大家好，这里是最佳拍档，我是大飞。
这是一期迟到的节目。红杉资本2026年的AI峰会，最先放出的其实是Google DeepMind CEO 德米斯·哈萨比斯（Demis Hassabis）的视频，但由于我当时在做其他内容，一直推迟到今天才有时间做出来。在这场对话中，哈萨比斯不只是聊到了AI技术的进展，更是从创业、科学、宇宙本质、意识哲学，一直延伸到AGI的终极未来。
哈萨比斯应该不用我多介绍了。他是当前AI领域为数不多的集大成者之一，是国际象棋神童，是游戏公司的创始人，是神经科学家，更是把AI从实验室推向蛋白质折叠、药物研发、科学突破的关键推手。可以说，他在这次访谈里说的每一句话，几乎都在定义接下来十年整个人类科技的走向。
人生轨迹与AI理念的萌芽
今天我们就来给大家分享一下。我们先从哈萨比斯自己的人生故事开始，因为他所有的AI理念，都藏在他的成长轨迹里。哈萨比斯说，他的人生看似经历了很多完全不相关的领域，像国际象棋、游戏开发、神经科学、AI创业，但是其实有一条贯穿始终的主线，那就是从十几岁开始，他就认定人工智能（Artificial Intelligence: 通过计算机程序来模拟人类智能的科学与技术）是他这辈子能做的最重要、也是最有趣的事情。他之后做的每一个选择，学的每一个方向，都是在为创办DeepMind、为实现通用人工智能（Artificial General Intelligence: 具有与人类相当的智能，能够理解、学习和应用其智能来解决任何问题的AI）做准备。
很多人不知道，哈萨比斯最早是靠游戏行业曲线救国进入AI领域的。上世纪90年代，最前沿的技术不在高校实验室，而在游戏公司。不管是AI算法、图形渲染，还是硬件技术，游戏行业都是先行者。我们今天人人都在用的GPU，最早就是为游戏图形引擎设计的。而哈萨比斯在90年代末就已经用上了最早期的GPU。他在牛蛙工作室（Bullfrog）还有后来自己创办的Elixir Studios开发的所有游戏，他都把AI当成核心的玩法机制，而不是可有可无的点缀。
他最有名的作品，是17岁左右开发的《主题公园》（Theme Park），这是一款游乐园模拟游戏。表面上是玩家在建公园、收门票，但是底层跑着的，其实是一整套完整的经济AI模型。成千上万的虚拟角色，会自己决定玩什么设施、在商店买什么东西，整个系统完全自主运转。这款游戏后来卖了超过1000万份。当哈萨比斯亲眼看到玩家和AI交互时那种沉浸感，他更坚定了一件事：AI绝对是未来，他要把自己的一辈子都投进去。
创业时机论：教训与应用
做完游戏，哈萨比斯又转向了神经科学。他的逻辑很简单：要造真正的智能，就得先搞懂人类大脑怎么工作。他想从大脑的运行机制里，提炼出不一样的算法思路，而不是只停留在计算机科学的传统框架里。这段经历，后来直接变成了DeepMind算法的核心灵感来源。
等到时机成熟，他把游戏开发、AI实践、神经科学这三股力量合在一起，DeepMind的诞生就成了水到渠成的事情。而且他们很自然地延续了游戏的思路，把游戏当成验证AI算法的早期训练场。这也是为什么AlphaGo（一款由DeepMind开发的围棋人工智能程序）能在围棋上突破，因为游戏是完美的封闭环境，能够快速验证算法的能力边界。
在创业的过程中，哈萨比斯实际经历了两次创业。第一次是Elixir Studios，虽然这不是他最出名的公司，但是这段经历给了他这辈子最重要的一个创业教训，他称之为“时机论”。他说，创业一定要领先时代五年，而不是五十年。你要找到技术突破和实际落地需求之间的那个微妙平衡点。过早超前，大概率会失败。
