夜雨聆风五一假期，我读了塞巴斯蒂安·马拉比写的《哈萨比斯：谷歌AI之脑》。
说是“读完一本书”，其实现在我越来越不追求这种形式感了。以前读书，总觉得要从第一页读到最后一页才算完成。现在反而更现实：一本书里真正能影响自己、启发自己、改变判断框架的内容，可能只占其中一部分。重要的不是“我读完了”，而是“我从里面带走了什么”。
这本书表面上写的是Demis Hassabis，也就是Google DeepMind的创始人，AlphaGo、AlphaFold背后的关键人物。但我读下来最大的感受是：这不是一本普通的科技人物传记，而是一本关于“顶级技术理想如何变成现实力量”的书。
它里面有天才少年的成长，有国际象棋，有游戏开发，有DeepMind创业，有Google收购，有AlphaGo战胜人类围棋高手，有AlphaFold破解蛋白质结构，也有OpenAI、Google、DeepMind之间的竞争。除了“哈萨比斯个人奋斗史”，这本书真正值得看的，是三个问题：
第一，一个人为什么会把一生押在“解决智能”这件事上？
第二，一个科学理想如何借助资本、组织、算力、人才和平台变成现实？
第三，AI的终极价值，到底是写文章、聊天、画图，还是成为人类探索科学和改造世界的新工具？
一、哈萨比斯最打动我的，不是聪明，而是“问题品位”
读这本书之前，我对哈萨比斯的印象主要来自AlphaGo和AlphaFold。读完之后，我反而觉得，他最值得研究的不是技术天才这一面，而是他选择问题的能力。
一个人聪明并不稀奇，聪明人很多。真正稀缺的是，他把聪明用在哪里。
哈萨比斯小时候是国际象棋神童，很早就进入高强度智力竞争环境。书里写到，他在一次长时间棋局失败后，突然意识到：一群最聪明的人，把大量智力投入到棋盘胜负里，这件事本身是不是有点浪费？人的智力是不是应该用于更大的问题，比如科学、医学、智能？
很多人终其一生，只是在已经设定好的棋盘里争胜负。哈萨比斯真正厉害的地方，是他从棋盘里跳了出来，开始问：有没有一盘更大的棋？
我们做企业、做投资、做项目，其实也经常陷在一个局部棋盘里：这个项目能不能中标？这个客户能不能签约？这个基金能不能募到？这个企业估值能不能再低一点？这些都重要，但它们未必是最根本的问题。
更大的问题应该是：这个项目是不是在解决一个真正重要的问题？这个企业是不是处在一个足够大的趋势里？这个技术是不是会改变某个行业的基础设施？我自己的时间和精力，是不是投入到了值得长期投入的地方？
所以我读哈萨比斯，最先记住的不是AlphaGo，而是四个字：问题品位。
高手之间的差别，不只是解题能力，而是选题能力。
二、AI不是聊天工具，而是“科学工具”
现在大家谈AI，很容易从ChatGPT、写文章、做PPT、画图、编程这些应用切入。这当然没错，因为这些是我们普通人最容易感受到的变化。
但哈萨比斯的视角明显更大。
DeepMind的使命可以概括为一句话：先解决智能，再用智能解决其他问题。
这句话听起来有点狂，但它解释了为什么AlphaFold这么重要。
AlphaGo证明的是：AI可以在极其复杂的规则系统中，走出人类没有想到的路径。它让人类第一次强烈感受到，机器不是简单模仿人，而是可能形成一种陌生但有效的新策略。
但AlphaFold的意义更大。它证明AI不只是能下棋、能聊天、能生成内容，它还可以进入生命科学，帮助人类解决过去长期难以解决的基础科学问题。也就是说，AI不只是生产力工具，而可能成为科学发现的基础设施。
如果说过去我们理解AI，经常把它看成一个“更聪明的软件”；那么读完这本书，我更愿意把它理解成一种“新型研究工具”或者“新型认知工具”。
它可能会改变药物研发，改变材料科学，改变气候建模，改变工程设计，改变企业经营决策，甚至改变我们发现问题和定义问题的方式。
对做产业投资的人来说，这个判断非常关键。
未来真正有价值的AI公司，未必是那些demo最炫、营销声量最大的公司，而是那些能够嵌入某个行业深层问题、成为行业基础设施的公司。
换句话说，我们不能只问：这个AI能不能写得更快、画得更好、回答得更像人。
更应该问：它有没有可能成为某个行业解决关键问题的工具？
三、判断AI项目，要看它有没有“根节点问题”
这本书和哈萨比斯最近的一些访谈里，有一个思路我觉得特别适合投资判断：什么样的问题适合出现AlphaFold式突破？
我把它转化成一个简单框架：
第一，有没有巨大的搜索空间？
第二，有没有清晰的目标函数？
第三，有没有足够的数据，或者可以模拟生成数据的环境？
围棋为什么适合AI？因为可能性极其巨大，但胜负目标很清楚。
蛋白质折叠为什么适合AI？因为结构可能性极其巨大，但它也有物理规律和评价标准。
这对投资判断很有帮助。
很多AI项目都说自己很重要，但我们可以追问三件事：
这个行业的问题，是不是复杂到传统方法很难穷尽？
