硅谷101

E226｜聊聊DeepMind创始人哈萨比斯：一个科学家与失控的AI竞赛

2026/2/261:13:14

Editorial Note

<img src="https://imagev2.xmcdn.com/storages/a723-audiofreehighqps/B7/79/GAqhfD0NByqOAAHpNQRBU__s.jpg" alt=""> 他是霍金口中“地球上最聪明的人之一”，4岁下国际象棋，13岁获大师称号，却在一场对弈中突然顿悟，转身奔向人工智能。 他是DeepMind创始人，AlphaGo、AlphaFold背后的大脑，2024年诺贝尔化学奖得主。他也是那个因执念于强化学习险些错失大语言模型时代，又率领谷歌Gemini逆袭，成功回到牌桌的“孤傲天才”。 我们想聊聊哈萨比斯，不仅因为他的天才传奇，更想了解：发明终极技术的那一小撮人，他们的思想从何而来，动机又是什么？ 作者塞巴斯蒂安·马拉比在传记中抛出一个问题：哈萨比斯一直想做正确的事，但他能做到吗？ 本期播客，我们邀请到了《哈萨比斯：谷歌AI之脑》译者周健工，他也是中国最早当面采访哈萨比斯的媒体人。我们从哈萨比斯的少年往事聊起，复盘DeepMind被谷歌收购的博弈，以及错失大模型的战略失误，也追问了那个绕不开的问题：当一个科学家手握可能改变人类命运的技术，他的理想、执念与野心，会把我们带向何方？ 【主播】 泓君，《硅谷101》创始人，播客主理人 【嘉宾】 周健工，未尽研究创始人，资深媒体人，《哈萨比斯：谷歌AI之脑》译者 【你将听到】 03:12 外表普通，智力超群——译者对哈萨比斯的第一印象 06:53 作者马拉比为什么选择哈萨比斯 哈萨比斯早年经历 10:38 象棋神童的顿悟时刻：下棋并非人生的全部，转向人工智能 13:41 他在游戏中植入“智能体”的雏形，却因算力不足失败 15:50 “如果你不能把一个东西造出来，你就不能真正理解它” 17:22 对强化学习的执念，为未来悄悄埋下伏笔 20:15 学派之争：萨顿的“强化学习”和辛顿的“深度学习” DeepMind崛起和失误 22:23 DeepMind另外两位创始人登场：肖恩·莱格和苏莱曼 26:17 融资历程：彼得·蒂尔觉得他商业上不成立，却还是投了 31:33 扎克伯格“端水”回答，让DeepMind果断选择谷歌 37:59 从围棋到生物学难题：“没有我玩不赢的游戏” 41:18 AI发展里程碑：2024年诺贝尔化学奖背后的故事 46:07 密谋脱离谷歌的“马里奥计划”、NHS数据风波和苏莱曼的离开 52:42 昔日伙伴各自成为谷歌、微软AI掌门人 55:16 孤傲下的战略失误：DeepMind为什么错失大语言模型 故事的背后，我们再聊聊…… 59:31 Gemini逆袭背后，谷歌内部经历了什么 1:03:02 AI末日警告？顶级科学家态度各不同 01:07:24 客观看待作者倾向性：与硅谷保持距离的“英国立场” 01:09:13 哈萨比斯的矛盾：他不愿意控制别人，却一定要赢过别人 【听众福利】 想了解更多故事，欢迎关注哈萨比斯官方授权传记：《哈萨比斯：谷歌AI之脑》（The Infinity Machine：Demis Hassabis, DeepMind, and the Quest for Superintelligence） 作者：[美]塞巴斯蒂安·马拉比（Sebastian Mallaby） 译者：周健工 我们将在评论区抽出2名幸运听众赠送这本书，快来留言参与吧（截止时间3月2日） <img src="https://imagev2.xmcdn.com/storages/24c6-audiofreehighqps/F6/D5/GKwRIMANdLGkAAKwmQRwANPe.jpg" alt=""> 【监制】 泓君 【后期】 AMEI 【运营】 朱婕 【BGM】 Ashbound Oath - Ruiqi Zhao Estimations - Christoffer Moe Ditlevsen Floating in Space - Eva Hummingbird 【在这里找到我们】 公众号：硅谷101 收听渠道：Apple Podcast｜Spotify｜小宇宙｜喜马拉雅｜蜻蜓FM｜荔枝FM｜网易云音乐｜QQ音乐 其他平台：YouTube｜Bilibili 搜索「硅谷101播客」 联系我们：<a href="mailto:podcast@sv101.net" rel="nofollow">podcast@sv101.net</a>Special Guest: 周健工.

Voices

Keywords

Chapter 01Read Full

智力的终极边界：哈萨比斯与通用人工智能的崛起

外表普通，智力超群：初识人工智能“大脑”哈萨比斯外表极度平凡，像一个普通的研究所职员，但其思维的流畅度与逻辑的跨度展现了世界顶级的智力高度。

棋盘外的顿悟：从神童到 AGI 先驱哈萨比斯在棋坛巅峰时刻意识到，智力不应被浪费在方寸棋盘，从而转向追求能解决通用问题的智能技术。

Volume 01

人物画像：
双面哈萨比斯

外表：平凡如邻家研究员

内核：极致流畅的逻辑大脑

Key Milestones

DeepMind 崛起从战胜围棋冠军到破解蛋白质折叠
神经科学博士 “要造出 AI，得先搞明白人脑”
诺贝尔奖章将科学视为一种极致的精神追求

Philosophical Core

“我们是否将智力浪费在下棋这种小事上？”

哈萨比斯的第一性原理：
通过模拟人脑，创造通用的、能解决一切科学问题的“上帝机器”。

霍金曾说，哈萨比斯是世界上最聪明的人之一。

Chapter 02Read Full

模拟生命的野心：从游戏“失败”中诞生的 AGI 战神

他在游戏中植入“智能体”雏形，却因算力不足失败哈萨比斯早期在游戏开发中尝试模拟复杂的环境反馈与独立AI角色，虽因时代算力限制折戟，却坚定了其通过构建模拟系统来理解智能的道路。

01 / 核心冲突

算法 vs 算力

2003年的算法野心（模拟千人思想）撞上了极其有限的硬件壁垒（当时的CPU无法支撑）。

02 / 哲学基石

费曼法则

“What I cannot create, I do not understand.” (不能亲手造出，就无法真正理解。)

