迈向AGI的核心障碍 | DeepMind CEO最新对话实录
2026年谷歌I/O大会期间，Axios联合创始人Mike Allen与谷歌DeepMind CEO Demis Hassabis进行了一场炉边对话。对话涵盖AGI时间节点预测、AI对科学与医疗的革命性影响、技术竞争格局、就业与社会变革、AI Agent的未来走向等话题。
关于AGI时间节点，Demis Hassabis表示，他认为离完整版AGI问世现在只有几年时间，最新预测节点为2030年左右，前后误差一年，即2029年至2031年之间。他指出，这不会是一个顿悟时刻，而是一个渐进但可能非常快速的提升过程。对于AGI的判断标准，Demis Hassabis提出了他称之为"爱因斯坦测试"的衡量框架：将当前最前沿模型的知识截止时间设定在1901年，它能否像爱因斯坦在1905年那样独立提出包括狭义相对论在内的划时代洞见与重大发现。他表示，现今的AI显然还做不到，但未来没有理由做不到，只有达到这一步，才能称得上是真正的AGI。
关于谷歌的竞争优势，Demis Hassabis表示，谷歌是全球唯一拥有从芯片、数据中心、云计算、前沿实验室，到嵌入AI的十亿级用户产品的完整全栈布局的组织。他认为过去一年最大的飞跃在于消费者端，技术栈几乎从底层开始彻底重写，实现了从AI优先到AI Agent优先的战略转型。他指出，Gemini应用程序月活跃用户已达9亿，增长速度惊人，谷歌对这个全栈反馈循环的持续优化是其核心竞争壁垒。
关于AI与模拟技术的互补关系，Demis Hassabis认为两者高度互补。一方面，AI可以学习并模拟极其复杂的物理现象，例如WeatherNext系统能比传统系统更快速精准地预测飓风路径。另一方面，模拟环境能为AI提供极端长尾场景的海量训练数据，例如通过交互式3D模型Genie为Waymo自动驾驶在十亿分之一概率的罕见场景下进行测试，覆盖日常训练数据中永远无法获得的极端情况。
关于AI赋能科学，Demis Hassabis表示，在极限状态下AI就是服务于科学的终极工具，可以帮助最顶尖的专家迅速驾驭极端复杂的海量数据，挖掘隐秘关联与深层结构。他相信在未来十年内，将在多个停滞了三四十年的科学领域迎来类似蛋白质折叠那样的重大突破。
关于AI Agent的落地现状，Demis Hassabis认为本届谷歌I/O大会最核心的信号是AI Agent时代真正到来，当前最重要的战略动作是将Agent深度整合进谷歌整个生态系统，目前仅仅触及了AI Agent潜力的冰山一角。他预测，一年后的谷歌I/O 2027，核心焦点将是海量AI Agent深度嵌入真实工作流，以及现实世界AI在机器人领域的跨越式突破。
关于系统自我演进与一致性，Demis Hassabis指出，编程和数学领域的输出结果严谨可验证，可据此生成无限量的合成数据，这将形成一个不断强化的复利飞轮，是目前所有顶尖实验室都在下重注的核心方向。他同时强调，真正的AGI不应呈现参差不齐的"锯齿状智能"，他认为这是当前模型的根本缺陷，也是迈向AGI必须跨越的核心障碍。
01
AGI近在眼前，2030年或将是历史分水岭
在昨天的主题演讲中，你宣布推出Gemini for Science项目，并留下了一个极具悬念的结尾——"当我们回首这段时光，我想我们会意识到，我们正站在奇点的山脚下。"能否带我们深入探讨你认为未来会发生什么，你又期望发生什么？
Demis Hassabis：我发现大家似乎都特别关注那句话，这在预料之中，我也很高兴能借此机会稍微展开讲讲。显然我经常谈论AGI已经近在咫尺。我认为距离完整版AGI的问世现在只有几年的时间了。奇点这个词很好地描述了由AGI这种技术的出现所引发的新时代。部分原因在于它将带来极其深远的变革，我认为这可能是人类历史上最重要的发明，以至于在这个时间节点之后我们很难做出太多具体的预测，因为它将改变太多东西。就在今年，随着我们所有人都在体验和使用AI Agent，我们已经能开始感受到这种变革了。这就是我那句话的意思。当我们在五年或十年后回望时，我们会恍然大悟，原来在2026或2027年一切就已经开始了。
