跳到正文
#DeepMind
6月6日周六
6月5日周五
  1. Gary Marcus：The Road to AI We Can Trust55

    Demis Hassabis 的 AGI 时间表自相矛盾：从 2030 年前后到 5-10 年

    Demis Hassabis 本周在斯坦福表示，AGI 可能只需几年即可实现，预计在 2030 年前后（正负一年）。但他在 2026 年 1 月达沃斯论坛上却给出更保守的 5-10 年时间表，并强调 AGI 需具备人类所有认知能力及物理智能，当前系统远未达到。作者认同后者，认为本十年内不会出现 AGI。

    推荐理由：哈萨比斯在斯坦福把 AGI 时间线从达沃斯的「5-10 年」压到「2030 左右」，Gary Marcus 拎出来对比，让我看到他自己的定义也在被叙事裹挟。

6月4日周四
  1. IT之家·人工智能45

    巨头布局AI意识研究：Anthropic、DeepMind等聘请专家探讨机器意识与AI福利

    Anthropic、谷歌DeepMind和Meta已聘请心理学、哲学和伦理学专家，研究机器意识及AI福利问题。Anthropic正测试模型是否出现类似“恐慌”和“焦虑”的行为，并推进“模型福利研究”，探讨AI模型是否可能拥有值得从道德角度认真对待的体验。DeepMind聘请剑桥研究员亨利·谢夫林以哲学家身份研究机器意识、人类与AI关系及AGI准备工作。Anthropic CEO达里奥·阿莫代伊多次提到AI意识的可能性。部分科学家不认同，认为AI模型缺乏体验的感受性质。

  2. Rohan Paul71

    Google DeepMind论文首次系统分类六类攻击：HTML注释/白色文本隐藏指令、图像隐写、PDF元数据/演讲者笔记覆写、跨会话内存投毒、目标劫持及多智能体级联攻击。隐藏提示注入在86%场景中部分控制智能体，子智能体劫持成功率58–90%，数据泄露攻击在五种架构中均超80%。内存投毒成功率超80%，仅需不足0.1%数据污染。论文指出网页、邮件等非受信材料可被武器化，构成主要攻击面。

6月3日周三
  1. Google AI Developers74

    构建用于科学发现的自主智能体？🧬🤖 @GoogleDeepMind Science Skills 现已在 GitHub 上发布。我们已开源这个专用工具包，以科学基础和更高的 token 效率加速您的智能体工作流。 立即下载 ↓ https://github.com/google-deepmind/science-skills

    推荐理由：DeepMind 把这个科学 agent 工具包开源了，核心是给 agent 工作流加科学基础、提升 token 效率，做 AI for Science 的可以直接 fork 试手，本周最值得上手的工具之一。

5月29日周五
  1. IT之家·人工智能70

    谷歌 DeepMind CEO 哈萨比斯：AGI 最快三年内到来，研发速度远超预期

    谷歌 DeepMind 首席执行官德米斯·哈萨比斯预测，AGI 研发速度远超预期，最快可能在 2029 年至 2030 年前后出现。作为 AlphaGo、AlphaFold 的主导者，他认为当前 AI 智能体是未来更强智能的预演，随着多模态和自主决策能力成熟，三年内迎来 AGI 关键突破已非科幻。但他同时警示，全球社会对 AGI 到来的准备严重不足，必须提前建立规则与防护机制。

    推荐理由：哈萨比斯作为造出 AlphaFold 的诺贝尔奖得主，三年内 AGI 的判断不是空话，他同时强调社会完全没准备好，这种紧迫感比单纯的时间表更值得看。

5月26日周二
  1. IT之家·人工智能77

    谷歌 AI 框架 AlphaProof Nexus 攻克 2 道悬置 56 年数学难题

    谷歌 DeepMind 推出 AlphaProof Nexus，结合大语言模型与 Lean 形式化验证，在 353 个开放 Erdős 问题中自主解决 9 个，其中 2 个已悬而未决 56 年。该系统还在 OEIS 的 492 个开放猜想中证明 44 个，每个问题推理成本仅数百美元。

    推荐理由：AlphaProof Nexus 不是刷榜，是真解了 Erdős 难题，56 年悬而未决的那两道——这说明 AI 开始从具身数学题爬向纯数学研究了，做理论的人该认真看一眼。

5月25日周一
  1. The Decoder：AI News72

    Google DeepMind 的 AlphaProof Nexus 以几百美元的成本解决数十年未解的数学问题

    Google DeepMind 的 AlphaProof Nexus 自主解决了 9 个开放的 Erdős 问题，其中包括两个困扰数学界 56 年的难题。其推理成本低至每个问题仅需几百美元。系统通过 Lean 编译器验证每个证明步骤，而非使用 OpenAI 的自然语言方法。当前的整体问题解决成功率为 2.5%。