03 / 演进路径

强化学习

从游戏的“试错反馈”到 AGI 的“自我进化”，强化学习是哈萨比斯手中唯一的通向未来的门票。

他崇尚理查德·费曼的那句话：如果你不能把一个东西造出来，你就不能真正理解它。

Chapter 03Read Full

超级大脑的诞生：DeepMind 的浪漫与硬核

学派之争：萨顿的“强化学习”与辛顿的“深度学习”DeepMind 的成功在于将“像生物一样试错”的强化学习与“像人脑一样识别”的深度学习进行了完美融合。

创始人“铁三角”：极客、学者与社会活动家DeepMind 的诞生并非偶然，而是哈萨比斯的远见、莱格的技术深度与苏莱曼的人文洞察在伦敦大学学院碰撞出的火花。

疯狂的融资：寻找敢为“未来”买单的人在 AGI 还是个笑话的年代，彼得·蒂尔和周凯旋等投资人凭借对顶尖天才的直觉，完成了这场对未来的逆向投资。

01 / 学术双螺旋

RL + DL

强化学习（试错进化）与深度学习（模式识别）的融合，构成了 AlphaGo 的技术灵魂。

02 / 创始团队

哈萨比斯：天才棋手
莱格：技术大脑
苏莱曼：社会洞察

03 / 资本共鸣

“即便商业模式不成立，但这个团队本身就值得一个席位。”

— Peter Thiel

即便在硅谷，DeepMind 的商业模式在当时看起来也是完全不成立的。

Chapter 04Read Full

从棋盘到诺贝尔奖：DeepMind 改变世界的 3600 天

硅谷抢人大战：扎克伯格为什么输给了谷歌？哈萨比斯拒绝了扎克伯格的‘端水’方案，选择了对他 AGI 理想更纯粹、更具科学家情怀的谷歌，开启了 AI 人才千万美金身价时代。

从围棋到蛋白质：哈萨比斯的“一定要赢”逻辑DeepMind 证明了 AI 不仅能玩赢围棋这种‘人类游戏’，更能破解蛋白质折叠这种‘自然界的游戏’。

INDEX 01 / ACQUISITION

顶级人才的价码

扎克伯格因“端水”心态错失良机，谷歌以 6.5 亿美元豪赌 AGI。当时顶级 AI 人才身价已达 1500 万美元/人。

核心逻辑

“纯粹性”胜过“多元化”

INDEX 02 / MILESTONE

围棋：复杂性的终结

2016 年 AlphaGo 击败李世石。这不仅是算力的胜利，更是深度强化学习在处理天文级搜索空间时的范式跃迁。

GO COMPLEXITY: 10^170

INDEX 03 / FUTURE

破解生命之书

从围棋跨越到蛋白质折叠。AlphaFold 2 解决了生物学 50 年难题，哈萨比斯借此荣获 2024 年诺贝尔化学奖。

FROM GAME TO NOBEL PRIZE

哈萨比斯认为扎克伯格对未来技术没有自己的第一性原理判断，于是果断拒绝了他。

“没有我玩不赢的游戏。”

Chapter 05Read Full

重塑边界：DeepMind 的权力博弈与错失的通用人工智能大门

密谋脱离谷歌的“马里奥计划”与 NHS 风波苏莱曼试图通过‘马里奥计划’让 DeepMind 独立，但在数据隐私丑闻与谷歌内部博弈的双重打击下被边缘化，最终转投微软。

昔日伙伴的错位竞争从收购初期的精明决策到如今的竞争对手，谷歌、DeepMind 与微软、OpenAI 的关系在 ChatGPT 诞生后发生了戏剧性逆转。

孤傲下的战略失误：为什么 DeepMind 错失 LLMDeepMind 内部迷信“强化学习”是通向 AGI 的唯一路径，而将大语言模型排在次要位置，导致在 OpenAI 崛起时反应迟缓。

01 / Power Balance

谷歌与 DeepMind 的“150亿”契约

谷歌曾承诺投入百亿美元经费，但代价是收编核心医疗业务。这成为苏莱曼（Suleyman）与哈萨比斯（Hassabis）分道扬镳的导火索。

150 亿美元

谷歌预算支持

80%

研究占比

02 / Technical Bias

被排在第三位的 LLM

DeepMind 内部优先级：

1 强化学习 (最重视)
2 神经科学
3 大语言模型

03 / Pivot Point

坦克开到了草皮上

ChatGPT 的突然爆发让哈萨比斯意识到，仅仅追求“科学”已不足以抵御 OpenAI 的入侵。复仇与反击成为 DeepMind 的新基调。

关键人物：苏莱曼

现任微软 AI 首席执行官

“他们把坦克开到了我们家草皮上了，我必须要反击。”