你说我们已经能感受到这种变革，能具体展开吗？
Demis Hassabis：仅仅是通过使用我们内部的编码AI和编码AI Agent，通过自然语言直觉编程来写代码，我就真切感受到了。即使是我在凌晨腾出一两个小时的空闲时间，就能快速做出以前需要六个月才能完成的小型游戏原型。这种加速效应非常令人瞩目。我们在科学领域也看到了这种加速，显然几年前的AlphaFold就是很好的例子，而如今AI几乎已经渗透到科学的每一个分支。我也看到了我们在Isomorphic Labs等药物研发项目中取得进展的速度之快。将这一切综合起来看，再结合目前基础模型、聊天机器人以及像Omni这样的生成式媒体模型的最新进展，这所有的一切汇聚在一起就是令人惊叹的巨大进步。
你目前最新的AGI预测节点是什么时候？
Demis Hassabis：我最近常说大约在2030年左右，前后误差一年。根据我目前的观察，这是一个合理的估计，也就是2029年到2031年之间。
DeepMind最初的使命是破解智能。我们现在进展如何？在场的建设者们，在他们有生之年里，你认为智能这个终极难题会被破解吗？
Demis Hassabis：我们进展非常顺利。我们最初的规划是：第一步破解智能，第二步利用智能去解决其他所有问题。这个愿景相当有先见之明。这正是我们对AGI的期许，即一种能够提供广泛帮助的通用技术。我当时更多考虑的是科学和医学领域，希望通过它来加深我们对周围世界运行规律的理解。我们现在正处于实现这一目标的风口浪尖。
"破解智能"只是一个简明的说法，它的实际含义就是指构建AGI，我们距离这个目标还有几年的时间。对我而言这将是迈出的第一步。
关于AGI，不同的人有不同的看法。你是否认为会有一个顿悟时刻，我们能明确感知到它的到来？
Demis Hassabis：我不这么认为。这会是一个渐进的演变过程。这正是我们目前所看到的，可能是一个非常快速的提升过程。但我心中有一个特定的测试标准，我称之为"爱因斯坦测试"。想象一下，如果你把当前最前沿的模型之一的知识截止时间设定在1901年，它能否像爱因斯坦在1905年那样提出包括狭义相对论在内的那些令人惊叹的洞见和重大发现？当前的AI能否独立产生那些深刻的见解和突破？
现今的AI显然还做不到。但未来它们没有理由做不到。这正是我仍在期待这些AI能够展现出的创造力或认知飞跃，只有达到这一步，才能称得上是真正的AGI。
02
谷歌全栈生态与AI优先战略构筑竞争壁垒
外界评论认为谷歌已经重新找回了AI竞赛的节奏。如果谷歌最终获胜，原因会是什么？谷歌的优势在哪里，又是什么发生了改变？
Demis Hassabis：我觉得很有趣，外界的评价总是反复无常，一会儿说我们回归了，一会儿说我们赢了，然后又说我们没回归。事实是至少在三家顶级前沿实验室之间，乃至整个科技前沿领域，这都是科技史甚至可能是企业史上最激烈的竞争。这种竞争一直在持续。所有机构中都有非常能干且才华横溢的顶尖人才，每个人都在竭尽全力推动研究和技术突破。
就我们需要完成的目标而言，我们做得非常出色，特别是在底层技术方面。我们拥有比其他实验室更深厚且更广泛的研究储备。我们一直具备这种优势。这赋予了我们持续创造下一次技术突破的创新能力。你现在看到了我们即将发布的新模型Gemini 2.5 Flash Pro。我们对底层模型的进展感到非常满意。此外我们还有所有的生成式媒体模型，Omni是最新的一款。一切都在顺利推进。
进展极其顺利的地方在于消费者端。这是我们在过去一年里实现的最大飞跃，即精简我们的技术栈，实际上几乎是从底层开始彻底重写，使其全面转向AI优先，现在更是AI Agent优先。对于像谷歌这样庞大且卓越的工程组织来说，这是一个巨大的转变，因为我们每天都在利用强大的工程技术栈在多个产品界面上为数十亿用户提供服务。为了能够将最新模型的功能大规模地直接集成到所有这些产品中，技术栈必须进行彻底升级。现在我们已经非常出色地完成了这项工作，甚至比任何其他大型科技公司都要好。
