在《时代》周刊评选的「全球最具影响力100人」专访中，哈萨比斯这样说：「这项技术一旦成熟，所有人类疾病都将成为过去。」一位诺贝尔奖得主面向全球读者抛出的这句话，不是大话。

这句话背后，一台庞大的机器已经在运转。AlphaFold推开的那扇门，比人们想象的要宽得多。2020年在CASP14竞赛中达到原子级精度之后，AlphaFold2成功预测了地球上已知的超过2亿个蛋白质的三维结构。

一个博士生平均要花5年才能解析一个蛋白质结构。按传统方法完成这项工作，需要10亿年的博士生时间。AlphaFold把这个时间压缩到了几个月。截至2025年，全球已有超过300万名研究者在使用AlphaFold数据库。

这意味着人类第一次拿到了自己身体的设计图纸。哈萨比斯没有就此止步。2021年，他在Alphabet（谷歌母公司）旗下成立了一家独立公司：Isomorphic Labs。

这个名字本身就意味深长。「Isomorphic」在数学中意为「结构相同」。生物学问题与信息科学问题在根本上共享同一结构，这是哈萨比斯长久以来的直觉，他把这个直觉刻进了公司的名字。

Isomorphic Labs的使命很明确：「用AI的力量征服所有疾病。」传统的新药研发过程，低效到近乎残酷。

一款药物从实验室走向市场，平均要10到15年，花费超过20亿美元，临床试验阶段的失败率高达90%。Isomorphic Labs首席科学家迈尔斯·康格里夫把这个过程比作「打地鼠（Whac-a-Mole）」。化学家合成数千种化合物，逐一测试，大部分失败，再从头来过。周而复始。

哈萨比斯构想的替代方案，是把整个流程从「湿实验室（wet lab）」搬进「硅中（in silico）」，也就是计算机模拟的世界。AlphaFold3已经超越了蛋白质的静态结构，进化到能预测蛋白质与蛋白质、蛋白质与小分子（药物）、蛋白质与DNA/RNA之间的相互作用。哈萨比斯说，这项技术可以将新药研发的效率提高「1000倍」。

2025年3月，Isomorphic Labs完成了由Thrive Capital领投的6亿美元A轮融资，并与诺华、礼来等大型药企签署了总额达30亿美元的合作协议。2026年1月，在达沃斯世界经济论坛上，哈萨比斯发布了一项决定性的公告。

由AI设计的首款抗癌药将于2026年初进入I期临床试验。Isomorphic Labs目前同时推进17个药物开发项目，涵盖肿瘤学、免疫学和心血管疾病。哈萨比斯的终极梦想，是造出一个「虚拟细胞（virtual cell）」。

如果能模拟一个细胞内部发生的所有化学和生物动力学过程，那么药物对人体的影响就可以在投给患者之前，先在计算机中验证。更进一步，根据个人的代谢特征，一夜之间就能设计出定制药物。哈萨比斯在2025年达沃斯论坛上这样说：「最终，我们可以想象个性化定制药物的世界。

AI系统在一夜之间为你设计出针对个人代谢特征优化的药物。」如果这个愿景实现，医学的面貌将从根本上改变。正如哈萨比斯在接受《财富》杂志采访时所预测的那样：「十年、十五年后的医学，将和今天的医学面目全非。」疾病不再是发生之后才去治疗的东西，而是在发生之前就被预测和拦截的对象。

癌症不再是死刑判决，而是可以管理的状态；罕见病患者不必再听到「无药可治」这句话。当然，玫瑰色的前景背后隐藏着现实的分量。诺华生物医学研究负责人菲奥娜·马歇尔指出：「AI或许能在发现环节节省五年时间，但人体安全性试验无法用算法绕过。」

Isomorphic Labs总裁马克斯·贾德伯格也承认：「软件与现实的科学流程碰面时，你不得不变得谦逊。」哈萨比斯本人原计划在2025年底前启动临床试验，但日程推迟到了2026年。在关乎生命的事业中不能急躁，这个事实连这一领域中最雄心勃勃的乐观主义者也无法否认。

