#模型时代# 哈萨比斯对话英国AI Review主席：教育系统完全没跟上AI的节奏，后通用人工智能时代需要人文学科的复兴

2026年7月15日，伦敦信息技术同业公会（WCIT）年度讲座上线。两位嘉宾：Google DeepMind联合创始人兼CEO德米斯·哈萨比斯，2024年诺贝尔化学奖得主，旗下AI制药公司Isomorphic Labs在2026年5月刚完成21亿美元B轮融资，目标在2026年底前将AI设计的药物推入人体临床试验。Dame Wendy Hall，南安普顿大学计算机科学Regius教授，Web Science Trust联合创始人，2017年英国政府AI Review联合主席，刚被任命为英国科学协会2026-27年度主席。两人同为WCIT新晋成员。

对话开场，主持人直奔一个尖锐的问题：Hall的那份2017年AI Review发布快十年了，英国的AI技能战略现在什么样？Hall的回答有点惨。她说，英国当年在AI战略上排全球第三（仅次于美中），新加坡照搬了英国的模板，然后做得更好，现在已经反超。更糟的是，英国的AI技能负责人这个职位已经没了，AI委员会也撤了，没有任何独立机构在监督政府AI部门那400号人在做什么。

一、AI教育：翻转课堂与个性化学习

1、哈萨比斯倡导“翻转课堂”：蒙特梭利+牛津式辅导，再加AI

“翻转课堂”（flipped classroom）是2007年由美国科罗拉多州两位高中化学教师Jonathan Bergmann和Aaron Sams提出并推广的教育理念，核心是把课堂功能对调：课上做项目和讨论，课外完成知识学习。哈萨比斯倡导将这个模式全面推行到中小学，再加一层AI个性化辅导接管课外练习。…

他观察到一个现实：学生们已经在用LLM和聊天机器人了，无论是课余时间还是做作业，只不过用法“很不系统”。政府和教育系统的态度像是“希望这件事自动消失”，但它不会。

在他的构想中，课堂时间用来做项目、培养人际技能、锻炼创业思维、创造力和判断力，这些是5到10年后通用人工智能到来时仍然需要人类的能力。他的具体参照是“蒙特梭利学校的升级版”，再加上牛津剑桥那种一对一个别辅导的模式引入中小学课堂。

这个构想的核心逻辑是：传统课堂上一个老师教30个学生同一套内容，只能照顾中间水平，跟不上的和超前的学生两头吃亏。AI可以为每个学生定制进度和内容。与此同时，课堂上的教学可以由少数出色的“明星教师”录制标准课程，而不再让每个学校的每个老师各自从零开始做GCSE数学课件。

2、Hall的补充：个性化学习不能只靠“回家做”

Hall基本认同哈萨比斯的方向，但指出一个现实约束：不是所有孩子都有条件在家使用AI学习，教育公平是个硬门槛。她的表述更审慎：个性化学习可以在学校里完成，不一定非要带回家。

Hall自己在1984年就写过一段AI代码，在BBC Micro上用Prolog语言构建了一个智能辅导系统原型。她说那只是一个概念验证，但从那时起她就相信计算机（现在是AI）可以实现个性化辅导，帮助每个孩子达到同一水平线。落地这件事，需要政府做出巨大承诺。

3、计算机科学学位并没有过时——它变成了更高层级的编程语言

有人问大学里的计算机科学学位是否已经多余，两人都断然否定。哈萨比斯的比喻是：编程语言从机器码到C到Python，下一步可能变成英语，但这只是“更高层级的编程语言”。懂底层技术的人使用这些工具的效率可以比不懂的人高出10倍。

Hall的南安普顿大学正在做一件事：为2026年秋季入学的所有新生开发一个“AI驾照”项目，类似英国人考驾照要学的Highway Code那样的基础常识手册，面向非理工科学生，教他们怎么用AI。同时，大学给自己定了一个目标：到下一个学年，每个学科、每个学位都要有一门定制化的AI模块，无论是历史、心理学还是地理。

4、哈萨比斯呼吁人文学科复兴

哈萨比斯说了一句让Hall意外的话：“现在是人文学科的时代，哲学、经济学。”他的理由是：在后通用人工智能时代，人类需要回答的核心问题是“我们要建设什么样的社会”，这类问题属于人文领域。技术能力本身回答不了它。他补充说自己现在比以往任何时候都更相信跨学科工作的价值，AI恰恰能帮人快速进入一个陌生学科。

二、通用人工智能时间表：50%概率2030年，然后呢？

1、哈萨比斯的通用人工智能定义和时间表

哈萨比斯对通用人工智能的定义是：一个可以被测试并展现出人类全部认知能力的系统。他反复强调，人类大脑是目前已知宇宙中唯一的通用智能存在证明，而他相信大脑本质上是一台近似的图灵机（除了量子系统等特殊情况），所以AI系统理论上应当能复现人脑的创造性和发明能力。

当前的LLM系统“在很多方面令人印象深刻”，但缺少某些关键组件，一致性不足。这些缺口可能通过扩展规模解决，也可能还需要一两个像Transformer或将强化学习应用于深度学习（AlphaGo所用的方法）那样级别的突破。

他给出的预期是：考虑到当前投入的资源和人才密度，大约四到五年内，也就是2030年左右。他在别处用的说法是“50%概率在2030年”。如果递归自我改进技术奏效，时间线可能更快。

2、Hall的反驳：那就只剩四年来建立全球治理了

Hall明确站在时间线的另一边。她不接受2030年这个判断，但她的论证重心不在技术预测上，而在后果推演上：“如果你是对的，那我们只有四年来建立全球AI治理体系。”四年之后，如果真有比人类在某些方面更聪明的机器存在，而全球连一个管理框架的雏形都没有，后果不堪设想。

她引用了霍金2014年接受BBC采访时的判断：如果我们建造出比我们聪明的机器，那就是人类的末日。Hall强调她刻意不用“智能”这个词，而是说“聪明”（clever），因为她认为机器智能和人类智能有本质区别。

3、达沃斯上哈萨比斯与Dario Amodei的交锋

Hall提到一个她在教学中使用的素材：达沃斯论坛上，哈萨比斯和Anthropic CEO Dario Amodei的公开辩论。她的概括是：哈萨比斯在表达此刻对话中同样的立场（审慎、强调安全），而Amodei当时正在为公司IPO造势，宣称“今年年底就能达到通用人工智能”。Hall说她用这个对比来教学生辨别技术判断和商业宣传的区别。

4、Anthropic Mythos事件成为分水岭

两人都把2026年6月的Anthropic Mythos事件视为全球AI治理觉醒的触发点。Anthropic发布的Mythos模型在网络安全漏洞发现方面远超此前任何模型，引发了美国政府的紧急出口管制。特朗普政府此前推翻了拜登时代的AI监管行政令，承诺不监管，但Mythos事件迫使其转向，开始要求企业在发布先进模型前提交政府评估。

哈萨比斯说，Mythos之所以成为转折点，是因为“银行开始担心了”。他的原话是：“银行一担心，政府就醒了。”但他补充，网络安全只是开始，他更担心的是下一步的生物风险。AlphaFold这类工具在错误的人手中也可以被滥用。

就在这场对话前一天（2026年7月14日），哈萨比斯发布了个人宣言《前沿AI框架与新时代的黎明》，呼吁美国牵头成立一个以金融业监管组织FINRA为模板的AI标准机构，由行业出资、独立运营，在发布前评估前沿模型。Sam Altman、Satya Nadella等人都在社交媒体上表示支持。

三、全球治理：谁来建？怎么建？

1、联合国不行，但可以从联合国“长出来”

Hall说她参加过联合国AI高级别顾问委员会，她的判断是：联合国“已经不是过去的联合国了”，不具备执行力。但即将于2026年7月在日内瓦举行的全球AI对话由联合国主办，从中产生的机制不一定要隶属于联合国。

她和哈萨比斯都赞成英国在Sunak政府时期发起的AI峰会（从Bletchley Park开始），认为这些峰会虽然不够，但至少把国际社会聚到了一起。哈萨比斯直言印度那场AI峰会“什么成果也没出来”，25万人参加的大会变成了纯粹的清谈。他的判断是：清谈式峰会不够，气候变化的COP会议开了这么多年也没解决问题，AI治理必须走一条不同的路。

2、大型科技公司并非“火鸡投票过圣诞”

有人质疑：让科技公司参与监管自己，岂不是让火鸡投票赞成过圣诞节？哈萨比斯否认。他说自己认识所有实验室的领导者，“各有各的性格”，但没有人希望灾难性事件发生，那对公司、个人声誉和商业都是毁灭性的。