Chapter 06Read Full

硅谷竞争之外：DeepMind 的科学复兴与 Gemini 逆袭路

Gemini 逆袭背后：谷歌的“战时体制”通过整合 DeepMind 的算力资源并回归封闭式高强度研发，谷歌在 2024 年成功重回 AI 性能巅峰。

AI 末日还是新黎明？哈萨比斯的科学底色哈萨比斯将 AI 视为人类最有益的技术工具，其驱动力源于破解宇宙奥秘的原始好奇心。

作者倾向性：带有“英国滤镜”的传记读者需警惕传记作者马拉比的立场，他可能过度美化了哈萨比斯的决策动机。

Phase 01 / 组织重塑

极致透明与算力集权

谷歌通过整合 DeepMind 与 Google Brain，停止外部零散研究发表，转向高强度内部协作，将所有算力押注在 Gemini 原生多模态模型上。

Phase 02 / 核心价值观

欧洲科学革命精神

哈萨比斯不同于硅谷的财富追逐者，他更像是一位物理学家，试图通过 AI 实现对宇宙的“逆向工程”，解决人类最重大的科学挑战。

Phase 03 / 审慎观察

叙事中的英国立场

传记作者马拉比作为英国同乡，在笔触中流露出对哈萨比斯的天然好感，将其塑造为 AI 时代具有道德高度的英雄角色。

哈萨比斯想发明的不是一个简单的聊天机器人，而是一个能比爱因斯坦、牛顿做出更伟大发现的机器。他想破解整个宇宙。

Chapter 07Read Full

追逐真理的“胜负师”：哈萨比斯与他开启的 AI 潘多拉盒

哈萨比斯的矛盾：不求控制，但一定要赢揭秘 DeepMind 创始人极简学者外表下的极致竞争欲，以及他从乐观技术派向审慎预警者的态度转变。

Character / 矛盾性格

不愿控制人
但一定要赢

哈萨比斯在棋类、扑克甚至桌上足球中展现出极致的竞争欲，但在管理上却追求跨学科的逻辑打通。

Acquisition / 世纪收购

$5-6.5 亿美金

DeepMind 被谷歌收购的价格。即便在当时看来，这笔买下“ AI 之脑”的交易也显得过于划算。

Future / 未来预警

早期：海水提取燃料的乐观

现在：警惕系统偏离轨道

从“技术乐观派”转向“审慎预警者”，哈萨比斯开始呼吁紧急关注 AI 的自主性。

但愿这些掌握着改变世界力量的天才，是真正的好人，而不是被资本绑架的工具。

AI 就像从海水中提取燃料，它能把人类文明推到一个全新的高度。

Chapter 01

智力的终极边界：哈萨比斯与通用人工智能的崛起

Volume 01

人物画像：
双面哈萨比斯

外表：平凡如邻家研究员

内核：极致流畅的逻辑大脑

Key Milestones

DeepMind 崛起从战胜围棋冠军到破解蛋白质折叠
神经科学博士 “要造出 AI，得先搞明白人脑”
诺贝尔奖章将科学视为一种极致的精神追求

Philosophical Core

“我们是否将智力浪费在下棋这种小事上？”

哈萨比斯的第一性原理：
通过模拟人脑，创造通用的、能解决一切科学问题的“上帝机器”。

“

外表普通，智力超群：初识人工智能“大脑”

哈萨比斯外表极度平凡，像一个普通的研究所职员，但其思维的流畅度与逻辑的跨度展现了世界顶级的智力高度。

Read Insight

红军介绍哈萨比斯背景 00:00

哈喽大家好，欢迎收听《矽谷摇铃》。我是红军。今天我们要聊聊 DeepMind 的创始人——德米斯·哈萨比斯（Demis Hassabis）。

他掌管着整个谷歌 AI 的研发，站在全球 AI 军备竞赛的最前线。
他 4 岁开始下国际象棋，15 岁进入顶级游戏公司。
他为了造出真正的 AI，特意去读了神经科学博士，想搞明白人脑的运作机制。

他不仅带队打败了围棋世界冠军，还破解了困扰生物学界半个世纪的蛋白质折叠难题，并因此拿了诺贝尔化学奖。但最触动我的是他的驱动力，他说：“对我来说，科学是一种精神追求。”

周老师分享第一印象 02:15

2016 年我第一次见到他，印象最深的是他外表的“平凡”。他非常瘦小，当时快 40 岁，头发有些秃顶，看起来就像中国普通研究所里搞科研的典型形象。因为他母亲是新加坡人，所以看到他还有一种文化上的亲切感。

霍金曾说，哈萨比斯是世界上最聪明的人之一。

尽管他是天才，但交流起来非常平和。他的语速很快，思想表达极其流畅。无论你问什么，他都能在不同知识领域间自如切换，给你一个极其清晰的逻辑。

红军追问聪明与智慧的区别 03:45

为什么您形容他时用了“智慧”，而不仅仅是“聪明”这个词？

周老师深度解析哈萨比斯 04:00

我觉得他说话不是那种“一套一套”的虚词，而是非常具体（Specific）。他的大脑就像一个不停播放的 PPT，每一帧都极度清晰。另外，他与 NVIDIA 的黄仁勋完全不同。如果说黄仁勋代表的是 AI 的“硬件”，那哈萨比斯就代表了 AI 的“软件”灵魂。

维度	哈萨比斯 (Demis Hassabis)	黄仁勋 (Jensen Huang)
代表领域	算法、软件、脑科学	芯片、硬件、算力
沟通风格	真诚、内心深处的对话、科学家气质	叙事感强、充满商业感染力

Note | 编者按：这里提到的“软件”与“硬件”的对比，实际上是 AI 时代的两个轮子：算力是地基，而算法是灵魂。

“

棋盘外的顿悟：从神童到 AGI 先驱

哈萨比斯在棋坛巅峰时刻意识到，智力不应被浪费在方寸棋盘，从而转向追求能解决通用问题的智能技术。

Read Insight

红军感慨AI对工作的冲击 06:20

最近 OpenAI 的新模型出来后，我整个人处于非常震惊的状态。我觉得 AI 在做播客选题、甚至采访提纲上，可能很快就会做得比我好，这确实在冲击人类的工作。哈萨比斯一直想做正确的事情，但他能否在创造强大技术的同时保持控制，这是一个巨大的问号。

周老师解读创作动机 08:10

作家马拉比写作这本书的底层驱动力在于：AGI（通用人工智能）是一台威力无比强大的“上帝机器”。它的动机直接决定了人类的福祉。实际上，早在 ChatGPT 出现 10 年前，哈萨比斯就已经开启了 AGI 运动。他是一个极佳的研究样本。

周老师讲述哈萨比斯的成长与顿悟 10:30

哈萨比斯是个典型的移民家庭孩子，父母非常支持他的天赋。他 13 岁时积分排名全球第二。

他在少年时代有两个极其关键的“顿悟点”：

棋盘外的思考： 在列支敦士登的一场 10 小时马拉松对弈中，他看着对手和满屋子的棋手，突然想到：

“难道我们要把一辈子的智力全部浪费在下棋这一件小事上吗？”

他意识到下棋的意义没有那么大。
跨学科的启蒙： 他读到了香农（信息论创始人）的文章。香农在 1950 年就提出：如果能编程下象棋，那么这个程序也可能完成其他任何智力任务。

这两件事让他意识到：智力是可以被“通用化”的。这就是后来 DeepMind 诞生的种子。

红军补充后续经历 15:00

没错，他在 16 岁被剑桥录取，但因为太小被要求推迟一年入学。在那一年里，他去了游戏公司，那是他将“兴趣”转化为“工程能力”的开始。

Chapter 02

模拟生命的野心：从游戏“失败”中诞生的 AGI 战神

01 / 核心冲突

算法 vs 算力

2003年的算法野心（模拟千人思想）撞上了极其有限的硬件壁垒（当时的CPU无法支撑）。

02 / 哲学基石

费曼法则

“What I cannot create, I do not understand.” (不能亲手造出，就无法真正理解。)

