我们正站在奇点的山脚下：哈萨比斯 AI 科学革命（DeepTech）
我们正站在奇点的山脚下：哈萨比斯 AI 科学革命（DeepTech）
来源类型： 人物深度分析
日期： 2026-05
标签： #哈萨比斯 #DemisHassabis #奇点 #AGI #AIforScience #AlphaFold #诺贝尔奖 #DeepMind
核心引言
2026 年 5 月 Google I/O——Google DeepMind CEO 德米斯·哈萨比斯登台发言：
"当未来回望这个时代，我们会意识到，自己正站在奇点的山脚下（the foothills of the singularity）。"
时间表
"他给出的时间表是 2030 年前后，上下浮动一年。"
关键判断
"真正值得关注的，不是哈萨比斯再次提到了'奇点'，而是他说话时的语境。"
"Google 眼中的奇点，从来就不是更好的聊天机器人，而是 AI 最终能像科学家一样思考和发现。"
一条走了十年的路
2010 年 DeepMind 创立
哈萨比斯联合创立 DeepMind——使命宣言：
- 第一步：造出通用人工智能
- 第二步：用它解决其他一切
"那时候我想的主要就是科学和医学，增进我们对周围世界运转方式的理解，这一直是我的热情所在。"
AlphaGo（2016）
2016 年 3 月——围棋 AI 系统在首尔击败李世石。
"围棋其实不是科学问题，但 AlphaGo 验证了一条技术路径：深度强化学习可以在极其复杂的搜索空间中发现人类专家未曾想到的策略。"
"它是一个概念验证（proof of concept），证明 AI 不只是模式识别的工具，而可能具备某种接近'洞察'的能力。"
AlphaFold（2018-2024）
- 2018 年首次参加 CASP 蛋白质结构预测竞赛就拿第一
- 2020 年 AlphaFold 2 基本宣告攻克蛋白质折叠——这个困扰结构生物学界 50 年的难题
- 2022 年一口气预测了地球上几乎所有已知蛋白质的结构——超过 2 亿个，免费向全球研究者开放
- 2024 年 10 月——哈萨比斯和同事约翰·杰柏（John Jumper）因 AlphaFold 获得了诺贝尔化学奖
"这是 AI 研究者第一次获得科学类诺贝尔化学奖，某种意义上也是'AI for Science'这条路线的巅峰时刻。"
"Google 似乎证明了：造一个足够强大的专用 AI 工具，对准一个足够重要的科学问题，就能产生诺奖级的突破。"
从工具到科学合作者
"拿奖之后，故事开始有了一些转折。"
关键洞察
1. 奇点的真正语境
- 不是聊天机器人
- 而是 AI 像科学家一样思考和发现
2. 时间表 2030 ± 1 年
- AGI 到来
- 之后"一切都会改变太多"
3. DeepMind 十年路径
- AlphaGo（围棋）→ AlphaFold（蛋白质）
- 从游戏 AI → 科学 AI
- 诺奖级突破
4. 开放数据库是关键
- 2 亿蛋白质结构
- 像使用搜索引擎一样
- 开放是科学 AI 的核心
5. AGI + 科学 = 新范式
- 解决其他一切问题
- 增进人类对世界的理解
- AI for Science
与已有知识的关联
- wiki/entities/demis-hassabis — 德米斯·哈萨比斯
- wiki/entities/deepmind — Google DeepMind
- wiki/entities/alphago — AlphaGo
- wiki/entities/alphafold — AlphaFold
- wiki/entities/john-jumper — 约翰·杰柏
- wiki/concepts/ai-for-science — AI for Science
- wiki/concepts/agi-2030 — AGI 2030
- wiki/concepts/singularity — 奇点
- wiki/concepts/nobel-prize-ai — AI 诺贝尔奖
- wiki/entities/deeptech — DeepTech（来源）
资料来源
- 原文：https://mp.weixin.qq.com/s/NMa2lPCFX4bhmAlGUcb_nw
- 原始文件：
raw/articles/微信文章3/"我们正站在奇点的山脚下"，下一场科学革命已经由AI启动.md - 来源：DeepTech 深科技
我的判断（高置信度）
这是 2026 年 AI for Science 领域最重要的思想宣言——哈萨比斯 + 诺奖 + 奇点。
关键洞察：
1. "奇点的山脚下" —— 是哈萨比斯 2026 名言
2. "AI for Science" —— 是 DeepMind 十年路径
3. "AlphaFold 诺奖" —— 是 AI 突破里程碑
4. "AGI 2030 ± 1 年" —— 是重要时间表
5. "2 亿蛋白质开放" —— 是开放科学范式
预测：
- 2026 H2：可能涌现更多 AI 诺贝尔奖突破
- 2027：可能形成"AI for Science"产业
- 2028：AGI 可能接近 2030 时间表
- 对 AI 研究者的建议：
"AI for Science" 是高价值方向
- 垂直问题 + 强 AI 是诺奖路径
- 开放数据库 是关键
- 对科学家的启示：
AI 是合作者——而非替代
- DeepMind 模式 可借鉴
- 跨学科 AI 是新机会