问题不在意愿，在于博弈论。这就是经典的公地悲剧和囚徒困境：即使每个人都想合作，总有人有动力通过违反协议来获利，所以必须有强制力的治理机制来改变激励结构。

3、中国的角色很重要，能够协作

Hall主动把中国拉进讨论。她说中国很愿意参与甚至主导任何AI治理机构的运作，原因和西方一样，不希望灾难发生。中国的AI模型在很大程度上采用开放代码策略，对国际合作框架的接受度可能比美国政府更高。

4、深度伪造的技术解法：水印必须成为行业标准

在被问到如何对付流氓行为者时，哈萨比斯提到一个DeepMind已经在做的技术方案：不可见数字水印。他认为这会成为行业标准，任何生成媒体的模型都必须内置水印功能和配套的检测系统，政府和记者可以调用这个检测系统，最终整个互联网应该自动标记AI生成的内容。法律层面，深度伪造造成的伤害必须有明确的立法和执行力度。

四、英国的底牌与短板

1、DeepMind为什么在伦敦：一个关于人才套利的创业故事

哈萨比斯讲了一段创业史。2010年在伦敦创办DeepMind时，整个城市没有人在做AI或深科技。一个剑桥物理学博士如果不想留在学术界又想留在英国，唯一的选择就是去对冲基金。哈萨比斯给这些人提供了另一个选项。他当时以5万英镑年薪雇到了世界级人才——“现在的AI行业，这个钱连一天的实习生都请不到。”

这种人才套利持续了六七年。后来大科技公司意识到英国的人才密度，纷纷在King's Cross周围设立分部。这反而是好事，更多投资和人才被吸引过来，那些人工作几年后又出去创业，形成生态循环。

HSBC Innovation Banking的CEO Emily Turner在活动总结中给了一个数据：2026年第一季度，英国10%以上的风险投资资金来自DeepMind前员工创办的公司。同一季度，英国74%的VC资金流向了AI公司。

2、伦敦的独特优势：所有东西都在一个城市里

哈萨比斯提出了一个很少有人注意到的结构性优势。美国的核心能力分散在不同城市：政府在华盛顿，金融在纽约，生命科学在波士顿，科技在硅谷，娱乐在洛杉矶。而伦敦在所有这些领域都达到了世界级水平，集中在一个城市里。对于跨学科协作来说，这种密度的价值无法替代。

他曾尝试推动英国、法国和加拿大建立一种三方研究同盟。从论文引用、研究者数量来看，这三个国家加起来构成了两个超级大国之外最强的研究力量。这个构想因为政治原因没有实现，但他认为机会仍然存在。

3、英国的核心短板：能源成本和资本市场

哈萨比斯列了两个结构性问题。第一是能源。英国的能源成本是西方世界最高的，而AI经济的核心公式是“瓦特 → 美元 → token”，推理成本直接决定产业竞争力。如果不解决能源问题，英国连数据中心都建不起来。

他的反直觉判断是：数据中心的能耗问题被过度渲染了。真正改变气候方程式的不是在现有框架里省1%到2%的碳排放，而是用AI去突破聚变、新材料、更高效太阳能等根本性技术。Hall接着说了一句更激进的话：将来每个城市和小镇都会希望拥有一座数据中心，因为数据中心会从能源消耗者“翻转”为能源生产者。

第二个短板是资本市场。英国擅长孵化独角兽，但无法把它们培养成全球性的大公司。哈萨比斯的原话是：英国需要产出自己的第一家万亿美元级独立公司。伦敦证券交易所有明显的问题，公司不愿在那里上市，宁可去美国。问这个问题的人是英国最资深的IT分析师Richard Holway。他指出，Computacenter在2026年6月刚进入FTSE 100，是仅有的第二家进入该指数的科技公司。按市值排名，全球前100科技公司中英国只有ARM一家，还是在NASDAQ上市的。

4、AI安全评估机构：英国做到了世界第一

Hall强调了一个英国真正领先的领域：AI安全评估。英国的AI Safety Institute（2025年2月更名为AI Security Institute）是全球同类机构中最好的，正在为如何评估科技公司输出的AI模型制定基准。此外，英国国家物理实验室新设了一个AI测量中心，专注于“AI的科学”，也就是研究AI本身的运行规律，而不是把AI当作研究其他领域的工具。

这一切归入一个正在成长的行业类别：AI assurance，可以理解为AI保障行业。Hall透露，政府将在2026年7月的伦敦科技周上发布相关公告，把AI assurance打造成一条新的职业路径，面向的不只是技术人员。

5、哈萨比斯为什么不后悔把DeepMind卖给谷歌

观众中有人直接问：如果DeepMind没被收购、独立上市，现在可能是FTSE 100的头部公司，还能带动整个英国科技生态。哈萨比斯的回答坦诚。

2014年，他们刚做完Atari游戏AI（在OpenAI成立之前、在AlphaGo之前），硅谷的巨头们开始挖人，对方开价1000万美元年薪，如果被拒还可以加到5000万。DeepMind当时连产品都没有，哈萨比斯自己零薪水，每轮融资只能凑到1000万美元量级。要做他想做的事需要70亿美元的投入，2014年那个节点上没有任何投资人愿意出这个钱。

但他说不后悔的根本原因和钱无关：“我不会拿我的诺贝尔奖去换任何金额的钱。”全球300万研究人员在使用AlphaFold，一位知名药企朋友告诉他：“未来可能不会有任何一种新药的研发过程中没用过AlphaFold。”这件事在英国完成，他为此骄傲。他说，也许Isomorphic Labs能完成“未竟的事业”。这家公司完全总部设在英国。

五、从AlphaFold到Isomorphic Labs：为什么选择蛋白质折叠

1、根节点问题的吸引力

哈萨比斯在剑桥读本科时，一个痴迷蛋白质折叠的生物学家朋友反复跟他讲这个问题。哈萨比斯说他有一个习惯：仔细倾听那些对某件事异常狂热的人。蛋白质折叠吸引他的原因有三：它是一个一流的科学问题（一维基因序列如何折叠成精密的三维纳米机器）；它是哈萨比斯所说的root node problem，根节点问题，解决它会打开药物发现、基础生物学等整棵新的发现树；有人曾把它描述为“生物学的费马大定理”，50年来无人攻破。

即使在1990年代，当时的技术条件远未成熟，他已经直觉感到这是适合AI处理的那类问题。他把这个想法“存在脑后”近20年。触发他启动AlphaFold项目的具体时刻是2016年AlphaGo首尔对局结束后回到伦敦的那一天——AlphaGo不仅赢了比赛，还下出了一步原创棋（第37手），在围棋这个有限领域内做出了一种“发现”。那是他等待的信号。

2、Isomorphic Labs的命名逻辑

Isomorphic Labs，直译就是“同构实验室”，这个名字来自哈萨比斯的一个信念：生物学和信息科学之间存在同构关系，生物学可以被理解为一个信息处理系统。AlphaFold解决的是蛋白质结构预测，这只是药物发现流程中的一个环节。Isomorphic Labs要做的是从根本上重新想象整个药物发现过程。Hall补充说这让她兴奋，她的博士研究方向是代数拓扑学，和这类结构性思维天然契合。

3、DeepMind的科学应用：飓风预测、聚变、气象

蛋白质折叠之外，DeepMind正在将AI应用于多个科学领域，虽然都处于比AlphaFold更早期的阶段。哈萨比斯举了几个具体例子：帮助聚变反应堆控制等离子体、数学研究、与英国气象局合作的天气预测。

其中最有画面感的是飓风预测。DeepMind的AI飓风预测算法已经是全球最好的，速度远超传统流体动力学模型。2025年10月飓风Melissa来袭时，美国国家气象局使用了这套算法来预测路径，准确预判了飓风转向牙买加。如果能多争取到12到24小时的预警时间，对地面上的人来说结果完全不同。

六、多样性、抵触情绪与社会想象力

1、Hall的核心焦虑：40年了，女性在计算领域的占比不升反降

Hall从1980年代开始关注女性在计算领域的参与度，她说让人恐惧的是情况变得更差了而不是更好。在AI领域尤其如此，硅谷的领导层是一种单一文化。她的导师之一Karen Spark Jones曾在T恤上印过一句话：“Computing is too important to be left to men。”Hall现在说：“AI is too important to be left to men。”

她的论述不是修辞性的。如果通用人工智能真的到来，建设什么样的社会是一个需要多元视角的问题。一个单一文化群体设计出来的通用人工智能系统，其内嵌的价值取向将影响所有人。

2、年轻人的AI抵触开始浮现

Hall讲了一个细节：她助理18岁的女儿，成绩优秀，即将入读布里斯托大学，回来跟妈妈说——“我们班决定教室里不用AI。”南安普顿大学的学生也有类似反应：大学告诉他们怎么在学习中使用AI，学生的回应是“如果这东西真的像公司说的那么厉害，我们不想跟它有任何关系。”