即便如此，方向已经确定。从AlphaFold开始的医疗革命，已经渡过了一条不可逆转的河流。

正如哈萨比斯对《时代》周刊所说：「这项技术一旦成熟，所有疾病都将成为过去。」这句话最终会成为预言，还是停留于希望，目前无人知晓。可以确定的是，一个花了50年才攻克蛋白质折叠问题的人，已经宣布了他的下一个目标：「征服所有疾病。」而在这份宣言的背后，6亿美元的融资、30亿美元的合作伙伴关系、17个药物项目，已经在运转。

清洁能源（核聚变）与气候变化的破解。在哈萨比斯构想的根本性丰裕世界里，疾病之后紧接着的是能源。「如果能源实现零碳并且免费，我们就能超越气候危机，开始修复地球的生态系统。」2025年《时代》周刊专访中哈萨比斯说的这番话，不是空泛的修辞。

DeepMind早在数年前就已将AI应用于核聚变研究的核心难题。核聚变是太阳发光的原理。氢原子核在极端高温高压下碰撞融合为一体时，一部分质量转化为能量。

爱因斯坦的E=mc²在这一刻变成现实。如果能在地球上重现这个反应，人类将获得几乎无穷无尽的清洁能源。燃料是从海水中提取的氢，副产物不像核裂变那样是长寿命放射性废料。理论上，这是完美的能源。

问题在于理论与现实之间的距离。要引发核聚变，必须将氢加热到1亿度以上，使其进入等离子体状态。用来约束这种超高温等离子体的装置，叫做托卡马克（Tokamak）。

它的原理是：在环形真空容器外围裹上强磁线圈，用磁场把等离子体约束住，不让它碰到容器壁。然而等离子体本质上是不稳定的。必须以每秒数千次的速度调节磁线圈电压，维持等离子体的形态。

哪怕稍微碰到壁面，热量就会流失，装置就会受损。这个控制难题，一直是核聚变商用化面前最大的技术壁垒之一。

2022年2月，DeepMind在Nature上发表了一篇突破性论文。他们与瑞士洛桑联邦理工学院（EPFL）的瑞士等离子体中心合作，使用深度强化学习（Deep Reinforcement Learning）成功实现了对托卡马克内部等离子体的自主控制。在名为TCV的可变构型托卡马克实验装置上，AI同时调控多个磁线圈，将等离子体塑造成想要的形状。

拉长的形状、三角形，甚至「雪花（snowflake）」形状。更令人惊叹的是，在同一个容器内同时维持住了两团分离的等离子体。这被评价为强化学习在真实世界系统中最复杂的应用案例。而这个成果只是开端。

2024年5月，DeepMind发布了开源等离子体模拟器TORAX。它构建在谷歌的高性能数值计算框架JAX之上，能快速精确地模拟等离子体内部的热量、电流和物质流动，在CPU和GPU上均可运行，并能与AI模型无缝集成。

2025年12月，一项决定性的合作关系宣布：DeepMind与Commonwealth Fusion Systems（CFS）展开研究合作。CFS是2018年从MIT分拆出来的核聚变初创公司，正在开发基于高温超导磁体的紧凑型托卡马克SPARC。

SPARC的目标很明确：在历史上第一次实现产出能量大于投入能量，即「净能量产出（net energy）」。正在美国马萨诸塞州德文斯建造中的SPARC一旦成功，后续将在弗吉尼亚州建设400兆瓦级商用电站ARC，计划于2030年代初并入电网。

DeepMind与CFS的合作沿三条主线推进。第一，利用TORAX实现快速精确的等离子体模拟。在SPARC启动之前，就跑完数百万次虚拟实验，提前找出最优运行条件。

