如果要選一個讓全球科技圈集體停頓的瞬間，Demis Hassabis 在 2026 年 Google I/O 舞台上那番話絕對榜上有名。這位諾貝爾化學獎得主、Google DeepMind 創始人兼 CEO，當著全場開發者與投資人的面，把 AGI（通用人工智慧）的到來時間從「2030 前後」一口氣前推到了「2029 至 2030 年」——也就是說，最快 3 到 4 年之內，我們就可能親眼見證人類史上最劇烈的技術里程碑。坦白說，這種從實驗室走出來的大佬親口「喊價」，遠比一般分析師的紙上談兵來得扎實。問題是，我們的社會、企業、甚至個人職涯，真的準備好迎接一個在「所有認知領域都能與人類匹敵」的智慧體了嗎？

⏱️ AGI 時間表為何被急劇壓縮？Hassabis 看到了什麼我們沒看到的訊號

先說重點：Hassabis 不是第一次調整預測。早在 2025 年 6 月，他還把 AGI 定調在 2030 到 2035 年之間；但不到一年後，整個窗口竟硬生生被砍了一半。這種戲劇性轉折，背後反映的是 AI 領域在「推論能力（Reasoning）」與「多模態整合」上的突破速度遠超預期。

講白了，現在的 LLM 已經能寫程式、能通過醫學考試、甚至拿下奧林匹亞數學競賽金牌。Hassabis 在 Axios AI+ 峰會上親口表示，我們正站在「奇點的前山腳（foothills of the singularity）」。但這句話背後有個很殘酷的對比：儘管 AI 在某些特定領域表現拔尖，但換個情境問一個國中生都懂的常識問題，它可能當場當機。這種「支離破碎的聰明（Jagged Intelligence）」恰恰是 AGI 之路上的最後一道高牆。

而從商業佈局來看，Google 在 2026 年 I/O 大會上釋出的 Gemini Omni，正是 Hassabis 口中的「關鍵一步」。這個能同時理解並生成文字、圖像、音訊、影片的多模態模型，讓外界窺見了 AGI 雛形的輪廓。

🧠 大型語言模型明明很猛了，為什麼離真正的 AGI 還差這麼多？

這是個讓很多人腦袋打結的問題：既然 ChatGPT-5、Gemini Ultra 這些模型已經能打敗 90% 的人類考生在專業考試中拿到滿分，為什麼 Hassabis 還敢說「離 AGI 還有 3 到 4 年」？答案藏在三個關鍵缺陷裡。

首先是複雜推理（Complex Reasoning）。現在的 LLM 本質上是機率預測機器，靠著統計關聯拼湊答案。面對需要多步驟邏輯推演、因果鏈追溯的難題時，模型很容易「想太多」或「跳步錯」。舉個極端的例子：AI 能解奧林匹亞數學題，但面對「如果我把雨傿放在門口，下大雨時它會不會被吹走？」這種需要常識與物理直覺的問題，表現反而不如小學生。

再來是常識學習（Commonsense Learning）。人類嬰兒在還不會說話時，就已經透過觀察建立了對世界的基礎認知——例如物體恆存性、重力法則、他人意圖的判讀。這些「預設知識」目前無法被單純的數據量堆疊出來。Hassabis 多次公開表示，要讓 AI 具備真正的人類級別理解，必須開發出全新的架構，而不能只是Transformer 的擴大版本。

最後是鲁棒性（Robustness）——也就是面對未知情境時的穩定表現。現在的 AI 遇到訓練數據分佈之外的輸入，性能會急劇下降。這解釋了為什麼自動駕駛系統在極端天氣或非標準路況下頻頻出包。AGI 必須要像人類一樣，具備「看不懂也能猜個大概」的泛化能力。

從上圖不難發現，就算 AGI 還在路上的這幾年，AI 產業本身的經濟規模已經以近乎誇張的速度膨脹。Gartner 在 2026 年 5 月的報告中明確指出，全球 AI 總支出將在 2026 年達到 2.59 兆美元，年增 47%。這個數字不是紙上談兵，而是貨真價實的基礎設施投資、企業採購與研發預算的總和。

💼 著作、醫療、金融全翻盤：AGI 來襲時哪些產業會先陣亡？

Hassabis 點名的三大重災區——著作、醫療、金融——其實剛好對應了 AGI 最擅長的三種能力：語言生成、模式辨識與數據分析。

在著作與內容產業，現在的 AI 已經能一天生成數百萬字的新聞稿、行銷文案、甚至劇本。等 AGI 到來，「原創性」的定義將被徹底顛覆。試想一下，當一部小說的品質與人類文豪無異，但能在 30 秒內完成，讀者還願意花錢買帳嗎？好萊塢編劇工會 2023 年的罷工才只是序章。