03 / 演进路径

强化学习

从游戏的“试错反馈”到 AGI 的“自我进化”，强化学习是哈萨比斯手中唯一的通向未来的门票。

“

他在游戏中植入“智能体”雏形，却因算力不足失败

哈萨比斯早期在游戏开发中尝试模拟复杂的环境反馈与独立AI角色，虽因时代算力限制折戟，却坚定了其通过构建模拟系统来理解智能的道路。

Read Insight

嘉宾讲述哈萨比斯早期职业生涯 00:00

哈萨比斯在参加一次竞赛时被老板看中并邀请加入游戏公司。在那里，他开始尝试在游戏中增加所谓“智能体”的初步概念。

环境反馈： 比如你给游戏角色吃很咸的食物，他随后就会产生口渴的感觉，进而主动找水喝。
互动性： 角色不再是死板的脚本，而是会对环境产生逻辑反馈。

后来他在剑桥毕业后选择创业，成立了 Elixir Studios。他给自己定的标准极高，想做一个最牛的游戏。

嘉宾反思《共和国》游戏的失败 01:15

哈萨比斯倾注了所有复杂的情节设计，但因为当时的算力有限、资源有限，最终没能完全兑现承诺。这款名为《共和国》（Republic）的游戏，可以说是一个史诗级的设计，对于当时如此年轻的人来说，这种想在电脑里模拟复杂世界的野心是非常惊人的。虽然最后由于迟迟不能推出，他不得不运用三寸不烂之舌去应付投资人，但这段经历奠定了他作为一个“知行合一”科学家的基础。

他崇尚理查德·费曼的那句话：如果你不能把一个东西造出来，你就不能真正理解它。

他不是在空谈 AGI，他是在游戏这个“小型实验室”里试图把它亲手造出来。

Note | 编者按：费曼是著名物理学家，这句话成为了 DeepMind 后来强调“模拟（Simulation）”环境重要性的核心哲学。

主持人分析算力与算法的错位 02:30

为什么在 2003 年，这种天才的想法会变成“掉链子”的演示？

你提到的那段万灵药工作室（Elixir Studios）的经历，有两点与现在的 AI 判断息息相关：

维度	2003 年的挑战	现代 AI 的启示
硬件支撑	CPU 和内存无法渲染无线多边形	算力是 AGI 的第一驱动力
学习模式	从环境反馈中简单学习	进化为“强化学习”（Reinforcement Learning）

这次失败给了哈萨比斯深刻的教训：再好的算法，如果没有足够的算力支撑，也只是空中楼阁。

主持人引出强化学习的执念 03:45

哈萨比斯一直坚信，光靠大语言模型（LLM）是到达不了 AGI 的。他的 DNA 里刻着一种执念：

即使 DeepMind 被谷歌收购，他依然坚持强化学习才是通向 AGI 的主支柱。

嘉宾解密 AGI 术语起源与学派争端 05:20

其实 AGI（通用人工智能）这个词，是哈萨比斯在剑桥读书时的伙伴建议的，为了与当时流行的“纳米技术”等词汇在气势上匹配。

Note | AGI 起源：由 Shane Legg（DeepMind 联合创始人）在与 Ben Goertzel 交流后推广，意指能像人类一样完成任何智力任务的机器。

这里还涉及到一个有趣的“双城记”学派之争：

辛顿 (Geoffrey Hinton)： 在多伦多大学，深度学习的大宗师。
萨顿 (Richard Sutton)： 在阿尔伯塔大学，强化学习的教父。

哈萨比斯的追随者们，甚至会因为是从“萨顿门下”转投“辛顿门下”而在学术圈产生微妙的隔阂。这种对强化学习的执念，最终通过 AlphaGo 的成功证明了其威力：在游戏规则明确的环境下，通过试错反馈进行的自我进化，其力量是无穷的。

Chapter 03

超级大脑的诞生：DeepMind 的浪漫与硬核

01 / 学术双螺旋

RL + DL

强化学习（试错进化）与深度学习（模式识别）的融合，构成了 AlphaGo 的技术灵魂。

02 / 创始团队

哈萨比斯：天才棋手
莱格：技术大脑
苏莱曼：社会洞察

03 / 资本共鸣

“即便商业模式不成立，但这个团队本身就值得一个席位。”

— Peter Thiel

“

学派之争：萨顿的“强化学习”与辛顿的“深度学习”

DeepMind 的成功在于将“像生物一样试错”的强化学习与“像人脑一样识别”的深度学习进行了完美融合。

Read Insight

主持人追溯 DeepMind 技术起源 00:00

关于 DeepMind 的崛起，我之前看过一本书叫《深度学习》。书中提到理查德·萨顿（Richard Sutton）是非常关键的一条线。如果我们追溯 DeepMind 的发展，是不是可以认为它与这条学术线索一脉相承？

嘉宾解析 RL 与 DL 的融合 00:35

是的。早期的 AlphaGo 在实践中，其实两派都知道彼此。深度学习强调的是从数据中学习规律，而强化学习则强调在环境中通过反馈来进化。到了 AlphaGo 后期，我认为这已经是一个完全的融合，甚至可以说深度学习在其中占据了更主要的作用。

Note | 编者按：深度学习（DL）好比让 AI 看千万张猫的照片来认识猫；强化学习（RL）好比让 AI 在迷宫里走路，撞墙了就扣分，走到出口就奖励，以此学会找路。

“

创始人“铁三角”：极客、学者与社会活动家

DeepMind 的诞生并非偶然，而是哈萨比斯的远见、莱格的技术深度与苏莱曼的人文洞察在伦敦大学学院碰撞出的火花。

Read Insight

主持人划分 DeepMind 发展阶段 01:20

我粗略地把 DeepMind 的崛起分成了几个部分。首先是创建初期的艰难历程，这里面有很多精彩的故事。

嘉宾介绍三位联合创始人 01:45

其实，DeepMind 最核心的创始人应该是三个人：哈萨比斯（Demis Hassabis）、谢恩·莱格（Shane Legg）和穆斯塔法·苏莱曼（Mustafa Suleyman）。

哈萨比斯： 在伦敦大学学院读博时就开始策划创业，寻找志同道合的人。
谢恩·莱格： 两人在神经计算研究所相识。他在电梯里遇到哈萨比斯，两人一拍即合。
苏莱曼： 他是一个特例，出身于移民家庭，生活比较艰辛，但极具商业头脑。

