AI大神哈萨比斯：这4个思维，远比努力更重要！

内容来源：笔记侠(Notesman)。

责编| 贾宁排版| 沐言

第 9703篇深度好文：3383| 17分钟阅读

商业思维

6月20日，约翰·江珀，谷歌DeepMind的明星科学家，AlphaFold（蛋白质结构预测系统）的灵魂人物，宣布离职加入Anthropic。

两天前，另一位重量级人物诺姆·沙泽尔刚宣布跳槽到OpenAI。

外界开始质疑：DeepMind是不是在AI竞赛中掉队了？

DeepMind CEO哈萨比斯的回应很淡定：“我们有目前所有实验室中最大、最广的研究板凳。”

如果你读过《哈萨比斯：谷歌AI之脑》这本书，他的这种从容就不会让你意外。支撑哈萨比斯的，是一套运转了30年的思维操作系统。

这本传记由两度入围普利策奖的作者塞巴斯蒂安·马拉比耗时3年写成，采访了100多位谷歌AI关键人物，与哈萨比斯本人进行了超过30个小时的长谈。

这篇文章，会从这本传记里提炼出哈萨比斯最关键的4个思维武器。

希望今天的分享，对你有所启发。

一、哈萨比斯的4个思维武器

哈萨比斯4岁下国际象棋，13岁拿到大师称号，17岁在牛蛙公司设计出百万级销量的游戏《主题公园》。

后来自己创业做游戏工作室失败，转头去剑桥读计算机科学，又去伦敦大学学院读了认知神经科学博士，在MIT（ 麻省理工 ）和哈佛读完博士后，2010年创立DeepMind，2014年被谷歌以约6.5亿美元收购。

2024年拿了诺贝尔化学奖。

这份履历，在科技圈找不到第二人。

1.先理解问题，再解决问题

1987年，列支敦士登一座古堡里。11岁的哈萨比斯刚下完一场长达10小时的国际象棋残局。

他输了，被对手毫不收敛地嘲笑。

第二天早上醒来，他没有懊恼，反而产生一个更大的念头：

锦标赛大厅里挤满了聪明绝顶的人，他们在下棋这件事上耗尽了精力。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？

一个11岁的孩子，没有先想怎么赢下一局，先问的是这件事值不值得做。

科学家思维的原点就在这里： 先理解问题的本质，再决定要不要解决它。

后来，他把这个思维浓缩成DeepMind的使命：“解决智能，然后用它解决一切。”

2.跨学科理解问题的能力

在牛蛙公司做游戏设计，他学会了什么叫“涌现行为”：你设定简单规则，复杂行为会自己冒出来。

后来他自己创业做游戏，想在一个虚拟城市里同时模拟上千个独立思维的角色，但2003年的电脑算力根本跟不上。

这次失败教了他一课： 再好的算法，没有算力支撑也只能停在纸上。

后来，他去读了神经科学博士，他研究的是人脑中记忆、想象和规划的关系，思考人怎么用过去的经验来模拟未来？

这个研究直接启发了DeepMind后来的技术主线。

棋手的直觉训练，游戏设计的系统思维，神经科学对记忆和想象的机制理解，三样东西组合在一起，才有了后来的AlphaGo。

传记里说：哈萨比斯的思维拥有“无限维度”，能在哲学与电影、科幻与经济史之间自由穿梭，也能深入探讨神经科学、计算机科学与生物学的前沿议题。

这种跨学科的贯通能力，放在全世界都极其罕见。

3.信念驱动问题的解决

传记里有一段特别精彩的故事。

2018年，AlphaFold的GDT（ 蛋白质结构预测精度，下同 ）评分只有60分左右。团队负责人安德鲁·西尼尔觉得这已经很不错了，建议宣布阶段性胜利，结束项目。

哈萨比斯不接受。他说：“我不想成为该领域的佼佼者，我想解决问题。”

然后他做了一件大胆的事：让年轻的物理学家约翰·江珀接替西尼尔担任团队负责人。

理由只有一句： “如果带领团队的人认为问题无法解决，那么团队绝对不可能破解这个难题。”

江珀接手后推动了一次技术豪赌：用Transformer（ 变换器 ）架构彻底替换原有系统。之前的研发成果几乎全部归零，GDT得分从60骤降到20。

这是一次“先跳下悬崖，再画降落伞”式的冒险，然后是漫长的爬升，哈萨比斯每天深夜盯着得分变化。

项目经理迈耶开玩笑说：“半夜摇醒哈萨比斯，问他GDT多少，他能立刻告诉你精确答案。”

迈耶还“发明”了一件有趣的事：每周在例会上播放GDT得分对应年份的流行歌曲。得分到84，播1984年蒂娜·特纳的歌；到86，播1986年麦当娜的歌。

2020年4月，他播了MC Hammer 1990年的标志性嘻哈歌曲,GDT得分达到了90。

最终成绩是92.4分，第二名只有72.8分，差距巨大。

竞赛组织者莫尔特看到这个数字时愣住了，为了验证真实性，他让AlphaFold预测一个连X射线晶体学都解不出的蛋白质结构。DeepMind通过了测试。

莫尔特说了一句话：“我一直希望能活到这一天，但我并不总是确定自己能等到。”

