投资笔记是纪源资本关于投资、商业、科技的所见所闻所想，探讨关于世界的一切。

        在这里，你可以收获：全球优秀科技公司管理经验、一线调研；顶级风险投资人&创业者经验分享；大航海时代的世界人文历史、商业见闻……以下是投资笔记系列第253期。

        本文介绍了《哈萨比斯：谷歌AI之脑》这本书中哈萨比斯的成长、DeepMind的AGI技术路线与以小博大的AI发展历程。

        DeepMind创始人‌德米斯·哈萨比斯‌（Demis Hassabis），称自己为一个来自英国伦敦北部的“无名小卒”。

        在全球AI竞赛仍围绕搜索、广告与推荐系统展开时，DeepMind已经把目标指向了“通用人工智能（AGI）”本身，并成为过去十多年AI基础突破最重要的推动者之一。

        即使是被谷歌收购之后，DeepMind核心团队仍然身在伦敦。

        这个无名小卒不在美国，远离硅谷这个创新与资本中心，却始终用自己的方式探索AI的未来。

        在AI对战围棋的战役上，它比Facebook所打造的围棋系统更快，AlphaGo击败了人类围棋大师李世石，做到了AI第一次在围棋领域战胜世界顶级围棋棋手。

        凭借对蛋白质三维结构的精准预测，哈萨比斯与约翰·M·贾姆珀因AlphaFold相关突破获得2024年诺贝尔化学奖。

        书籍：《The Infinity Machine》《The Infinity Machine》（中文版书名：《哈萨比斯：谷歌AI之脑》）这本书由科技史学家、金融史学家‌塞巴斯蒂安·马拉比‌（Sebastian Mallaby）撰写，于‌2026年3月由湛庐文化引进出版。

        书中，DeepMind的故事有些像异军突起，以小博大，而哈萨比斯在其中像是一个勇猛且每天都有新想法的非典型将军。

        这本书记载了与哈萨比斯有关的大量不为人知的故事。对很多人来说，DeepMind由于没有广为人知的应用级产品，显得相对低调；但对整个AI行业来说，它的故事含金量绝不低于OpenAI。

        哈萨比斯其人：一个试图理解现实的AI理想主义者很多科技公司的创始人都会讲一个“改变世界”的故事。

        但如果认真看哈萨比斯的人生，你会发现，他从小真正执着的东西，既不是创业也不是商业。

        他思考的是：智能到底是什么？现实又到底是什么？因此，DeepMind是整个AI行业里最特殊的一家公司，它甚至涉足蛋白质结构、天气预测、材料科学，不像一家互联网产品公司，更像一个披着公司外壳的科研组织。

        哈萨比斯小时候最早展现天赋的领域是国际象棋，8岁进入国际象棋高水平体系，少年时期便已经是英国著名的“棋手神童”。

        但真正改变他的不是胜利，而是一次失败。对手与朋友围在一起嘲笑他，但第二天，他突然产生了一个极其重要的念头：这么多聪明的大脑，为什么要全部耗费在棋盘上？

        为什么不能去解决医学、科学甚至人类文明的问题？这几乎是哈萨比斯人生第一次真正意义上的“使命感”觉醒。

        国际象棋之外，他又开始研究各种其他棋牌游戏。毕业后，他进入一家游戏开发公司工作，随后创办了堪称最早引入AI因素的游戏公司。

        之后，他又回到学校研究神经科学，并最终创办DeepMind，正式开始了对AGI（通用人工智能，Artificial General Intelligence）的探索。

        他对《哈萨比斯：谷歌AI之脑》的作者说，自己涉猎极广，“可以接受一切知识。”

        但如果站在他的视角，其实始终是一条线：所有问题最终都指向同一个核心，人类智能究竟如何产生？

        大约30岁时，哈萨比斯读到了《安德的游戏》（Ender's Game），这是一本讲述“天才少年拯救人类”的科幻小说。

        主角安德从小被送进太空军事学校，接受残酷训练，最终成为人类对抗外星文明的核心武器。

        这个故事真正震撼哈萨比斯的，并不是胜利，而是天才与孤独，使命与代价。

        哈萨比斯甚至要求采访自己的记者，在采访前必须先读《安德的游戏》。

        因为他认为如果不理解安德，就无法真正理解自己。这更是哈萨比斯与很多硅谷创始人的区别。

        后者本质上是商业人格，更愿意相信资本运作的规律，更愿意以成功为重点，他们本身也离钱更近。

        但哈萨比斯更像一种“科幻时代的科学理想主义者”。他也因为轻信上一轮投资者会领投而拒绝了很多潜在领投者，直到现金储备所剩无几，《哈萨比斯：谷歌AI之脑》有一章甚至叫“硅谷的冷漠与伦敦的信念”。

