DeepMind 创始人哈萨比斯获奖时直言：AI 时代最值钱的不再是高科技技能，而是不可复制的人文与艺术能力！ AI 能瞬间生成海量标准化内容，唯有真实经历、审美和独特判断才具备稀缺性。初期用 AI 提升 10 倍生产力；当工具普及后，匠心与鲜活的灵魂才是终极竞争点。纯技术驱动会导致成瘾性垃圾内容泛滥，而 OpenAI 推理负责人则给出了完全不同的思路。 闹了半天，搞顶尖技术的大佬最后都在劝大家多去感受生活、搞搞艺术。代码和套路交给 AI 算啦，咱们可得把自己的审美和直觉给保住了。未来能拉开真正差距的，还真就是这种说不清道不明的“人类灵魂”！

Deepmind 团队发表了篇新论文，介绍了 Co-Scientist 的升级版：一个基于 Gemini 的多智能体科研系统。与此前版本只做"纸上谈兵"式的假设生成不同，新版本被改造成一个能落地执行的研究伙伴，覆盖从假设生成、实验执行到论文撰写的完整闭环 系统架构（三阶段） 1. 构思（Ideation）：用演化算法生成假设群体，每个假设都配独立的文献调研；通过 LLM 同行评审打分（新颖性、合理性、可验证性），用贝叶斯技能评分（TrueSkill）+ UCB 探索机制做成对锦标赛排序，再经交叉（p=0.7）与变异迭代约 10 代。 2. 实验（Experimentation）：三阶段代码演化，小数据搭骨架 → 替换为全量逻辑 → 全规模执行；多个求解器并行生成程序变体，失败的获得结构化报错反馈并反思修正。 3. 论文撰写（Paper Writing）：把实验结果与文献合成为结构化手稿，再经演化式优化迭代。 在材料科学（CVD 合成新配方）、生物学（大肠杆菌群集表型预测）、计算机科学（全自主发现智能体架构）以及端到端的论文生成上均测试成功。 作者认为“执行落地型”的智能体系统是连接计算构思与物理验证的可行路径。但材料科学仍需人来动手执行，生物学需专家反复校准任务定义，纯计算研究可完全高度自主化！科学领域的 RSI 即将大放异彩✨

DeepMind 校友用 27B 小模型，干翻 Anthropic 和 OpenAI 的前沿大模型？！ Inherent 这家伦敦 AI 实验室，刚出 stealth 就秀肌肉。 他们的 AI 代理 Faraday，在独立复制科学论文上跑分更高。 但重点不是赢比赛，而是训练方法：强化学习教 AI “研究品味”。 创始人 Hughes 说，这就像 PhD 学生从复现实验起步。 他们甚至不自己开发编码工具，直接用 OpenAI 的 Codex，模仿人类科学家。 目标是造一个会主动思考的 AI 队友，而不是应声虫。 公司窝在 King's Cross，坚信伦敦是 AI 人才的圣地。 Hughes 猛烈抨击英国的“花园假”制度，让创业者等得太久。 团队计划扩到 25 人，DeepMind 员工可能正考虑跳槽。 小公司大突破，AI 科学革命的火苗在这里点燃。

DeepMind在Google内部从来就不是一个独立的营收单元。 YouTube有CEO，Google Cloud有CEO，季度财报里会单独列出它们的数字。 但DeepMind的工作贯穿整个Alphabet生态：Gemini模型被整合进YouTube、Google搜索、广告系统、Chrome浏览器、Google Docs、Gmail。 它是一个横向赋能的组织，而非纵向独立的业务线。不设CEO，恰恰说明DeepMind未来的角色更接近于一个AI创新的中央枢纽，而非一个需要向市场证明营收能力的独立实体。

DeepMind CEO 德米斯·哈萨比斯：AI 会迫使我们重新设计学校。 知识学习可以交给个性化 AI，每个学生按照自己的速度和水平学习，不必再迁就全班平均值。 而学校真正应该训练的，是 AI 难以替代的能力： 创造力、判断力、协作、表达、项目实践和人与人之间的互动。

DeepMind 创始人 Demis Hassabis，从小就是国际象棋神童，17 岁便设计出爆款游戏《主题公园》。之后他重返校园，拿下认知神经科学博士学位，并于 2010 年联合创立 DeepMind。 在他的带领下，DeepMind 缔造了多项传奇：AlphaGo 击败围棋世界冠军，AlphaFold 破解蛋白质结构预测这一生物学 50 年难题，并让他在去年荣膺诺贝尔化学奖。 在 Y Combinator 最新 Startup Days 上，Demis Hassabis 分享了对 AGI 的最新判断： 「AI 现在还处于“小玩具”阶段，但未来 6 到 12 个月，真正的大东西就要来了。」

Google DeepMind 发布三款新 Gemini 模型，旨在让 AI 代理更快、更智能且更具成本效益，其中 Gemini 3.6 Flash 使用更少 token 实现更高品质输出。 Gemini 3.5 Flash-Lite 针对文档处理和代理搜索等日常任务优化速度和成本，Gemini 3.5 Flash Cyber 专为发现并修复关键软件漏洞设计。 三款模型已在 Gemini App 推出，开发者可通过 Google AI Studio 和 Android Studio API 立即使用，Cyber 模型通过 CodeMender 限量试点。 评论区质疑声明显多于狂热支持，大家肯定“快+便宜”的方向，但对缺少顶级智能模型和实际性能表现失望较多。 部分开发者表示会试用（尤其是成本敏感场景），但很多人还在等更强的Pro级模型。

Google DeepMind 的 CEO Demis Hassabis，剑桥高材生，国际象棋神童，2024 年自己也拿了诺贝尔化学奖。他一直想用 AI 做科学发现、攻克疾病、造福人类。你看他的访谈，关注点全在 AI for Science 上面。 听起来很崇高对吧？ 然后讽刺的事情发生了。John Jumper，就是在 Google DeepMind 做出 AlphaFold、拿了诺贝尔化学奖的那个人——想做 AI for Science 嘛，他跑去了 Anthropic。他说 Anthropic 才是能让他"用 AI 真正推动科学发现"的地方。 你品品这个。Google 在 Agent 工业竞争上输给了 OpenAI 和 Anthropic，这还能理解——大象转身慢嘛。但在 AI for Science 这条自己本来最有优势的路上，做出最大成果的人也觉得你这不行了，跑了。 两头都在丢人。这个事情录了一期完整的分析。

Google DeepMind 发布《From AGI to ASI》报告（arXiv 最近几天活跃讨论）： 探讨 AGI 后通往超级智能的 4 条路径（scaling、paradigm shift、recursive self-improvement、多 agent 集体智能），以及瓶颈。 属于前沿思考型论文，英文圈在 HN/Reddit 讨论较多。

谷歌一夜之间：DeepMind 老板"升职"成首席科学家，Jeff Dean 带着三个全球引用最高的研究员出门创业。 翻译一下：庙还在，神仙走光了。 1999 年顶级工程师也是这么排队出去开公司的，后面的剧情大家都背过。 泡沫从来不看估值，看人才什么时候开始套现。