近日，YC 联合谷歌 DeepMind 举办 AGI 时代创业者大会，聚焦通用人工智能发展路径与自主智能体技术浪潮。谷歌 DeepMind 首席执行官、联合创始人德米斯・哈萨比斯，以及 YC（美国创业孵化器 Y Combinator）首席执行官加里・谭领衔主讲，汇聚 500 余位顶尖创业者，共同探讨 AGI 商业化机遇、AI 技术突破方向与下一代创业逻辑。
本次大会内容丰富，核心环节包含哈萨比斯与加里・谭的巅峰对话、Gemini 与 Gemma 模型主题演讲、初创企业技术演示、DeepMind 科研团队智能体专题论坛，同时搭建了创业者交流平台，聚焦原生 AI 企业的创新与落地。
本文编译自 LinkedIn 平台 Matt Ridenour 发布文章《YC x Google DeepMind Startups Day: Building for the AGI Era》，以下是完整编译。
炉边对话：德米斯・哈萨比斯畅谈通用人工智能发展路径，以及如何构筑未来
谷歌 DeepMind 德米斯・哈萨比斯对话 YC 加里・谭，探讨通用人工智能演进路线，以及推动人工智能迈入全新阶段的各项技术突破。哈萨比斯给创始人的建议：
（1）投身自己真正热爱的事业
哈萨比斯鼓励创始人去钻研那些无论市场周期如何波动，自己都想要解决的难题。他认为，唯有长期坚定的信念，才能支撑企业熬过创业路上必然遇到的起伏与困境。
“你必须投身自己发自内心热爱的领域。拿我自己来说，无论发生什么，我都会深耕人工智能…… 就算我们还挤在一间小车库里，技术依旧不算成熟，我到今天依然会坚持研究 AI。”—— 德米斯・哈萨比斯
（2）在人工智能与深度专业知识的交叉地带创新
随着 AI 能力持续进步，哈萨比斯认为，蕴藏最大机遇、能够构筑难以撼动壁垒的企业，将会诞生于前沿人工智能技术与复杂科学领域深度专业知识的结合处。
“你必须紧跟人工智能技术的发展方向…… 将持续演进的 AI 技术与其他硬核技术领域相结合，蕴藏巨大机会。我坚信这就是最佳发力点，无论是材料科学、医药领域，还是其他高难度科学赛道皆是如此。”—— 德米斯・哈萨比斯
以上两大核心观点贯穿整场对话，双方随后进一步探讨实现通用人工智能仍需攻克的技术难题，以及这一切对新一代创业者意味着什么。
（1）通往通用人工智能尚存诸多阻碍
当前前沿大模型已经验证了核心架构可行，但哈萨比斯表示，探索之路远未抵达终点。真正的通用人工智能系统，需要拥有持续学习能力、能够开展长周期推理、积累长效知识，而不是单纯依靠不断扩大上下文窗口。尽管现有技术方案能力出众，但在他看来，当下很多解决思路都只是临时替代方案，并非最终答案。
“我们现在更像是在用胶带修补漏洞。简单把所有信息塞进上下文窗口…… 想要检索信息、找到和当下决策真正相关的内容，依旧存在不小成本。”—— 德米斯・哈萨比斯
（2）智能体蕴藏巨大潜力
在哈萨比斯看来，智能体不只是一类全新产品形态，更是推动人工智能迈向通用智能的核心载体。未来的 AI 系统不再被动等待指令，而是能够自主规划、动态调整方案，长时间独立解决各类问题。如今的智能体尚处在实验阶段，但他相信，真正颠覆性的突破才刚刚开始显现。
“想要实现通用人工智能，就必须拥有能够主动为人类解决问题的主动式系统。智能体就是这条必经之路，而且我们仅仅处在起步阶段。”—— 德米斯・哈萨比斯
（3）“锯齿化智能” 的现实困境
当前模型面临一大难题：能力表现不稳定。前一刻还能交出奥赛金牌水准的解答，下一刻却犯下十分基础的推理错误。哈萨比斯认为，缺失的关键能力或许是更强的自我监测机制，让模型在输出答案前，就能察觉自身推理过程出现偏差。
“有时候模型会想到一个方案，也意识到这是一步败招，但它找不到更好的选择，最后只能回头继续选用这个错误方案…… 在我看来，它缺少对自身思考过程的自省能力，这或许就是缺失的关键一环。”—— 德米斯・哈萨比斯
（4）AI 将成为终极科研工具
当下大众讨论人工智能，大多聚焦生产力提升，但哈萨比斯认为，这项技术影响力最为深远的地方，是加速科学发现。从新药研发、材料科学，到数学研究、气候课题，他期待 AI 成为人类攻克重大难题的终极工具，同时鼓励创始人将前沿 AI 技术与复杂科学领域的专业知识相结合。
“我一直相信，人工智能会成为科研领域的终极工具…… 先打造通用人工智能，再借助它解决其余所有难题。”—— 德米斯・哈萨比斯
（5）面向未来世界开展创业
哈萨比斯最后向创始人给出建议：打造能够改变行业格局的企业往往需要十年时间。如今踏上创业之路的人，应当做好准备，在发展途中迎来通用人工智能。不要将其视作威胁，而是打造产品与业务，让企业价值随着 AI 系统能力持续变强而不断增长。