从Gemini应用程序的用户采用率进展中，你已经能看到初步成果。现在它的月活跃用户已达9亿，增长速度惊人。此外搜索中的AI模式也广受欢迎，它是人们获取信息时极其有用的AI版本。纵观我们的各个产品线以及我们在模型上的投入，特别是那些小巧高效但依然非常强大的模型，这对我们的内部应用场景至关重要，因为我们需要服务数十亿用户。同时这对我们的一些大型企业客户也意义重大。
当你综合看待这一切，再看看我们拥有全栈生态的巨大优势，从芯片到数据中心，再到云计算和前沿实验室，最后到嵌入了AI的十亿级用户产品，我认为我们是世界上唯一拥有这种全栈布局的组织。我们正在不断努力优化这个反馈循环，让它们相互促进并协同发展。
你认为你们会赢吗？最终会有几个赢家？
Demis Hassabis：我认为我们将成为这个时代的巨大赢家之一。我并没有真正从"赢得什么"的角度来看待这个问题。AI时代的影响将是无比巨大的，它将创造出难以置信的新机遇，推动前所未有的经济发展。我们必须确保自己是这个后AGI新时代的关键参与者之一，我们为此占据了非常有利的位置。至于最终会有多少个主要玩家，考虑到这项技术的强大威力，我猜测只会是屈指可数的几家。
跳出竞争来看，我经常说的是，尽管我们在这场竞赛中拼搏激烈，但所有前沿实验室的领导者都需要思考，他们也确实在思考对整个世界承担责任的更大格局。当我们将这种不可思议的技术引入世界时，我们希望它是为了造福全人类。这是一项超越我们所有人的伟大事业，我们在竞争时必须牢记需要以谨慎周密的方式迈出最后的步伐，确保我们在构建它时将安全性铭记于心，同时努力实现我们所有期望看到的美好应用场景。
03
AI的社会冲击与公众抵触情绪从何而来
今天有报道指出对AI的抵制情绪正在积聚，美国民众存在抗拒心理。为什么会发生这种情况，行业又能做些什么来改善？
Demis Hassabis：对业内一些同行谈论这个话题的很多方式我并不完全认同。我不太赞同他们的沟通方式，也不认同其中的某些实质观点。我的看法是毫无疑问将会发生巨大的改变。对于这种具有颠覆性变革的技术，如果你非要尝试量化它，它的影响将是工业革命的10倍，速度可能是10倍，也就是说这一切将在十年内发生，而不是一个世纪。而且这个估计极有可能是保守了。
你可以把它看作是工业革命的100倍，这可能还是保守估计，所以说这影响是极其巨大的。但对于这一点我想说的是，未来尚未书写，它充满了不确定性。会创造出更多的工作岗位吗，会出现不同的职业吗？没有人确切知道，那些所谓的专家也都不确定。
实际上未来将由下一代人来书写。当我与学生交流或者去各地考察时，我感到非常振奋。今年早些时候我们刚参加完印度AI峰会。印度的年轻人们对他们能做的事情感到无比兴奋，对这些工具将赋予他们的能力充满期待，比如创办公司、开发应用以及在全球舞台上竞争。这项技术实际上正在使创新的机会民主化。过去需要一个由几十名专家组成的团队才能完成的项目，现在也许一个聪明的孩子在自己的车库里就能独立完成。
当我回想起从早期的家用电脑到后来的互联网，它们为那个时代的孩子和学生创造了无数的机遇，那些伴随着这些技术成长的数字原住民最终塑造了我们今天所看到的未来。这一幕将在伴随着AI成长的下一代人身上重演。至少在未来的十年里他们将拥有超级能力，再长远的未来则很难预测。只要他们接受了足够的技术培训，并在这个基础上发挥创造力、品味和判断力，那将是下一个伟大的时代。我对人类的聪明才智充满乐观，相信人们总能找到使用这些新工具的绝佳方式，而我们现在也无时无刻不在见证这一点。
你的直觉是工作岗位的总数会净增加，还是目前无法断言？
Demis Hassabis：就业市场必然会发生结构性变化，就像任何一场新革命发生时一样。但我想不出任何理由为什么不会有更多的机会涌现。也许未来的就业模式会更倾向于创业，比如一人或两人的初创公司。社会将需要更多的创业技能，因为现在人们手中掌握了这些极其强大的创作工具。改变是必然的，但总体而言情况会变得更好。
