改变世界的100个产品经理·第30位：戴密斯·哈萨比斯

2024 年 10 月 9 日，瑞典皇家科学院将诺贝尔化学奖颁给了伦敦的一位人工智能创造者——戴密斯·哈萨比斯（Demis Hassabis）。

消息传出时，硅谷的产品圈与科学界同时陷入了一种奇妙的震动：在此之前，从来没有一位互联网科技公司的产品与研发掌门人，因为交付了一款「软件系统」而站上诺贝尔自然科学奖的领奖台。

在很多人眼里，哈萨比斯是一位典型的科学家；但如果仔细拆解他过去三十年的履历，你会发现他其实是人类科技史上最独特的一类**「里程碑型产品经理」**：

他不靠微调按钮颜色或设计裂变漏斗拉新，而是擅长把深奥的强化学习与神经网络，封装成一个个让全人类瞬间看懂的决定性产品时刻（Product Milestones）：

• 2016 年，他把强化学习与蒙特卡洛树搜索做成 AlphaGo，在首尔四季酒店用「第 37 手」击败李世石，一个下午完成了全人类的现代 AI 启蒙；
• 2020 至 2024 年，他把注意力机制做成 AlphaFold，将人类科学家原本需要花几年时间、耗资数十万美元才能测出一个的蛋白质三维结构，压缩到几分钟内免费生成，一口气开源了已知生命世界全部 2 亿种蛋白质结构；
• 如今，在谷歌面临生成式 AI 生死存亡的时刻，Google Brain 与 DeepMind 全面合并由他一人统帅，他成了 Gemini 系列模型与谷歌 AI 帝国的总舵手。

4 岁的神童与 16 岁的百万级游戏制作人

要理解为什么哈萨比斯总能用「打游戏闯关」的工程节奏来推进前沿科学，必须回到他充满戏剧性的少年时代。

1976 年，哈萨比斯出生在北伦敦一个希腊裔塞浦路斯人与新加坡华裔结合的家庭。4 岁那年，他看父亲下国际象棋，仅仅学了几天规则就能把大人们杀得片甲不留；13 岁时，他已经成为国际象棋大师（Elo 等级分高达 2300 分，同龄段世界第二）。

8 岁那年，哈萨比斯用赢来的象棋奖金买下了人生第一台电脑——ZX Spectrum 48K。

在下棋与写代码的过程中，少年哈萨比斯意识到了一个改变他一生轨迹的问题：为什么我自己的大脑能学会下棋，而电脑却只能按照人类写死的规则死板运算？有没有可能写出一段程序，让机器自己学会思考？

15 岁提前考上剑桥大学后，由于年龄太小，剑桥要求他先休学一年（Gap Year）。闲不住的哈萨比斯去参加了一场编程比赛，赢到了英国传奇游戏工作室牛蛙（Bullfrog Productions）的实习机会。

就在那一年里，年仅 16 岁 的哈萨比斯与传奇制作人彼得·莫利纽兹（Peter Molyneux）搭档，担任了划时代模拟经营游戏 《主题公园》（Theme Park） 的主程序员与共同设计者。

这款游戏里有一套极其迷人的底层机制：游戏里的每一个游客都不是死板的贴图，而是拥有独立饥饿度、兴奋度、消费意愿的「微型 AI 智能体」。如果你把薯条卖得咸一点，游客就会去买更多可乐；如果过山车太刺激，游客出来就会吐在路边。

《主题公园》上市后狂卖数百万份，不仅让 17 岁的哈萨比斯赚够了剑桥大学四年的全部学费，更让他第一次尝到了**「在数字沙盒里构建智能世界」**的产品快感。

从剑桥计算机系以最高一等荣誉毕业、自己创办过游戏公司 Elixir Studios 后，哈萨比斯做出了一个让所有同行大跌眼镜的决定：关掉游戏公司，去伦敦大学学院（UCL）攻读认知神经科学博士。

理由极其简单直接：「如果我想造出真正的人工智能，我至少得先搞明白人类大脑里的海马体是怎么处理记忆与想象的。」

2010 年伦敦的冷板凳：20 年无人问津的 AGI 路线图

2010 年，在绝大多数硅谷投资人都在疯狂追逐移动 App、O2O 外卖和社交网络的年代，34 岁的哈萨比斯联合谢恩·莱格（Shane Legg）与穆斯塔法·苏莱曼（Mustafa Suleyman），在伦敦创立了 DeepMind。

