AI时代需要AI原生组织!Deepmind的创新之路——《哈萨比斯:谷歌 Al 之脑》读后感声明：仅代表个人观点，欢迎拍砖交流。2025年春节在伦敦的最后一天，我去了国王十字车站北面的一个废弃卸煤场改造成的文创园区。逛完往回走，突然看到右边出现了一幢巨大的办公大楼门口挂着GOOGLE的牌子。进门探头一看，哇，玻璃墙上贴满了各种图案，超级时尚有活力的地方。直到前不久我开始阅读《哈萨比斯：谷歌Al 之脑》，我才知道原来大名鼎鼎的DeepMind就是在这里！怪不得充满创新活力！一个月之前我看过谢赛宁的专访，他提到了DeepMind独特的创新组织模式，于是我有了兴趣去找了资料。这篇文章就是我思考的输出产品。一、强烈的使命感二三十年前，人工智能、神经网络这些词语给我的印象就是过气流行词语，研究停滞不前，距离现实遥不可及。哈萨比斯为什么坚定的相信通用人工智能一定能实现呢？而且把AGI作为终生奋斗的事业来努力？强烈的使命感是贯穿整本书的一个核心主题。“实现通用人工智能”这拥有如此强烈且近乎执念的使命感，是源自于哈萨比斯极其独特的人生轨迹，以及作为创始人带给Deepmind的文化基因。哈萨比斯4岁开始下国际象棋，9岁时成为英国 11 岁以下国际象棋队的队长，13岁晋升为国际象棋大师。有一次历经十个小时比赛后突然意识到：“为什么投入巨大的集体智力投入？难道不应该用在更崇高的事业上吗？比如科学或医学？我觉得我们是在浪费自己的头脑。”他下定决心，一定有更有意义的事悄在等着他——一项使命，一个目标。“我想发明一种能解决世界上所有问题的东西。”8岁一本《国际象棋计算机手册》 将哈萨比斯感兴趣的两个世界联系在一起。15岁进入牛蛙游戏公司开发《主题乐园》游戏，让他早早意识到，通过代码和算法构建虚拟世界，可以极大地影响现实世界。18岁上剑桥大学学计算机，选择剑桥是受到电影《生命的故事》的影响，哈萨比斯希望能像沃森发现DNA双螺旋结构一样能改变世界。来到剑桥后．哈萨比斯一直在留意那些待Al 成熟后可以攻克的科学难题，知道了蛋白质折叠是一个难题，这也是他后来因此获得诺贝尔化学奖。剑桥毕业之后，先去继续开发游戏。然后自己创业想要解决AI的问题。但初次创业失败之后，他选择了去UCL读认知神经学博士，专门研究人类的海马体和想象力机制。这个跨域跨得很大，因为他想了解人类智能是怎么实现的？我七八年前也曾经对此产生过巨大的兴趣，但是厚厚的《神经科学》我至今没能看完几页，实在是太晦涩了。但哈萨比斯真就拿了个神经学博士下来，在创立DeepMind时设下宏伟愿景：“先解决智能，再用智能去解决其他一切问题。”企业文化本质上是一把手文化。DeepMind这个愿景凝聚了对AGI近乎宗教般虔诚的信仰。它像一块强大的磁石，吸引着一群同样相信AGI能够实现、并渴望为此奉献一切的顶尖人才。这种高浓度的人才聚集，目标高度一致，就像一个拜AGI教。他们不为短期利益所动，而是被一种共同的使命感紧紧团结在一起。读到这里，我在想，那个时候的我在干什么？我们绝大多数人困于应试教育、为分数和标准答案而焦虑，为一口饭碗而努力。而哈萨比斯的成功路径是一步步演化过来的，他从国际象棋到电子游戏开发，再到认知神经科学，一步一步地为最终的目标——理解并创造智能——搭建创新的脚手架。这些成就，都源于内心深处那份超越功利的、更宏大的使命驱动。二、跨学科的智慧熔炉：复合型人才的化学反应哈萨比斯的个人履历本身就是跨学科融合的过程。他将国际象棋的策略思维、计算机科学的严谨逻辑、电子游戏的交互设计以及认知神经科学对人脑的理解，熔于一炉。这种复合型背景，使他能够从一个更宏大、更系统的视角来看待AI，避免了单一学科的视野盲区。DeepMind的团队构建，复刻了这种跨学科基因。这里汇集机器学习、神经科学、哲学、数学甚至艺术等不同背景的人才。这种多样性打破了学科壁垒，让不同思维方式在解决同一个问题时产生化学反应。这一点在AI领域就特别凸显。Anthropic 的创始人Dario Amodei，拥有斯坦福物理学学士学位及普林斯顿生物物理学博士学位，曾在斯坦福大学医学院从事博士后研究。而他的妹妹Daniela Amodei的阅历就更夸张了。大学拿的是英语文学学士，既不懂法律，也不懂计算机。09年刚毕业在国会山搞政治，后来加入Stripe，然后是Openai，再后来联合创立了Anthropic。她在访谈中特别强调跨学科背景对于理解和开发前沿技术的重要性，指出好奇心、持续学习的能力以及明确的个人定位是推动行业进步的关键素质。三、摘取低垂果实，用里程碑大项目证明自身价值通往AGI目标的路途遥远，难的是路径如何选择。在被谷歌收购之初，DeepMind如同一个昂贵的“黑箱”，投入巨大却难以看到即时回报。如何向外界，尤其是向股东证明其存在的价值，成为一道难题。在哈萨比斯第一次创业的万灵药工作室，他让公司直接投入制作有史以来最复杂的电子游戏中，这种好高矜远导致了项目的失败。而在DeepMind，虽然他的最终目标更加宏大，但他设计了通往目标的阶梯。