关于人们对AI的抵制情绪，我想说的另一点是，整个AI行业有责任更清晰且更具体地展示AI带来的明确益处。这正是我们在利用AI赋能科学领域所努力的方向，我们将AI应用于推动科学和医学的进步。这也正是我整个职业生涯都在致力于使用这些AI工具去实现AlphaFold以及药物发现等突破的原因。AI可以广泛应用于科学的诸多领域。而我们也正在努力做到这一点，无论是在材料科学、数学还是能源领域。这才是我们迫切需要向世界展示的成果，我也希望我们的同行机构也能在这方面做出更多贡献。
你非常自豪地称自己为科学家，你不是末日派，也不是加速派。为什么一些AI领域的领导者会大肆谈论AI的负面影响，这对他们有什么好处？
Demis Hassabis：我处于中间立场，我称自己为谨慎的乐观主义者。我很乐观，否则我也不会在这个领域深耕三十年。只要我们不急于求成，全社会给予足够的时间来把握好未来几年的发展节奏，AI带来的益处将远大于负面影响。如果走对了这一步，我们谈论的将是未来数百年甚至上千年人类的长远繁荣。
要做到这一点面临着诸多挑战。我们必须给自己留出足够的时间去做好，而不是为了把下一个新产品赶工推向市场而盲目竞速。这正是我们需要凝聚焦点的地方，大家应该聚在一起共同探讨所有这些工作将会产生的深远影响。
04
AlphaFold的历史性决定
纪录片《The Thinking Game》捕捉到了一个标志性场景：当有人提出"我们为什么不直接把所有蛋白质结构都折叠出来，免费发给全世界"时，DeepMind是如何运作的？当你说出那句话时，你的大脑里在盘算什么，究竟发生了什么？
Demis Hassabis：这正是那个极其典型的例子。我也想借此回应关于加速的问题。在我看来，这恰恰是我们所追求的加速。从某种意义上说，你找不到比我整个职业生涯所做的事情更纯粹的加速了。当今社会面临着太多挑战，从疾病到能源危机，从环境生态到气候变化，我们需要AI来帮我们解决这些难题。
正如我昨天所言，重中之重是将AI应用于改善人类健康。借助AlphaFold，蛋白质折叠和结构预测成为研发对抗这些疾病药物的关键一环，虽只是其中一环却至关重要。当时的情况是，我就是在那个会议上粗略算了一笔账，因为AlphaFold不仅极度精准而且极度快速，几秒钟就能折叠一个蛋白质。我知道科学界已知的蛋白质有几亿种，我心里一盘算，只要投入足够数量的算力，一年内就能把它们全部折叠出来。
我们完全没必要走传统老路，比如搭个服务器，让研究人员提交他们关心的基因和氨基酸序列，我们花一周时间折叠好再返还给他们。我们可以直接把所有数据免费向全世界开源，存储在剑桥大学欧洲生物信息学研究所运营的庞大数据库里，让全球各地的每一位科研人员像使用谷歌搜索一样，极其迅捷地访问任何他们想要的蛋白质结构。
对我而言显而易见的是，这是我们利用这项突破能创造的最大社会价值，这就是伟大加速的最佳例证。另一方面，我绝不属于盲目乐观阵营，绝不会认为这毫无风险，放手去干就行。当我们引入AGI这样划时代的产物，步入一个全新时代时，必须极其审慎地全盘考量。挑战和风险必然存在，我们会有方法去尝试并降低风险，但这依然需要我们作为一个共同体，给自己留出足够的时间去妥善处理。
05
AI与仿真技术的深度互补将开启下一个前沿
模拟与机器人技术目前进展如何？为什么说模拟是至关重要的里程碑？
Demis Hassabis：模拟真的极其重要。我对模拟的痴迷和对AI的痴迷一样久远。我写的第一个真正商业化的程序是《主题公园》，那是我在九十年代开发的一款游戏，它内置了AI且本身就是一款模拟游戏，是最早结合两者的先驱之一，发行于1994年。
我始终认为两者是高度互补的。你可以用AI来学习并模拟复杂的物理现象。比如我们昨天展示的WeatherNext系统，它能比传统系统更快速精准地预测飓风和其他极端天气的路径。