Hall把这比作1980年代反核运动中“不要在我的城市放核弹”的抗议。人们感到无力。在美国，很多人到现在都不理解这届政府是怎么被选上来的。这种无力感正在催生一种对AI的抵触运动，Hall认为这非常危险：如果不加以引导，人们会放弃去抓住AI带来的机遇。

3、投资者的杠杆作用：用购买力投票

哈萨比斯提出了一个务实的期待：随着AI系统进入企业市场（特别是金融等受监管行业），市场力量会自动倒逼负责任的部署。金融服务公司不会接受一个没有护栏的AI智能体在未经许可的情况下下了一笔十亿美元的交易。如果某家AI公司提供的服务导致了这类事故，市场会惩罚它。

他呼吁企业CTO和CIO用采购决策来支持负责任的AI提供商，也呼吁普通消费者“用脚投票”。同时，任何未来的国际AI治理组织发布的标准或条约，投资者可以把它作为投资门槛，不签署就不投资。

核心归纳

Q1：通用人工智能什么时候到来？该怎么准备？

哈萨比斯给出50%概率在2030年。他的建议不是纠结时间线本身，而是接受“它会在我们有生之年发生”这个前提，然后倒推该做什么：教育体系需要重构、国际治理机制需要建立、能源基础设施需要升级。Hall的补充是：即使时间线更晚，也不意味着可以慢慢来，因为制度建设本身就需要很多年。

Q2：英国在全球AI竞争中能扮演什么角色？

哈萨比斯引用了一个多年前对马克龙说的话：“你不能只做监管冠军。”英国的底牌是人才密度（剑桥、牛津、南安普顿、UCL的“金三角”）和多领域的世界级能力集中在一个城市。短板是能源成本（西方最高）和资本市场（独角兽无法在本土成长为巨头）。Hall补充了一个英国真正领先的赛道：AI安全评估和AI assurance产业。

Q3：AI时代的教育应该教什么？

哈萨比斯主张“翻转课堂”：学校里做项目、培养判断力和创造力，回家用AI辅导系统做个性化练习。计算机科学学位不会过时，但课程内容要根本性更新。Hall强调AI素养必须覆盖非理工科学生，她在南安普顿推行“AI驾照”项目。两人都认为人文学科，哲学、经济学，在后通用人工智能时代反而更重要，因为“我们要建设什么样的社会”是一个人文问题。

#模型时代# 哈萨比斯对话英国AI Review主席：教育系统完全没跟上AI的节奏，后通用人工智能时代需要人文学科的复兴

2026年7月15日，伦敦信息技术同业公会（WCIT）年度讲座上线。两位嘉宾：Google DeepMind联合创始人兼CEO德米斯·哈萨比斯，2024年诺贝尔化学奖得主，旗下AI制药公司Isomorphic Labs在2026年5月刚完成21亿美元B轮融资，目标在2026年底前将AI设计的药物推入人体临床试验。Dame Wendy Hall，南安普顿大学计算机科学Regius教授，Web Science Trust联合创始人，2017年英国政府AI Review联合主席，刚被任命为英国科学协会2026-27年度主席。两人同为WCIT新晋成员。

对话开场，主持人直奔一个尖锐的问题：Hall的那份2017年AI Review发布快十年了，英国的AI技能战略现在什么样？Hall的回答有点惨。她说，英国当年在AI战略上排全球第三（仅次于美中），新加坡照搬了英国的模板，然后做得更好，现在已经反超。更糟的是，英国的AI技能负责人这个职位已经没了，AI委员会也撤了，没有任何独立机构在监督政府AI部门那400号人在做什么。

一、AI教育：翻转课堂与个性化学习

1、哈萨比斯倡导“翻转课堂”：蒙特梭利+牛津式辅导，再加AI

“翻转课堂”（flipped classroom）是2007年由美国科罗拉多州两位高中化学教师Jonathan Bergmann和Aaron Sams提出并推广的教育理念，核心是把课堂功能对调：课上做项目和讨论，课外完成知识学习。哈萨比斯倡导将这个模式全面推行到中小学，再加一层AI个性化辅导接管课外练习。…

他观察到一个现实：学生们已经在用LLM和聊天机器人了，无论是课余时间还是做作业，只不过用法“很不系统”。政府和教育系统的态度像是“希望这件事自动消失”，但它不会。

在他的构想中，课堂时间用来做项目、培养人际技能、锻炼创业思维、创造力和判断力，这些是5到10年后通用人工智能到来时仍然需要人类的能力。他的具体参照是“蒙特梭利学校的升级版”，再加上牛津剑桥那种一对一个别辅导的模式引入中小学课堂。

这个构想的核心逻辑是：传统课堂上一个老师教30个学生同一套内容，只能照顾中间水平，跟不上的和超前的学生两头吃亏。AI可以为每个学生定制进度和内容。与此同时，课堂上的教学可以由少数出色的“明星教师”录制标准课程，而不再让每个学校的每个老师各自从零开始做GCSE数学课件。

2、Hall的补充：个性化学习不能只靠“回家做”

Hall基本认同哈萨比斯的方向，但指出一个现实约束：不是所有孩子都有条件在家使用AI学习，教育公平是个硬门槛。她的表述更审慎：个性化学习可以在学校里完成，不一定非要带回家。

Hall自己在1984年就写过一段AI代码，在BBC Micro上用Prolog语言构建了一个智能辅导系统原型。她说那只是一个概念验证，但从那时起她就相信计算机（现在是AI）可以实现个性化辅导，帮助每个孩子达到同一水平线。落地这件事，需要政府做出巨大承诺。

3、计算机科学学位并没有过时——它变成了更高层级的编程语言

有人问大学里的计算机科学学位是否已经多余，两人都断然否定。哈萨比斯的比喻是：编程语言从机器码到C到Python，下一步可能变成英语，但这只是“更高层级的编程语言”。懂底层技术的人使用这些工具的效率可以比不懂的人高出10倍。

Hall的南安普顿大学正在做一件事：为2026年秋季入学的所有新生开发一个“AI驾照”项目，类似英国人考驾照要学的Highway Code那样的基础常识手册，面向非理工科学生，教他们怎么用AI。同时，大学给自己定了一个目标：到下一个学年，每个学科、每个学位都要有一门定制化的AI模块，无论是历史、心理学还是地理。

4、哈萨比斯呼吁人文学科复兴

哈萨比斯说了一句让Hall意外的话：“现在是人文学科的时代，哲学、经济学。”他的理由是：在后通用人工智能时代，人类需要回答的核心问题是“我们要建设什么样的社会”，这类问题属于人文领域。技术能力本身回答不了它。他补充说自己现在比以往任何时候都更相信跨学科工作的价值，AI恰恰能帮人快速进入一个陌生学科。

二、通用人工智能时间表：50%概率2030年，然后呢？

1、哈萨比斯的通用人工智能定义和时间表

哈萨比斯对通用人工智能的定义是：一个可以被测试并展现出人类全部认知能力的系统。他反复强调，人类大脑是目前已知宇宙中唯一的通用智能存在证明，而他相信大脑本质上是一台近似的图灵机（除了量子系统等特殊情况），所以AI系统理论上应当能复现人脑的创造性和发明能力。

当前的LLM系统“在很多方面令人印象深刻”，但缺少某些关键组件，一致性不足。这些缺口可能通过扩展规模解决，也可能还需要一两个像Transformer或将强化学习应用于深度学习（AlphaGo所用的方法）那样级别的突破。

他给出的预期是：考虑到当前投入的资源和人才密度，大约四到五年内，也就是2030年左右。他在别处用的说法是“50%概率在2030年”。如果递归自我改进技术奏效，时间线可能更快。

2、Hall的反驳：那就只剩四年来建立全球治理了

Hall明确站在时间线的另一边。她不接受2030年这个判断，但她的论证重心不在技术预测上，而在后果推演上：“如果你是对的，那我们只有四年来建立全球AI治理体系。”四年之后，如果真有比人类在某些方面更聪明的机器存在，而全球连一个管理框架的雏形都没有，后果不堪设想。

她引用了霍金2014年接受BBC采访时的判断：如果我们建造出比我们聪明的机器，那就是人类的末日。Hall强调她刻意不用“智能”这个词，而是说“聪明”（clever），因为她认为机器智能和人类智能有本质区别。

3、达沃斯上哈萨比斯与Dario Amodei的交锋

Hall提到一个她在教学中使用的素材：达沃斯论坛上，哈萨比斯和Anthropic CEO Dario Amodei的公开辩论。她的概括是：哈萨比斯在表达此刻对话中同样的立场（审慎、强调安全），而Amodei当时正在为公司IPO造势，宣称“今年年底就能达到通用人工智能”。Hall说她用这个对比来教学生辨别技术判断和商业宣传的区别。

