夜雨聆风在当下人工智能加速重构世界的时代，一部关于AGI核心推动者的深度传记，无疑是我们理解这场变革的重要入口。
《哈萨比斯：谷歌AI之脑》由两度入围普利策奖的资深作家塞巴斯蒂安·马拉比历时三年完成，作为哈萨比斯唯一官方授权传记，中文版于2026年3月由湛庐文化与浙江科学技术出版社出版，领先英文版面世。
这本书与其说是一部商业人物传记，不如说是一部仍在书写中的AI当代史。愿你们也能享受阅读这个时代的故事。
AI时代的成长叙事与技术编年史
马拉比基于与哈萨比斯超过30小时的独家深度对话，以及对百余位核心人物的采访——包括决裂的联合创始人、直接的商业对手和学界先驱——构建了一幅兼具科学深度与商业洞察的立体画卷。
全书围绕四个核心主题展开：哈萨比斯的成长轨迹、DeepMind的技术突破、AGI时代的技术路线之争，以及商业与伦理的博弈。
从棋盘到实验室：一位跨界天才的“燃烧式成长”
传记最打动人的部分，莫过于哈萨比斯早年经历的独特性。
他出生于北伦敦的一个移民家庭——父亲是塞浦路斯裔希腊人，以卖玩具为生；母亲是新加坡华裔，幼年曾在街头流浪。4岁学会国际象棋，13岁获得大师头衔，全球同龄选手中排名第二。
然而，11岁时在列支敦士登古堡中经历的一场长达10小时的残局拉锯战，成为他人生的分水岭。
比赛虽以微小失误告负，但他第二天醒来时感受到的不是失败的沮丧，而是一种强烈的生理性反胃——让他作呕的是这样一个顿悟：“这样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？”
从那一刻起，他便不再仅仅是一个棋手，而是一个带着使命感的“建造者”。
此后的经历形成了一条罕见的认知轨迹：17岁主导开发经典模拟游戏《主题公园》，剑桥大学计算机科学以双重一级荣誉学位毕业，创立游戏公司并让NPC学会根据玩家行为自主调整策略，又在公司盈利之际毅然关闭公司、重返校园攻读认知神经科学博士。
正如他本人所说：“要真正理解如何建造智能机器，必须先弄懂自然界中唯一存在的已知智能：人类大脑。”他的博士研究发现海马体与情景记忆的关系，被《科学》杂志评为2007年“年度突破”。
马拉比的独到之处在于，他并未落入“天才加极端性格等于伟大成就”的叙事俗套，而是把哈萨比斯的三段经历——国际象棋、游戏设计、神经科学——提炼为一种独特思维风格的锻造：国际象棋教会他模式识别，游戏设计教会他让智能体在环境中自主学习，神经科学让他确信了费曼的信条——“你造不出来的东西，你就没真正理解”。这三段经历层层叠加，最终将他推向了强化学习的坚定信仰。
技术史诗：从AlphaGo到AlphaFold的突破之路
2010年，哈萨比斯与肖恩·莱格、穆斯塔法·苏莱曼在伦敦共同创立DeepMind，公司使命简洁而宏大：“解决智能问题，然后用智能解决一切其他问题。”
从创立第一天起，DeepMind的目标就是通用人工智能（AGI）。此后十余年间，DeepMind缔造了一系列技术里程碑：AlphaGo于2016年击败世界围棋冠军李世石，次年战胜柯洁；AlphaFold于2020年实现蛋白质结构精准预测，解决了困扰生物学界50年的经典难题。
2024年，哈萨比斯与约翰·詹珀因AlphaFold共同获得诺贝尔化学奖——一位计算机与神经科学背景的研究者，获得了化学领域的最高荣誉。正如中科院院士施一公所言，人类积累了几十年的22万个蛋白结构，AI仅用三年就生成了六七亿个。
此后，AlphaFold迭代至第三代、AlphaCode实现可编程代码生成、Gemini在多模态领域实现技术反超……DeepMind俨然成为AI时代最接近“阿波罗计划”或“曼哈顿计划”的科学探索引擎。
技术路线之争：强化学习与大语言模型的博弈
然而，这本书最有价值的并非成功叙事，而是它对哈萨比斯“盲区”的冷静审视。随着2022年底ChatGPT横空出世，OpenAI在大语言模型赛道上一骑绝尘，DeepMind却在大模型的关键窗口期落后了。书中第13章标题为“语言与自然之道的背离”，副标题更加直白：第一次惜败OpenAI。
为什么会“慢半拍”？马拉比给出了一个深刻的技术分析：DeepMind起家的强化学习擅长逻辑推理和深度决策，更像丹尼尔·卡尼曼所说的“系统二”——慢思考；而大语言模型展现的生成与直觉能力，则更像“系统一”——快思考。
哈萨比斯并非不懂大模型，而是试图走出一条融合两者之路——在Gemini项目中，他将DeepMind在强化学习上的深厚积累与大语言模型的通识能力相结合，试图同时打开“认知与推理”两把枷锁。
这揭示出一个更深层的问题：一个人最坚定的信念，在什么情况下会从最大优势变成最大障碍？