在Elixir Studios的时候，他们想做一款叫《共和国》（Republic）的游戏，目标是模拟一整个国家，玩家可以用不同的方式来推翻独裁者。团队要在电脑里逼真模拟出一座有生命、会呼吸的城市，还要跑通上百万人的图形渲染和AI逻辑。但那是90年代末，电脑还是奔腾处理器，家用机的算力根本撑不起这么庞大的系统。想法太超前，超出时代太远，最后引发了一连串的问题。
哈萨比斯说，那次经历让他牢牢记住：超前五十年，你会一败涂地；等所有人都看懂了，你又入局太晚。真正的成功，就是卡在那个刚刚好的节点——比世界快半步，而不是快一个时代。这个教训，直接用到了2009年创立DeepMind上。那一年，哈萨比斯确定AGI一定能实现，他判断自己只比时代领先了十年左右，比当年领先五十年靠谱得多。
DeepMind的使命与人才吸引
他是怎么说服第一批顶尖人才加入的呢？哈萨比斯回忆道，当时他们已经捕捉到了几个决定性的信号：
- 第一，深度学习（Deep Learning: 一种机器学习方法，通过深度神经网络从大量数据中学习特征表示）刚刚被杰弗里·辛顿（Jeff Hinton）等人提出，几乎没人意识到它的重量。
- 第二，DeepMind在强化学习（Reinforcement Learning: 一种通过试错学习来做出最优决策的机器学习方法）上积累极深，而这两个技术在当时是完全孤立的两个孤岛，从来没人真正把它们结合起来用在实际问题上。
- 第三，算力的爆发就在眼前，GPU会彻底改变训练模型的效率。虽然他们后来用了TPU，但是当时已经看清了加速计算的潜力。
- 第四，他和团队里的计算神经科学家，从大脑机制里提炼出了核心信念：强化学习只要不断规模化，最终就能通向AGI。
那时候，学术界和工业界几乎没人相信AI能有重大突破。很多人听到他们要做AGI，直接翻白眼，觉得90年代早就试过了，是死路一条。哈萨比斯当时在MIT做博士后，那里是专家系统和一阶逻辑语言系统的重镇，传统AI的方法非常僵化老旧。但越是这样，他越确信自己找对了方向。他说，就算最后失败，也要用全新的方式失败，而不是重复90年代的老路。
因此，DeepMind从第一天起，使命就非常清晰，而且分成了两步走：
- 第一步：破解智能，构建通用人工智能AGI。
- 第二步：用AGI去解决其他所有复杂问题，包括科学、医学、环境、能源等等。
他始终认为，AGI是人类可能发明的最重要、最迷人的技术。它不只是工具，更是理解人类自身心智，包括意识（Consciousness: 对自身存在和周围环境的感知能力，涉及主观体验、自我认知等复杂概念）、梦境和创造力的最佳途径。作为神经科学家，他过去思考这些问题时，总是缺少一个像AI这样的分析工具，而AGI提供了一种对照机制，让人类可以像做对照实验一样，研究两个不同的智能系统。
AI for Science：从AlphaFold到药物研发
很多人问，DeepMind为什么能一直站在AI for Science（利用AI技术解决科学难题）的最前沿呢？哈萨比斯说，这不是后来才加的方向，而是从创立第一天就刻在文化里的终极目标。对他个人来说，最根本的驱动力，就是先造出终极工具AGI，再用它推动科学和医学的突破。
在AlphaGo在首尔打赢李世石之后，DeepMind几乎立刻就开始全力推进，由普什米特·科利（Pushmeet Kohli）领导的AI for Science部门，到现在刚好十年。哈萨比斯把攻克围棋当成一个历史转折点，那一刻他们确认，算法已经足够强大、足够通用了，可以从游戏转向现实世界的重大科学挑战。
随后诞生的AlphaFold（一种用于预测蛋白质结构的AI系统），带来了生物学的高光时刻。蛋白质折叠是困扰科学界50年的难题。如果你想设计药物，或者破译生命基础密码，就必须知道蛋白质的三维结构，而AlphaFold解决了这个问题。但是哈萨比斯强调，这只是药物研发的一环，虽然关键，但只是其中一环。
