---
author: Best Partners TV
date: '2026-04-15'
guest: ''
layout: post.njk
source: https://www.youtube.com/watch?v=zqMZ_oUvhxY
speaker: Best Partners TV
tags:
  - protein-folding
  - reinforcement-learning
  - agi-safety
  - agentic-ai
  - isomorphic-labs
title: 哈萨比斯十年心路：从 AlphaFold 破解生命密码到后 AGI 时代的文明图景
summary: 深度拆解 Google DeepMind CEO 德米斯·哈萨比斯的最新访谈。内容涵盖 AlphaFold 数据库普惠全球的决策内幕、AlphaZero 自我进化的技术逻辑，以及哈萨比斯对 AGI 风险的三级分级判断。他罕见袒露理想中“CERN 式”科研路径与现实商业速度的冲突，并预言 50 年内 AGI 将驱动能源与航天革命，重塑人类文明。
insight: ''
draft: true
series: ''
category: ai-ml
area: tech-engineering
project: []
people:
  - Demis Hassabis
  - Cleo Abram
  - Jennifer Doudna
  - Roger Penrose
companies_orgs:
  - Google DeepMind
  - Isomorphic Labs
  - CERN
  - OpenAI
  - Anthropic
  - European Bioinformatics Institute
products_models:
  - AlphaFold
  - AlphaGo
  - AlphaZero
  - AlphaGenome
  - AlphaChip
  - Gemini
  - CRISPR
media_books:
  - Huge Conversations
  - Culture series
status: evergreen
---
### 实验室里的理想与现实：哈萨比斯的 AGI 慢哲学

2026年4月7日，在 **Huge Conversations** 播客的一场深度访谈中，**Google DeepMind** 的 CEO **德米斯·哈萨比斯**（Demis Hassabis）通过一种极具象征意义的“叠叠乐”形式，拆解了 DeepMind 过去十年的技术树。从 AlphaFold 到 AlphaZero，再到最新的 AlphaGenome，每一个木块都代表了一个改变科学进程的里程碑。

在这场访谈中，哈萨比斯罕见地袒露了作为一名科学家的内心挣扎。他直言，当前由商业压力和地缘政治驱动的 AI 狂奔节奏，并非他理想中的路径。如果可以完全由他主导，他更倾向于将 **AGI**（Artificial General Intelligence: 通用人工智能）相关技术在实验室里多沉淀十年，仿照 **欧洲核子研究中心**（CERN: 全球最大的粒子物理实验室）式的全球协作模式，以极度严谨的科学方法，在每一步突破都被彻底理解后再推进。

然而，面对 Transformer 架构的爆发和 **ChatGPT** 带动的行业海啸，哈萨比斯表现出了务实的一面。他承认，现实世界的大规模压力测试能倒逼安全技术升级，且实验室与应用的极短时差让社会能够“增量适应”。这种在理想主义与现实工程之间的博弈，构成了他这十年心路历程的底层底色。

### AlphaFold：生物学的费马大定理与普惠科学的巅峰

**蛋白质折叠**（Protein Folding: 根据氨基酸序列预测蛋白质三维结构的问题）曾被哈萨比斯比作生物学的“费马大定理”，困扰了科学界整整 50 年。在剑桥求学期间，哈萨比斯就认定这是 AI 最具价值的使命——因为蛋白质的结构直接决定其功能，是改善人类健康的关键。

2021年 AlphaFold 上线后的一个关键决策，彻底颠覆了行业惯例。当时团队原计划建立按需计算的服务器系统，但哈萨比斯通过极简估算发现：以当时的算力，每 10 秒就能完成一次折叠。他当即决定：**“我们为什么不直接把自然界已知的 2 亿种蛋白质全部算完呢？”** 这个决策取消了繁重的工程基建，转而用算力换普惠。如今，AlphaFold 数据库已惠及全球 300 万名科学家，从培育抗气候变化的农作物，到研究被商业药企忽视的传染病，AI 正在让结构生物学实现跨越式普惠。