为什么苏莱曼这个“外行人”能加入技术核心圈？

苏莱曼虽然学的是神学，但他关注社会正义和商业运作。他经常在哈萨比斯家玩，两人建立了深厚的信任。哈萨比斯认为苏莱曼能帮他处理技术之外的事务。早期股份分配中，哈萨比斯的份额是莱格的 9 倍，占据绝对主导。

Note | 苏莱曼目前已成为微软 AI 的负责人，他的职业轨迹非常值得关注。

“

疯狂的融资：寻找敢为“未来”买单的人

在 AGI 还是个笑话的年代，彼得·蒂尔和周凯旋等投资人凭借对顶尖天才的直觉，完成了这场对未来的逆向投资。

Read Insight

嘉宾讲述伦敦融资困境 03:15

在那时的伦敦，如果你说要造一个通用人工智能（AGI），金融街的人会觉得你是骗子。没人听得懂他们在干什么。

即便在硅谷，DeepMind 的商业模式在当时看起来也是完全不成立的。

但哈萨比斯在 MIT 做研究时的导师非常欣赏他，认为他能在科学上做出顶级发现，于是自掏腰包投了 10 万美元。

嘉宾揭秘彼得·蒂尔的投资逻辑 04:10

彼得·蒂尔（Peter Thiel）是一个追求“反共识”的投资人。他手下的合伙人诺赛克一见到哈萨比斯，就认定“这个人就是下一个马斯克”。于是他们破例开辟了特殊通道，甚至没上投资委员会表决就投了这家公司。

主持人补充后续融资细节 05:00

没错，Founders Fund 在 DeepMind 的持股比例甚至一度超过了联合创始人的总和。但 Peter Thiel 一直质疑他们如何商业化。

关键投资人	投资动机	关键贡献
Peter Thiel	反共识/押注天才	首轮关键背书
周凯旋	看好 AGI 潜力	最后一轮融资领投
蔡崇信	战略布局	B 轮 2500 万美元后续跟进

嘉宾总结估值泡沫与变现 06:30

随着 AlexNet 在图像识别上的突破，AI 开始热起来。硅谷人才身价暴涨，Peter Thiel 发现维持这样一个不确定性极高的项目需要投入的资金超出了他的投资理念，于是决定不再追加。这也是后来 DeepMind 选择被谷歌收购的背景之一。

Chapter 04

从棋盘到诺贝尔奖：DeepMind 改变世界的 3600 天

INDEX 01 / ACQUISITION

顶级人才的价码

扎克伯格因“端水”心态错失良机，谷歌以 6.5 亿美元豪赌 AGI。当时顶级 AI 人才身价已达 1500 万美元/人。

核心逻辑

“纯粹性”胜过“多元化”

INDEX 02 / MILESTONE

围棋：复杂性的终结

2016 年 AlphaGo 击败李世石。这不仅是算力的胜利，更是深度强化学习在处理天文级搜索空间时的范式跃迁。

GO COMPLEXITY: 10^170

INDEX 03 / FUTURE

破解生命之书

从围棋跨越到蛋白质折叠。AlphaFold 2 解决了生物学 50 年难题，哈萨比斯借此荣获 2024 年诺贝尔化学奖。

FROM GAME TO NOBEL PRIZE

“

硅谷抢人大战：扎克伯格为什么输给了谷歌？

哈萨比斯拒绝了扎克伯格的‘端水’方案，选择了对他 AGI 理想更纯粹、更具科学家情怀的谷歌，开启了 AI 人才千万美金身价时代。

Read Insight

嘉宾讲述 DeepMind 融资背景 00:00

在 DeepMind 的 C 轮融资时，资金压力非常大。这时马斯克（Elon Musk）出现了，他和谷歌的拉里·佩奇（Larry Page）走得很近。有一次马斯克带拉里·佩奇去看 DeepMind，谈到神经网络时，马斯克为了炫耀，直接给哈萨比斯发邮件介绍说：“我是谷歌外投资的一条线”。这一下就把谷歌和 DeepMind 串起来了。

嘉宾对比扎克伯格与哈萨比斯的理念冲突 01:15

当时扎克伯格也急着找 AI 团队。他邀请哈萨比斯去家里，说了一大堆：“我对虚拟现实、增强现实、3D 打印都非常看好，这些和 AI 一样重要。” 这种“端水式”的回答让哈萨比斯非常失望，因为哈萨比斯认为 AGI（通用人工智能）是通往未来的唯一方向，其他都是次要的。

哈萨比斯认为扎克伯格对未来技术没有自己的第一性原理判断，于是果断拒绝了他。

主持追问收购细节 02:30

我记得当时 Facebook（现 Meta）开出的价格其实非常诱人，甚至能让哈萨比斯获得个人巨额财富，为什么他还是选了谷歌？

嘉宾揭秘谷歌的致胜一击 02:45

扎克伯格的策略是：“如果你过来，我给你和几个创始人一笔无法拒绝的钱。” 但他不懂科学家的焦虑。谷歌的拉里·佩奇说了一句真正打动哈萨比斯的话：“你为什么不来谷歌呢？我已经在这里为你准备好了一切（算力、资源、文化）。” 哈萨比斯当时已经为公司的未来烦透了，谷歌那种科学家的情怀和气质更契合他。

Note | 编者按：对于顶级天才来说，理解其“愿景优先级”比单纯提供金钱更重要。

嘉宾分析当时 AI 人才的市场价格 03:50

最后 DeepMind 以约 6.5 亿美元成交。按照团队 40 个人计算，平均每个人的身价大约是 1500 万美元。

谷歌对哈萨比斯个人的定价更是高达 1.4 亿美元。在当时这简直是天价，但现在看，顶级人才的价格已经涨到一个亿美金起跳了。

“

从围棋到蛋白质：哈萨比斯的“一定要赢”逻辑

DeepMind 证明了 AI 不仅能玩赢围棋这种‘人类游戏’，更能破解蛋白质折叠这种‘自然界的游戏’。

Read Insight

主持回顾 AlphaGo 历史时刻 05:20

2016 年 AlphaGo 在首尔击败李世石，这不仅是 DeepMind 的转折点，也是 AI 发展的里程碑。为什么他们首选围棋？

嘉宾分析选择围棋的原因 05:40

哈萨比斯在剑桥时就学过围棋，他知道围棋的搜索空间比国际象棋大得多。

复杂度： 围棋的变化比宇宙中的原子还要多。
直觉： 围棋需要棋手具备类似“美感”和“直觉”的判断，这曾被认为是机器无法逾越的。

哈萨比斯随口对谷歌承诺“给我两年就能赢”，结果他真的做到了。

主持引出诺贝尔奖话题 06:30

从围棋这种游戏，到 2024 年获得诺贝尔化学奖的蛋白质折叠预测（AlphaFold），这个跨越是怎么发生的？

嘉宾解释 AlphaFold 的科学原理 06:50

哈萨比斯有一种极度的自信：

“没有我玩不赢的游戏。”