之后，哈萨比斯深度参与了从DeepMind拆分出来的Isomorphic Labs。这家公司正在做的，是在生物化学和化学领域，构建能自动设计化合物的核心技术。简单说，既然我们已经通过AlphaFold知道了蛋白质的形状和表面结构，就等于锁定了治病的靶点，接下来需要制造能和这个靶点强效结合的化合物，同时最好避免脱靶反应带来的毒副作用。Isomorphic Labs的终极梦想，是把目前药物研发中99%的探索性工作，全部搬到计算机模拟（In Silico: 在计算机中进行的模拟和计算）里完成，只把最后的验证环节留给实体湿实验（Wet Lab: 传统的、需要物理操作的实验室实验）。
哈萨比斯坚信，未来几年内一定能实现这一点。一旦做到，平均长达10年的药物发现周期，会被压缩到几个月、几周，未来甚至只要几天。他说，跨过这个临界点，攻克所有疾病都会变得触手可及。所谓个性化的医疗，也就是为单个患者定制药物变体的方式，会从概念变成现实，整个医疗和药物研发的版图，会被彻底重塑。
AI催生的新科学分支
那么，除了生物和药物以外，AI还会不会催生全新的科学分支，就像工业革命催生热力学一样呢？哈萨比斯的答案是肯定的，而且会发生在两个方向。
第一个方向，是对AI系统本身的研究，会变成一门完整的工程科学。我们正在构建的AI系统，复杂度未来会比肩人类大脑，我们必须彻底搞懂它的工作原理，这远远超出今天的认知水平。机制可解释性（Mechanistic Interpretability: 深入理解AI模型内部工作机制的科学领域）只是一个开始，未来会有一整个全新学科，专门来解析AI系统的内部运行逻辑。
第二个方向，也是哈萨比斯最兴奋的，是AI驱动的模拟（AI for Simulations: 利用AI技术进行复杂系统模拟的研究方向）。他说自己痴迷模拟，他写的所有游戏本质都是模拟器，而模拟器，是破解经济学、社会学等人文学科难题的终极路径。这些学科都是涌现系统（Emergent Systems: 由大量简单组件相互作用而产生复杂宏观行为的系统），很难做可重复的受控实验。比如你想知道加息0.5%会有什么后果，只能在现实里试，没法重复成千上万次。但是如果能用AI精准模拟这些复杂系统，就能在模拟器里做严谨推演，进而确立一门全新的科学。这会让人类在充满不确定性的领域，做出更优的决策。
DeepMind已经在实践这件事，比如天气预报模型WeatherNext，是目前世界上最精确的天气模拟器，速度远超传统工具。在生物学，他们在研究虚拟细胞（Virtual Cell: 在计算机中构建和模拟细胞行为的系统），这是高度动态的涌现系统。
哈萨比斯有一个非常经典的判断：如果说数学是物理学的完美描述语言，那么机器学习（Machine Learning: AI的一个分支，使计算机能够从数据中学习而无需明确编程）就是生物学的完美描述语言。生物学和很多自然系统里，有大量微弱信号、弱相关性和海量数据，远超人类大脑的分析能力。但是AI能从中找到内在联系和因果关系。数学要么太复杂驾驭不了，要么表现力不够，而机器学习刚好适配。
更激动人心的是，未来我们可能通过AI模拟器，发现像麦克斯韦方程组那样的基础科学定律，因为我们可以对模拟器无限次采样，从隐式的模拟中提取显式方程，这在以前是不可能的。
图灵的捍卫者与宇宙的信息本质
哈萨比斯把自己看作是一名“图灵的捍卫者”。艾伦·图灵（Alan Turing: 计算机科学和人工智能的先驱）是他最崇敬的科学英雄。图灵机奠定了计算机和AI的基础，任何可计算的东西，都可以被一台简单的图灵机计算。而人类的大脑，很可能就是一种高度近似的图灵机。
很多人认为，有些问题必须用量子计算才能解决，比如蛋白质折叠，因为它涉及微观粒子的量子效应。但是DeepMind用AlphaGo、AlphaFold证明，披着神经网络外衣的经典图灵机，完全可以对这些问题建模，得到近似最优解。哈萨比斯说，我们可能会发现，大量曾经以为必须靠量子系统的问题，只要方法正确，经典系统就能搞定。