然而，AlphaFold 只是起点。为了攻克药物研发中 10 年周期、10% 成功率的行业瓶颈，DeepMind 分拆成立了 **Isomorphic Labs**。他们致力于打造端到端的自动化流水线：利用 AI 生成候选化合物，精准预测其与目标蛋白的结合力，并在几小时内完成毒性筛查。这种自我迭代的搜索效率比传统实验高出百万倍，预示着未来每一款新药的流程都将嵌入 AI。

### 从 AlphaGo 到 AlphaZero：零先验的自我进化逻辑

AlphaGo 在 2016 年击败李世石，对大众而言是围棋的胜负，对哈萨比斯而言则是**深度强化学习**（Deep Reinforcement Learning: 结合深度学习与强化学习，让 AI 通过试错自主进化的技术）的胜利。他特别提到了著名的“第 37 手”，那是一手违背人类经验却锁定胜局的棋，证明了 AI 能够产生人类从未想到的创造性洞见。

从 AlphaGo 进化到 **AlphaZero**，核心跨越在于彻底移除了人类棋谱。**AlphaZero**（Zero: 指代零人类先验知识）仅凭规则进行自我博弈，在国际象棋领域，它从“随机乱下”到“登顶世界冠军”仅用了几个小时。

这种“长期规划、推理与搜索”的思路正被延伸至更硬核的科学领域。例如 **AlphaTensor** 发现了更快的矩阵乘法算法，降低了神经网络的计算成本；而 **AlphaChip** 则在芯片布线这一 NP 难问题上超越了人类专家。哈萨比斯明确指出，未来 DeepMind 的重点是将这套“世界模型”从游戏扩展到量子计算、材料设计等真实世界的硬核挑战。

### AGI 风险分级：恶意滥用与自主系统的脱轨

面对日益增长的 AI 焦虑，哈萨比斯提出了清晰的三级风险评估框架：

1.  **中期风险（2-4 年）：恶意滥用。** 这是最紧迫的问题。原本用于药物研发或材料科学的技术，可能被用于网络攻击或漏洞挖掘。他以 **Anthropic** 的内部模型为例，指出这种能发现高危漏洞的技术若被武器化，将造成全球性威胁。
2.  **核心中期风险：自主系统脱轨。** 随着 AI 进入 **智能体时代**（Agentic Era: AI 能够独立完成复杂、多步骤任务的阶段），如何确保这些指数级进化的系统严格遵循人类目标，而不绕过安全护栏，是目前最难的技术挑战。
3.  **被高估的短期风险：深度伪造。** 虽然虚假信息是现实挑战，但哈萨比斯认为这属于相对次要的治理问题。DeepMind 推出的 **SynthID**（数字水印系统）已在 Gemini 等模型中内置内容溯源功能。

### 50 年后的后 AGI 时代：重构宇宙与意识的边界

哈萨比斯对未来 50 年的预判极具科幻色彩。他认为，人类在安全度过 AGI 落地期后，将集中攻克可控核聚变与**常温超导体**（Room-temperature Superconductor: 在室温下实现零电阻的材料）等科学根节点。

一旦廉价的清洁能源与室温超导技术落地，人类将进入**后 AGI 时代**（Post-AGI Era）：
*   **航天革命**：从海水无限提取燃料，大幅降低航天成本。哈萨比斯甚至畅想在水星建立**戴森球**（Dyson Sphere: 环绕恒星收集其绝大部分能量产出的巨型结构）基地。
*   **生命突破**：彻底治愈癌症与神经退行性疾病，人类意识将随文明扩展至银河系。

在访谈最后，哈萨比斯给普通人留下了一条极具力量的建议：**“跟上这股潮流，让自己变成一个超能力者。”** 他认为，即便在顶级实验室，AI 的能力悬置（Overhang）依然巨大，真正的机会属于那些精通工具、在细分领域跨界创新的普通人。与其恐惧，不如主动拥抱这股浪潮，将 AI 变成人类能力的终极延伸。