在他眼里，蛋白质折叠本质上也是一个“序列预测游戏”。

阶段	采用的技术模型	核心思路
早期尝试	循环神经网络 (RNN)	像理解一句话一样理解氨基酸序列
技术转向	卷积神经网络 (CNN)	把蛋白质折叠看作“图像识别”问题
AlphaFold 2	深度学习 + 物理建模	引入约翰·跳马（John Jumper），结合跨学科天才的力量

嘉宾总结 AlphaFold 的历史意义 08:20

以前生物学家要花几年时间才能确定一个蛋白质的结构，AlphaFold 2 出现后，得分高达 92.4 分，彻底颠覆了领域。它不仅解决了算法问题，还通过“自生成数据”解决了数据稀缺问题。这就是为什么 2024 年诺贝尔化学奖会颁给一位计算机科学家。哈萨比斯证明了：只要能把复杂问题拆解为“博弈与预测”，AI 就能解决人类的终极难题。

Chapter 05

重塑边界：DeepMind 的权力博弈与错失的通用人工智能大门

01 / Power Balance

谷歌与 DeepMind 的“150亿”契约

谷歌曾承诺投入百亿美元经费，但代价是收编核心医疗业务。这成为苏莱曼（Suleyman）与哈萨比斯（Hassabis）分道扬镳的导火索。

150 亿美元

谷歌预算支持

80%

研究占比

02 / Technical Bias

被排在第三位的 LLM

DeepMind 内部优先级：

1 强化学习 (最重视)
2 神经科学
3 大语言模型

03 / Pivot Point

坦克开到了草皮上

ChatGPT 的突然爆发让哈萨比斯意识到，仅仅追求“科学”已不足以抵御 OpenAI 的入侵。复仇与反击成为 DeepMind 的新基调。

关键人物：苏莱曼

现任微软 AI 首席执行官

“

密谋脱离谷歌的“马里奥计划”与 NHS 风波

苏莱曼试图通过‘马里奥计划’让 DeepMind 独立，但在数据隐私丑闻与谷歌内部博弈的双重打击下被边缘化，最终转投微软。

Read Insight

周老师剖析 DeepMind 内部权力结构 00:00

在 DeepMind 被收购初期，苏莱曼（Suleyman）起到了至关重要的作用。他始终抱定通过技术改变社会正义的想法，对 AI 的安全和社会效益非常关注。当时谷歌内部对 DeepMind 并不完全信任，尤其是法务部门。由于 Alphabet（谷歌母公司）急于将不赚钱且需长期投入的业务分拆，苏莱曼看准了机会，争取到了谷歌承诺的 10 年 150 亿美元的研究经费。然而，变化很快发生了。谷歌决定将苏莱曼负责的医疗应用团队（约 100 多人）直接并入谷歌大框架，由 Jeff Dean 管理。这意味着苏莱曼手下既没了业务也没了人。

Note | 这里的权力博弈非常精彩：苏莱曼曾劝说哈萨比斯借机再次与谷歌博弈，提出“如果不答应条件就独立出去”。

主持人追问哈萨比斯的立场 02:15

在这整个博弈过程中，重点是苏莱曼的想法。

那么哈萨比斯（Demis Hassabis）他是怎么想的？书里有提到他的态度吗？

周老师分析哈萨比斯的利益诉求 02:30

对哈萨比斯来说，他最在乎的是**有足够的资源去做科学研究**。

刚开始谷歌给出的 150 亿经费，哈萨比斯是完全可以接受的，哪怕要把应用团队给出去。但苏莱曼很焦虑，他启动了所谓的“马里奥计划”，试图找霍夫曼（Reid Hoffman）筹资 10 亿美元寻求独立。真正打击苏莱曼声誉的是 NHS（英国国家医疗服务体系）数据风波。DeepMind 在处理医疗数据时侵犯了隐私，引发了巨大的公共舆论危机。

Note | NHS 事件是苏莱曼职业生涯的转折点，这导致他在谷歌内部被彻底边缘化，最终挂着“副总裁”的虚职离开，后来创立了 Inflection AI，并最终成为微软 AI 的掌门人。

“

昔日伙伴的错位竞争

从收购初期的精明决策到如今的竞争对手，谷歌、DeepMind 与微软、OpenAI 的关系在 ChatGPT 诞生后发生了戏剧性逆转。

Read Insight

主持人探讨收购的后续影响 05:40

苏莱曼现在成了微软 AI 部门的掌门人，这很有意思。原本是谷歌的员工，现在却成了谷歌最强劲对手的大将。这种历史的由来和分界点非常值得玩味。

周老师重申商业变现与理想的冲突 06:20

这种“技术信仰”与“商业变现”之间的矛盾始终存在。当初谷歌全资收购 DeepMind 时，大家都觉得谷歌非常精明。

Note | ChatGPT 出现后，市场的评价标准变了。人们开始重新审视：DeepMind 这几年的钱花得值不值？微软花 100 多亿投 OpenAI，现在看来也是一笔划算的买卖。

“

孤傲下的战略失误：为什么 DeepMind 错失 LLM

DeepMind 内部迷信“强化学习”是通向 AGI 的唯一路径，而将大语言模型排在次要位置，导致在 OpenAI 崛起时反应迟缓。

Read Insight

周老师梳理 DeepMind 的技术优先级 08:15

DeepMind 虽然看起来很包容，但内部其实有一个非常鲜明的技术先后顺序：

第一优先级：强化学习 (Reinforcement Learning) —— 哈萨比斯坚信这是通向 AGI（通用人工智能）的重中之重。
第二优先级：神经科学 —— 主张向人类大脑学习。
第三优先级：数据归纳（大语言模型） —— 早期他们非常不重视这个分支。

即使当 OpenAI 的伊利亚（Ilya Sutskever）已经带着人做出 GPT-1、GPT-2 时，甚至从 OpenAI 挖来的人不断提醒要重视大模型时，哈萨比斯依然固执己见。这是一种某种程度上的“孤傲”。哈萨比斯认为 DeepMind 是一家纯粹的科学研究机构，他甚至不承认语言能反映人类所有的经验和逻辑。

