DeepMind 研究者提出 Artificial Symbiotic Intelligence，主張把 AI 發展視為人與多個智能體共同演化的社會系統，而非單一超級智能走向奇點。他們將智能體描述為由模型、角色、記憶、倫理取向、工具與技能組成、可拆解重組的臨時組合，並認為協作需要制度、介面與治理框架。對齊也不應只是自上而下灌輸固定價值，而是在不同領域的人、智能體與制度持續互動中形成。
Thore Graepel 認為，當前 LLM 的鏈式推理仍由反覆預測下一個 token 產生，並非獨立的推理機制。AlphaGo 結合神經網絡提供的直覺與棋局樹搜尋；作者指出，聊天機械人缺少可持續檢視的信念狀態，思維鏈也可能在得出答案後才編造。Graepel 主張系統維護明確的認知狀態，僅在證據支持時更新信念，並評估每一步能否降低不確定性。
Jack Clark 根據公開研究與產品進展，估計到 2028 年底前，AI 系統自主訓練後繼模型、實現無人參與 AI 研發的機率約為 60%。他以 SWE-Bench 成績由 Claude 2 的約 2% 升至 Claude Mythos Preview 的 93.9%，以及 AI 在研究復現、模型微調和長時間任務上的進展，作為主要依據。
Google DeepMind 回顧 AlphaFold 自 2020 年以來的科研影響，稱 AlphaFold 2 解決了蛋白質結構預測問題。AlphaFold Protein Database 已被超過 3 million 名研究者在 190 多個國家使用，逾 30% 的 AlphaFold 相關研究聚焦於疾病理解。