在人工智能领域，关于模型能力等级的争论持续升温。谷歌DeepMind首席执行官德米斯·哈萨比斯近日公开质疑部分企业宣称的“博士级智能”系统，直言此类表述“毫无依据”。他指出，当前主流模型虽在特定任务中表现优异，但距离真正的通用智能仍存在显著差距。
哈萨比斯在“All In峰会”上强调，真正的博士级智能需具备跨领域综合能力，而非单一任务的极致表现。他以数学计算为例，指出即便是先进的聊天机器人，仍会在基础算术或逻辑推理中犯错，“这不符合通用人工智能的基本要求”。据其预测，实现具备全面博士级能力的系统可能需要5至10年时间。
此前，OpenAI首席执行官山姆·奥尔特曼曾宣称GPT-5具备“博士级”对话能力，称其“在所有领域均可提供专家级解答”。他还将该模型描述为“功能最强大、智能程度最高、运算速度最快且推理最稳健的版本”。这一表述与DeepMind的观点形成鲜明对比。
哈萨比斯进一步指出，当前系统缺乏两大核心能力：一是持续学习能力，即无法通过实时交互更新知识或调整行为；二是跨领域适应性，例如在编程竞赛中表现优异的模型，可能无法正确解答简单的数学问题。他坦言，尽管规模扩张可能带来部分改进，但真正突破仍需依赖“一到两项关键技术”。
实验数据显示，GPT-5、Grok 4及Gemini 2.5 Pro等模型虽能在国际数学奥林匹克竞赛中获奖，或在代码编写中超越人类程序员，但在处理多步骤逻辑题或基础常识时仍频繁出错。这种“任务导向型智能”的局限性，成为其无法被认定为“博士级”的关键原因。
行业分析师认为，这场争论反映了AI领域对“通用智能”定义的分歧。一方强调任务完成度，另一方则坚持能力全面性。随着技术迭代加速，如何量化评估模型的真实水平，或将成为下一个研究焦点。