马拉比对此不贬也不捧，而是客观呈现一个事实：不同的方法论信仰，会衍生出不同的组织形态、盲区和风险。这种冷静的审视，让这本书超越了“天才颂歌”，成为一部真正的思想实验。
商业博弈与伦理困境：AI时代的“奥本海默时刻”
马拉比尤其关注哈萨比斯在谷歌权力结构中的生存状态。
2014年，DeepMind被谷歌以约6.5亿美元收购，但哈萨比斯坚持在收购条款中加入伦理宪章——要求在开发可能对人类构成危险的AI技术时设立独立监督机制。
这种对AI安全近乎偏执的关注，源于他将DeepMind比作“阿波罗计划”或“曼哈顿计划”的自省——既是对科学探索的狂热赞颂，也是对技术伦理的深刻警示。
这一“奥本海默式”困境贯穿全书：建造终极机器的人，自己也可能被机器反噬。
AI 时代的慢科学与人文深思
“慢科学”的胜利：基础研究驱动的创新范式
哈萨比斯的故事向我们展示了与当前硅谷“快速迭代、快速试错”范式截然不同的一条路径。用书评中形象的说法，他走的是一条“慢科学”之路。
当整个行业都在追逐大语言模型的“低垂果实”时，他执拗地将资源投入到AlphaFold——一个在当时看来“不实用”的生物学难题上。结果不仅获得了诺奖级别的突破，更证明了AI的核心价值不在于模仿人类认知，而在于成为科学发现的基础设施。
这种路径选择背后是一种更为深厚的科学理想主义。
正如传记标题“无限机器”所暗示的，哈萨比斯的终极目标不是打造一款商业成功的产品，而是创造一个能够系统性加速人类科学发现的人工智能引擎。这一点在当前AI行业日益被短期商业变现主导的背景下，显得尤为珍贵。
技术路线的融合：AGI的终极方向
哈萨比斯在Gemini项目中的探索，恰好呼应了当前AI行业的一个核心趋势。2025年AI行业转向了智能体元年，2026年行业普遍认为正处于智能体的爆发元年。
而在哈萨比斯的设想中，Gemini从一开始就不是一个“聊天模型”，而是一个理解现实世界的多模态系统，是通往物理AI的入口。
正如清华大学唐杰教授在书评中所言，无论是谷歌DeepMind的Gemini、OpenAI的o1模型，还是中国的GLM系列，全世界顶尖实验室殊途同归，都在寻找那把能同时打开“认知与推理”双重枷锁的钥匙。
哈萨比斯的“慢”，本质上是在积蓄一种整合两种智能范式的力量。这种选择的对错尚需时间验证，但它所体现的方法论自觉，对于整个AI行业都具有启示意义。
中国的启示：竞争中的“同行者”视角
对中国AI从业者而言，这本书提供了一个珍贵的“同行者”视角。哈萨比斯的母亲是新加坡华裔，而柯洁在AlphaGo面前失利所引发的震动，曾促使中国政府出台2030年成为AI超级大国的战略规划。
当前，中国AI行业正处于从“跟跑”到“并跑”的关键时期。哈萨比斯的经历至少提供了三重启示：其一，基础研究的长期投入是技术突破的根本驱动力——AlphaFold的胜利证明，真正的颠覆性创新往往来自对基础科学问题的执着追求，而非对市场热点的追逐；其二，AI安全与伦理不能沦为后置的“装饰品”，而应从一开始就嵌入技术架构的设计之中；其三，技术路线的选择应保持开放性和前瞻性，不被当下主流范式所局限。
AI时代“人之为人”的终极追问
这本书之所以超越了一般的商业传记，在于它对“人之为人”这一根本问题的持续追问。杨斌教授在推荐序中精辟地指出，哈萨比斯身上有三样东西值得深思：使命、念力与品位。
这三者不是天赋的恩赐，而是在高密度挑战性的心智活动中积淀和涌现的——高水平的对手、高质量的隐性知识输入、行动后的反馈与省察，共同塑造了这种罕见的认知品质。
当AI的能力边界以指数级速度扩展，当通用人工智能从科幻走向现实，人类面临的最大挑战或许不是技术本身，而是我们想成为什么样的人类。
正如哈萨比斯在书中所言：“AI带来的变革将比自从大约7万年前智人获得抽象思维能力以来的任何事件都更为深远。”
在这个意义上，哈萨比斯的故事不只是一个天才的成功叙事，更是一面镜子——它邀请我们在AI时代重新审视人性的定义和文明的方向。
合上这本书，最令人深思的或许不是AlphaGo击败李世石的那个瞬间，也不是诺贝尔奖的光芒，而是这样一个画面：
“一个11岁的男孩，在一盘漫长到令人窒息的棋局后，感受到的不是失败的沮丧，而是一种强烈的使命召唤——要把人类最宝贵的智力，用在最值得的事业上。三十多年后，他用AlphaFold证明了这种信念的力量。”
但故事远未结束。正如哈萨比斯自己所言：“没有，从来都没有安心的时候。”在通往通用人工智能的路上，所有人都是在黑暗中摸索的同行者。而这本书，正是这个时代最珍贵的一份探险记录。
愿你们也能享受阅读这个时代的故事。
本内容由 AI 生成。
