硅谷圈震动 AI传奇教父辞职

2026年8月6日，全球科技圈发生了一件牵动人心的大事：Google DeepMind的创办人德米斯•哈萨比斯爵士（Sir Demis Hassabis）正式宣布卸任执行长，转任DeepMind董事会主席，并兼任母公司Alphabet首席科学家。

消息一出，Google股价当天重挫5%——一个人的职务调动，让一家全球顶尖科技公司的市值蒸发数百亿美元，而当年苹果灵魂人物乔布斯宣布辞职时，苹果股价的崩跌幅度也不过如此。这个反应本身，已经说明了这个人的分量。

哈萨比斯是谁？他走过了怎样一条不可思议的人生道路？他眼中的AI未来，又将把人类带向何方？

棋盘前的4岁男孩

1976年，哈萨比斯出生于伦敦北部一个波希米亚气息浓厚的家庭。他的父亲是塞浦路斯裔希腊人，母亲是新加坡华裔。哈萨比斯的家境并不富裕，但他却充满了对艺术与知识的热情。

他4岁开始下棋，用的是父亲从市场买来的廉价棋具。13岁那年，他的国际象棋等级分（Elo）就达到了2300分，成为当时全球同龄棋手中排名第二的顶尖选手。

但他与其他棋童最大的不同是，他不只在学棋步，他在思考“思考本身”。他后来在剑桥的演讲中说：“下棋让我开始思考思维本身——人脑在进行复杂思考时，到底是如何运作的。”这个问题，成了他整个人生的核心驱动力。

一个天才的思路

17岁时，哈萨比斯加入一家英国游戏公司，以首席程序设计师的身份参与开发了风靡全球的《主题医院》（Theme Hospital）。

17岁，大多数人还在为高中成绩焦虑的年纪，哈萨比斯加入了英国著名游戏公司Bullfrog Productions，担任首席程序设计师。他参与开发的第一款游戏，是后来风靡全球的经典模拟游戏——《主题医院》（Theme Hospital）。一个17岁的少年，凭着自学的程序设计能力，就成为了这款大作的核心开发者之一。

但是，游戏开发只是手段——他在学习如何让电脑“学习”，如何让机器具备策略思考与目标达成的能力。

做完游戏，他用两年完成了剑桥大学电脑科学学位（通常需要3年）。然后，他做了一件让所有人都觉得匪夷所思的事：去读神经科学博士。

在伦敦大学学院（UCL），他专注研究大脑海马体在记忆、想像力与空间导航中的运作机制，论文发表于《自然》（Nature）等顶尖期刊。他的逻辑很清晰：“如果我要建造真正能够思考的机器，我首先必须理解思考本身是什么。最好的参照样本，就是人类的大脑。”

棋盘教会他策略；游戏设计教会他让机器学习规则；神经科学教会他大脑的工作原理。这三条线索，在2010年汇聚成一个名字：DeepMind。

改写行业格局的DeepMind

2010年，哈萨比斯与谢恩•莱格（Shane Legg）和穆斯塔法•苏莱曼（Mustafa Suleyman）在伦敦共同创立DeepMind，他们的使命宣言是：“解开智慧的奥秘，并用其解决其它一切问题。”

这个目标太过宏大，让风险投资敬而远之——VC需要5到7年的退出窗口，而具有跨领域学习能力的AGI通用人工智能研究，需要几十年和几十亿，甚至几百亿美元的算力。2014年，资金出现缺口，哈萨比斯必须找到新的出路。

买家不只一个。扎克伯格的Facebook（脸书）开出了比Google更高的报价，几乎志在必得。但哈萨比斯拒绝了。

最终，Google以约6.5亿美元完成收购。这个决定在硅谷引发了连锁反应。Google收购DeepMind的消息让马斯克深感不安，几周后他拉着山姆•奥特曼（Sam Altman）创立了OpenAI——至少部分原因就是要抗衡这个他认为过于强大的组合。

AlphaGo的神来之笔

2016年3月，首尔。加入Google两年后，DeepMind凭借Google提供的庞大算力与资源，推出了人工智能围棋系统AlphaGo，向韩国九段棋士、世界冠军李世石（Lee Sedol）发起挑战。