第二，将强化学习与AlphaEvolve等进化搜索方法结合，探索净能量产出最大化的最高效、最稳健路径。第三，开发AI控制系统，优化磁场配置，最大化聚变输出，管理热负荷，建立实时控制策略。CFS物理运营高级经理德文·巴塔利亚评价说：「TORAX作为一款专业的开源等离子体模拟器，为构建和运行SPARC模拟环境节省了难以计数的

时间。」TORAX已经成为CFS日常工作流程中的核心工具。谷歌还增加了对CFS的投资，并签下合同，从2030年代初投入运行的首座ARC电站购买200兆瓦的聚变电力。

根据世界经济论坛（WEF）2025年12月的报告，MIT的建模研究预测核聚变发电量将从2035年的2太瓦时飙升至2050年的375太瓦时。美国能源部于2025年10月发布核聚变路线图，表示最早在2030年代初可将核聚变能源纳入国家能源体系。美国能源部聚变能源科学办公室副主任让-保罗·阿兰宣称「核聚变是现实的，就在眼前，已经做好了协调行动的准备」。几十年来始终「还要再等30年」的核聚变，终于开始用现在时态说话了。对哈萨比斯来说，核聚变不只是解决能源问题。

能源一旦充裕且廉价，建立在其上的变化将是连锁式的。海水淡化成本骤降，水资源短缺迎刃而解。碳捕集与再利用在经济上变得可行。粮食生产中的高能耗工序实现脱碳。围绕资源展开的地缘政治冲突失去根源。哈萨比斯所说的「根本性丰裕」，就是能源这一个结解开之后，牵连在下面的几十个问题一起松绑的世界。

AI帮助解决核聚变的控制难题，核聚变为AI提供运行所需的能源。在这个循环结构中，丰裕的基础被建立起来。宇宙探索与智能的拓展。2025年6月，在接受《连线》（Wired）杂志采访时，哈萨比斯抛出了一句话：「如果这一切都实现了，人类将迎来飞向星辰、开拓银河的最大繁荣时代。我认为起点将是2030年。」

一位诺贝尔奖得主口中说出「开拓银河」这个词，世界的反应分成了两半。有人惊叹，有人嗤笑。如果只把哈萨比斯说的「飞向星辰」理解为字面意义上的星际航行，就会错失要害。他的话必须放在完整的语境中去理解。

哈萨比斯的宇宙探索愿景有三个层次。第一层是能源。前面谈到的核聚变一旦商用化，太空推进技术的格局将彻底改变。目前的化学火箭燃料效率极低，光是去火星就

要7个月以上。核聚变推进引擎一旦问世，这个时间将大幅缩短。AI不仅能控制核聚变引擎的等离子体，还能优化航行路线、自动化任务规划、自主管理飞船内部系统。人类宇航员无法应对的复杂程度，由AI来处理，从而打开了更远、更安全的星际航行可能性。第二层是材料科学。

DeepMind的GNoME（Graph Networks for Materials Exploration）项目发现了超过220万种新晶体结构。其中可能包含超导体候选材料、能在极端环境下承受考验的超轻合金、能屏蔽宇宙辐射的新型材料。宇宙飞船的结构件、隔热材料、储能装置，太空探索所需的几乎所有物理组件都依赖于新材料的发现。

AI将材料科学的搜索空间拓展到人类穷尽一生所能尝试的数百万倍，这件事从根本上改变了太空探索的物理基础。第三层，也是对哈萨比斯个人意义最深的一层，是智能本身的拓展。2025年7月，在与莱克斯·弗里德曼（Lex Fridman）长达近三小时的播客对话中，哈萨比斯袒露了自己最根本的驱动力。他从小就被这些问题深深吸引：「宇宙中到底在发生什么？意识的本质是什么？现实本身的本质又是什么？」

对他来说，制造AI从来不是在做产品，而是在打造「推进人类知识的终极工具」。哈萨比斯提出了一个耐人寻味的观点。正如物理学家约翰·阿奇博尔德·惠勒用「万物源于比特（It from Bit）」这句名言所表达的那样，信息可能比能量或物质更为根本。