哈萨比斯在组建科学团队的同时，允许员工进行探索，没有给他们设定苛刻的目标。一且团队组建完成，哈萨比斯就展现出了卓越的判断力。第一步通过选择雅达利游戏作为挑战对象，因为上个世纪七八十年代视频图像的状态比较原始，破伸雅达利游戏所需要的算力成本足可以承受。此他把握住了融合深度学习和强化学习的最佳时机，结果他展现了又一个" ImageNet 时刻“。接着，哈比萨斯选择做的突破口是围棋对弈。2016年，AlphaGo4：1战胜世界围棋冠军李世石，这一现场直播吸引了全世界的目光，更让整个社会直观地感受到了AI的巨大潜力。此时再看谷歌当初收购价的5亿美元简直就是捡白菜价。随后，DeepMind将目光投向了更具现实意义的领域——蛋白质折叠预测。AlphaFold项目攻克了困扰生物学界五十年的难题，直接推动了生命科学的进步。这一壮举，再次印证了其初衷使命：用智能去解决人类面临的最棘手问题。DeepMind通过这些改变人类的大项目，成功地将自身的科研价值与人类的共同福祉紧密相连，赢得了更广泛的认可与尊重。四、独特的创新组织运作模式DeepMind 的组织模式非常独特，它成功地在Google内部构建了一个相对独立的“半自治”科研特区。DeepMind在刚成立的前几年是个纯研究机构，没有任何收入，也没有产品。后来算力等研发资源投入很大，就希望能找个金主来支撑研发。在跟谷歌收购谈判时，DeepMind 坚持留在伦敦，并保持了独立的文化，远离硅谷总部的日常政治博弈。这种物理和架构上的距离，为它挡住了大公司的官僚主义。当ChatGPT引爆市场后，Google曾要求DeepMind从基础研究转向产品化，这种外部压力直接导致了内部的文化冲突，甚至促使哈萨比斯一度探索让DeepMind重新独立。为了应对激烈的AI 军备竞赛，Google 在 2024年前后将各大AI团队整合到DeepMind的统一架构下。这种整合虽然解决了各自为战的问题，但也带来了大公司的通病——资源竞争、重叠的职责范围以及官僚主义的审批流程。在整合过程中，内部政治可能会影响资源分配，导致原本纯粹的科研决策受到干扰，甚至一度让外界产生谷歌“反应迟缓、决策缓慢”的观感。扁平化的管理结构更是打破了层级壁垒。任何研究员都可以直接向CEO哈萨比斯讨论想法，无需层层汇报。这种直接沟通的文化，极大地加速了创新的流动。DeepMind无传统KPI 考核。没有填不完的周报，也没有为了短期股价而强行产品化的KPI。管理层深知，探索AGI这样的“登月计划”无法按季度来考核。因此，他们给予了科学家极大的自由度，鼓励“吸气期”的自由探索与“呼气期”的集中攻关，让灵感与效率在松紧之间找到最佳平衡。在没有强硬KPI 的情况下，DeepMind 依靠以下机制实现高效的内部协调：使命驱动：所有人的目标高度对齐在“解决智能，进而解决其他一切”这一宏大使命上。当大家的目标是解决气候变化、药物发现等人类根本性挑战时，跨部门协作就变成了自发行为，而非行政命令。打破“抢署名”文化：在跨学科合作中（如用 AI 修复古希腊铭文的 Ithaca 项目），团队专注于解决问题，而不是争夺论文署名。这种机制鼓励了 AI 专家与领域专家的深度交融，而不是简单的“你提需求我写代码”。矩阵式与轮岗结构：项目领导基于专业知识和研究需求进行轮换，而不是固化的部门领导。公司鼓励科学家和工程师定期更换项目，这创造了多个影响力中心，避免了传统结构中的瓶颈。每个由3-4 位研究员组成的小组中，都会嵌入一名研究工程师。他们参与研究构想，同时负责将想法快速转化为代码并在基准测试上运行。争议性文化：打造一种允许公开探讨、彼此批评又共同进步的文化。不同背景的研究者可以在开放平台上争论，通过思想碰撞来协调方向，而不是靠上级拍板。五、最后的感想：AI时代需要AI原生组织传统的产品研发流程始终建立在一种“技术恒定”的假设之上：即项目启动时的技术约束，在交付时依然有效。产品经理习惯于通过详尽的调研来建立对未来的“信心”，并制定横跨数月的执行计划，做调研，写PRD，然后交给工程师去实现。但是Anthropic公司有了Claude Code之后，传统的编程试错成本很低，AI时代产品经理不写PRD，直接出Demo验证。通过这种方式原先可能要半年的开发就编程只需要一个月，甚至一周、一天就能实现了。在一个技术快递迭代的时代，传统组织模式是无法满足这一要求的。国内新兴的AI 团队，如DeepSeek、月之暗面已经开始探索这一路径。它们通过技术理想主义吸引对事业极度热爱的年轻人，不设立前置的岗位分工，而是让员工围绕有潜力的idea 自然分工，将挑战聚焦在终极难题而非资源争夺上。月之暗面300人，没有部门，没有Title，没有考核。这在传统的组织中是不可想象的。这些年，我越来越感受到组织的转型变革是个高难度的事情，绝大多数的传统企业都是无法完成的。因为结构决定行为，你不能在结构里面改结构，你只能重新建一个。建结构这件事本身，是不被旧结构决定的。#人工智能# #组织创新#
夜雨聆风