今天回头看，这似乎顺理成章；但在当时，几乎没有人相信AI能赢。

原因在于，围棋与西洋棋完全不同。国际象棋每一步大约只有二、三十种合法走法，电脑可以依靠高速运算，一层层搜寻最佳答案；然而围棋19路棋盘共有361个交叉点，开局第一手便有361种选择，中盘的可能变化更是天文数字。有人估算，围棋所有可能棋局数约为10的170次方，远远超过宇宙中原子的总数（约10的80次方）。因此，长期以来，人工智能研究者普遍认为，要让AI真正超越世界顶尖棋手，至少还需要10年甚至数十年。

然而，AlphaGo把这个时间表一下子提前了。

五番棋的第一局，AlphaGo便旗开得胜，让世界开始意识到，它并不是来展示技术，而是真的有能力击败人类。

真正改变历史的，却是第二局。比赛进行到第37手时，AlphaGo突然把一枚黑子落在棋盘右侧第五线的一个位置。现场解说几乎同时惊呼：“这一步不像职业棋手会下的棋。”另一位解说甚至直言：“这可能是一个失误。”

因为按照人类几百年累积下来的围棋理论，这一步完全不符合定式，也不符合任何职业棋手的直觉。据赛后统计显示，在当时的人类职业棋谱数据库中，这一步几乎从未出现过，连AlphaGo自身评估它成为最佳落点的机率，也只有不到千分之一。

然而，随着棋局推进，人们逐渐发现，正是这一步看似“离经叛道”的落子，悄悄改变了整盘棋的力量分布，最终奠定了胜局。

李世石后来回忆，当他看到第37手时，第一个念头是：“这一定是AI出错了。”但愈往后下，他愈发现，错的不是AlphaGo，而是自己对围棋的理解。

这一步后来被全世界称为“神之一手”（Move 37）。它之所以震撼，并不是因为AI算得比人快，而是因为它提出了一种人类从未想到过的下法。数百年来无数棋手共同建立起来的围棋知识体系，在那一刻被一个人工智能打开了一扇新的大门。

五局比赛结束，AlphaGo以4比1击败李世石。全世界第一次真切地意识到，人工智能已经不只是模仿人类智慧，它开始创造属于自己的智慧。

而对哈萨比斯而言，这场胜利的意义，从来不只是赢下一盘棋。他真正想证明的是：如果机器能够透过学习与探索，在如此复杂的世界中自行找到人类从未发现的答案，那么，同样的方法，终有一天也能用来破解蛋白质结构、设计新药，甚至解决更多困扰人类数十年、数百年的科学难题。这场围棋大战，只是他更宏大理想的第一步。

AlphaFold与荣誉之巅

如果说由哈萨比斯领导开发的AlphaGo，还只是一场震惊世界的“表演赛”，那么AlphaFold，就是一场真正改变人类文明进程的“实战考试”。

生命的运作，归根究底都是蛋白质在工作。人体约有20万种不同蛋白质，它们负责运送氧气、传递神经信号、催化反应、修补DNA、抵抗病毒……几乎所有生命活动，都离不开蛋白质。

然而，蛋白质真正的功能，并不取决于它的化学成分，而取决于它最后折叠成的三维立体结构。

同样由20种胺基酸组成，只要折叠方式不同，功能便可能天差地远。有的成为血红蛋白，替人体运送氧气；有的变成抗体，专门辨识病毒；有的则可能因为折叠错误，引发阿兹海默症、帕金森症、亨丁顿舞蹈症等重大疾病。

问题就在这里。

蛋白质由一条长长的胺基酸链组成，一旦合成完成，便会在极短时间内自动折叠成最终形状。但一条只有100个胺基酸的蛋白质，其可能的折叠方式，就已经远远超过宇宙中原子的总数。这就是生物学家口中的“蛋白质折叠问题”（Protein Folding Problem），也是半个世纪以来生命科学最大的未解之谜之一。

早在1972年，诺贝尔化学奖得主克里斯蒂安•安芬森（Christian Anfinsen）便提出：蛋白质的最终结构，其实完全由胺基酸序列决定。可是，“知道答案存在”与“算得出答案”是两回事。

此后50多年里，全世界无数结构生物学家投入巨大心血，只能依靠X光晶体绕射、核磁共振（NMR）或冷冻电子显微镜（Cryo-EM）等昂贵设备，一个蛋白质往往需要花上数月、甚至数年才能解析完成。直到2020年，人类累积了数十年的成果，也只解析出约17万个蛋白质结构。