        此外，就是哈萨比斯对于AI的绝对相信。他在很早之前便相信：人类大脑能做到的事情，计算机也应该能做到，人类大脑本身就是AGI存在的“证明”。

        哈萨比斯的信念感表现在他身体力行的每个细节。他坚信人类大脑是目前唯一真正存在的“通用智能”。

        为此，他又攻读神经科学博士，研究了记忆、想象力、海马体、神经系统，还发表了论文。

        他与埃隆·马斯克的讨论也足以见得哈萨比斯的坚定。他们在一次静修活动中相识，之后哈萨比斯还前往加利福尼亚州霍桑市的SpaceX公司拜访了马斯克。

        《哈萨比斯：谷歌AI之脑》里提到，他们讨论了哪个使命更重要：太空旅行，还是开发AGI。

        马斯克认为殖民火星刻不容缓，但哈萨比斯认为身边的AI如果无法好好利用和开发，则会更早一步带来灾难。

        当然，登陆火星本身也需要AI的支持。最后马斯克表示认可：强大的AI可能比太空飞行更为重要。

        当谷歌暗示对DeepMind的收购计划时，马斯克也争取过对它的收购。

        DeepMind的技术路线：如何不断逼近“智能”哈萨比斯没有硅谷创始人的“商业人格”，他所创办的DeepMind也没有硅谷AI公司的“产品”气质。

        在DeepMind的发展过程中，很多人都问过一个问题：它为何没有像OpenAI那样，聚焦在ChatGPT这类叫好叫座、全球影响力强的产品上？

        DeepMind真正想解决的问题，从来都不是为人类做出一款好用的聊天机器人，而是探索机器到底能不能像人一样学习、思考、理解世界。

        而且DeepMind之所以能一次次做出震撼行业的AlphaGo、AlphaFold、Gemini，是因为哈萨比斯把公司建立在一个极其少见的目标上：逼近“通用智能（AGI）”。

        20世纪的大部分AI研究，本质上都建立在一种“理性机器”的幻想上：人类智能是逻辑性的，逻辑可以被规则化，规则可以被编程，于是机器就能拥有智能。

        这种路线，被称为“符号人工智能”，像是在给机器建立一本无限厚的“规则词典”。

        比如，如果苏格拉底是人，而人终有一死，那么苏格拉底会死。

        《哈萨比斯：谷歌AI之脑》中介绍，哈萨比斯在剑桥时期，就已经意识到这种路线的问题。

        他认为人类并不是这样思考的，人类会说错话，会凭直觉判断，会从模糊的信息里提炼规则，甚至能在混乱中形成“感觉”。

        所以他相信，真正的智能，本质上不是逻辑演绎，而是模式识别。

        他遇到了后来DeepMind最重要的思想来源之一：杰弗里·辛顿（Geoffrey Hinton）的“深度学习”，即构建神经网络，让机器“从数据中自动发现规律”。

        但哈萨比斯并没有完全“站边”深度学习，因为他发现深度学习虽然能“识别”，但还不会“行动”。

        于是，他又把另一条路线“强化学习”引入了DeepMind：反馈—调整—

        再尝试，小孩碰火会疼，人们打游戏赢了会兴奋，大脑就这样不断调整自己的行为。

        后来，哈萨比斯与戴维·西尔弗等人越来越确信，真正的AI，不应该是“被编程”的，而应该是自己学习的。

        可以说，DeepMind找到了自洽的指导方针：深度学习负责“感知世界”，强化学习负责“在世界中行动”。

        战术策略上，DeepMind一没有做聊天机器人，二没有做搜索引擎，甚至完全放弃了进军消费级产品。

        他们做了一件看起来很“极客”的事情：让AI玩雅达利经典游戏。

        而且他们没有给AI写游戏规则，只是让AI只看屏幕像素，自己通过不断试错来学会打游戏。

        这件事在今天看似普通，但在当时极其震撼。因为这意味着机器第一次展现出了一种“通用学习能力”。

        随后，DeepMind开始进入真正的“战役阶段”，即推出AlphaGo。

        围棋是AI最难攻克的问题之一，可能性数量比宇宙原子还多，而且极度依赖直觉和经验。

        彼时，DeepMind与Facebook等科技巨头正在打“围棋战”，但AlphaGo本质仍然沿用DeepMind那套核心哲学，最终于2016年击败了李世石。

        再后面，DeepMind与OpenAI等“分道扬镳”，OpenAI逐渐把重点放在语言模型和互联网文本等方面，DeepMind依然更关注智能本身，一度显得“慢了半拍”。