什么叫“做得好”，有没有清晰标准？
有没有足够数据，或者能不能形成反馈闭环？
如果三个问题都回答不好，那么它可能只是一个披着AI外衣的软件项目。
但如果三个问题都成立，它就有可能变成一个真正的行业级机会。
这也让我重新思考我们正在做的企业情报系统。
企业情报判断，本质上也不是简单的信息抓取。真正有价值的是：在大量信息中识别出哪些信息会影响一家企业的收入、成本、客户、竞争、政策、供应链、资本市场和战略选择。
这背后同样需要一个判断链：
信息事实是什么？
它影响哪个变量？
这个变量是不是企业的关键变量？
影响路径是否清楚？
企业能不能采取行动？
如果AI能在这个过程中持续学习、积累样本、吸收研究员反馈，那它就不只是“资讯工具”，而会逐步变成一个企业经营的外部雷达。
四、伟大的技术公司，既需要理想，也需要资本和组织
DeepMind后来被Google收购，这件事很值得琢磨。
从理想主义角度看，一个追求AGI的科学团队，被大公司收购，似乎是一种妥协。但从现实角度看，没有Google的资金、算力、组织平台和长期支持，DeepMind未必能继续走到AlphaGo、AlphaFold、Gemini这些阶段。
这就是技术理想的现实悖论。
前沿技术不是靠几个天才在车库里一直做下去就能完成的。越往后，它越需要巨大的算力、顶尖人才、长期资金、工程系统、产品场景和组织协调。
所以，真正伟大的科技公司，既不是纯粹的科学实验室，也不是普通商业公司。它必须同时处理几组矛盾：
科学理想与商业现实；
长期使命与短期竞争；
开放研究与平台控制；
技术安全与市场速度；
创始人愿景与组织规模。
这也是我觉得这本书对企业家和投资人很有价值的地方。
很多时候，我们看一个企业，只看产品、收入、估值、融资。但真正要判断一家科技企业能否走远，还要看它有没有能力把“技术理想”转化成“组织能力”。
没有组织能力，技术只是论文和demo。
没有资本能力，理想很容易中途断粮。
没有产品能力，技术无法进入真实世界。
没有治理能力，越强的技术越可能带来越大的风险。
五、AI时代，人更需要“使命、念力和品位”
书里有一个我很喜欢的总结：理解哈萨比斯，可以看三个词——使命、念力和品位。
使命，是知道自己为什么做。
念力，是长期承受压力、混乱和失败后仍然坚持。
品位，是选择真正重要、真正困难、真正值得的问题。
这三个词，我觉得不只适用于哈萨比斯，也适用于我们每一个在AI时代重新定位自己的人。
AI越强，人越不能只靠“掌握信息”来证明价值。因为信息会越来越容易获得，答案会越来越容易生成，执行层面的很多工作会被工具增强甚至替代。
但AI越强，人的三个能力反而越重要：
第一，定义问题的能力。
第二，判断价值的能力。
第三，长期投入的能力。
一个人真正的差异，不再只是“知道多少”，而是能不能判断什么值得知道；不只是“能不能做事”，而是能不能选择值得做的事；不只是“会不会使用工具”，而是能不能让工具服务于一个长期目标。
这也是我读完这本书之后，对自己的提醒。
不要只忙着追逐每一个新工具。
不要只停留在“AI能帮我提高多少效率”。
更重要的是，要问自己：我准备用AI去解决什么真正重要的问题？
六、对我自己的三个提醒
读完这本书，我给自己留下三个提醒。
第一个提醒：不要把AI理解成工具箱，而要理解成认知基础设施。
今天的AI能写文案、做图表、生成代码，但这只是表层。更深层的变化，是它会进入企业经营、科学研究、产业组织和社会治理，成为新的底层能力。
第二个提醒：判断AI企业，不要只看模型能力，要看问题质量。
未来会有很多AI公司，真正值得投资和合作的，不一定是最会包装概念的，而是那些选中了高价值问题、拥有数据闭环、能形成专业系统的公司。
第三个提醒：个人和组织都要找到自己的“黑尔戈兰岛”。
哈萨比斯和DeepMind长期留在伦敦，某种意义上也是远离硅谷喧嚣，保留自己的思考节奏。今天AI变化太快，噪音太多，我们更需要找到一个能持续深度思考、持续积累能力的地方。
对我来说，这个“岛”可能就是围绕企业、产业、资本和AI情报系统，持续做深、做透、做成体系。
结语
这本书不是一本轻松的成功学读物，也不是一本简单的AI科普书。
它真正让我有收获的地方，是让我看到：一个改变世界的技术，不是凭空出现的。它背后有人的使命，有组织的选择，有资本的支撑，有技术路线的坚持，也有伦理和治理的困境。
哈萨比斯的故事提醒我：
AI的终局，不是让机器更像人聊天。
AI的真正价值，是帮助人类更好地理解世界、发现规律、解决复杂问题。
而我们每个人在AI时代真正要做的，也不是追着每一个工具跑，而是找到自己的长期问题，建立自己的判断系统，把AI变成放大自己认知和行动能力的杠杆。
五一读完这本书，我最大的感受是：
未来最值得投入的，不是“会使用AI的人”，而是“知道用AI去解决什么问题的人”，找到自己的“场景”。