就在这一年，AlphaFold2横空出世。

在国际蛋白质结构预测竞赛CASP（Critical Assessment of Structure Prediction）中，AlphaFold2以接近实验测量的精度，大幅超越所有人类研究团队。许多参赛评审当场表示：“这个问题，可以说已经被解决了。”

曾经需要数年才能完成的一项工作，如今只需几分钟，甚至几十秒。

更令人敬佩的是，哈萨比斯并没有把这项突破变成DeepMind独家的商业武器。

2021年，他宣布与欧洲生物资讯研究所（EMBL-EBI）合作，免费向全球开放AlphaFold Protein Structure Database，把预测出的蛋白质结构全部公开，任何研究人员都可以自由下载、使用，不收取任何费用。

此后短短几年，数据库便从最初的人类蛋白质，迅速扩展到涵盖超过2亿个蛋白质结构，几乎覆盖目前已知的所有生命物种，从细菌、植物到人类，形成了人类历史上最大的蛋白质结构数据库。

今天，全球190多个国家、超过200万名科研人员都在使用AlphaFold，相关研究论文已超过3万篇。它正在加速癌症药物设计、抗生素耐药性研究、帕金森症与阿兹海默症机制探索、新型疫苗研发，以及酶工程、农业育种等众多领域。

许多科学家形容，AlphaFold对生命科学的重要性，就像望远镜之于天文学、显微镜之于细胞学。它不是解决了一个问题，而是替整个生物学打开了一个全新的时代。

也正因如此，2024年，哈萨比斯与DeepMind首席研究员约翰•江珀（John Jumper）共同获得诺贝尔化学奖。这项荣誉，不只是表彰一套人工智能系统，更象征着AI第一次真正以“科学家”的身份，改写了人类探索自然的方式。

哈萨比斯与马斯克

哈萨比斯与马斯克，有着一段极具戏剧性的硅谷恩怨录。两人初识于2012年一场科技会议。

“我和埃隆一见如故，他邀请我去他的火箭工厂”，哈萨比斯后来回忆说。那天，两人坐在SpaceX工厂食堂，俯瞰下方的生产线。马斯克说，造火箭是为了在战争或文明崩溃时保存人类的意识与火种。

哈萨比斯平静地回答：你的威胁清单上，还漏了一个——人工智能。

马斯克沉默了将近一分钟。就是这一分钟，改变了他此后对AI的整个看法，让他开始几近偏执地向所有人讲述AI的威胁。

然而此后两人的裂痕不断加深。马斯克曾在公开场合直言：“我不信任德米斯。”当有人追问原因，他给出的理由出人意料——哈萨比斯过去设计的电子游戏，主题都围绕着“征服世界”。

但2025年12月，当Meta的杨立昆（Yann LeCun）公开宣称“通用智能根本不存在”，哈萨比斯发表详细反驳时，马斯克随即在X上转发，只写几个字：“德米斯是对的。”

他为何选择在此刻淡出？

哈萨比斯卸任的时机，耐人寻味。传记作者马拉比的解读是：“DeepMind的使命一直是解决AGI，然后用它解决其它一切问题。解决AGI这件事，已基本完成。把AGI引导向安全和有益的方向，才刚刚开始。”

他还想要把更多的精力投入到Isomorphic Labs——一家致力于用AI研发新药、目标是“解决所有疾病”的公司。该公司已与礼来（Eli Lilly）和诺华（Novartis）等医药巨头签署近30亿美元规模的协议，预计2026年将有AI设计的药物分子进入首批人体临床试验。

哈萨比斯本人也曾说过一句很能代表其理念的话：“我们不是想做最好的聊天机器人，我们想理解智能本身（solve intelligence）。”

哈萨比斯在卸任声明中说：“我一生都在为实现AGI而努力，现在，我觉得它已经触手可及。”

他曾经对CNBC坦言，整个行业正处于一个他无法阻止的竞赛之中：“有许多公司正在尝试打造AGI，也有许多国家。这形成了一种竞赛动态，理想情况下这种竞赛本不该存在……遗憾的是，现实世界并非如此。”这是一个科学家对自己所置身的世界，发出的最沉重的感叹。

从4岁的北伦敦棋盘，到诺贝尔奖台，到今天站在AGI的门槛前——哈萨比斯的下一步，是确保人类不被自己的创造物所伤害。

这个问题的答案，比AlphaFold更难，也比围棋更复杂。但如果这个世界上有人能找到答案，他的名字，一定在那份名单里。