲和叔叔下棋，要求他们教他。十三岁时，他已是同龄人中排名靠前的国际象棋选手。
但象棋只是他探索「思考」本身的入口。真正让他着迷的是一个更根本的问题：「思考关于思考」——心智如何运作，智能的本质是什么。
进入剑桥大学前，他先在 Bullfrog Productions 参与游戏开发，17 岁时参与设计并主导编程《主题公园》（Theme Park，1994）。这款游戏获得商业成功，也让他开始思考怎样让虚拟角色表现出更复杂的行为。
此后，他在剑桥大学女王学院学习计算机科学，以双一等荣誉学位毕业，又在 Lionhead Studios 参与《黑与白》的 AI 开发，并创办 Elixir Studios。工作室关闭后，他转到伦敦大学学院（UCL）研究神经科学，攻读博士，研究海马体在记忆与想象中的作用。游戏和神经科学由此成为他研究智能的两条路径。
2010 年，Hassabis 与 Shane Legg、Mustafa Suleyman 共同创立 DeepMind。他将公司的目标概括为：「第一步：解决智能。第二步：用它解决一切。」
最初几年并不顺利。Hassabis 在斯坦福回忆，有一段时间，他们的强化学习系统连一局 Pong 都赢不了。但 2013 年，DeepMind 发表了一篇论文，展示了一个深度强化学习智能体能够直接从原始像素中学会玩 Atari 游戏。研究者无需为每款游戏手写行动策略，但仍需要设计训练算法、奖励和输入处理方式。
2014 年，Google 以约 5 亿美元收购了 DeepMind。2016 年，AlphaGo 在首尔击败李世石，Hassabis 后来称这一刻为「现代 AI 时代的起点」。
AlphaFold 把蛋白质结构预测带入科研工作
AlphaGo 在规则明确的棋盘上展示了能力，AlphaFold 则把深度学习用于一个长期困扰科研的问题：如何从氨基酸序列预测蛋白质的三维结构。
蛋白质的功能取决于其三维折叠结构。传统方法——X 射线晶体学、核磁共振、冷冻电镜——解析一个蛋白质结构可能需要数年时间，成本高达数十万美元。在 AlphaFold 2 取得突破前，公共数据库已积累约 17 万条实验测定的结构记录；其中也可能包含同一种蛋白质的不同结构。
2020 年底，AlphaFold 2 在蛋白质结构预测关键评估（CASP）竞赛中，在许多测试目标上达到接近实验结构的精度，但不同蛋白质和区域的可信度仍有差异。到 2022 年，DeepMind 通过 AlphaFold 预测了几乎所有已知蛋白质的结构——超过两亿个——并与 EMBL-EBI 合作免费开放预测数据库。这些是计算预测，并非两亿项经过实验验证的结构。
「我们站在巨人的肩膀上，」Hassabis 在斯坦福解释为何不将其商业化时说。蛋白质数据库有五十年开放共享晶体学数据的传统，DeepMind 认为「基础科学层」不应该被私有化。药物发现则是他希望进一步推进商业应用的方向。
2024 年，Hassabis 与 DeepMind 科学家 John Jumper 因蛋白质结构预测工作共同获得诺贝尔化学奖的一半；另一半授予从事计算蛋白质设计的 David Baker。同年，他因对 AI 的贡献被授予爵士头衔。他还被《时代》周刊选为 2025 年度「AI 建筑师」之一，登上「年度人物」封面。
科学应用也是他的公司业务之一。他同时领导着 Google DeepMind 和 Isomorphic Labs——一家同属 Alphabet 的 AI 药物发现公司，目标是建立「通用药物发现引擎」。
他预测 AGI 可能在 2030 年前后到来，主张提前评估风险
2026 年 5 月底，Hassabis 在斯坦福 GSB 的炉边对话中，多次谈到应对更强 AI 的准备工作。
他称 AI 为「物种级跃迁」（species-level transition），将其与核武器和气候变化相提并论。他说，公众对 AI 安全的担忧「完全合理」，并主张认真回应这些担忧。
「我们正处于奇点的山脚下，」他说，「技术推进速度大约是工业革命的十倍。未来五到十年，我们需要前所未有的国际协调。」
他预测 AGI——能够广泛完成达到或超越人类水平的认知任务的 AI——可能在 2030 年左右到来，「加减一年」。他称之为「新人类时代」的起点，甚至可能通向「后稀缺世界」。
这是他对研发进展的判断，并非已经确定的时间表。他也提醒，有些同行对自己的预测「过于确定」。
在模型治理上，Hassabis 强调随能力变化调整措施。他支持「智能的、有针对性的」监管——包括对模型能力的定期独立评估，以及将 AI 纳入驾驶、医疗等现有行业监管框架——而非制定静态规则。对于开源模型，他的核心质疑是：「你们打算怎么处理坏行为者问题？」
教育和人际关系中，他希望保留人的选择
在斯坦福的对话中，主持人 Jonathan Levin 问了一个看似简单的问题：有什么是 AI 永远不该替代的？
他的回答侧重人们希望怎样使用技术，而非列出模型永远无法完成的任务。
他表示，自己不想用 AI 代替朋友，也重视人与人之间的共情、指导，以及教师激发学生兴趣的作用。在他看来，AI 可以辅助传授知识，但教育还包括建立信任、鼓励探索和帮助学生找到目标。
他以这句话结束演讲：「人类应该始终保有自己对意义的感知，以及对自己将生命投向何处的选择权。我们不应该成为技术的被动接受者。」
从游戏到蛋白质结构预测，再到教育和治理，他讨论的始终包括两个问题：AI 能完成什么，以及人们希望把哪些决定留给自己。研究成果与企业产品会影响前者，后者则需要更广泛的社会参与。
在 G7 的闭门午餐会上，当 Altman 呼吁建立「国际论坛」以制定测试标准，Amodei 主张收紧芯片贸易和前沿模型的结构化访问权限时，Hassabis 支持美国主导的合作机制。这样的机制能否兼顾安全、稳定访问和不同国家的利益，仍要看后续具体规则。
「未来尚未写定，」他在斯坦福说，「但接下来的几年，将决定它会走向哪个方向。」
来源：
- CNBC: CEOs of Anthropic and Google DeepMind call for U.S.-led AI coalition in meeting at G7 (2026-06-17)
- Business Insider: Google DeepMind CEO says we don't have much time to prepare for the 'new human era' (2026-06)
- The Stanford Daily: Google DeepMind CEO warns AI is at "species-level transition" (2026-05-29)
- Fortune: Google's Nobel-winning AI leader sees a 'renaissance' ahead (2026-02-11)
- The New York Times: Tech C.E.O.s to Discuss A.I. With G7 Leaders (2026-06-17)
- Wikipedia: Demis Hassabis
- Queens’ College: Hassabis 访谈：游戏、研究与科学发现
- Google DeepMind: AlphaFold 预测数据库扩展至两亿余个结构
