欢迎来到《当AI群星璀璨时》专栏报道。本专栏所指“群星”，是人工智能浪潮中的人类技术领袖与创业者。系列立足公开发布会、技术演讲、财报公告及权威资料，以全球AI核心人物为坐标，记录大模型时代的产业迭代、技术抉择与商业博弈。我们剥离公关叙事与流量滤镜，客观复盘每一位行业掌舵者的关键决策、成败取舍与时代局限，还原AI浪潮真实的演进脉络。
2024年12月10日的斯德哥尔摩，闪光灯照亮了自然科学的最高殿堂。诺贝尔化学奖揭晓，站在荣誉巅峰的，是一位常年穿着深色夹克、眼神敏锐的计算机科学家——戴米斯·哈萨比斯（Demis Hassabis）。作为 Google DeepMind 的创始人和掌舵人，他与同事约翰·朱珀（John Jumper）以及华盛顿大学的大卫·贝克（David Baker）共同获得了这一顶尖荣誉。哈萨比斯带领团队凭借 AlphaFold 破解了困扰人类半个世纪的蛋白质折叠难题，这一刻，他不仅刷新了科学史，更成为首位以人工智能技术斩获自然科学诺奖的领军人物。
在过去十五年风起云涌的全球 AI 演进史中，哈萨比斯始终站在两条最宏大叙事的交汇点。一边是近乎虔诚的纯粹基础科学探索，试图用算法解开生命与物理界的底层奥秘；另一边则是惊心动魄的商业博弈，在生成式 AI 狂潮爆发后，他带领谷歌在被动中展开战略反击，主导着全球通用人工智能的军备竞赛。
不同于多数从硅谷车库走向资本市场的创业者，哈萨比斯的人生轨迹绘制出一条极其罕见的闭环。从国际象棋神童到游戏开发者，再到认知神经科学博士、顶级 AI 实验室缔造者，直至科技巨头掌舵人与诺奖得主，他完整走通了人脑机制研究、机器智能模拟、通用大模型落地与 AI 赋能科研的全过程。剥离所有公关滤镜后，复盘他的每一次抉择，才能看清这位算法大师在全球 AI 史册上的真实坐标。
从黑白棋盘到神经科学
1976年7月27日，哈萨比斯出生于伦敦一个多元文化家庭。父亲是希腊裔塞浦路斯人，曾怀揣音乐梦想做创作歌手，经营过玩具生意；母亲是新加坡华人，早年在百货公司担任售货员。他的成长轨迹完全围绕着“智能”展开。8岁那年，他靠国际象棋比赛奖金买下了第一台家用电脑并自学编程。13岁时，他已高居14岁以下（U14）组别国际象棋世界排名第二。在黑白交错的棋盘上，他提前掌握了复杂博弈推演与多路径决策的底层逻辑，这构成了日后 AlphaGo 核心算法的思想源头。
极高的天赋让他迅速跨越常规教育的篱笆。16岁完成 A-Level 学业并被剑桥大学计算机系录取后，受限于年龄要求，他在入学前的间隔年里加入了著名的牛蛙工作室（Bullfrog Productions），参与设计与开发现象级模拟经营游戏《主题公园》（Theme Park），赚取了自己的大学学费。1994年正式进入剑桥大学皇后学院就读，毕业后他加入Lionhead Studios 担纲经典游戏《黑与白》（Black & White）的首席 AI 程序员，引入自主学习型 NPC，完成了早期通用AI模拟的先锋实验。22岁独立创业成立游戏工作室后，他推出的作品频频斩获大奖，但他却在声名崛起时陷入了深刻的困顿。他意识到，封闭规则下的游戏AI无法承载他对通用人工智能的终极野心。
2005年，他毅然斩断游戏生涯，进入伦敦大学学院攻读认知神经科学博士，主攻海马体与记忆机制。他的研究揭示了大脑如何进行场景记忆、推理与规划，成果直接登上了《科学》杂志年度突破榜单。随后的博士后生涯，更帮他搭建起人脑神经机制与机器学习算法之间的桥梁。
2010年，哈萨比斯与谢恩·利格（Shane Legg）、穆斯塔法·苏莱曼（Mustafa Suleyman）联合创立 DeepMind，提出了极具野心且清晰的使命：解决智能，再用智能解决世间所有问题。2014年被谷歌收购后，他带队缔造了科技史上的诸多史诗。2016年AlphaGo击败人类顶尖棋手，彻底改写了机器智能的认知边界；2020年 AlphaFold2 攻克蛋白质折叠难题，直接重塑了生命科学的研究范式。
