在近日举行的 Axios AI + 峰会上，谷歌 DeepMind 首席执行官德米斯・哈萨比斯（Demis Hassabis）对 2026 年人工智能的发展趋势作出前瞻性判断。他指出，这一年将成为多模态大模型、可交互视频环境以及高可靠性 AI 代理实现突破性进展的关键节点。
哈萨比斯特别强调了 DeepMind 最新推出的 “Gemini” 模型在多模态理解上的飞跃。他表示，这一模型已不仅限于识别图像或转述画面内容，而是能够捕捉场景背后的情绪、动机甚至哲学隐喻。他以电影《搏击俱乐部》中的一个细节为例：当角色缓缓摘下婚戒时，Gemini 不仅识别出动作本身，还将其解读为“对主流社会规训与日常平庸生活的主动割裂”。这种超越表层的语义洞察力，使 AI 能够生成如动态信息图、叙事性摘要等此前难以企及的复杂内容形式。
在谈到 AI 代理的发展路径时，哈萨比斯重申了其团队的时间规划——到 2026 年，AI 代理将“接近”真正自主执行多步骤复杂任务的能力。这与其在 2024 年 5 月提出的技术路线图高度一致。他透露，DeepMind 正致力于打造一个跨平台、全天候运行的通用智能助手，该助手不仅能响应指令，还能主动规划日程、协调资源并持续优化用户的生活效率。与此同时，团队还在秘密推进名为 “Genie 3” 的下一代“世界模型”，该模型旨在构建可交互、可探索的视频化虚拟空间。用户未来或将能在这些由 AI 实时生成的环境中自由漫游、互动甚至影响剧情走向，从而获得前所未有的沉浸式数字体验。
划重点：
🌟 多模态能力的深化正让 AI 从“看懂”迈向“悟透”，催生更富表现力的内容生成形式。
🛠️ AI 代理即将迈入准自主阶段，复杂任务处理能力逼近实用化门槛。
🌍 “世界模型” Genie 3 将开启互动视频新纪元，模糊现实与虚拟的边界。