在这个框架下，宇宙本身就是运行在物理「硬件」之上的巨型信息处理系统。AI则是逆向工程这个宇宙「软件」的工具。正如AlphaFold破译了蛋白质这种生命密码，正如Veo通过预测视频帧来学习物理世界的规则，AI最终可以被用来发现支配宇宙的根本法则。

在这个愿景中，宇宙探索不只是把火箭送上天。它是理解宇宙。哈萨比斯公开了他25年来一直怀揣的梦想：模拟一个细胞内部发生的所有化学和生物

动力学过程；由此出发，模拟生命的起源，即生命如何从「原始汤（primordial soup）」中诞生；最终让AGI能够自主提出爱因斯坦级别的科学猜想（conjecture）。他甚至给出了自己判断AGI是否完成的标准：「把这个系统放到1900年，只给它当时已有的物理学知识，看它能不能独立发明出相对论。」卡尔·萨根曾经说过：

「意识唤醒了宇宙。」哈萨比斯用自己的方式重新诠释了这句话。如果能源变得充裕且廉价，人类就有可能成为一个穿行于宇宙间的物种。

在这个过程中，AI这个工具既用于物理意义上的宇宙探险，也用于智识层面的宇宙探索。理解物理学的根本法则，追问意识是什么，探究现实的本质。对哈萨比斯来说，「开拓银河」既是用脚去丈量，也是用心去理解。批评者指出了这个愿景的不现实之处。

考虑到最近的恒星系的距离，即便用核聚变推进也需要数十年。AI可以优化轨道、自动化任务，但无法突破物理定律本身。2025年苹果的一篇研究论文指出，许多前沿AI模型的「推理能力」被夸大了。哈萨比斯说的「2030年开拓银河」，与其说是字面意义上的预测，不如说更像一枚指明方向的罗盘。

哈萨比斯自己恐怕也清楚这一点。如果说他从国际象棋中学到了什么，那就是：每一步都朝着最终目标落子，但每一步又必须尊重现实的约束。他真正想说的，大概是这样一件事：当智能这个工具变得足够强大，人类能够望见的地平线就会越过地球的边界，向更远处延伸。而走向那条地平线的旅程本身，就是人类更深地认识自己、认识所处宇宙的过程。「解决智能问题，其余的问题便迎刃而解」，DeepMind创立时的使命，在这里以最恢弘的尺度铺展开来。

脱离零和博弈的人类繁荣，AI带来的新生产力与财富分配问题。哈萨比斯在2025年接受『卫报』(The Guardian)采访时这样说：「我认为，这将是人类历史上第一次，我们有望生活在一个非零和的、充裕的世界里。」这句话里装着巨大的乐观，同时藏着巨大的问题。

零和，就是一方得到，另一方就失去。人类的历史大部分时间都在零和逻辑上运转。一个国家扩张领土，另一个国家就失去领土。

一家企业占领市场，另一家企业就被挤走。资源是有限的，权力是围绕有限资源的分配展开的争夺。战争、殖民、贸易冲突、能源危机，全都根植于稀缺。

哈萨比斯的论点是：AI能够改变稀缺这个根本结构。一旦智能成为无限资源，建立在它之上的一切成本都会骤降。新药研发速度快十倍，医疗费用就会下降。核聚变商用化，能源成本就趋近于零。AI革新材料科学，物质资源的束缚就随之松动。

这条连锁反应走到尽头，是一个人类不必再为「谁拿多少」而争斗的世界。一个蛋糕本身足够大的世界。然而，正如『连线』(Wired)的采访者尖锐指出的：「西方世界已经拥有巨大的富足，但我们并没有公平地分配它。」

哈萨比斯承认了这一点。「作为一个物种、一个社会，我们在合作方面做得不好。自然栖息地遭到破坏，部分原因就是人们不愿意承担牺牲。」

在这个节点上，哈萨比斯的愿景遭遇了最严峻的挑战。就算AI把生产力推到极致，生产力的果实归谁所有，是另一个问题。Google DeepMind在2025年发布「高级AI经济学家(Senior AI Economist)」的招聘启事，就是这个问题严重性的标志性事件。