为了将科研转化为现实生产力，他在2021年拆分出Isomorphic Labs专注AI新药研发。而随着生成式 AI 狂潮席卷全球，谷歌将DeepMind与Google Brain整合，哈萨比斯出任 Google DeepMind CEO，统筹 Gemini 全系列多模态大模型的开发。如今，这位手握诺奖与爵士头衔的科学家，正同时掌控着两座庞大的科技重镇，持续主导着通用 AGI 与 AI for Science 的前沿阵地。
三次改写格局的豪赌
拒绝狭隘，押注通用强化学习
2010年的硅谷与伦敦正在经历一场关于AI未来的路线大辩论。当时的市场充斥着语音识别、图像分类等垂直领域的专用算法，投资人蜂拥向这些能迅速落地变现的项目。而从零复刻人脑认知结构、打造跨领域迁移学习的通用智能，在绝大多数风险投资人眼中只是脱离商业现实的“钱坑”。
面对质疑，哈萨比斯展现出了罕见的战略定力。在他看来，人类大脑之所以伟大，是因为它依靠一套统一的认知系统去完成万种任务。真正的人工智能绝不该是为一万个场景单独搭建一万个工具，而必须复刻大脑的通用学习框架。基于对海马体与空间推理的研究，他锁定了“深度学习与强化学习结合”的技术路径。早期成果 DQN 算法在完全不预设规则的前提下自学数十款复古游戏，甚至完爆顶尖人类玩家，成功打动了彼得·蒂尔等早期投资人，为漫长的无盈利研发输送了第一桶氧气。
这场技术路线的豪赌带来了极其丰厚的长期红利。无论是 AlphaGo、AlphaFold 还是旗舰大模型 Gemini，其底层逻辑均依托通用强化学习框架演进，无需在面对新领域时推翻重来。同时，相比于偏重文本数据与概率预测的大模型路线，DeepMind 的模型天然具备极强的多模态理解、空间推理与复杂规划能力，形成了独特的竞争壁垒。然而，这条道路同样极其残酷。在创立的前六年里，DeepMind 几乎没有任何商业营收，沦为吞噬资金的黑洞。漫长的孵化周期与早期对 C 端产品的缺位，也让外界对其科研价值向商业转化能力的质疑从未间断。
委身巨头，算力与自由的对赌
2014年，哈萨比斯迎来了人生中最具争议的商业时刻。彼时仅靠发表论文的 DeepMind 再次面临资金枯竭，硅谷风投机构承诺保持其独立性，而谷歌则抛出了4亿英镑的全资收购邀约。对于一家无营收、无产品的实验室而言，这堪称天价。
哈萨比斯有着冷酷的现实计算：通用 AGI 研发对算力的需求呈指数级爆发，任何初创企业都无法独自承受这种资本消耗。如果选择独立融资，为了迎合投资人的考核，团队将被迫放弃长线科研去开发能快速变现的小工具。他向谷歌提出了苛刻的收购条件，要求保留伦敦总部的独立科研文化，要求 Alphabet 集团提供无上限算力且不强求短期盈利，并确保研发方向的绝对控制权。
这笔交易成为了双刃剑的经典样本。光明的一面在于，谷歌庞大的算力帝国瞬间激活了 DeepMind 的潜能，无论是 AlphaGo 数百万局的自我对弈，还是 AlphaFold 上亿蛋白质序列的模拟，离了谷歌的底层设施都是痴人说梦。而在阴暗的一面，依附巨轮意味着永远无法脱离商业竞争的飓风。当 ChatGPT 打乱谷歌阵脚时，哈萨比斯被迫兼任基础科学探索者与商业救援队队长。他每周工作超100小时，既要统筹实验室合并与大模型迭代，又要推进 C 端产品落地。批评者指出，曾经纯粹的AI圣地不可避免地被商业竞争所侵蚀。
双线作战，用诺奖解围商业危机
2022至2023年是哈萨比斯职业生涯中最暗淡的时刻。OpenAI的产品享誉全球，而谷歌竞品首发翻车，舆论铺天盖地地讽刺 DeepMind 只是一个“只会烧钱发论文、无法做出实用产品”的象牙塔实验室。
危机关头，哈萨比斯展现出了高超的战略分层机制。他并没有盲目地将所有资源押注在单一对话框的对抗上，而是果断启动了双线布局。第一赛道为商业防御与反击，整合技术储备全力打造 Gemini 多模态大模型，全面嵌入谷歌搜索、云服务与生态体系，正面硬刚竞争对手；第二赛道则避开红海内卷，加码 AI for Science，推动 Isomorphic Labs 走向前台，用算法重构新药研发、新材料预测与气候模拟。