    推荐理由：AlphaProof Nexus 花几百美元就解决了数学家 56 年没做出来的问题，虽然成功率只有 2.5%，但这条路证明形式化验证+强化学习是走得通的，做推理的该盯着看了。

5月24日周日
5月23日周六
  1. Rohan Paul79

    Google DeepMind提出了AlphaProof Nexus系统，它将大型语言模型与Lean形式化验证工具相结合。该系统允许LLM在生成证明的过程中，不断读取Lean的编译错误并进行修正，还可调用更强的工具辅助解决子问题。这一机制迫使模型将每一步逻辑都转化为可编译、可验证的代码，从而将其角色从“令人信服的叙述者”转变为“候选方案生成器”。在针对353个Erdős问题和492个开放猜想的测试中，系统成功解决了9个Erdős问题并证明了44个序列猜想。该研究展示了形式化验证在暴露AI逻辑错误、建立“人类提问-模型探索-验证器把关”新分工中的关键作用。

    推荐理由：DeepMind 把 AI 的'数学直觉'塞进 Lean 编译器里，每步都必须编译通过，结果解决 9 个 Erdős 问题，失败也暴露了隐藏错误。这篇论文重新定义了 AI 做数学的范式。

  2. Rohan Paul67

    Demis Hassabis指出当前AI的局限在于语言能描述世界，但无法“包含”世界。尽管语言模型从文本中学到了比预期更多的现实结构，但文本终究是经验的压缩残留。真正的智能不仅在于回答问题，更在于理解行动的后果。世界模型旨在学习物理现实的隐藏语法，例如物体持续性、力的作用和空间变化。这种学习试图在信息被语言化之前捕捉世界的本质，从而让AI不仅能解释，更能预测行动带来的直接影响。

5月22日周五
5月21日周四
  1. Google DeepMind70

    如何加速你的日常研究工作流？ 通过为AI提供正确的科学工具包。 我们为Google @Antigravity推出了Science Skills，整合了来自30多个主要生命科学来源的洞见，包括UniProt和AlphaFold数据库。

    推荐理由：Google 把 AlphaFold 和 UniProt 变成 AI 的“科学技能”，这不是又一次数据库整合，而是让 AI 能直接查询实验知识的工具链，做生命科学的可以认真看看。

  2. The Verge：AI62

    你说“治愈所有疾病”？

    在Google I/O 2026大会尾声，Google DeepMind首席执行官Demis Hassabis宣布，公司计划利用其AI平台重新构想药物发现流程，目标是“有朝一日解决所有疾病”。这一表态将AlphaFold与AlphaGenome等前沿AI科学项目，与解决人类最重大健康挑战的雄心联系起来，但同时也引发了关于技术预期与现实复杂性的广泛讨论。

5月20日周三
  1. The Decoder：AI News49

    Google 将 Genie 世界模型与街景结合，基于真实地点创建可探索的 AI 世界

    Google DeepMind 将其 Genie 3 世界模型与多年积累的街景图像数据相结合，推出了一项新功能。用户现在可以在地图上指定一个真实地点，系统便能生成一个基于该地点的、可供行走和探索的 AI 生成世界。这一整合不仅为创意演示提供了强大工具，更重要的是，海量的街景数据成为了训练 AI 代理和机器人的重要战略资源，为人工智能在模拟现实环境中的交互与导航能力开辟了新路径。

  2. IT之家·人工智能58

    DeepMind CEO反对AI裁员论 谷歌连发新模型强调AI增强生产力

    谷歌DeepMind CEO哈萨比斯近期强烈批评“AI取代开发者”的论调，指出这是重大错误且别有用心。他认为企业应利用AI将工程师生产力提升3-4倍所带来的能量去扩展业务规模、探索更多创新，而非进行裁员。在谷歌I/O大会期间，公司发布了编程能力强大的Gemini 3.5 Flash模型及编程工具Antigravity，并宣布更强大的Gemini 3.5 Pro将于下月推出。这一系列动作旨在表明，AI的核心价值在于增强人类生产力，而非替代工作。

  3. The Verge：AI60

    谷歌DeepMind负责人：我们可能正处在“奇点”的初始阶段

    在谷歌I/O 2026主题演讲的压轴环节，谷歌DeepMind首席执行官德米斯·哈萨比斯将当下称为“人类的深刻时刻”。他宣布发布Gemini 2.5 Pro和2.5 Flash模型，并介绍了“Project Astra”原型项目的最新进展。哈萨比斯宣称，谷歌尖端的AI研究将释放通用人工智能（AGI）的巨大潜力，成为人类创造力的“力量倍增器”，开启科学发现的新黄金时代，最终改善全球每个人的生活。在回顾展望时他表示，我们可能正处在“奇点”的初始阶段。