这个职位的核心任务，是对AGI和高度发达的AI系统所引发的经济变革进行建模。模拟从稀缺型经济向富足型经济的转型，预测转型过程中出现的不平等与混乱。Anthropic的CEO达里奥·阿莫迪(Dario Amodei)警告说，AI可能在五年内自动化50%的初级岗位，失业率可能飙升到10%至20%。LinkedIn的经济机会负责人阿尼什·拉曼(Anish Raman)指出，技术冲击会先折断职业阶梯最底下的那一截。

这恰恰与哈萨比斯憧憬的富足世界正面冲突。因为在富足到来之前，转型期的阵痛可能先一步降临。

哈萨比斯意识到了这个过渡期。2025年12月在Axios AI峰会上，他这样说：「将会有比工业革命大十倍、快十倍的变革到来。」

工业革命用了一百年才走完，期间无数职业消亡，无数新职业诞生。有过卢德运动，有过童工，有过城市贫民窟的惨状。那个过渡期的痛苦最终被劳动法、社会保障制度和公共教育的普及所缓解，但走到那一步，用了几十年时间，牺牲了无数人。

如果AI引发的变革比那大十倍、快十倍，社会适应的时间就只剩十分之一。哈萨比斯坦率地承认了这个事实。「社会还没有为AGI做好准备，」他警告说，「这是概率分布的问题。

但它无论如何都在来了，而且来得非常快。」那么，富足的果实该怎么分？哈萨比斯对开出具体的政策处方持谨慎态度。他是科学家，不是政治家。但从他的行动中可以读出一些东西。

把AlphaFold数据库免费向全世界开放，这个决定反映的是一种哲学：研究成果应当成为全人类的共有财产，而非少数人的垄断品。DeepMind招聘AI经济学家，反映的是一种认知：创造技术的人也该对技术的经济冲击波负责。2025年与英国政府签订的全面研究合作协议中包含了教育AI的开发，反映的是一种判断：下一代人必须有工具来适应这场变革。富足不会自动到来。

技术即使打开了可能性的大门，把可能性变成现实靠的是制度、政治和社会共识。哈萨比斯说「根本性富足」时，他真正在说的，不是富足已经来了。而是：富足在技术上变得可能的那一刻正在逼近，在它到达之前，人类必须认真准备好分配问题。「中了彩票，还有多少人会回去上班？」

哈萨比斯在一次采访中抛出过这样一个问题：「假如中了彩票，还有多少人会回去上班？」问题随口一说，但里面藏着AI时代最深处的哲学难题。

工作消失之后人还能幸福吗？没有劳动的生活里人还能找到意义吗？

经济学家用数字分析AI对就业的替代。百分之几的职业会被自动化，失业率会升到多高，对GDP的影响如何。这些数字很重要。但哈萨比斯的问题瞄准的是数字之外的东西。

如果人工作不只是为了挣钱，如果钱的问题解决了人还是得做点什么，那个「什么」是什么？这个问题在哈萨比斯自己的人生里也有回响。他17岁时作为『主题公园』(Theme Park)游戏的首席程序员，已经赚了不少钱，用那笔钱交了剑桥大学的学费。

卖掉Elixir Studios的时候，他也获得了足以让他后半辈子不用为钱操心的财产。可他没有停下来。在伦敦大学学院(UCL)拿了神经科学博士，创办了DeepMind，做出了AlphaGo，做出了AlphaFold，拿到了诺贝尔奖。

他继续把「夜班」干到凌晨三点。一个等同于中了彩票的人，为什么没有停下？答案很清楚。驱动哈萨比斯的不是钱，是好奇心。

「一直引领我前行的，是理解我们周围世界的热情。」他在60 Minutes采访中说的这句话贯穿了他的整个人生。下国际象棋时，他好奇智能的本质是什么；做游戏时，他好奇虚拟世界的规则；学神经科学时，他好奇大脑如何记忆、如何想象；造AI时，他好奇智能这个现象本身能否被破解。