当时去见风险投资人时，哈萨比斯几乎不能提「人工智能（AI）」这四个字——因为彼时正处于 AI 寒冬的末尾，一提通用人工智能（AGI），投资人就会把你当成江湖骗子。

但在公司内部的第一页商业计划书上，哈萨比斯写下了那句后来成为整个 AI 行业圣经的 两步走产品使命：

Step 1: Solve intelligence.（第一步，解决智能问题。） Step 2: Use it to solve everything else.（第二步，用它来解决其他一切问题。）

怎么证明你正在「解决智能」？哈萨比斯展现了他作为顶级游戏制作人的产品直觉：把雅达利（Atari）49 款老游戏直接当成测试台。

2013 年底，DeepMind 展示了震惊硅谷的 DQN（深度 Q 网络） 原型：不给 AI 任何游戏规则说明书，不写一行「砖块在哪里、挡板怎么移」的硬编码，只把屏幕上的原始像素画面和得分数字喂给神经网络。

起初，AI 像个刚出生的婴儿一样乱按手柄、频频死掉；但在自己跟自己玩了几个小时《打砖块》（Breakout）之后，这套算法竟然自己领悟出了连人类老玩家都惊叹的必胜绝技——集中火力在砖块墙的最左侧打穿一条地道，把球送进墙体上方，让球在顶部自己疯狂反弹刷分！

看到这段演示视频的拉里·佩奇当场拍板：2014 年 1 月，Google 以 6.5 亿美元 收购 DeepMind。哈萨比斯之所以拒绝了出价更高的 Facebook 而选择 Google，是因为他要求在合同里写下严格的伦理与科研独立条款——他要的不是变现工具，而是谷歌遍布全球的 TPU 算力集群。

AlphaGo 第 37 手与 AlphaFold 的诺奖时刻

如果说 DQN 征服的还是学术界，那么 2016 年 3 月的 AlphaGo，则是哈萨比斯为全人类精心策划的一场史诗级「产品发布会」。

在围棋界原本的共识里，19×19 的棋盘拥有 $10^{170}$ 种可能变化（比可观测宇宙里的原子总数还多），计算机想要靠穷举击败人类顶尖九段棋手，至少还要再等二十年。

2016 年 3 月 10 日，首尔四季酒店，AlphaGo 与世界冠军李世石的第二局对弈进行到 第 37 手。

AlphaGo 执黑，在右边盘五路落下了一颗完全违背人类几千年棋谱定式的「肩冲」。现场解说员第一反应是「机器出 Bug 点错了」，李世石盯着棋盘足足思考了十五分钟，起身离开座位去抽烟；然而一百手之后，所有人惊恐地发现，正是那颗看似荒谬的第 37 手，在潜移默化中锁死了整张棋盘的全局胜局。

最终 4:1 的比分，让全球超过 2.8 亿观众 在直播屏幕前亲眼目睹了「机器直觉」的诞生。

但真正体现哈萨比斯产品高度的，是他随后果断按下的**「急刹车」**：

在 2017 年推出无需任何人类棋谱、完全从零自博弈三天就以 100:0 碾压旧版的 AlphaGo Zero 之后，哈萨比斯当即宣布解散围棋团队，全面转向他的「第二步」——攻克困扰生物学界 50 年的蛋白质折叠难题。

在生命科学里，蛋白质由氨基酸链折叠而成，它的三维空间形状直接决定了它的功能（比如胰岛素如何调节血糖、抗体如何抓住病毒）。过去半个世纪，人类科学家用 X 射线晶体衍射法或冷冻电镜，耗费无数心血和百亿美元经费，才艰难测出了约 17 万个 蛋白质结构，而自然界已知的蛋白质超过 2 亿种。

哈萨比斯带领团队闭关四年，将生物学先验与改进的 Evoformer 注意力架构结合，在 2020 年底推出了 AlphaFold 2，预测精度直接达到了与实验室物理仪器难分伯仲的原子级水平。

更伟大的是接下来的产品决策：

哈萨比斯没有把 AlphaFold 关在墙内按次向跨国药企收天价专利费，而是联合欧洲生物信息研究所（EMBL-EBI），将地球上已知的超过 2 亿种蛋白质三维结构全部算完，建成一个完全免费、向全世界所有科研人员开放检索的公共数据库！