4、Anthropic Mythos事件成为分水岭

两人都把2026年6月的Anthropic Mythos事件视为全球AI治理觉醒的触发点。Anthropic发布的Mythos模型在网络安全漏洞发现方面远超此前任何模型，引发了美国政府的紧急出口管制。特朗普政府此前推翻了拜登时代的AI监管行政令，承诺不监管，但Mythos事件迫使其转向，开始要求企业在发布先进模型前提交政府评估。

哈萨比斯说，Mythos之所以成为转折点，是因为“银行开始担心了”。他的原话是：“银行一担心，政府就醒了。”但他补充，网络安全只是开始，他更担心的是下一步的生物风险。AlphaFold这类工具在错误的人手中也可以被滥用。

就在这场对话前一天（2026年7月14日），哈萨比斯发布了个人宣言《前沿AI框架与新时代的黎明》，呼吁美国牵头成立一个以金融业监管组织FINRA为模板的AI标准机构，由行业出资、独立运营，在发布前评估前沿模型。Sam Altman、Satya Nadella等人都在社交媒体上表示支持。

三、全球治理：谁来建？怎么建？

1、联合国不行，但可以从联合国“长出来”

Hall说她参加过联合国AI高级别顾问委员会，她的判断是：联合国“已经不是过去的联合国了”，不具备执行力。但即将于2026年7月在日内瓦举行的全球AI对话由联合国主办，从中产生的机制不一定要隶属于联合国。

她和哈萨比斯都赞成英国在Sunak政府时期发起的AI峰会（从Bletchley Park开始），认为这些峰会虽然不够，但至少把国际社会聚到了一起。哈萨比斯直言印度那场AI峰会“什么成果也没出来”，25万人参加的大会变成了纯粹的清谈。他的判断是：清谈式峰会不够，气候变化的COP会议开了这么多年也没解决问题，AI治理必须走一条不同的路。

2、大型科技公司并非“火鸡投票过圣诞”

有人质疑：让科技公司参与监管自己，岂不是让火鸡投票赞成过圣诞节？哈萨比斯否认。他说自己认识所有实验室的领导者，“各有各的性格”，但没有人希望灾难性事件发生，那对公司、个人声誉和商业都是毁灭性的。

问题不在意愿，在于博弈论。这就是经典的公地悲剧和囚徒困境：即使每个人都想合作，总有人有动力通过违反协议来获利，所以必须有强制力的治理机制来改变激励结构。

3、中国的角色很重要，能够协作

Hall主动把中国拉进讨论。她说中国很愿意参与甚至主导任何AI治理机构的运作，原因和西方一样，不希望灾难发生。中国的AI模型在很大程度上采用开放代码策略，对国际合作框架的接受度可能比美国政府更高。

4、深度伪造的技术解法：水印必须成为行业标准

在被问到如何对付流氓行为者时，哈萨比斯提到一个DeepMind已经在做的技术方案：不可见数字水印。他认为这会成为行业标准，任何生成媒体的模型都必须内置水印功能和配套的检测系统，政府和记者可以调用这个检测系统，最终整个互联网应该自动标记AI生成的内容。法律层面，深度伪造造成的伤害必须有明确的立法和执行力度。

四、英国的底牌与短板

1、DeepMind为什么在伦敦：一个关于人才套利的创业故事

哈萨比斯讲了一段创业史。2010年在伦敦创办DeepMind时，整个城市没有人在做AI或深科技。一个剑桥物理学博士如果不想留在学术界又想留在英国，唯一的选择就是去对冲基金。哈萨比斯给这些人提供了另一个选项。他当时以5万英镑年薪雇到了世界级人才——“现在的AI行业，这个钱连一天的实习生都请不到。”

这种人才套利持续了六七年。后来大科技公司意识到英国的人才密度，纷纷在King's Cross周围设立分部。这反而是好事，更多投资和人才被吸引过来，那些人工作几年后又出去创业，形成生态循环。

HSBC Innovation Banking的CEO Emily Turner在活动总结中给了一个数据：2026年第一季度，英国10%以上的风险投资资金来自DeepMind前员工创办的公司。同一季度，英国74%的VC资金流向了AI公司。

2、伦敦的独特优势：所有东西都在一个城市里

哈萨比斯提出了一个很少有人注意到的结构性优势。美国的核心能力分散在不同城市：政府在华盛顿，金融在纽约，生命科学在波士顿，科技在硅谷，娱乐在洛杉矶。而伦敦在所有这些领域都达到了世界级水平，集中在一个城市里。对于跨学科协作来说，这种密度的价值无法替代。

他曾尝试推动英国、法国和加拿大建立一种三方研究同盟。从论文引用、研究者数量来看，这三个国家加起来构成了两个超级大国之外最强的研究力量。这个构想因为政治原因没有实现，但他认为机会仍然存在。

3、英国的核心短板：能源成本和资本市场

哈萨比斯列了两个结构性问题。第一是能源。英国的能源成本是西方世界最高的，而AI经济的核心公式是“瓦特 → 美元 → token”，推理成本直接决定产业竞争力。如果不解决能源问题，英国连数据中心都建不起来。

他的反直觉判断是：数据中心的能耗问题被过度渲染了。真正改变气候方程式的不是在现有框架里省1%到2%的碳排放，而是用AI去突破聚变、新材料、更高效太阳能等根本性技术。Hall接着说了一句更激进的话：将来每个城市和小镇都会希望拥有一座数据中心，因为数据中心会从能源消耗者“翻转”为能源生产者。

第二个短板是资本市场。英国擅长孵化独角兽，但无法把它们培养成全球性的大公司。哈萨比斯的原话是：英国需要产出自己的第一家万亿美元级独立公司。伦敦证券交易所有明显的问题，公司不愿在那里上市，宁可去美国。问这个问题的人是英国最资深的IT分析师Richard Holway。他指出，Computacenter在2026年6月刚进入FTSE 100，是仅有的第二家进入该指数的科技公司。按市值排名，全球前100科技公司中英国只有ARM一家，还是在NASDAQ上市的。

4、AI安全评估机构：英国做到了世界第一

Hall强调了一个英国真正领先的领域：AI安全评估。英国的AI Safety Institute（2025年2月更名为AI Security Institute）是全球同类机构中最好的，正在为如何评估科技公司输出的AI模型制定基准。此外，英国国家物理实验室新设了一个AI测量中心，专注于“AI的科学”，也就是研究AI本身的运行规律，而不是把AI当作研究其他领域的工具。

这一切归入一个正在成长的行业类别：AI assurance，可以理解为AI保障行业。Hall透露，政府将在2026年7月的伦敦科技周上发布相关公告，把AI assurance打造成一条新的职业路径，面向的不只是技术人员。

5、哈萨比斯为什么不后悔把DeepMind卖给谷歌

观众中有人直接问：如果DeepMind没被收购、独立上市，现在可能是FTSE 100的头部公司，还能带动整个英国科技生态。哈萨比斯的回答坦诚。

2014年，他们刚做完Atari游戏AI（在OpenAI成立之前、在AlphaGo之前），硅谷的巨头们开始挖人，对方开价1000万美元年薪，如果被拒还可以加到5000万。DeepMind当时连产品都没有，哈萨比斯自己零薪水，每轮融资只能凑到1000万美元量级。要做他想做的事需要70亿美元的投入，2014年那个节点上没有任何投资人愿意出这个钱。

但他说不后悔的根本原因和钱无关：“我不会拿我的诺贝尔奖去换任何金额的钱。”全球300万研究人员在使用AlphaFold，一位知名药企朋友告诉他：“未来可能不会有任何一种新药的研发过程中没用过AlphaFold。”这件事在英国完成，他为此骄傲。他说，也许Isomorphic Labs能完成“未竟的事业”。这家公司完全总部设在英国。

五、从AlphaFold到Isomorphic Labs：为什么选择蛋白质折叠

1、根节点问题的吸引力

哈萨比斯在剑桥读本科时，一个痴迷蛋白质折叠的生物学家朋友反复跟他讲这个问题。哈萨比斯说他有一个习惯：仔细倾听那些对某件事异常狂热的人。蛋白质折叠吸引他的原因有三：它是一个一流的科学问题（一维基因序列如何折叠成精密的三维纳米机器）；它是哈萨比斯所说的root node problem，根节点问题，解决它会打开药物发现、基础生物学等整棵新的发现树；有人曾把它描述为“生物学的费马大定理”，50年来无人攻破。

即使在1990年代，当时的技术条件远未成熟，他已经直觉感到这是适合AI处理的那类问题。他把这个想法“存在脑后”近20年。触发他启动AlphaFold项目的具体时刻是2016年AlphaGo首尔对局结束后回到伦敦的那一天——AlphaGo不仅赢了比赛，还下出了一步原创棋（第37手），在围棋这个有限领域内做出了一种“发现”。那是他等待的信号。