好奇心花钱买不到，也没法自动化。但不是每个人都是哈萨比斯。看看中彩票者的真实统计数据，相当一部分人在几年之内变得比从前更不幸福。没有目标的富足催生的是空虚。假如AI替代了大部分生产性劳动，几十亿人拿什么来填满每一天？刷Netflix、打游戏、刷社交媒体，够吗？哈萨比斯知道这个问题的分量。

他把这称为「超越经济分配的存在论问题」。工作消失，这是收入问题，同时也是身份问题。「我是教师」「我是医生」「我是工程师」，人们通过职业来定义自己是谁。职业没了，自我定义的根基也跟着动摇。

哈萨比斯的乐观在这里带上了他特有的一层底色。他不认为AI在消灭工作，而是在改变工作。

「每当新工具、新技术出现，通常都会催生出围绕这些工具的新工作，而且这些新工作往往更好，」他说。他以医疗领域为例，强调AI不是取代医生，而是成为辅助医生的工具。「没有人会想要一个机器人护士。

护理中人与人共情的那个层面，是极其人性化的东西。」这个回答包含了一部分真实，但并非全部。过去的技术革命确实催生了新职业，但在转型过程中整整一代人遭受苦难，同样是事实。

蒸汽机夺走纺织工的饭碗时，「别担心，以后会有汽车修理工这种新职业」这句话，对一个当下就得养家糊口的人毫无安慰可言。哈萨比斯真正的洞见在别处。他用自己的人生所展示的，是人类最深层的驱动力不是经济回报，而是好奇心、创造和对意义的追寻。正如十几岁做游戏的少年不是为了钱才写代码，凌晨三点读论文的49岁科学家也不是为了工资才做研究，人身上存在着超越金钱的驱动力。

问题在于，能否创造一个让每个人都有机会发现那种驱动力的环境。教育应该不再是职业培训，而是好奇心的培养。社会保障应该不再是救济失业者，而是保障人们拥有探索的时间。

意义不是从上面分发下来的，而是每个人自己去寻找的。「中了彩票，还有多少人会回去上班？」这个问题的正确答案不是一个百分比。它取决于那些不回去上班的人做了什么。是瘫在沙发上盯着屏幕，还是找到属于自己的那盘棋、去钻研它。根本性富足的时代是乌托邦还是反乌托邦，取决的不是技术的水平，而是人类的成熟程度。

这才是哈萨比斯那个问题真正在问的东西。AI开发：「大胆而负责(Bold and Responsible)」。以科学发现的加速作为人类理解宇宙的终极工具。2025年1月达沃斯世界经济论坛上，哈萨比斯说：「把AI应用于科学，比语言模型丰富得多。」这一句话浓缩了他的核心理念。

聊天机器人像人一样对话，只是AI能做的事情中极小的一部分。哈萨比斯认为AI的根本价值，在于从根本上改变科学发现的速度。这个想法的起点可以追溯到童年。12岁那年在列支敦士登的国际象棋比赛上对弈十个小时后，少年哈萨比斯想：「如果把这些出色的头脑用在治愈癌症或解决气候问题上，会怎样？」

此后他从游戏开发转向神经科学，再转向AI，再转向整个科学领域，但每个阶段驱动他的问题都是同一个：「弄清智能的原理之后，能用它做成什么？」这个问题的回答以一个个具体成果呈现了出来。

AlphaFold解决了困扰学界五十年的蛋白质结构预测问题。GNoME发现了220万种新晶体结构。AlphaEvolve开启了AI自行设计算法的阶段，甚至解出了国际数学奥林匹克水平的题目。WeatherNext大幅提升了天气预报的精度和速度。

AI Co-Scientist让多个AI智能体协作，充当虚拟研究伙伴。2026年，首个全自动化研究实验室将在英国投入运行。有一个概念把这些成果串在了一起。

哈萨比斯把AI比作「装进瓶子里的科学方法」。所谓科学方法，就是观察、建立假说、实验、验证这样一个反复循环的过程。人类用这套方法探索自然已有四百年，却始终受制于人本身能力的上限。