周老师描述哈萨比斯的愤怒与反击 11:30

当 ChatGPT 爆发时，哈萨比斯感到了前所未有的愤怒。书里记录了他的一句话：

“他们把坦克开到了我们家草皮上了，我必须要反击。”

Note | 这句话不仅是竞争的宣言，也标志着 DeepMind 埋下了复仇的种子，开始从科学圣殿向商业战场转型。

Chapter 06

硅谷竞争之外：DeepMind 的科学复兴与 Gemini 逆袭路

Phase 01 / 组织重塑

极致透明与算力集权

谷歌通过整合 DeepMind 与 Google Brain，停止外部零散研究发表，转向高强度内部协作，将所有算力押注在 Gemini 原生多模态模型上。

Phase 02 / 核心价值观

欧洲科学革命精神

哈萨比斯不同于硅谷的财富追逐者，他更像是一位物理学家，试图通过 AI 实现对宇宙的“逆向工程”，解决人类最重大的科学挑战。

Phase 03 / 审慎观察

叙事中的英国立场

传记作者马拉比作为英国同乡，在笔触中流露出对哈萨比斯的天然好感，将其塑造为 AI 时代具有道德高度的英雄角色。

“

Gemini 逆袭背后：谷歌的“战时体制”

通过整合 DeepMind 的算力资源并回归封闭式高强度研发，谷歌在 2024 年成功重回 AI 性能巅峰。

Read Insight

主持人追问 Gemini 的反超逻辑 00:00

我看哈萨比斯在写 Gemini 1.5 甚至更早版本时提到过，虽然 DeepMind 很强大，但它在谷歌内部曾长期扮演一个“忍辱负重者”的角色。直到 2024 年 6 月以后，Gemini 模型在各种测评榜单上成为了全球表现最好的模型。

在追赶竞争对手的过程中，DeepMind 到底爆发了哪些关键策略？

嘉宾解析谷歌组织架构调整 00:45

首先是角色的转变。哈萨比斯现在是整个 Google DeepMind 的 CEO。当初谷歌坚持不让 DeepMind 独立出去，就是把它当成战略棋子，现在终于派上用场了。

算力集权：DeepMind 一家占用的算力，比服务几十亿用户的 Gmail 还要多。
信息封锁：以前谷歌第一时间发表前沿研究，现在为了竞争，研究成功后不再轻易公开。
高频迭代：回到了最原始、最透明的高强度协作模式，哪个环节突破了，内部立刻同步并采纳。

Note | 这里的“算力”可以理解为计算机的大脑处理能力，谷歌把所有“大脑资源”都借给了 DeepMind 搞研究。

主持人总结谷歌实力 02:15

所以这不仅是技术的胜利，更是谷歌组织架构调整后的实力爆发。

“

AI 末日还是新黎明？哈萨比斯的科学底色

哈萨比斯将 AI 视为人类最有益的技术工具，其驱动力源于破解宇宙奥秘的原始好奇心。

Read Insight

主持人对比 AI 界的悲观与乐观 02:30

在《哈萨比斯传》这本书里，作者提到了 Geoffrey Hinton（AI 教父）对 AI 持非常负面的看法，觉得“人类完了”。

但哈萨比斯依然觉得 AI 是人类有史以来最有益的技术。您觉得他是一个纯粹的乐观主义者，还是被竞争裹挟了？

嘉宾剖析哈萨比斯的人文气质 03:10

我觉得他身上有一种非常浓厚的欧洲科学革命的人文精神，这让他区别于硅谷的那些 CEO。

角色类型	典型代表	核心动力
科学家型	哈萨比斯	破解宇宙奥秘，对上帝进行“逆向工程”
社交网络型	奥特曼 (Sam Altman)	构建庞大公司，掌握财富与社会影响力
悲观预言型	辛顿 (Hinton)	担心人类失去对机器的控制机制

哈萨比斯想发明的不是一个简单的聊天机器人，而是一个能比爱因斯坦、牛顿做出更伟大发现的机器。他想破解整个宇宙。

他相信 AGI（通用人工智能）最终能帮助人类解决最重大的挑战。对他而言，探索的乐趣实在太大了，这是顶级科学家的共同特质。

主持人引用科学伦理观点 04:45

书的扉页引用了冯·诺依曼研制原子弹时的话：“如果不履行我们发现的天职，是违背科学伦理的；但一旦威力释放，我们可能成为世界的毁灭者。” 这正体现了顶级科学家的矛盾。

“

作者倾向性：带有“英国滤镜”的传记

读者需警惕传记作者马拉比的立场，他可能过度美化了哈萨比斯的决策动机。

Read Insight

主持人质疑传记的客观性 05:30

我觉得作者马拉比对哈萨比斯的描写有点“过于好了”。他在叙述中花了大量篇幅写哈萨比斯的思想，但人往往会在成功之后，给自己安一个光鲜亮丽的理由。

嘉宾解读“英国立场” 06:05

马拉比在写自己国家的“国宝”时，很自然会流露出倾向性。他潜意识里希望由哈萨比斯这样的人在伦敦引领 AI 的未来，而不是完全交给硅谷。

Note | 马拉比是著名的英国金融作家，他的立场往往带着一种欧式的人文关怀和对硅谷实用主义的疏离。

但不可否认，哈萨比斯身上确实有一种人格魅力，无论是在对待合伙人还是创业初期的坚持上，他都展现出了一种超越纯粹商业利益的特质。

Chapter 07

追逐真理的“胜负师”：哈萨比斯与他开启的 AI 潘多拉盒

Character / 矛盾性格

不愿控制人
但一定要赢

哈萨比斯在棋类、扑克甚至桌上足球中展现出极致的竞争欲，但在管理上却追求跨学科的逻辑打通。

Acquisition / 世纪收购

$5-6.5 亿美金

DeepMind 被谷歌收购的价格。即便在当时看来，这笔买下“ AI 之脑”的交易也显得过于划算。

Future / 未来预警

早期：海水提取燃料的乐观

现在：警惕系统偏离轨道

从“技术乐观派”转向“审慎预警者”，哈萨比斯开始呼吁紧急关注 AI 的自主性。

“

哈萨比斯的矛盾：不求控制，但一定要赢

揭秘 DeepMind 创始人极简学者外表下的极致竞争欲，以及他从乐观技术派向审慎预警者的态度转变。

Read Insight

周老师剖析哈萨比斯性格矛盾 00:05

哈萨比斯这个人的性格非常有张力。初看他，你会觉得他就是一个普通的科研工作者，但他其实是个争强好胜到极点的人。

智力游戏狂热者：无论是玩桌上足球还是打扑克，他从来不只是“玩玩”，而是必须战胜对手。
赢家心态：他曾公开表达过一个有趣的观点——“我不愿意控制别人，但我一定要赢过别人”。

