从国际象棋神童到AI领军人物
德米斯·哈萨比斯的成长轨迹堪称传奇。1976年出生于英国伦敦普通家庭的他，在华人母亲的培养下，很早就展现出非凡的智力天赋。4岁开始学习国际象棋，仅用两周时间就能战胜成年人；9岁成为英国11岁以下国际象棋队队长；13岁晋升为国际象棋大师，在全球同年龄段选手中排名第二。这种早期在策略性游戏中的卓越表现，为他日后在人工智能领域的发展奠定了坚实基础。
16岁时，哈萨比斯被剑桥大学计算机科学专业录取，这标志着他正式踏入了技术创新的殿堂。在大学期间，他并没有局限于课堂学习，而是积极在企业中探索新技术和产品。这种学术与实践相结合的经历，让他对技术的实际应用有了更深刻的理解。
游戏世界中的AGI萌芽
在电子游戏领域的探索过程中，哈萨比斯产生了一个革命性的想法：能否让游戏中的角色和物体像拥有自主意识那样行动？这一理念与今天的人工智能技术有着惊人的相通之处。通过游戏环境的模拟，哈萨比斯逐渐看清了通用人工智能（AGI）这条未来之路。
这种从游戏中汲取灵感的方式，体现了哈萨比斯独特的研究方法。他不仅仅是在理论上构想AGI，而是通过具体的实验环境来验证和发展自己的理念。在剑桥大学读书期间，他已经在游戏公司打工，尝试设计游戏角色与环境的互动，这些互动和反馈实际上就是智能体概念的雏形。
DeepMind的创立与发展
2010年，哈萨比斯与两位伙伴共同创立了DeepMind，公司的使命是"解决智能问题，然后用它来解决其他一切问题"。这一宏伟目标吸引了包括马斯克在内的早期投资者。然而，哈萨比斯最终选择了谷歌，2014年DeepMind以4亿美元的价格被谷歌收购。
选择谷歌的关键因素在于价值观的契合。哈萨比斯认为谷歌的两位创始人拉里·佩奇和谢尔盖·布林具有科学家的气质，他们对科学探索有着长远的布局。更重要的是，谷歌对AI技术的伦理和安全有着清醒的认识，这与哈萨比斯的价值观高度一致。
在谷歌体系内的突破性成就
被谷歌收购后，哈萨比斯带领DeepMind取得了一系列突破性成果。AlphaGo击败世界顶尖围棋选手柯洁和李世石，展示了AI在复杂策略游戏中的卓越能力。而AlphaFold系统在预测蛋白质结构方面的突破，更是为哈萨比斯赢得了诺贝尔化学奖。
这些成就的背后，是哈萨比斯对AGI的执着追求。他坚信通过强化学习结合神经网络的方法，最终能够实现通用人工智能。即使在AI大模型时代到来初期，DeepMind相对落后于OpenAI的情况下，哈萨比斯仍然坚持自己的技术路线。
技术路线选择的得与失
哈萨比斯在技术路线选择上展现出独特的判断力，但也经历过战略偏差。他将研究重点分为三个层次：强化学习排在首位，其次是神经网络，最后才是基于数据的归纳推理。在这种框架下，语言模型被归为第三个层次的分支，这导致DeepMind在大语言模型发展的关键时期相对滞后。
这种战略选择反映了哈萨比斯作为科学家的本质特征。他更关注智能的本质问题，而非追逐技术热点。直到GPT-2发布后，DeepMind才开始真正重视大语言模型的研究，而此时OpenAI已经在GPT-3上取得了显著进展。
组织架构调整与逆袭
随着AI竞争的加剧，谷歌对DeepMind的定位也经历了重要调整。最初，DeepMind在谷歌内部主要承担从零到一的突破性研究角色，与谷歌的产品线保持相对独立。这种定位在早期有利于保持研究的纯粹性，但在激烈的市场竞争中逐渐显露出局限性。
2022年左右，谷歌开始整合AI研究资源，将谷歌大脑与DeepMind合并，由哈萨比斯统一领导。这一调整使得DeepMind能够集中全公司之力构建统一的大模型Gemini。经过半年左右的过渡期，团队开始专心致志地推进Gemini项目，最终在2025年底实现了对OpenAI的逆袭。
基础设施的关键支撑
Gemini成功的背后，谷歌强大的基础设施支撑起到了决定性作用。TPU架构在推理和训练方面的持续优化，为大规模模型训练提供了坚实基础。与OpenAI需要不断融资不同，DeepMind在谷歌体系内享有稳定的资金和算力支持，这使得团队能够专注于技术研发，而非商业模式的探索。
特别值得关注的是，Gemini-3是首个主要基于TPU而非GPU训练出的顶尖大模型。这体现了谷歌在软硬件协同优化方面的深厚积累，也证明了专用AI芯片在大模型训练中的优势。
领导风格与团队建设
哈萨比斯的领导风格独具特色。他善于聚集全球顶尖人才，在DeepMind内部建立跨学科的研究团队。即使在团队规模从四五百人扩展到六七千人的过程中，他仍然保持了高密度的人才组织形式和跨学科的研究方法。
作为领导者，哈萨比斯展现出从纯粹科学家向综合型领袖的转变。他不仅要面对从研究到工程的转化，还要平衡学术追求与商业竞争的关系。这种转变在Gemini项目的成功中得到了充分体现。
对未来发展的展望
展望未来，哈萨比斯仍然将实现AGI作为终极目标。他认为还需要五到十年时间，以及一两个transformer级别的创新突破。在技术路线上，他保持了对强化学习的坚定信念，同时对大语言模型的重要性有了更深刻的认识。
一个值得关注的方面是哈萨比斯对量子计算的态度。与谷歌整体对量子计算的重视不同，哈萨比斯更相信经典计算能够解决AGI所需的基本计算需求。这种技术理念的差异，可能会影响DeepMind未来在量子计算方向的布局。
创新范式的重新定义
哈萨比斯的经历重新定义了科学研究的创新范式。他通过创业的方式来实现研究突破，将学术机构的严谨性与企业的执行力相结合。这种方法打破了传统学术研究的局限性，为AI领域的发展提供了新的思路。
与单纯的企业家不同，哈萨比斯更关注通过AI推动科学发现本身。他曾经表示，自己的目标不是超越费曼或爱因斯坦，而是创造能够超越这些科学巨匠的AI系统。这种宏大的愿景，使得他的工作具有超越商业竞争的意义。
在AI竞争日益激烈的今天，哈萨比斯和DeepMind的经历为我们提供了宝贵的启示：坚持长期主义的技术路线，平衡基础研究与应用创新，建立强大的基础设施支撑，这些都是实现技术突破的关键要素。