2、Isomorphic Labs的命名逻辑

Isomorphic Labs，直译就是“同构实验室”，这个名字来自哈萨比斯的一个信念：生物学和信息科学之间存在同构关系，生物学可以被理解为一个信息处理系统。AlphaFold解决的是蛋白质结构预测，这只是药物发现流程中的一个环节。Isomorphic Labs要做的是从根本上重新想象整个药物发现过程。Hall补充说这让她兴奋，她的博士研究方向是代数拓扑学，和这类结构性思维天然契合。

3、DeepMind的科学应用：飓风预测、聚变、气象

蛋白质折叠之外，DeepMind正在将AI应用于多个科学领域，虽然都处于比AlphaFold更早期的阶段。哈萨比斯举了几个具体例子：帮助聚变反应堆控制等离子体、数学研究、与英国气象局合作的天气预测。

其中最有画面感的是飓风预测。DeepMind的AI飓风预测算法已经是全球最好的，速度远超传统流体动力学模型。2025年10月飓风Melissa来袭时，美国国家气象局使用了这套算法来预测路径，准确预判了飓风转向牙买加。如果能多争取到12到24小时的预警时间，对地面上的人来说结果完全不同。

六、多样性、抵触情绪与社会想象力

1、Hall的核心焦虑：40年了，女性在计算领域的占比不升反降

Hall从1980年代开始关注女性在计算领域的参与度，她说让人恐惧的是情况变得更差了而不是更好。在AI领域尤其如此，硅谷的领导层是一种单一文化。她的导师之一Karen Spark Jones曾在T恤上印过一句话：“Computing is too important to be left to men。”Hall现在说：“AI is too important to be left to men。”

她的论述不是修辞性的。如果通用人工智能真的到来，建设什么样的社会是一个需要多元视角的问题。一个单一文化群体设计出来的通用人工智能系统，其内嵌的价值取向将影响所有人。

2、年轻人的AI抵触开始浮现

Hall讲了一个细节：她助理18岁的女儿，成绩优秀，即将入读布里斯托大学，回来跟妈妈说——“我们班决定教室里不用AI。”南安普顿大学的学生也有类似反应：大学告诉他们怎么在学习中使用AI，学生的回应是“如果这东西真的像公司说的那么厉害，我们不想跟它有任何关系。”

Hall把这比作1980年代反核运动中“不要在我的城市放核弹”的抗议。人们感到无力。在美国，很多人到现在都不理解这届政府是怎么被选上来的。这种无力感正在催生一种对AI的抵触运动，Hall认为这非常危险：如果不加以引导，人们会放弃去抓住AI带来的机遇。

3、投资者的杠杆作用：用购买力投票

哈萨比斯提出了一个务实的期待：随着AI系统进入企业市场（特别是金融等受监管行业），市场力量会自动倒逼负责任的部署。金融服务公司不会接受一个没有护栏的AI智能体在未经许可的情况下下了一笔十亿美元的交易。如果某家AI公司提供的服务导致了这类事故，市场会惩罚它。

他呼吁企业CTO和CIO用采购决策来支持负责任的AI提供商，也呼吁普通消费者“用脚投票”。同时，任何未来的国际AI治理组织发布的标准或条约，投资者可以把它作为投资门槛，不签署就不投资。

核心归纳

Q1：通用人工智能什么时候到来？该怎么准备？

哈萨比斯给出50%概率在2030年。他的建议不是纠结时间线本身，而是接受“它会在我们有生之年发生”这个前提，然后倒推该做什么：教育体系需要重构、国际治理机制需要建立、能源基础设施需要升级。Hall的补充是：即使时间线更晚，也不意味着可以慢慢来，因为制度建设本身就需要很多年。

Q2：英国在全球AI竞争中能扮演什么角色？

哈萨比斯引用了一个多年前对马克龙说的话：“你不能只做监管冠军。”英国的底牌是人才密度（剑桥、牛津、南安普顿、UCL的“金三角”）和多领域的世界级能力集中在一个城市。短板是能源成本（西方最高）和资本市场（独角兽无法在本土成长为巨头）。Hall补充了一个英国真正领先的赛道：AI安全评估和AI assurance产业。

Q3：AI时代的教育应该教什么？

哈萨比斯主张“翻转课堂”：学校里做项目、培养判断力和创造力，回家用AI辅导系统做个性化练习。计算机科学学位不会过时，但课程内容要根本性更新。Hall强调AI素养必须覆盖非理工科学生，她在南安普顿推行“AI驾照”项目。两人都认为人文学科，哲学、经济学，在后通用人工智能时代反而更重要，因为“我们要建设什么样的社会”是一个人文问题。

今天的新一代理想L6发布会，我们不仅交了一份答卷，还做了一次复盘。

先说复盘。上一代L6，销量40万台。用户最满意五件事：驾驶、车机、设计、乘坐、配置。不满三件事：续航、充电、智驾。

新一代L6只有一个目标：长板更长，短板消灭。

纯电——从短板变长板全新51kWh超级增程专用电池 ，300公里四驱续航。峰值260kW，20-80%充电12分钟，看齐5C纯电车。亏电加速和满电一样，5%电量拖半吨拖车爬12%坡道还能超车。等效50万公里超充循环，电池健康度超80%。全国4100座自建超充站，增程车享受品牌超充网络，行业独一份。全系标配，不搞大小电池高低配。把最好的体验给每一位用户。

智驾——起步满血，不做阉割全系标配马赫M100芯片，1280TOPS，英伟达Thor-U有效算力的3倍。7个800万像素摄像头+激光雷达+毫米波雷达，UWB高精度近场感知系统替代超声波雷达。红绿灯起步零犹豫，泊车提前10米识别一气呵成，哨兵模式功耗只有之前的1/5。本月底开始推送，明天门店试驾车率先更新。

驾驶——像换了一双轻便跑鞋几乎每个底盘部件全部重新设计。全铝悬架、双阀连续可变阻尼减震器、运动型转向机。侧倾减少30%，乘坐更舒适。标配4点主动降噪。全系标配四驱。上周台风"巴威"登陆江浙沪，一周之内，四驱为L6用户避免了13.5万次打滑。四驱不是没用，是帮你于无形之中。

座舱——智能化铁三角高通8797 + 马赫M100芯片 + 29寸6K全景屏。三者连在一起，跟任何级别任何车比，都是最顶的。全景屏左右自由分配。爱人坐副驾，给她最大的影音画面。爱人在主驾，给她最好的导航信息。一个聪明的人应该知道什么时候主动缩小自己的窗口。标配电吸门，安静优雅。…

空间——1000个人有1000种葛优躺二排靠背140度，比国内航班头等舱还大。坐垫535mm同级最长。一排零重力座椅带18点揉捏按摩，立体五温区空调，全方位软包覆。坐进去就不想下来。

颜色——不再克制7个颜色，理想有史以来最多。沙丘黄看到就想翘班，风信紫是"我很美，自己知道就行"，曜石黑配曜黑套件就是原厂黑武士。

彩蛋——两个联合影石Insta360，车变大号移动全景相机，6K全景屏实时查看。

车载对讲机上线，移动基站信号不受距离限制，地图实时看队友位置，再也不怕掉队。

全能四驱SUV，体验之王。

只有一个配置，不做价格游戏，相比25款L6Max，增配价值提升超6万元。

新一代理想L6 Ultra官方零售价格：24.98万元。👏

#新一代理想L6#

#模型时代# 哈萨比斯对话英国AI Review主席：教育系统完全没跟上AI的节奏，后通用人工智能时代需要人文学科的复兴

2026年7月15日，伦敦信息技术同业公会（WCIT）年度讲座上线。两位嘉宾：Google DeepMind联合创始人兼CEO德米斯·哈萨比斯，2024年诺贝尔化学奖得主，旗下AI制药公司Isomorphic Labs在2026年5月刚完成21亿美元B轮融资，目标在2026年底前将AI设计的药物推入人体临床试验。Dame Wendy Hall，南安普顿大学计算机科学Regius教授，Web Science Trust联合创始人，2017年英国政府AI Review联合主席，刚被任命为英国科学协会2026-27年度主席。两人同为WCIT新晋成员。

对话开场，主持人直奔一个尖锐的问题：Hall的那份2017年AI Review发布快十年了，英国的AI技能战略现在什么样？Hall的回答有点惨。她说，英国当年在AI战略上排全球第三（仅次于美中），新加坡照搬了英国的模板，然后做得更好，现在已经反超。更糟的是，英国的AI技能负责人这个职位已经没了，AI委员会也撤了，没有任何独立机构在监督政府AI部门那400号人在做什么。