这种竞争欲让他在科学探索中也保持着一种攻击性。

主持人讨论其控制力与天赋 01:12

这种“不控制但要赢”的状态挺有意思的。书中其实反复讨论过，他在处理人际关系时是否也存在某种形式的“控制”。

他是不是那种自带“主角光环”，能让周围人都听命于他的天才？

甚至有人把他比作拥有原力的“绝地武士”。

周老师评价其跨学科能力 01:45

非常有道理。他的本事在于那种极高的敏捷度。他能迅速抓住你提问中的漏洞，并且具备一种罕见的跨学科逻辑打通能力。他那种敏捷的逻辑和针对性，能瞬间把所有质疑他的人“砍晕”。这就是他的魅力，也是他能吸引顶尖天才在他旗下的原因。

主持人展望 AI 竞赛前景 02:30

现在的 AI 竞赛已经进入了白热化阶段。我们聊了这么多关于天才的故事，其实内心都有一个愿景：

但愿这些掌握着改变世界力量的天才，是真正的好人，而不是被资本绑架的工具。

如果我们聊的这些天才确实拥有改变未来的初心，那对人类来说就是一种幸运。

主持人修正收购金额争议 03:15

在这里我要做一个小的更正。节目中提到谷歌收购 DeepMind 的价格，虽然常说是 6.5 亿美元，但官方从未确切披露。

更严谨的说，金额在 5 亿到 6.5 亿美元之间。但不论最终数字是多少，这笔交易怎么看都太便宜了，它是谷歌历史上最重要的一笔收购。

Note | 编者按：作为对比，Facebook 收购 WhatsApp 花了 190 亿，而 DeepMind 却为谷歌带回了通向 AI 时代的门票。

主持人引用原话并总结 04:20

哈萨比斯对 AI 的态度正在发生微妙的变化。他曾经非常乐观，留下一段著名的比喻：

AI 就像从海水中提取燃料，它能把人类文明推到一个全新的高度。

但就在这几天，他开始公开警醒世人。他在 AI 峰会上强调，我们需要紧急关注 AI 的自主性。一旦 AI 系统偏离了人类预设的轨道，后果可能会非常严重。这就回到了我们节目的开头：一个想用 AI 理解宇宙的科学家，是否正亲手打开潘多拉的盒子？

Note | 欢迎在小宇宙、苹果播客等平台关注“硅谷 101”，我们的文字稿也会在微信公众号同步。

关联单集

智力的终极边界：哈萨比斯与通用人工智能的崛起

人物画像：双面哈萨比斯

Key Milestones

Philosophical Core

模拟生命的野心：从游戏“失败”中诞生的 AGI 战神

算法 vs 算力

费曼法则

强化学习

超级大脑的诞生：DeepMind 的浪漫与硬核

RL + DL

从棋盘到诺贝尔奖：DeepMind 改变世界的 3600 天

顶级人才的价码

围棋：复杂性的终结

破解生命之书

重塑边界：DeepMind 的权力博弈与错失的通用人工智能大门

谷歌与 DeepMind 的“150亿”契约

被排在第三位的 LLM

坦克开到了草皮上

硅谷竞争之外：DeepMind 的科学复兴与 Gemini 逆袭路

极致透明与算力集权

欧洲科学革命精神

叙事中的英国立场

追逐真理的“胜负师”：哈萨比斯与他开启的 AI 潘多拉盒

不愿控制人但一定要赢

智力的终极边界：哈萨比斯与通用人工智能的崛起

人物画像：双面哈萨比斯

Key Milestones

Philosophical Core

外表普通，智力超群：初识人工智能“大脑”

棋盘外的顿悟：从神童到 AGI 先驱

模拟生命的野心：从游戏“失败”中诞生的 AGI 战神

算法 vs 算力

费曼法则

强化学习

他在游戏中植入“智能体”雏形，却因算力不足失败

超级大脑的诞生：DeepMind 的浪漫与硬核

RL + DL

学派之争：萨顿的“强化学习”与辛顿的“深度学习”

创始人“铁三角”：极客、学者与社会活动家

疯狂的融资：寻找敢为“未来”买单的人

从棋盘到诺贝尔奖：DeepMind 改变世界的 3600 天

顶级人才的价码

围棋：复杂性的终结

破解生命之书

硅谷抢人大战：扎克伯格为什么输给了谷歌？

从围棋到蛋白质：哈萨比斯的“一定要赢”逻辑

重塑边界：DeepMind 的权力博弈与错失的通用人工智能大门

谷歌与 DeepMind 的“150亿”契约

被排在第三位的 LLM

坦克开到了草皮上

密谋脱离谷歌的“马里奥计划”与 NHS 风波

昔日伙伴的错位竞争

孤傲下的战略失误：为什么 DeepMind 错失 LLM

硅谷竞争之外：DeepMind 的科学复兴与 Gemini 逆袭路

极致透明与算力集权

欧洲科学革命精神

叙事中的英国立场

Gemini 逆袭背后：谷歌的“战时体制”

AI 末日还是新黎明？哈萨比斯的科学底色

作者倾向性：带有“英国滤镜”的传记

追逐真理的“胜负师”：哈萨比斯与他开启的 AI 潘多拉盒

不愿控制人但一定要赢

哈萨比斯的矛盾：不求控制，但一定要赢

关联单集

E224｜深度拆解Clawdbot，为何它能成为2026年第一个现象级产品？

E223｜应用爆发之年：聊聊模型技术进化与商业化

E222｜紧身裤消失，谁在定义时尚潮流？

新年直播3：华尔街视角下的AI泡沫、芯片及黑天鹅

新年直播2：特斯拉FSD以及自动驾驶的商业战争

新年直播1：AI的2025与2026，技术领域的共识与非共识

人物画像：
双面哈萨比斯

不愿控制人
但一定要赢

人物画像：
双面哈萨比斯

不愿控制人
但一定要赢