一个科学家一辈子能读多少篇论文、一次能考虑多少个变量、一间实验室能做多少次实验，全是约束。AI恰恰消除了这些约束。AlphaFold把几十亿年份的研究时间压缩到了短短几个月，就是典型的例子。AI能搜索人类无力穷举的庞大假说空间，能捕捉人眼看不到的数据模式，能用模拟取代物理上不可能完成的海量实验。

科学方法的每一个环节都通过AI实现了跃升式的扩展。哈萨比斯也勾画了这股潮流通向的未来图景。2026年2月接受『财富』(Fortune)杂志采访时，他预测：「十到十五年后，我们将进入一个新发现的黄金时代，一种新的文艺复兴。」

在这场新文艺复兴中，AI不是取代科学家的存在，而是科学家能够使用的最强大的工具。正如显微镜打开了肉眼看不见的微观世界，望远镜展示了裸眼触及不了的宇宙，AI打开的是仅靠人类大脑无法破解的复杂世界的大门。在Lex Fridman的播客节目中，哈萨比斯用最坦诚的语言展开了这幅图景。主持人Fridman说：「听哈萨比斯说话，会对人类产生希望。」他还说：「感觉就像冯·诺依曼、爱因斯坦或特斯拉这样的人物在重新设计未来，你正在实时听他们讲述自己的梦想和愿景。」

「大胆而负责。」这是哈萨比斯反复提出的AI开发准则。大胆，来自科学目标的规模：预测蛋白质结构的挑战、控制核聚变的抱负、模拟生命起源的构想。负责，来自科学方法本身的严谨：提出假说、用实验证明、经同行评审、公开结果，每一步都不省略。AlphaFold的研究成果在Nature上正式发表、数据库向全球免费开放，就是践行这条原则的代表性案例。哈萨比斯在说明自己与OpenAI的区别时，最着重强调的正是对科学方法的态度。

他把DeepMind定义为「研究优先的组织」。产品是研究的产出物，不能反过来成为研究的目的。超过2000篇学术论文、h指数83、被引用超过15万次，这些数字支撑着这一理念。

在哈萨比斯看来，没有经过科学期刊验证的成果，就是尚未完成的成果。这不是学者的固执，而是战略判断。在AI日益强大的时代，透明地展示「我们到底造出了什么」，是构筑社会信任的基础。AlphaFold正是因为公开了论文和数据，全球300万研究者才得以独立验证其结果、将其用于自己的研究。

只有任何人都能核实的成果，才是真正的成果。这就是哈萨比斯所说「负责任的大胆」的核心。直抵物理学基本定律与意识问题。在Lex Fridman播客进行到两小时零五分左右，对话转向了一个出人意料的方向。话题是意识与量子计算。一位诺贝尔化学奖得主，

同时也是全球最大AI研究机构的掌门人，开始谈论人类意识的本质。这个段落透露出哈萨比斯这个人最深处的智识关切。哈萨比斯从小就被物理学吸引。他最喜欢的几本书可以说明这一点。大卫·多伊奇(David Deutsch)的『真实世界的脉络』(The Fabric of Reality)将量子力学、认识论、进化论和计算理论编织成一个统一的世界观。

格雷格·伊根的科幻小说『排列之城』探讨了数字模拟世界中是否也能存在意识。道格拉斯·霍夫施塔特的『哥德尔、艾舍尔、巴赫』追问：在自我指涉的系统中，意识如何涌现？这些书不是静静躺在书架上的摆设，而是渗透进他整个研究方向的智识土壤。

哈萨比斯的物理学世界观可以这样梳理。信息可能是比能量或物质更根本的存在。宇宙本质上是一个巨大的信息处理系统。物理定律是驱动这个系统运转的某种软件。AI则可以成为逆向破解这套软件运行原理的工具。从这个视角看，AlphaFold、Veo、GNoME表面上是不同的项目，本质上却是同一探索的不同分支。AlphaFold破译了构成生命的分子密码，Veo在学习物理世界遵循的规则。