截至2025年底，全球超过300万名研究人员免费使用了AlphaFold的预测结果。2024年，哈萨比斯凭这个成就，获得诺贝尔化学奖。

关键项目负责人的信念，决定团队的天花板。

你团队里负责最重要项目的那个人，有足够的信念吗？

4.纯粹专注，在安静的角落里干大事

DeepMind的总部不在硅谷，在伦敦。

哈萨比斯把它叫作远离硅谷噪声的“黑尔格兰岛”（笔 记侠注：这里被称为在迷茫、焦虑或瓶颈期时，通过抽离喧嚣、回归宁静，从而获得灵感与突破的“精神避难所” ），他觉得在这个远离硅谷、相对清净、不受外界纷杂干扰的环境中，他能更专注地思考AI的前沿问题。

传记里写道：硅谷的科技领袖们普遍更激进更乐观，少数人又更保守更悲观，但都缺少“英式”的灵魂冲突。哈萨比斯身上有一种“哈姆雷特气质”，同时站在加速和警示两端。

这离不开他安静、专注的思考。

我们每天打开手机，一天下来，你觉得自己知道了很多，但其实什么也没想清楚。

哈萨比斯的做法恰好相反，他把DeepMind放在伦敦，远离硅谷的噪音。他让想法“在安静中自然涌现”，靠潜意识慢慢琢磨。

他在保护最稀缺的资源：深度思考的时间。

你刷一个小时的AI新闻，获得的更多是噪音，噪音不值钱，判断才值钱。

二、4个武器，指向同一个靶心

四个思维串在一起就是：

先理解问题，再解决问题；

理解需要多角度输入；

深层理解催生坚定信念，信念驱动管理；

专注需要屏蔽噪音的环境。

它们共同指向一件事：理解，是一种追求。

哈萨比斯花了20年理解智能是什么，然后才开始造东西。他让AlphaFold团队把整套系统推倒重来，因为他相信彻底理解问题之后的重建，比在旧框架上修修补补强一百倍。

结果呢？OpenAI用ChatGPT赢了舆论，哈萨比斯用AlphaFold赢了诺贝尔奖。

当然，在AI这个赛道，速度确实是生死线。但哈萨比斯的传记告诉我们一件事： 速度的上限，由理解的深度决定。 你对问题理解得越深，你的选择就越精准，你才能跑在正确方向上。

三、建议你从哈萨比斯身上“偷”3件事

第一件：给自己一个“黑尔格兰岛”

每周找一个下午，关掉手机，去一个安静的地方坐两个小时，专门用来想问题。

不看微信、不刷新闻、不开会。拿一张纸，写下你当前业务里最让你不安的那个问题，然后从头想：这个问题到底是什么？我的假设对不对？有没有我一直在回避的可能性？

哈萨比斯说他的很多关键想法，都是在这种安静中“涌现”出来的。

第二件：做一次“跨学科审计”

把你过去所有的工作经历、学习经历、甚至爱好全部列出来。然后逐条问自己：这段经历教会了我什么认知？

很多“看似无关”的经验，换一个角度就是金矿。

哈萨比斯的游戏设计经验启发了他的AI架构，你的经验也可能启发你的方向，关键是你得主动去挖，别把它们当作“过时的旧经历”丢掉。

第三件：找到团队里最有信念的人

关键项目的负责人，不是最有经验的人，不是最有资历的人，必须是真心相信“这件事能做成”的人。

可以做一个简单测试：找你团队里负责关键项目的人，问他们一个问题，“你觉得这个项目最终能不能真正改变我们的公司？”

真心相信的人，回答时候眼里有光，而且能具体描述怎么改变。不信的人，会用各种模棱两可的措辞，比如“应该可以吧”“要看情况”“还需要验证”。

把最重要的任务交给眼里有光的那个人，哪怕他经验不如别人。

结语

2026年6月，全世界都在讨论AI竞赛谁领先、谁掉队。

DeepMind的关键研究员走了，不少人替哈萨比斯焦虑。

但读完这本传记你会发现，哈萨比斯从来不在“竞赛”的框架里思考。他在一个更大的框架里：理解智能的本质，然后用它改变一切。

所有人都在抢答案的时候，他选择先把问题理解透。

当AI把执行力变得几乎免费，理解力就是最贵的东西。理解问题的人，永远跑在解决问题的人前面。

对中国创业者来说，这可能是AI时代最反直觉、但也最值得学的一课。

如果你想亲眼看看哈萨比斯们正在建造的世界，而不只是读别人的拆解，笔记侠PPE书院美国站26级「创新英雄·AI+出海专题」课程将于2026年9月26日正式启程。10天时间，我们带你走进硅谷与西雅图，深度参访谷歌、英伟达、微软等全球AI产业标杆，聆听斯坦福名师和行业实战派的一手分享。

与其隔着屏幕猜趋势，不如到源头看清楚。

欢迎了解课程详情，提交报名信息 。

好文阅读推