一、AI教育：翻转课堂与个性化学习

1、哈萨比斯倡导“翻转课堂”：蒙特梭利+牛津式辅导，再加AI

“翻转课堂”（flipped classroom）是2007年由美国科罗拉多州两位高中化学教师Jonathan Bergmann和Aaron Sams提出并推广的教育理念，核心是把课堂功能对调：课上做项目和讨论，课外完成知识学习。哈萨比斯倡导将这个模式全面推行到中小学，再加一层AI个性化辅导接管课外练习。…

他观察到一个现实：学生们已经在用LLM和聊天机器人了，无论是课余时间还是做作业，只不过用法“很不系统”。政府和教育系统的态度像是“希望这件事自动消失”，但它不会。

在他的构想中，课堂时间用来做项目、培养人际技能、锻炼创业思维、创造力和判断力，这些是5到10年后通用人工智能到来时仍然需要人类的能力。他的具体参照是“蒙特梭利学校的升级版”，再加上牛津剑桥那种一对一个别辅导的模式引入中小学课堂。

这个构想的核心逻辑是：传统课堂上一个老师教30个学生同一套内容，只能照顾中间水平，跟不上的和超前的学生两头吃亏。AI可以为每个学生定制进度和内容。与此同时，课堂上的教学可以由少数出色的“明星教师”录制标准课程，而不再让每个学校的每个老师各自从零开始做GCSE数学课件。

2、Hall的补充：个性化学习不能只靠“回家做”

Hall基本认同哈萨比斯的方向，但指出一个现实约束：不是所有孩子都有条件在家使用AI学习，教育公平是个硬门槛。她的表述更审慎：个性化学习可以在学校里完成，不一定非要带回家。

Hall自己在1984年就写过一段AI代码，在BBC Micro上用Prolog语言构建了一个智能辅导系统原型。她说那只是一个概念验证，但从那时起她就相信计算机（现在是AI）可以实现个性化辅导，帮助每个孩子达到同一水平线。落地这件事，需要政府做出巨大承诺。

3、计算机科学学位并没有过时——它变成了更高层级的编程语言

有人问大学里的计算机科学学位是否已经多余，两人都断然否定。哈萨比斯的比喻是：编程语言从机器码到C到Python，下一步可能变成英语，但这只是“更高层级的编程语言”。懂底层技术的人使用这些工具的效率可以比不懂的人高出10倍。

Hall的南安普顿大学正在做一件事：为2026年秋季入学的所有新生开发一个“AI驾照”项目，类似英国人考驾照要学的Highway Code那样的基础常识手册，面向非理工科学生，教他们怎么用AI。同时，大学给自己定了一个目标：到下一个学年，每个学科、每个学位都要有一门定制化的AI模块，无论是历史、心理学还是地理。

4、哈萨比斯呼吁人文学科复兴

哈萨比斯说了一句让Hall意外的话：“现在是人文学科的时代，哲学、经济学。”他的理由是：在后通用人工智能时代，人类需要回答的核心问题是“我们要建设什么样的社会”，这类问题属于人文领域。技术能力本身回答不了它。他补充说自己现在比以往任何时候都更相信跨学科工作的价值，AI恰恰能帮人快速进入一个陌生学科。

二、通用人工智能时间表：50%概率2030年，然后呢？

1、哈萨比斯的通用人工智能定义和时间表

哈萨比斯对通用人工智能的定义是：一个可以被测试并展现出人类全部认知能力的系统。他反复强调，人类大脑是目前已知宇宙中唯一的通用智能存在证明，而他相信大脑本质上是一台近似的图灵机（除了量子系统等特殊情况），所以AI系统理论上应当能复现人脑的创造性和发明能力。

当前的LLM系统“在很多方面令人印象深刻”，但缺少某些关键组件，一致性不足。这些缺口可能通过扩展规模解决，也可能还需要一两个像Transformer或将强化学习应用于深度学习（AlphaGo所用的方法）那样级别的突破。

他给出的预期是：考虑到当前投入的资源和人才密度，大约四到五年内，也就是2030年左右。他在别处用的说法是“50%概率在2030年”。如果递归自我改进技术奏效，时间线可能更快。

2、Hall的反驳：那就只剩四年来建立全球治理了

Hall明确站在时间线的另一边。她不接受2030年这个判断，但她的论证重心不在技术预测上，而在后果推演上：“如果你是对的，那我们只有四年来建立全球AI治理体系。”四年之后，如果真有比人类在某些方面更聪明的机器存在，而全球连一个管理框架的雏形都没有，后果不堪设想。

她引用了霍金2014年接受BBC采访时的判断：如果我们建造出比我们聪明的机器，那就是人类的末日。Hall强调她刻意不用“智能”这个词，而是说“聪明”（clever），因为她认为机器智能和人类智能有本质区别。

3、达沃斯上哈萨比斯与Dario Amodei的交锋

Hall提到一个她在教学中使用的素材：达沃斯论坛上，哈萨比斯和Anthropic CEO Dario Amodei的公开辩论。她的概括是：哈萨比斯在表达此刻对话中同样的立场（审慎、强调安全），而Amodei当时正在为公司IPO造势，宣称“今年年底就能达到通用人工智能”。Hall说她用这个对比来教学生辨别技术判断和商业宣传的区别。

4、Anthropic Mythos事件成为分水岭

两人都把2026年6月的Anthropic Mythos事件视为全球AI治理觉醒的触发点。Anthropic发布的Mythos模型在网络安全漏洞发现方面远超此前任何模型，引发了美国政府的紧急出口管制。特朗普政府此前推翻了拜登时代的AI监管行政令，承诺不监管，但Mythos事件迫使其转向，开始要求企业在发布先进模型前提交政府评估。

哈萨比斯说，Mythos之所以成为转折点，是因为“银行开始担心了”。他的原话是：“银行一担心，政府就醒了。”但他补充，网络安全只是开始，他更担心的是下一步的生物风险。AlphaFold这类工具在错误的人手中也可以被滥用。

就在这场对话前一天（2026年7月14日），哈萨比斯发布了个人宣言《前沿AI框架与新时代的黎明》，呼吁美国牵头成立一个以金融业监管组织FINRA为模板的AI标准机构，由行业出资、独立运营，在发布前评估前沿模型。Sam Altman、Satya Nadella等人都在社交媒体上表示支持。

三、全球治理：谁来建？怎么建？

1、联合国不行，但可以从联合国“长出来”

Hall说她参加过联合国AI高级别顾问委员会，她的判断是：联合国“已经不是过去的联合国了”，不具备执行力。但即将于2026年7月在日内瓦举行的全球AI对话由联合国主办，从中产生的机制不一定要隶属于联合国。

她和哈萨比斯都赞成英国在Sunak政府时期发起的AI峰会（从Bletchley Park开始），认为这些峰会虽然不够，但至少把国际社会聚到了一起。哈萨比斯直言印度那场AI峰会“什么成果也没出来”，25万人参加的大会变成了纯粹的清谈。他的判断是：清谈式峰会不够，气候变化的COP会议开了这么多年也没解决问题，AI治理必须走一条不同的路。

2、大型科技公司并非“火鸡投票过圣诞”

有人质疑：让科技公司参与监管自己，岂不是让火鸡投票赞成过圣诞节？哈萨比斯否认。他说自己认识所有实验室的领导者，“各有各的性格”，但没有人希望灾难性事件发生，那对公司、个人声誉和商业都是毁灭性的。

问题不在意愿，在于博弈论。这就是经典的公地悲剧和囚徒困境：即使每个人都想合作，总有人有动力通过违反协议来获利，所以必须有强制力的治理机制来改变激励结构。

3、中国的角色很重要，能够协作

Hall主动把中国拉进讨论。她说中国很愿意参与甚至主导任何AI治理机构的运作，原因和西方一样，不希望灾难发生。中国的AI模型在很大程度上采用开放代码策略，对国际合作框架的接受度可能比美国政府更高。

4、深度伪造的技术解法：水印必须成为行业标准

在被问到如何对付流氓行为者时，哈萨比斯提到一个DeepMind已经在做的技术方案：不可见数字水印。他认为这会成为行业标准，任何生成媒体的模型都必须内置水印功能和配套的检测系统，政府和记者可以调用这个检测系统，最终整个互联网应该自动标记AI生成的内容。法律层面，深度伪造造成的伤害必须有明确的立法和执行力度。

四、英国的底牌与短板

1、DeepMind为什么在伦敦：一个关于人才套利的创业故事

哈萨比斯讲了一段创业史。2010年在伦敦创办DeepMind时，整个城市没有人在做AI或深科技。一个剑桥物理学博士如果不想留在学术界又想留在英国，唯一的选择就是去对冲基金。哈萨比斯给这些人提供了另一个选项。他当时以5万英镑年薪雇到了世界级人才——“现在的AI行业，这个钱连一天的实习生都请不到。”