2024年 AlphaFold 斩获诺贝尔化学奖，这场双线战略迎来了绝地反击的终局。诺奖的桂冠为陷入商业被动的谷歌 AI 板块注入了前所未有的公信力，彻底击碎了质疑；同时，新药研发业务开启了一条完全不同于传统广告和软件订阅的顶级商业化路径。哈萨比斯深知，纯消费级模型极易陷入同质化内卷，而 AI 重塑基础科学才是长期不可替代的硬核壁垒。这种复杂的物理推演还能反哺大模型的逻辑推理能力，形成技术闭环。当然，双线作战也导致算力与人才被一分为二，早期的版本瑕疵也暴露出两线作战下精力被严重分散的窘境。
算法神坛与现实张力
站在现在的节点重新审视哈萨比斯，无论是赞誉还是质疑，都达到了空前的声量。
赞赏者将他视为跨学科范式的缔造者与商业伦理的守护者。他坚持将人脑认知机制融入算法设计，证明了向人脑借智慧同样能够打造出顶尖的通用智能，为全球 AI 提供了第二条发展路线。他打破了“AI 只是聊天或作画工具”的狭隘认知，AlphaFold免费开放数据库惠及全球数百万科研人员，极大地加速了罕见病研究与药物筛选。此外，在巨头争相撕剥安全防护网的狂热期，他始终保留着独立的安全团队，积极呼吁建立全球统一的安全监管框架，并凭借卓越的管理智慧打通了跨国跨文化的实验室整合。
然而，批评与争议也如影随形。最核心的困境在于其独立性的先天缺陷。无论个人光环多么耀眼，DeepMind 的根基依然建立在 Alphabet 的资本与算力之上，当商业利益与纯粹科研发生冲突时，他最终只能向集团的财务报表低头。同时，他频繁预言“3到5年内将出现具备完整推理能力的 AGI”，被大量经济学家与学者批评过度乐观，认为其低估了技术瓶颈，有为母公司拉抬股价的嫌疑。
甚至将诺贝尔化学奖颁发给 AlphaFold 团队，也在传统科学界引发了持续的震荡。许多学者指出，诺奖应当表彰真实的实验突破，AlphaFold 本质上是计算预测工具，算法黑箱无法给出生化反应的底层解释，把最高荣誉颁给商业公司的算法可能会侵蚀传统基础实验的生存空间。而头部实验室无休止的算力内卷与军备竞赛，也消耗着惊人的能源，加剧了中小机构难以逾越的技术鸿沟。
时代坐标与未竟的命题
戴米斯·哈萨比斯在人工智能产业史上留下的最深印记，在于他成功架起了一座桥梁，连接了此前彼此割裂的四个世界：电子游戏、认知神经科学、通用大模型，以及硬核基础科学。
从技术视角看，他证明了抛弃纯粹的文本概率预测、引入人脑的认知与强化学习机制，同样可以通往超强推理的通用智能。AlphaFold 的成功不仅开启了全新的科研纪元，更深刻地改变了全球对人工智能基础设施的投入方向。从产业管理视角看，他为科技巨头如何运作顶级研发机构提供了珍贵的范本，利用消费级产品承接商业流量，同时利用基础科学突破换取话语权与伦理高地。
从时代坐标来看，哈萨比斯是 AI 产业上半场的集大成者。AlphaGo 证明了机器可以征服人类最复杂的博弈，AlphaFold 证明了 AI 可以破解自然的奥秘，Gemini 则代表着通往通用智能的商业化落脚点。他的人生故事宣告了一个新时代的到来，下一代 AI 浪潮的领军者，不再是单纯的程序员或精明的商人，而是兼具脑科学底蕴、算法深度与宏大商业视野的复合型科学家。
然而，他身上所体现的矛盾，也是整个时代无法逃避的宿命。追求终极的通用智能需要无限的算力与资金，这迫使最顶尖的科学家必须委身于商业巨头；而当技术具备了改写人类社会规则的潜力时，它又不可避免地卷入了竞争内卷与伦理风险的泥潭。哈萨比斯的每一个选择与退让，不仅是他个人的答卷，更是整个人类社会在迈向 AGI 门槛时，所必须经历的痛苦挣扎。
回溯戴米斯·哈萨比斯漫长而跌宕的三十年职业生涯，从伦敦棋牌室里凝神思考的少年，到游戏工作室里夜以继日的程序员，再到斩获诺奖、掌管千亿算力帝国的科技掌舵人，他的所有选择始终紧扣着同一个灵魂拷问：我们能否用算法，重新发明人类的智能？
在 AI 群星璀璨的时代，他是一颗轨道独特的星辰。他代表着那种固执的科学理想主义者——即便被卷入资本与商业厮杀的漩涡，依然固执地想要用算法去解开宇宙最底层的方程式。技术的边界、资本的重塑、科学的初心，这三种力量交织在一起，构成了哈萨比斯宏大的叙事章节。而他的成功、局限与妥协，也为所有试图用技术改变世界的同行者，留下了一份最真实的参照样本。