  5. Artificial Analysis78

    谷歌发布新模型Gemini 3.5 Flash，其在智能指数上提升9分至55分，超越Grok 4.3和Claude Sonnet 4.6，尤其在代理任务和知识真实性（大幅减少幻觉）方面进步显著。输出速度超280 tokens/s，使其位于速度与智能的领先前沿。然而，模型运行成本相比前代增加5.5倍，主要由于输入令牌用量及定价上涨。此外，它在多模态评估MMMU-Pro中取得最高分，支持多模态输入，展现了谷歌的综合优势。

  6. Google DeepMind：Blog83

    推出Gemini Omni多模态AI模型

    谷歌推出原生多模态AI模型Gemini Omni，能够整合视频、图像、音频和文本等多种输入，生成高质量视频内容。其核心能力是通过自然语言对话进行视频编辑，并能保持角色一致性、物理规律与场景连贯性。首个模型Gemini Omni Flash已上线，未来将支持图像和音频输出。Gemini Omni结合了对物理世界的直觉理解与丰富的知识库，支持从写实到叙事的创意生成，并可通过多轮对话持续编辑视频，而不丢失原始场景上下文。

    推荐理由：Gemini Omni 把视频生成从画面堆砌推到了物理世界叙事，多轮自然语言编辑和世界知识融合是真正的代际升级，做视频内容的该重新理解工具的定义了。

5月19日周二
  1. IT之家·人工智能61

    消息称谷歌 DeepMind 创始人哈萨比斯是 Anthropic 的天使投资人，门徒撑起半个 AI 圈

    谷歌 DeepMind 创始人德米斯·哈萨比斯被披露为人工智能公司 Anthropic 的天使投资人。Anthropic 是谷歌的主要竞争对手，估值已达 9000 亿美元。此外，自 2021 年以来，前 DeepMind 科研人员创办的十余家公司累计融资至少 140 亿美元，包括哈萨比斯创立的 Isomorphic Labs 等。同时，多名 DeepMind 高层已调任谷歌关键岗位。这一系列动态突显了哈萨比斯的影响力以及 DeepMind 人才对 AI 行业的广泛推动作用。

5月17日周日
  1. Google DeepMind：Blog55

    Gemini for Science：面向科学的AI实验与工具，开启发现新时代

    Google 推出 Gemini for Science 项目，发布一系列基于 Gemini 模型的科学工具与实验性应用。该项目旨在扩展科学探索的规模与精度，通过人工智能辅助研究人员处理复杂计算、模拟实验系统并加速数据分析流程。具体工具覆盖材料科学、气候模拟、生物信息学等多个领域，目标是将大规模生成式模型能力整合进科研工作流，推动跨学科研究的突破性进展。

    推荐理由：Google DeepMind把Co-Scientist和AlphaEvolve打包成实验工具集，试图用AI智能体加速假设生成、计算实验和文献综述。虽然还只是原型，但这是科学AI走向产品化的信号，科研人员可以试试。

  2. Rohan Paul60

    Google DeepMind论文指出，AI智能体的安全威胁不仅源于模型本身，更在于其实时交互的信息环境。研究首次系统阐述了如何将网络武器化以攻击自主智能体，并提出了针对感知、推理、记忆、行动等维度的“AI智能体陷阱”分类法。关键发现是，对智能体构成威胁的网页无需呈现恶意外观，因为它们可能解析人类不可见的隐藏内容。一旦引入RAG等记忆机制，潜伏的记忆污染攻击成功率可超过80%。研究强调，当智能体能在推理时摄取网络信息，每个页面、文档和记忆写入都成为了安全边界的一部分。

5月16日周六
  1. Google DeepMind：Blog42

    寻找新型传染病背后的分子开关

    Clare Bryant教授利用Co-Scientist这一工具，针对新兴传染病背后的基因触发因素进行研究，旨在揭示驱动这些疾病出现的分子开关机制。这项工作有望帮助快速识别潜在的新发传染病威胁，为疾病监测与早期预警提供新的技术路径。

  2. Google DeepMind：Blog41

    开辟衰老研究新路径

    Calico Life Sciences 通过 Co-Scientist 平台，将零散的衰老研究发现进行连接与整合，从而生成新的研究线索与方向。该工具旨在加速衰老领域的科学探索，为后续研究提供创新思路。

  3. Google DeepMind：Blog40

    揭开老药新用对抗肝纤维化的可能性

    斯坦福大学遗传学家利用Co-Scientist工具，在现有药物中筛选用于治疗慢性肝病和肝纤维化的潜在疗法。这种方法专注于老药新用，旨在加速药物发现过程，为肝纤维化这一难治性疾病提供新的治疗思路。