另一方面，模拟环境能为AI提供海量训练数据。比如我们一直用交互式3D模型Genie在极度罕见且现实中几乎遇不到的十亿分之一概率场景中，测试Waymo自动驾驶汽车。假设你开车在路上，周围突然燃起森林大火，或者一架双翼飞机迫降在高速公路上，再或者路中间突然出现一头大象，这些极端长尾场景你永远无法在日常训练数据中获得，但你必须知道AI会作何反应。模拟环境是进行此类测试的完美场所。如果AI表现不佳，还可以借此生成更多数据供其迭代学习。
06
AI是服务于科学的终极工具
你曾将人类健康誉为AI的终极应用场景。AI赋能科学，目前进展到了哪一步？公众目前已经在哪些方面切身感受到了AI的存在？
Demis Hassabis：在极限状态下，AI就是服务于科学的终极工具。这也是我开启这段旅程的初心，作为一名科学家去更好地理解我们周围的世界。我深感我们可以运用这种不可思议的工具，帮助最顶尖的专家迅速驾驭极端复杂的海量数据，并从中挖掘出隐秘的关联、洞察和深层结构。还有什么工具比AI更胜任呢？
这一切正逐渐成为现实。亲眼见证科研步伐在各个领域迅猛提速，这是一个无比振奋的时代，尤其是那些停滞了三四十年的领域，比如蛋白质折叠。我相信在未来十年内，我们将见证大量类似的重大突破。
关于公众感受，事实上我们日常使用的几乎每一个产品中都在高频调用AI。从我们的视角看，从谷歌地图到Gmail的整个产品矩阵都已经或正在进行底层的AI升级。我真正期待的是随着下一代AI助手的普及，比如昨天展示的Gemini Spark以及智能眼镜，它们最终能把时间还给我们，这正是我所期盼的。
我希望AI助手越智能，我们需要处理的琐碎管理工作就越少。我们不需要再把大把时间耗费在繁杂的技术操作上，而是把宝贵的时间留给真正重要的事情，不论是激发创造力，陪伴家人还是单纯地进行人际互动。未来几年我相信这就是必然趋势。通过AI助手的统筹管理，我们依然能保持互联，依然能获取工作或兴趣所需的信息，但一切都会在我们设想的时间点变得更加得心应手。
07
2026谷歌I/O大会最核心的内容
回顾谷歌I/O大会的主题演讲，信息量极为丰富。在这些重磅发布中，最值得铭记和聚焦的核心是什么？
Demis Hassabis：最核心的一点是AI Agent时代真的到来了。我们在本届I/O大会上最兴奋的是展示了如何将AI Agent深度整合进整个谷歌生态系统。例如在Workspace这个用户每天高频使用的办公场景中，它将如何安全地与AI Agent进行交互。目前我们仅仅触及了AI Agent潜力的冰山一角，从辅助编程一直到包揽你的行政管理负担，未来充满无限可能。此外，世界模型落地现实世界也展现出巨大潜力。我非常期待明年我们能在此探讨它在机器人等领域取得的突破性进展。
关于责任，你如何在工作中权衡它？它是发展的绊脚石，还是加速器？
Demis Hassabis：责任是我们一切工作的重中之重，它无所谓阻碍还是加速。当我们长期致力于这类前沿技术并评估其深远影响时，我们当然满怀期待它能带来惊人的社会福祉。但AI是一项双刃剑技术，它同样可能被恶意利用以达到破坏目的。这两面性在每一位身处科技前沿的从业者心中都应有极重的分量，我们必须清醒认知这项技术的正面潜力与负面后果。
08
下一个跨越式发展在哪里
在接下来的几个月里，我们应该密切关注什么？放眼2026年，我们会在哪些特定领域看到跨越式发展？
Demis Hassabis：目前整个行业的重头戏是系统自我演进的概念。我们已经看到了它的初级形态，比如编码AI Agent帮助我们的工程师提高代码编写效率。但下一个层级是什么？编程和数学是非常特殊的领域，因为它们的输出结果是严谨可验证的。你可以轻松验证对错并据此生成无限量的合成数据。有充足的证据表明，这将形成一个不断强化的复利飞轮。这是目前所有顶尖实验室都在下重注的核心领域。
另一个重要方向是全面提升AI的可靠性、稳健性以及行为一致性。AI在执行任务、调用工具和遵循指令时必须高度一致，并确保在执行长期复杂规划时绝对可靠。这也将是该领域的下一个跨越式发展。随着AI Agent能力越来越强，被委派的任务越来越多，从网络安全角度出发，我们必须确保它们严丝合缝地执行我们的预期指令，其过程对我们而言必须完全可监控且绝对安全。