GNoME在搜索物质可能呈现的排列方式。所有这些工作，最终汇聚到一个根本问题：现实究竟按什么原理运转？在这条探索之路的尽头，等待着的是科学至今未能回答的难题。

意识到底是什么？大脑中神经元的电信号，怎么就变成了我们真实感受到的主观体验？看到红色时我们感知到的那种「红」，究竟从何而来？哲学上把这叫作「意识的困难问题」。哈萨比斯在这个问题面前，同时展现出谦逊与雄心。他坦率承认，以目前的科学水平无法解释意识的本质。但他同时认为，AI有可能开辟一条全新的路径来攻克这个问题。

当我们能够更精确地模拟大脑的运作机制时，就有可能更准确地界定意识涌现的条件。

「意识是信息处理的某种特定形式，还是必须依托生物大脑这一物理基础才能存在？」对于这个问题，AI模拟有望提供实验层面的线索。

哈萨比斯攻读神经科学博士学位，放在这个脉络里就不难理解了。他的博士研究课题是海马体这一脑区在记忆与想象中所扮演的角色。回忆过去的功能和想象未来的功能由大脑同一区域完成，这一研究成果发表在Nature上，后来直接启发了DeepMind记忆系统和规划算法的设计。

对哈萨比斯而言，神经科学、AI和物理学不是各自独立的学科，只是从不同角度切入同一个问题：智能是什么？现实又是什么？他对物理学根本问题的兴趣也出于同样的脉络。P vs NP问题（如果一个问题的答案能被快速验证，是否意味着它也能被快速求解，这是计算机科学最大的未解之谜）、统一量子力学与引力的理论、加速宇宙膨胀的暗能量的真面目，这些问题因为撞上了人类智能的天花板，几十年来找不到突破口。

哈萨比斯认为，AGI有可能为这些问题提出人类从未想到过的全新思路。就像爱因斯坦仅凭头脑中的思想实验就发现了相对论一样，AGI或许能生成人类无法想象的新假说，再通过模拟加以验证。这一愿景体现得最为具体的，就是「虚拟细胞」项目。

从完美地以数字方式再现一个酵母细胞开始，逐步扩展到人类细胞，最终模拟原始地球的海洋中第一个自我复制分子是如何出现的。如果这一计划成功，就能以实验方式回答一个古老的问题：「生命是物理定律必然产生的结果，还是极其罕见的偶然产物？」卡尔·萨根那句名言再次浮现：「意识唤醒了宇宙。」

哈萨比斯正在把这一哲学命题转化为实际的技术路线。通过AI模拟生命的起源，以实验方式探索意识的本质，揭示物理定律的根本原理。这是对DeepMind使命最深层次的诠释。

「破解智能」说的不是在国际象棋中获胜、预测蛋白质结构或分析股价这个层面的事。它的终极指向是理解宇宙为何存在、意识从何而来、现实的本质是什么。哈萨比斯面对这些宏大问题时展现出的姿态，是科学家的谦逊与探险家的果敢交织在一起。他从不声称自己已经知道答案。

他只是说，自己正在打造寻找答案的最强工具。这部传记的核心问题，在这里露出了轮廓。AI时代，人类真正需要的是「更强大的AI模型」还是「更成熟的人类社会」？哈萨比斯的回答大概是：两者缺一不可。打造更强大的模型，是科学家和工程师的职责；建设更成熟的社会，是我们每个人的责任。

只有这两件事同时实现，哈萨比斯梦想中的「根本性丰裕」才能从口号变为现实。AI开启的可再生能源未来

人工智能专家 金京镇律师

AI法律政策专家 · 前国会议员 · 著作等身

如果这本书曾在您身边短暂停留，请支持我们，让下一个故事得以问世。

（自愿赞助账户：农协 302-1096-0948-81 户名：金京镇）