醫療領域的衝擊更為驚人。Hassabis 本人就多次提到，DeepMind 的 AlphaFold 已經解開了數億種蛋白質結構，而終極目標是用 AGI「解決所有疾病」。這聽起來像科幻小說，但別忘了，藥物研發的平均週期是 10 到 15 年，而 AI 已經能將先導化合物的篩選時間壓縮到幾週。AGI 一旦具備跨領域的綜合判斷力，診斷、治療到預防的整條產業鏈都可能被重做。

至於金融業，高頻交易早已是 AI 的天下，但 AGI 帶來的顛覆會更深——當一個系統能即時分析全球新聞、衛星影像、社交輿論與央行政策，並在毫秒內做出比人類分析師更精準的預測時，散戶與傳統基金經理將面臨同一個尷尬的事實：在這場資訊戰中，人類的大腦帶寬根本不夠用。

⚖️ Hassabis 為什麼要警告倫理風險？這不是客套話

一個很少被台灣媒體提起的細節是，Hassabis 其實是 AI 圈裡少見的「務實悲觀主義者」。他從不掩飾自己對技術的樂觀，但同時也是最先呼籲「提前討論倫理與經濟影響」的領袖之一。這種矛盾，恰恰來自他對 AGI 潛力的深刻理解。

Hassabis 在公開演講中提到，AI 帶來的危險「有些已經是真實的」——例如基礎設施的網路攻擊、假訊息的氾濫、以及各國在 AI 軍備競賽中對安全標準的漠視。他甚至在去年（2025 年）提到的 I/O 演講上直言，社會「沒有準備好」迎接人類級別的 AI。這不是危言聳聽，而是基於第一線研發經驗的肺腑之言。

更具爭議的是「對齊問題（Alignment Problem）」：當 AGI 的目標與人類價值觀產生衝突時，後果不堪設想。Hassabis 主張建立類似聯合國的全球性監督機構，但考慮到地緣政治對立與商業利益糾葛，這個願景在短期內恐怕難以實現。

❓ 常見問題 FAQ

Hassabis 說的 AGI 跟現在的 ChatGPT 差別在哪裡？

現在的 ChatGPT 或 Gemini 屬於「窄 AI（Narrow AI）」，它們在特定任務上表現優異，但缺乏跨領域的通用理解能力。舉例來說，一個模型可能擅長寫程式卻聽不懂笑話，或者能診斷疾病但無法規劃一場生日派對。AGI 則是指在所有認知領域都達到人類水準的智慧體，具備真正的推理、學習與適應能力。Hassabis 特別強調，目前的模型仍困於「複雜推理」與「常識學習」的鴻溝，這正是通往 AGI 的最後障礙。

如果 AGI 真的在 2029 年到來，企業該怎麼提早佈局？

Gartner 預估 2027 年全球 AI 基礎設施支出將逼近 1.9 兆美元，這個金額本身就是市場在用腳投票。企業應該從三個維度著手：第一，數據基礎建設——確保內部資料能被 AI 統一調用與分析；第二，流程自動化——導入 Agentic AI 處理重複性高的業務流程；第三，人才轉型——讓現有員工學會與 AI 協作，而非與之對抗。等 AGI 真的來臨，上述佈局的企業將具備「讓 AI 下指令，人類做決策」的組織韌性。

Hassabis 真的相信 AGI 具有毀滅人類的風險嗎？

與其說 Hassabis 相信「終結者劇本」，不如說他更重視「漸進式災難」的可能性。他在多個場合強調，有些 AI 風險「已經是真實的」——包括網路攻擊、假訊息氾濫、社會不平等的加劇，以及就業市場的結構性顛覆。他呼籲建立類似聯合國的全球監督機制，並認為社會需要「更快、更深入」地討論這些議題。與其解讀為末日預言，不如視之為負責任的技術領袖對社會發出的務實提醒。

📚 參考資料與下一步

以上內容嚴格基於 Demis Hassabis 在 2026 年 Google I/O 及多家媒體訪談中的公開發言，並參照 Gartner、Statista 等權威機構的市場數據。以下是本文引用的關鍵來源：

• Axios – Google DeepMind CEO Demis Hassabis says we’re close to AGI
• Computerworld – AGI could be here in three years, says DeepMind CEO
• Sherwood News – Google DeepMind’s Hassabis: AGI is 3 to 4 years away
• NDTV – Google DeepMind CEO Predicts AGI In Three To Four Years
• Times Now – Google AI Boss Demis Hassabis Says AGI Could Arrive By 2029
• Gartner – Gartner Forecasts Worldwide AI Spending to Grow 47% in 2026