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
分享、点赞、在看，3 连 3 连！
登录后才可以发布评论哦
打开小程序可以发布评论哦