随后，主持人把话题上升到了哲学层面，聊起了哈萨比斯曾经说过的一句话，那就是宇宙的本质是信息（Information: 任何能够减少不确定性的事物，是构成宇宙和生命的基础），而不是物质或能量。哈萨比斯解释道，爱因斯坦的公式E=mc²告诉我们，物质和能量等价，但是他认为，信息同样可以和它们相互转化。像生命这样能抵抗熵增的系统，本质上就是一个信息处理系统。物质、能量、信息三者可以相互转化，而信息是最基础的。这和20世纪20年代经典物理学家的观点完全相反，当时人们认为能量和物质是第一位的。
哈萨比斯说，把宇宙看成由信息构成，是理解世界更好的方式。如果这个观点成立，AI的意义就比我们想象的更深远，因为AI的核心就是信息处理，包括如何组织信息、理解信息，以及构建信息客体。这就解释了为什么AI能渗透到所有的科学领域，因为它在本质上和宇宙是同一种逻辑。
AGI与意识的未来
那么，如果AI能模拟万物，它什么时候会超越工具的属性，变成一个有意识（Conscious: 具有自我意识、感知能力和主观体验的状态）的实体呢？哈萨比斯的态度非常务实，他认为，在迈向AGI的路上，最好的方式是先把它打造成极致强大、精准、实用的工具，先完成第一步的价值，再去思考第二步，也就是能动性（Agency: 独立行动并影响环境的能力）这些问题。
而且我们可以用第一步造出来的AGI工具，反过来帮助人类探索意识本身，同时也能更深刻地理解人类自己的大脑。至于意识是什么，哈萨比斯说，对于几千年哲学家已经讨论出来的结论，他没有太多补充。但是有几个组件是必需的，比如自我意识（Self-awareness: 对自身存在的认知和反思能力）、自我与他者的区分，以及时间上的连续性。这些是必要条件，但不是充分条件，完整的意识定义，至今还是一个开放问题。他和哲学家丹尼尔·丹尼特（Daniel Dennett: 著名哲学家，研究意识、心智哲学等）曾经对这个话题深入讨论过。核心争议在于，一个系统表现得像有意识，就算有意识吗？人类之间相信彼此有意识，一方面是行为，另一方面是我们有相同的生物基质，但是人工系统永远不会有相同的基质，所以这条鸿沟很难彻底消除。
快问快答与总结
访谈最后是快问快答的环境，我也给大家快速总结一下：
- 第一个问题，预测实现AGI的年份：哈萨比斯非常坚定的说到，2030年。
- 第二个问题，AGI实现后必读的书是什么？他推荐了大卫·多伊奇（David Deutsch）的《真实世界的脉络》（The Fabric of Reality），希望用AGI来解答书中的深刻问题。
- 第三个问题，在DeepMind最自豪的时刻是什么？他说是AlphaFold的诞生。
- 第四个问题，如果是玩一个高风险的策略游戏，需要选一位历史科学家当队友，他会选择谁？他的答案是约翰·冯·诺依曼（John von Neumann），因为需要博弈论专家。
好了，以上就是这场访谈的主要内容了。完整听下来，你会发现哈萨比斯不是一个单纯的技术商人，而是一个科学家、哲学家、创业者的结合体。他对AGI的乐观，建立在扎实的技术路径上；而他对科学的信仰，又落实在了AlphaFold和药物研发这些实际突破上；甚至他对宇宙和意识的思考，又把AI拉回到了人类文明的终极命题上。
他反复强调，未来一两年会是决定人类命运的关键节点。AGI不是遥远的科幻，而是近在眼前的现实。AI不只是改变某个行业，而是会开启全新的科学分支，重新定义人类探索世界的方式。从蛋白质到宇宙规律，从药物研发到社会系统模拟，AI正在成为人类的第二大脑。而我们这一代人，正好处在见证这个历史性跨越的时刻。
感谢收看本期视频，我们下期再见。