  5. Google DeepMind：Blog75

    Gemini 3.5：具备行动能力的前沿智能

    Google发布了Gemini 3.5模型，该模型专注于提升执行复杂任务的能力。其核心特点是支持“代理式工作流”，即能够像助手一样自主规划并执行一系列多步骤、复杂的操作，旨在将先进的语言理解与实际问题解决能力相结合。

    推荐理由：Gemini 3.5 Flash 把前沿级智能体和编程能力塞进了极低延迟和成本，四倍于竞品速度的同时基准表现超过 3.1 Pro，这可能是今年对开发者最实用的基座模型之一。

  6. Dwarkesh Patel：Podcast & Blog55

    Eric Jang – 从零开始构建 AlphaGo

    文章以AlphaGo为例，阐述了智能的基本构成要素。AlphaGo至今仍是最清晰、最完整的范例，它融合了三大核心基础：搜索技术、从经验中学习以及自我对弈。这三大要素共同构成了其实现超越人类棋艺的关键路径。

    推荐理由：Eric Jang 把 AlphaGo 的搜索、自对弈和价值网络拆解得非常通透，用现代工具复现让这个经典思路对今天的 RL 和自动研究都有直接启发，做 LLM 后训练的尤其该听听他对信用分配问题的解释。

5月13日周三
  1. The Decoder：AI News43

    From Prompt to Pointer Engineering: Deepmind 尝试为 AI 时代重塑鼠标光标

    Deepmind 提出“指针工程”概念，旨在将鼠标光标转变为上下文工程中的关键变量。这一设想试图超越传统的提示词工程，通过光标在界面上的物理位置和移动轨迹来影响和引导 AI 模型的行为与输出。其目标是为人机交互开辟新范式，使光标成为与 AI 系统进行精细、动态交互的核心工具。

5月12日周二
  1. Google DeepMind：Blog57

    Co-Scientist：一个加速研究的多智能体AI伙伴

    Co-Scientist 是一款由 Gemini 构建的协作式 AI 助手，旨在帮助科研人员加速科学突破。它通过多智能体（multi-agent）的架构设计，作为研究人员的智能伙伴参与工作流程，以提升研究效率并推动创新发现。

    推荐理由：Google DeepMind 推出的科研助手，用多智能体框架帮科学家加速实验设计，如果做生物/材料领域研究，值得跟踪一下，但对其他领域暂时可能还是个概念。

  2. Demis Hassabis81

    我一直认为人工智能的首要应用应该是改善人类健康。 这项工作始于AlphaFold，现在通过@IsomorphicLabs重新构想药物发现，并致力于有朝一日攻克所有疾病！ 我们已获得21亿美元新资金，正在加速实现这一目标。

    推荐理由：21亿美元新融资，意味着 AlphaFold 背后的技术正在脱离学术光环进入药物研发主战场，对 AI 制药赛道是明确的加仓信号。

  3. Google AI Developers60

    谷歌DeepMind与Coursera合作推出的“Gemini for Developers”专项课程现已开放注册。该课程旨在指导开发者利用Gemini模型构建可用于生产环境的AI解决方案。其核心涵盖三大模块：“推理与行动”使AI应用能推理并执行复杂任务；“连接与自动化”通过函数调用将Gemini与现实世界工具集成；“规模化与信心”则专注于构建、测试和部署可扩展的AI系统。课程强调超越单纯文本生成，实现实际任务的自动化与系统集成，助力开发者快速上手。

5月10日周日
5月7日周四
  1. Google DeepMind：Blog66

    AlphaEvolve：我们由Gemini驱动的编程智能体如何跨领域扩展影响力

    AlphaEvolve推出了基于Gemini大模型的编程智能体，其算法正驱动多个领域产生实际影响。该智能体在商业流程、基础设施优化与科学研究三个关键领域实现规模化应用，通过自动化代码生成与问题解决提升效率。具体实践表明，它能显著加速开发周期并处理复杂任务，标志着AI编程助手从辅助工具向核心生产力引擎的演进。

    推荐理由：DeepMind这次不只是秀参数，AlphaEvolve用Gemini驱动编码代理，已经开始在工业设计和科学发现里产生真实影响了，做自动化的可以盯着看。

  3. IT之家·人工智能59

    谷歌 DeepMind 将借力《星战前夜》游戏，攻克 AI 长期规划难题

    谷歌DeepMind宣布收购Fenris Creations少数股权，并将在大型多人在线游戏《星战前夜》中训练AI，以攻克AI长期规划难题。这款运营了23年的游戏拥有复杂的科幻宇宙和高度社会模拟，要求玩家进行长期策略规划与政治博弈，正切中当前AI研究的薄弱环节。为确保不影响玩家体验，DeepMind初期将在隔离服务器上进行研究，游戏方也将利用其成果优化游戏。Fenris Creations近期刚以1.2亿美元现金及加密货币完成自我回购。