关于一致性，随着我们不断逼近AGI，我们绝不该再看到这样的AI：它们在面对某些特定方式提出的问题时表现堪称惊艳，但当遇到一个本质上更简单的同领域数学问题，仅仅因为表述方式略微偏离了常规数据分布，也就是所谓的分布外（out-of-distribution），就彻底翻车。一个真正的AGI或通用智能绝不该如此。人类智力并非如此。如果一个人擅长某种任务，你给他一个同领域内绝对更简单的问题，他一定能解出来。智能不应该是这种参差不齐的锯齿状智能。
另一个目前缺失且我们正全力聚焦的巨大领域是持续学习（continual learning）。当模型结束训练并被部署到真实环境后，如何让AI继续学习？它们该如何持续适应并进化？这直接关乎个性化体验，即如何确保AI能根据用户的具体语境，实现高度定制化的专属服务。
09
AI Agent规模化落地与实体机器人将成一年后大会的核心焦点
一年后的今天，在谷歌I/O 2027上，你认为核心焦点将是什么？AI是如何应用于天气预报的？
Demis Hassabis：我认为届时会有海量的AI Agent融入真实世界，并深度嵌入我们的工作流中。这股趋势现在已经初见端倪，并在未来一年内走向成熟。因此这将是一件极具震撼力的大事。同时我期待现实世界中的AI能取得巨大突破。我希望我们能在应用理解世界的模型上实现跨越式飞跃，比如将我们当前最先进的Gemini机器人SOTA模型，广泛应用到各种不同形态的实体机器人身上。
关于AI在天气预报中的应用，昨天我们展示的案例中就包括了将AI与模拟技术相结合的惊人应用。天气是一个极其复杂的动态系统，传统方法需要求解大量方程，比如纳维-斯托克斯方程（Navier-Stokes equations）和流体力学方程。这类传统系统的运算往往需要耗费数周时间，而且预测的时间跨度非常有限。
对于飓风等极端天气事件，正如我们在昨天的视频中所展示的那样，哪怕只是提前一天预测，对于紧急救援、减少人员伤亡以及降低财产损失来说都至关重要。我认为这仅仅是一个缩影，展现了我们利用AI从现有数据中学习模拟，而非手动编写物理模拟机制所取得的巨大飞跃。
10
AI研究的初心
你曾说"相信你的想法，即使它们看起来很离谱"，并表示你个人就是这么做的。AI是如何让这一点变得更加真切的？
Demis Hassabis：如果你想有机会成就任何一番大事业，就必须对自己的想法充满信心。这是毋庸置疑的。但我也认为，这不仅仅关乎信心，更关乎你的热情，以及你对这项工作重要性的坚定信念。
以AI为例，显然今天坐在这里，AI已经是全球讨论最热烈的话题。我认为我们在2010年创立DeepMind以及更早的时候，就一直预见到了这一天的到来。但无论这一切是否发生，即使它至今仍是个冷门的学术领域，我也依然会致力于AI研究，因为我认为这是最引人入胜、也是最需要解决的重要问题。现在事实证明时机刚刚好。当年我们认为这是一项为期20年的任务，现在的进度完全符合预期。不管怎样，我都会坚持做下去。
这其实已经超越了信心。这几乎是对这个领域的某种痴迷，坚信它是正确的方向、最有趣的问题，至少对我个人的心智运作方式和热情而言确实如此。致力于构建这样一个惊人的工具，本身也是一件有趣的科学杰作，这就是我尝试推动科学发展的表达方式。一个人还能把自己的生命和职业生涯花在什么更有趣的事情上呢？这就是我30年前刚开始这一切时的真实感受。
| 文章来源：数字开物
欢迎报名即将于2026年5月27日在泰国曼谷香格里拉酒店召开的数字基础设施全球合作发展曼谷论坛（DIFGC 2026 · THAILAND），并参与为期6天的全球数字基础设施高质量发展·泰国站投资考察之旅，与真正参与泰国 AI 数据中心建设一线决策者和工程伙伴面对面交流，提前锁定合作、项目与生态位置。
立即扫码，预约席位！
• END•
【专栏】精品再读
中国并不缺少芯片 | 黄仁勋最新对话实录
杨植麟、张鹏、罗福莉中关村畅聊OpenClaw | 未来的软件是面向Agent原生设计的
AI正在经历“物种分化”| Andrej Karpathy最新对话实录