        很多VC后来会认为，DeepMind在“大模型时代”错失了窗口。

        但从另一个角度看，DeepMind其实从未改变目标。

        所以后来，DeepMind才会如此执着于蛋白质结构，哈萨比斯也与同事‌约翰·M·贾姆珀获得了诺贝尔奖。

        DeepMind凭什么以小博大如果把DeepMind放回2010年前后的AI行业里，会发现它其实是一个极其“不合理”的存在。

        它不在硅谷，不掌握流量，没有搜索引擎、社交平台、云计算，它甚至没有明确商业模式。

        这个伦敦北部一家几十人的小公司所面对的，却是Google、Facebook、微软这样的科技帝国。

        在很多业内人士认为AI只是搜索排序，广告推荐和图像识别的时候，哈萨比斯相信AGI终将实现，也就吸引了一群特殊的能人：强化学习专家戴维·西尔弗、AGI理论研究者沙恩·莱格，同样相信AGI的神经科学家、数学家，被AlphaGo模拟实验打败的、曾是围棋选手的科学家等。

        它越来越不像一家互联网公司，反而更像一个跨学科组织。

        哈萨比斯本人，在里面更像“总设计师”。2014年，Google以约6亿美元收购DeepMind。

        如今来看，Google真正买下的，其实不是业务，而是一群可能最接近AGI的人。

        当时许多最聪明的年轻研究员并不是为了高薪加入它，而是因为它在认真研究“智能”。

        被Google收购之后，给了DeepMind极大的自由和巨头级别的算力与资金。

        也正因此，哈萨比斯逐渐可以追求更高的目标了。一条普通蛋白质链，理论上可能存在约10³⁰⁰种折叠方式——

        这个数字甚至远远超过围棋所有可能棋局的数量。过去几十年里，全世界最顶尖的生物学家、化学家、物理学家都在尝试解决它，但进展极慢。

        《哈萨比斯：谷歌AI之脑》提到，哈萨比斯敏锐地意识到：这其实不是单纯的生物学问题，而是一个“搜索空间巨大”的智能问题。

        也就是说，它和DeepMind所攻克的围棋，在某种意义上非常像。

        而且他听说了一个叫《Foldit》的游戏，把蛋白质折叠变成了大众在线游戏：“游戏化”又是哈萨比斯所擅长的。

        哈萨比斯开始把DeepMind最核心的一批强化学习与深度学习研究者调去做蛋白质项目，尝试强化学习路线，希望像AlphaGo一样通过试错学习蛋白质折叠；很快发现这条路不够准确。

        于是团队立刻放弃原方案，转向深度学习。2018年，DeepMind第一次参加蛋白质预测领域最权威的CASP竞赛时，AlphaFold已经初露锋芒。

        后来团队继续扩张，继续推翻旧架构，最终诞生了AlphaFold 2。

        2020年CASP公布结果时，AlphaFold 2的准确率远超此前所有历史纪录。

        主办方第一反应甚至不是震惊，而是怀疑：DeepMind是否提前泄露了真实数据？

        这个结果已经接近实验室真实测量水平。几十年来困扰整个生命科学界的问题，被一家原本做游戏AI出身的英国公司，用计算模型接近解决了。

        这是AI第一次真正意义上大规模推动现实科学。而哈萨比斯也终于完成了自己年轻时代那个遥远的梦想：他通过AI，成为了改变科学方法本身的人。

        DeepMind更像一个披着科技公司外壳的科研组织，而这也让《哈萨比斯：谷歌AI之脑》这本书最终变成了一种很特别的存在。

        它表面上是在谈论一位CEO和天才科学家的成长，讲AI竞争、硅谷战争、科技公司与资本博弈，但读到最后，你会发现，它真正讨论的是一个更古老的问题：那些决定去创造AI的人，究竟在相信什么。

        温馨提示：虽然我们每天都有推送，但最近有读者表示因平台推送规则调整，有时候看不到我们的文章~欢迎大家进入公众号页面，右上角点击“设为星标”点亮⭐️，收藏我们的公众号，新鲜内容第一时间奉上！