近日，德米斯·哈萨比斯在接受 CNBC 专访时，罕见系统性地评价了全球 AI 竞争格局，尤其谈及中国 AI 团队的追赶速度、优势与短板。
他直言，中国 AI 团队的进步速度“极快”，在时间尺度上已只落后领先者“几个月”，而非过去普遍认知中的“几年”。以 DeepSeek、阿里巴巴 等为代表的团队，在工程效率、推理优化和成本控制方面展现出极强实力。
哈萨比斯指出，中国团队在“复现与优化既有技术路径”上的能力已处于全球顶级水平——一旦有新论文或新方法出现，往往能以极快速度完成复现，甚至在性能或效率上实现局部超越。这种能力，正在持续消耗硅谷过去那种“领先一代”的安全感，而且这种差距不是按年缩小，而是按月。
但与此同时，他也明确指出，中国 AI 的短板仍在于原创性突破。无论是 Transformer，还是 AlphaGo 这种“从零到一”的范式级创新，目前仍主要诞生于美国研究体系之中。中国团队更像是在既有轨道上高速奔驰，而“铺设新轨道”的能力，还需要更长时间的科研积累、失败容忍度与探索文化。
哈萨比斯强调，这并非能力问题，而是创新路径不同。真正的原创性突破，往往来自长期基础研究、反复试错和跨学科探索的叠加。
但他同样看好中国 AI 的潜在爆发力。他认为，当工程优化和应用规模被推到极致时，往往会催生质变。中国拥有庞大的应用场景、极快的市场反馈速度和持续投入的产业环境，未来完全可能从不同角度“劈出一刀”，实现改变格局的原创创新。
在谈及通向 AGI（通用人工智能）的挑战时，哈萨比斯提出了“锯齿状智能”（jagged intelligence）的概念：当前大模型在某些任务上表现惊艳，但在复杂因果推理、多步骤逻辑和现实常识方面仍不稳定。这说明，真正的通用智能不仅要“强”，还要在不同能力维度上保持一致性与可靠性。
他认为，单靠规模定律（Scaling Law）已不足以通向 AGI。虽然扩大模型、算力和数据的边际收益在下降，但整体仍然值得投入；真正的突破，还需要一到两个类似 Transformer 级别的新范式。
哈萨比斯对 AGI 持谨慎乐观态度，预计可能在 5–10 年内出现，并指出算力问题最终会回到能源问题——未来“能源就是智能的货币”。他特别强调“世界模型”将是通向 AGI 的关键路径：相比只处理文本的 LLM，世界模型能够理解因果关系、模拟现实、进行规划与预测。
谷歌DeepMind 已在 Genie、Veo 视频生成以及机器人模拟中探索这一方向，让 AI 在虚拟世界中学习、试错和成长。未来的 AGI，很可能是 LLM 与世界模型的融合体。
在应用层面，哈萨比斯看好端侧 AI，将高效模型部署到手机、可穿戴设备和智能眼镜中。谷歌希望通过 Project Aura 智能眼镜和机器人项目，让 AI 不只是“会说话”，而是真正“能做事”。
总体而言，他认为中国 AI 已凭实力坐上全球顶级牌桌，但未来几十年的胜负，取决于谁能率先在无人区铺设新轨道。速度重要，但方向选择更重要；真正的竞争，不只是算力与工程之争，而是原创性突破的勇气与能力之争。