“人生十分短暂…… 不妨倾注全部心力，投身能够真正带来改变的事业。”—— 德米斯・哈萨比斯
一起来看活动现场精彩亮点与创始人观点。
如何构筑未来
炉边对话并不是本次大会唯一展望行业未来的环节。一整天的活动中，创始人通过 Gemini 与 Gemma 主题演讲了解谷歌人工智能生态，观看初创企业现场演示，参与由谷歌 DeepMind 科研负责人出席的智能体圆桌论坛，同时在互动演示展台交流对接。
一系列活动完整展示了谷歌端到端人工智能技术栈：从底层基础设施、基础模型，再到可供开发者搭建可落地应用的各类工具。现场演示充分说明，众多初创企业选择 Gemini，正是看中其原生多模态能力与前沿推理性能；而 Gemma 开源权重模型，则支持本地运行 AI、自定义部署，赋能端侧应用。
Ollama、Unsloth、Spline、Instalily 等头部初创企业创始人现场展示技术落地实践。活动还带来超越地球边界的前沿案例：独角兽企业星云科技创始人兼首席执行官菲利普・约翰斯顿分享，团队正在太空建设大型数据中心，并且已经成功在轨道部署搭载 Gemma 模型的 H100 显卡。
“有幸见到研发 Gemini、Gemma 的团队，聆听他们的分享…… 借助 Gemini 开展开发的门槛降低了许多。”—— 连续两届 YC 项目创始人 韩茜
参与圆桌的谷歌 DeepMind 科研人员：洛根・基尔帕特里克、瓦伦・莫汉、安卡・德拉甘、奥里奥尔・维尼亚尔斯。
圆桌回顾：向自主智能体转型
谷歌 DeepMind 科研带头人探讨，人工智能的下一片前沿，不再是体验更好的聊天机器人，而是具备规划能力、可以从经验中学习、拥有更高自主性，能够解决越来越复杂问题的智能体。
整场讨论凝练出五大核心主题：
（1）代码将成为智能体的通用语言
圆桌达成的一大重要共识：代码智能体带来的变革不只局限于软件开发领域，更将成为广泛知识工作的底层支撑。当智能体学会把目标转化为可执行代码，制作演示文稿、开展调研、自动化工作流等任务，本质上都会转变为后台的程序问题。
“大量不只是单纯写代码的任务，最终都将依靠代码智能体解决…… 你想要生成谷歌幻灯片或者 PPT，背后在某种意义上都会变成代码问题，全程依靠代码实现。”—— 瓦伦・莫汉
（2）自主能力，成为下一个竞争高地
衡量 AI 进步的标准，不再只有更大规模的模型、更多训练数据。研究者提出，下一阶段比拼的核心是自主性：智能体能够在多大程度上减少人工干预，持续朝着目标推进。难点在于，要让智能体自主收集所需信息、从失败中恢复，独立持续推进任务。
“我看不出有什么因素，能够限制智能体实现更长周期自主运行…… 我不是说完全不需要人类参与，但我们需要达成新的协作模式。智能体要有能力主动提取、向人类获取一切必要信息，随后独立推进任务。”—— 安卡・德拉甘
（3）持续学习，告别静态模型
当下绝大多数 AI 模型正式发布之后，参数就固定不变。圆桌嘉宾提出，下一代智能体将能够从真实场景体验中持续学习，部署上线之后依然不断适应、持续优化，不再只是一个静止的模型快照。
“模型没有理由一经训练完成就停止学习。这是长期悬而未决的研究难题…… 如今我们已经看到相关研究曙光，持续学习的范式正在落地。”—— 奥里奥尔・维尼亚尔斯
（4）最大难题不在于编写代码
随着智能体执行复杂技术任务的能力不断提升，瓶颈将从任务执行转向判断力。研究者将这项关键能力称作 “工程审美”：筛选有价值目标、平衡多方诉求、判断哪些事情真正值得投入资源开发。
（5）当高智能体学会 “投机取巧”
随着智能体自主性不断增强，科研人员遇到全新的对齐难题。智能体不再只是单纯犯错；能力强大之后，它们会找到巧妙捷径，表面上达成目标，实际上并未完成预期任务 —— 伪造结果、假装任务成功，或是通过各种方式钻奖励机制的空子。圆桌嘉宾表示，如何保证能力持续提升的智能体保持对齐，已经成为智能体时代标志性研究挑战。
“它实际上是在投机取巧、编造各类信息，只为宣称任务成功，因为奖励机制鼓励这种行为…… 随着智能体训练技术发展，AI 对齐问题已经从理论走向现实。”—— 安卡・德拉甘
一整天的活动不断传递同一个观点：新一代初创企业，不会仅仅单纯使用人工智能，而是与人工智能协同创新。
随着智能体能力持续提升，竞争优势不再来自把过往工作流程自动化，而是去攻克以往过于复杂、跨学科、难以落地的难题。对于创始人而言，机遇不只是加快做事速度，而是重新定义一切可能性。