这种人才套利持续了六七年。后来大科技公司意识到英国的人才密度，纷纷在King's Cross周围设立分部。这反而是好事，更多投资和人才被吸引过来，那些人工作几年后又出去创业，形成生态循环。

HSBC Innovation Banking的CEO Emily Turner在活动总结中给了一个数据：2026年第一季度，英国10%以上的风险投资资金来自DeepMind前员工创办的公司。同一季度，英国74%的VC资金流向了AI公司。

2、伦敦的独特优势：所有东西都在一个城市里

哈萨比斯提出了一个很少有人注意到的结构性优势。美国的核心能力分散在不同城市：政府在华盛顿，金融在纽约，生命科学在波士顿，科技在硅谷，娱乐在洛杉矶。而伦敦在所有这些领域都达到了世界级水平，集中在一个城市里。对于跨学科协作来说，这种密度的价值无法替代。

他曾尝试推动英国、法国和加拿大建立一种三方研究同盟。从论文引用、研究者数量来看，这三个国家加起来构成了两个超级大国之外最强的研究力量。这个构想因为政治原因没有实现，但他认为机会仍然存在。

3、英国的核心短板：能源成本和资本市场

哈萨比斯列了两个结构性问题。第一是能源。英国的能源成本是西方世界最高的，而AI经济的核心公式是“瓦特 → 美元 → token”，推理成本直接决定产业竞争力。如果不解决能源问题，英国连数据中心都建不起来。

他的反直觉判断是：数据中心的能耗问题被过度渲染了。真正改变气候方程式的不是在现有框架里省1%到2%的碳排放，而是用AI去突破聚变、新材料、更高效太阳能等根本性技术。Hall接着说了一句更激进的话：将来每个城市和小镇都会希望拥有一座数据中心，因为数据中心会从能源消耗者“翻转”为能源生产者。

第二个短板是资本市场。英国擅长孵化独角兽，但无法把它们培养成全球性的大公司。哈萨比斯的原话是：英国需要产出自己的第一家万亿美元级独立公司。伦敦证券交易所有明显的问题，公司不愿在那里上市，宁可去美国。问这个问题的人是英国最资深的IT分析师Richard Holway。他指出，Computacenter在2026年6月刚进入FTSE 100，是仅有的第二家进入该指数的科技公司。按市值排名，全球前100科技公司中英国只有ARM一家，还是在NASDAQ上市的。

4、AI安全评估机构：英国做到了世界第一

Hall强调了一个英国真正领先的领域：AI安全评估。英国的AI Safety Institute（2025年2月更名为AI Security Institute）是全球同类机构中最好的，正在为如何评估科技公司输出的AI模型制定基准。此外，英国国家物理实验室新设了一个AI测量中心，专注于“AI的科学”，也就是研究AI本身的运行规律，而不是把AI当作研究其他领域的工具。

这一切归入一个正在成长的行业类别：AI assurance，可以理解为AI保障行业。Hall透露，政府将在2026年7月的伦敦科技周上发布相关公告，把AI assurance打造成一条新的职业路径，面向的不只是技术人员。

5、哈萨比斯为什么不后悔把DeepMind卖给谷歌

观众中有人直接问：如果DeepMind没被收购、独立上市，现在可能是FTSE 100的头部公司，还能带动整个英国科技生态。哈萨比斯的回答坦诚。

2014年，他们刚做完Atari游戏AI（在OpenAI成立之前、在AlphaGo之前），硅谷的巨头们开始挖人，对方开价1000万美元年薪，如果被拒还可以加到5000万。DeepMind当时连产品都没有，哈萨比斯自己零薪水，每轮融资只能凑到1000万美元量级。要做他想做的事需要70亿美元的投入，2014年那个节点上没有任何投资人愿意出这个钱。

但他说不后悔的根本原因和钱无关：“我不会拿我的诺贝尔奖去换任何金额的钱。”全球300万研究人员在使用AlphaFold，一位知名药企朋友告诉他：“未来可能不会有任何一种新药的研发过程中没用过AlphaFold。”这件事在英国完成，他为此骄傲。他说，也许Isomorphic Labs能完成“未竟的事业”。这家公司完全总部设在英国。

五、从AlphaFold到Isomorphic Labs：为什么选择蛋白质折叠

1、根节点问题的吸引力

哈萨比斯在剑桥读本科时，一个痴迷蛋白质折叠的生物学家朋友反复跟他讲这个问题。哈萨比斯说他有一个习惯：仔细倾听那些对某件事异常狂热的人。蛋白质折叠吸引他的原因有三：它是一个一流的科学问题（一维基因序列如何折叠成精密的三维纳米机器）；它是哈萨比斯所说的root node problem，根节点问题，解决它会打开药物发现、基础生物学等整棵新的发现树；有人曾把它描述为“生物学的费马大定理”，50年来无人攻破。

即使在1990年代，当时的技术条件远未成熟，他已经直觉感到这是适合AI处理的那类问题。他把这个想法“存在脑后”近20年。触发他启动AlphaFold项目的具体时刻是2016年AlphaGo首尔对局结束后回到伦敦的那一天——AlphaGo不仅赢了比赛，还下出了一步原创棋（第37手），在围棋这个有限领域内做出了一种“发现”。那是他等待的信号。

2、Isomorphic Labs的命名逻辑

Isomorphic Labs，直译就是“同构实验室”，这个名字来自哈萨比斯的一个信念：生物学和信息科学之间存在同构关系，生物学可以被理解为一个信息处理系统。AlphaFold解决的是蛋白质结构预测，这只是药物发现流程中的一个环节。Isomorphic Labs要做的是从根本上重新想象整个药物发现过程。Hall补充说这让她兴奋，她的博士研究方向是代数拓扑学，和这类结构性思维天然契合。

3、DeepMind的科学应用：飓风预测、聚变、气象

蛋白质折叠之外，DeepMind正在将AI应用于多个科学领域，虽然都处于比AlphaFold更早期的阶段。哈萨比斯举了几个具体例子：帮助聚变反应堆控制等离子体、数学研究、与英国气象局合作的天气预测。

其中最有画面感的是飓风预测。DeepMind的AI飓风预测算法已经是全球最好的，速度远超传统流体动力学模型。2025年10月飓风Melissa来袭时，美国国家气象局使用了这套算法来预测路径，准确预判了飓风转向牙买加。如果能多争取到12到24小时的预警时间，对地面上的人来说结果完全不同。

六、多样性、抵触情绪与社会想象力

1、Hall的核心焦虑：40年了，女性在计算领域的占比不升反降

Hall从1980年代开始关注女性在计算领域的参与度，她说让人恐惧的是情况变得更差了而不是更好。在AI领域尤其如此，硅谷的领导层是一种单一文化。她的导师之一Karen Spark Jones曾在T恤上印过一句话：“Computing is too important to be left to men。”Hall现在说：“AI is too important to be left to men。”

她的论述不是修辞性的。如果通用人工智能真的到来，建设什么样的社会是一个需要多元视角的问题。一个单一文化群体设计出来的通用人工智能系统，其内嵌的价值取向将影响所有人。

2、年轻人的AI抵触开始浮现

Hall讲了一个细节：她助理18岁的女儿，成绩优秀，即将入读布里斯托大学，回来跟妈妈说——“我们班决定教室里不用AI。”南安普顿大学的学生也有类似反应：大学告诉他们怎么在学习中使用AI，学生的回应是“如果这东西真的像公司说的那么厉害，我们不想跟它有任何关系。”

Hall把这比作1980年代反核运动中“不要在我的城市放核弹”的抗议。人们感到无力。在美国，很多人到现在都不理解这届政府是怎么被选上来的。这种无力感正在催生一种对AI的抵触运动，Hall认为这非常危险：如果不加以引导，人们会放弃去抓住AI带来的机遇。

3、投资者的杠杆作用：用购买力投票

哈萨比斯提出了一个务实的期待：随着AI系统进入企业市场（特别是金融等受监管行业），市场力量会自动倒逼负责任的部署。金融服务公司不会接受一个没有护栏的AI智能体在未经许可的情况下下了一笔十亿美元的交易。如果某家AI公司提供的服务导致了这类事故，市场会惩罚它。

他呼吁企业CTO和CIO用采购决策来支持负责任的AI提供商，也呼吁普通消费者“用脚投票”。同时，任何未来的国际AI治理组织发布的标准或条约，投资者可以把它作为投资门槛，不签署就不投资。

核心归纳

Q1：通用人工智能什么时候到来？该怎么准备？

哈萨比斯给出50%概率在2030年。他的建议不是纠结时间线本身，而是接受“它会在我们有生之年发生”这个前提，然后倒推该做什么：教育体系需要重构、国际治理机制需要建立、能源基础设施需要升级。Hall的补充是：即使时间线更晚，也不意味着可以慢慢来，因为制度建设本身就需要很多年。

Q2：英国在全球AI竞争中能扮演什么角色？

哈萨比斯引用了一个多年前对马克龙说的话：“你不能只做监管冠军。”英国的底牌是人才密度（剑桥、牛津、南安普顿、UCL的“金三角”）和多领域的世界级能力集中在一个城市。短板是能源成本（西方最高）和资本市场（独角兽无法在本土成长为巨头）。Hall补充了一个英国真正领先的赛道：AI安全评估和AI assurance产业。

Q3：AI时代的教育应该教什么？

哈萨比斯主张“翻转课堂”：学校里做项目、培养判断力和创造力，回家用AI辅导系统做个性化练习。计算机科学学位不会过时，但课程内容要根本性更新。Hall强调AI素养必须覆盖非理工科学生，她在南安普顿推行“AI驾照”项目。两人都认为人文学科，哲学、经济学，在后通用人工智能时代反而更重要，因为“我们要建设什么样的社会”是一个人文问题。

Athletic：“梅西与婴儿时期的拉明·亚马尔相遇：一张传奇照片背后的故事”：

记者：Dermot Corrigan （本文的早期版本于2024年7月首次刊发，后在2026年世界杯决赛前进行了更新。）

“那张照片真的很难拍。”摄影师霍安·蒙福特告诉 <The Athletic>，“可以说，为了拍好它，我连血汗都流出来了。”

“梅西现在依然有些腼腆，刚出道时就更害羞了。可当时，他面对的是一个非常小的婴儿，孩子正躺在装满水的塑料浴盆里。一开始，他们之间几乎没有什么互动，对所有人来说都很难。但慢慢地，感觉开始有了，最后拍出来的效果相当不错。”

2007年12月，蒙福特拍下了这张照片。照片中的梅西当时20岁，开启自己传奇的巴塞罗那生涯才三年多；而他身边的拉明·亚马尔，只有五个月大。

这张照片后来被收录进2008年的一套慈善年历。活动由巴塞罗那俱乐部基金会与<每日体育报>共同组织，所得款项被捐给联合国儿童基金会以及加泰罗尼亚地区的其他慈善机构。

当时，巴塞罗那每年都会开展这项活动，安排一线队球员与儿童共同拍照。数百个家庭曾参与其中。如今，绝大多数照片早已被人遗忘，只剩下参与拍摄的家庭仍将它们当作珍贵的私人回忆。

偏偏就是这么巧：后来成为巴萨未来之星的亚马尔，被安排与梅西搭档拍照；而梅西日后八次赢得金球奖。如今，两人将在周日的大都会人寿体育场举行的世界杯决赛中相遇。西班牙对阵阿根廷，这也将是他们第一次在正式足球比赛中成为对手。

除了这张“洗澡照”，当时还拍摄了其他几张照片。其中一张是梅西用毛巾抱着婴儿亚马尔，另一张则是亚马尔的母亲希拉·埃巴纳帮忙为儿子洗澡。

这些照片在2024年欧洲杯期间重新进入公众视野。当时，亚马尔的父亲穆尼尔·纳斯拉维在社交媒体上分享了它们。…

“这实在太不可思议了。”蒙福特在2024年7月接受<The Athletic>采访时说，“当时没有人能够想象，这个婴儿后来会成为今天的亚马尔。同样，你也不可能知道，梅西最终会取得后来那样的成就。”

“我们说的是2007年。那时梅西在巴萨也才刚刚起步。命运在这种事情里，确实发挥了非常重要的作用。”

截至2007年12月，梅西已经赢得两次西甲冠军和一次欧冠冠军，但他仍然只是巴萨队内一名正在崛起的年轻球员。当时那支球队众星云集，拥有罗纳尔迪尼奥、萨穆埃尔·埃托奥、哈维、安德烈斯·伊涅斯塔、卡莱斯·普约尔和蒂埃里·亨利等成名球星。

“他们会给你一份12名球员的名单，每个月安排一名球员。”蒙福特说，“很多时候，球员一到现场就会说：‘来吧，赶紧拍。我时间很紧，你想怎么拍？’但这种照片必须慢慢来。”

“拍摄现场可能会有些冷场，特别是当你需要两个互不认识的人产生互动时。更何况，其中一个是婴儿，另一个只有20岁，拍起来就更困难了。不过最终效果还是相当不错。”

“孩子的母亲帮了很大的忙。她必须待在现场，这样婴儿才不会觉得周围的一切过于陌生。我们想要的是一张温柔的照片，要有甜蜜、温馨的感觉。”

蒙福特一直尽量确保每个参加活动的家庭都能拿到几张孩子的照片，留作纪念。这一次尤其如此，因为亚马尔的母亲为了带着孩子从巴塞罗那东北方向的马塔罗来到诺坎普球场，付出了不少时间和精力。

“我一直希望能送给他们一张照片，因为这会让他们特别开心。”蒙福特说，“球员本人可能不会太在意，但孩子的父母一定会非常激动。”

“他们住在40公里外，也就是大约25英里远的地方。不是每个人都愿意带着那么小的婴儿跑这么远。他们得先赶过来，然后等待球员到场，再等所有拍摄设备布置完成。”

大约六年半之后，亚马尔开始经常从马塔罗前往巴塞罗那参加训练。2014年，他加入了俱乐部著名的拉玛西亚青训学院。

此后，他的成长速度令人惊叹。

2023年4月，亚马尔在15岁时完成西甲首秀。同年9月，他在16岁时首次代表西班牙国家队出场。2024年，他成为西班牙夺得欧洲杯冠军的重要成员。如今，他已经是西班牙队在本届世界杯上的头号球星，尽管截至目前，他还没有完全在这届赛事中爆发出自己的最佳状态。

在俱乐部层面，亚马尔如今身披梅西当年在巴萨穿过的标志性10号球衣，也被视为最接近这位阿根廷传奇的接班人。

梅西在加泰罗尼亚效力了21年，取得了无数成就。他本人同样年少成名，早在2000年9月、年仅13岁时就加入了巴塞罗那。

“这种事情发生的概率可能只有百万分之一。”蒙福特说，“实在是太幸运了。”

“如今类似的事情可能稍微多一些，因为每个人都有手机，也会随时分享照片。但这就像佩普·瓜迪奥拉小时候的那张照片一样：当时，他正在为被球员们抬在肩上的特里·维纳布尔斯鼓掌。维纳布尔斯去世后，佩普还分享了那张照片。”

蒙福特提到的照片（图5）拍摄于1986年4月。当时，15岁的瓜迪奥拉还是拉玛西亚的一名学员，同时担任巴萨的球童。后来，他先后成为巴萨球员和主教练。

来自英格兰的维纳布尔斯当时正处于执教巴萨三年任期的中段。在与哥德堡IFK进行的欧洲冠军杯半决赛中，巴萨首回合0比3落后，但最终完成逆转，并通过点球大战晋级。赛后，球员帕科·克洛斯和米格利将维纳布尔斯高高抬起。

蒙福特如今仍在从事摄影工作。他目前是一名自由摄影师，为总部位于马德里的体育报纸<阿斯报>以及法新社等客户供稿。

2024年欧洲杯期间，梅西与亚马尔的照片突然在网上走红。一名曾与蒙福特在<每日体育报>共事的前同事联系了他，这令他十分意外。

“他问我，那是不是我拍的照片。”蒙福特说，“我说是的。他把照片发给我，我就问他，照片里的婴儿是谁。”

“他开始大笑，然后说：‘拉明，拉明。’”

“他告诉我，是孩子的父亲把照片发到了社交媒体上。<每日体育报>的人几乎不敢相信，因为他们当时也才刚刚意识到这件事。”

“整件事真的让我非常惊讶。我们拍过那么多照片、留下过那么多影像，但有些照片，最终就是会被历史记住。”

“毫无疑问，这是我一生中拍过的最著名的照片，其他照片根本无法与它相比。很多人都对它感兴趣，现在世界杯期间，它又一次受到关注。”

“假如拉明继续按照现在的轨迹成长，这张照片还会变得更有历史意义。所有这些事情同时发生的概率，简直就像中彩票一样。只不过，它还没有让我从此实现财务自由。”他说着笑了起来。

“我只是非常高兴，这件事真的发生了。尤其是在今天的足球世界里，太多事情都与金钱和权力有关，所以这样一个故事就显得格外美好。”

#海外新鲜事##英格兰vs阿根廷##今日焦点##曾经你给我洗澡现在我和你争冠##19岁亚马尔将迎来与39岁梅西的首次对决#