今天，全球超过 190 个国家的 200 多万名生物与医学研究者，每天都在像查字典一样免费调用 AlphaFold——从寻找分解塑料垃圾的超级酶，到研发抗疟疾新疫苗，人类生命科学的研发时钟被这一款产品硬生生拨快了十几年。

改变世界的六维评分拆解

在《改变世界的 100 个产品经理》评分体系中，戴密斯·哈萨比斯综合加权分 90.55（展示综合分 91），位列全榜第 30 位，守住了「传奇档」的门槛。六个维度的评分拆解如下：

1. 远见（Vision）：97 分（六维最高分）

早在 2010 年移动互联网刚起步、深度学习还没迎来 ImageNet 爆发时，他就已经把 AGI 的技术路径（强化学习 + 深度神经网络 + 认知神经科学启发）和「先解决智能、再解决科学问题」的两阶段蓝图画得一清二楚，并且用十五年时间分毫不差地兑现。这种跨越十年的技术预判力，在全榜中与黄仁勋、马斯克并驾齐驱。

2. 开创（Originality）：96 分

从开创深度强化学习（DQN），到用蒙特卡洛树搜索结合策略网络攻克围棋（AlphaGo / AlphaZero），再到开创 AI for Science（科学智能）这一全新人类学科范式（AlphaFold），他每一次出手都是在无人区开辟全新的品类。甚至连驱动今天所有大模型的 Chinchilla 缩放定律（Scaling Laws 最优算力与数据配比），也是出自他治下的 DeepMind 团队。

3. 规模（Scale）：92 分

早期他的产品形态偏重科研基础设施，但即便如此，AlphaGo 创造了 2.8 亿人同时围观的全球文化事件，AlphaFold 覆盖了全球几乎所有结构生物学家；而在 2023 年执掌 Google DeepMind 后，他主导的 Gemini 模型家族已经深度嵌入 Android 手机、Google Workspace、Google 搜索等超过 20 亿用户 的日常数字终端。

4. 品味（Taste）：85 分

他的品味属于典型的**「科学家的极简与硬核美学」**。无论是 AlphaGo 棋谱中那种超越人类千年定式的「神之一手」，还是将 2 亿个复杂蛋白质结构变成任何人输入名称 1 秒即可旋转查看的极简网页，都透着一种干净利落的工程优雅。但在面向普通大众的消费级交互细腻度上，他并非乔布斯或张小龙式的感官派大师。

5. 商业（Business）：85 分

很长一段时间里，DeepMind 在 Alphabet 财报里都是一个每年烧掉十几亿美元算力与顶尖人才薪水的「吞金巨兽」。但随着他将 DeepMind 的底层研究成果全面转化为谷歌云、Gemini 订阅与搜索 AI 护城河，并通过旗下 Isomorphic Labs 与礼来、诺华签下数十亿美元的 AI 制药商业大单，他已经证明了顶尖科学突破同样拥有万亿级的商业杠杆。

6. 洞察（Insight）：82 分（六维最低分）

这是哈萨比斯与奥特曼（#4）在产品路径上最本质的分野： 尽管 Google 和 DeepMind 早在 2017 年至 2021 年间就攒齐了 Transformer、RLHF 与海量对话模型的所有底层拼图，但哈萨比斯始终坚持「严谨验证、科学先行」的实验室节奏，没能像萨姆·奥特曼那样敏锐洞察到**「哪怕模型还会胡说八道，只要套上一个极简网页聊天框立刻发出来，普通大众就会为之疯狂」**的消费级心理。这一步消费级洞察的迟疑，让 OpenAI 用 ChatGPT 抢走了生成式 AI 的开场哨。

结语

在科技圈，绝大多数人做产品的终极梦想，是做出一款日活过亿、估值百亿美金的超级 App。

而戴密斯·哈萨比斯从 8 岁对着那台老式电脑敲下第一行代码起，想做的就不是一个抢占人类碎片时间的软件，而是一台帮人类解开宇宙与生命底层密码的「科学引擎」。

当别人还在争论 AI 会写出多少篇营销软文时，他已经带着那枚诺贝尔奖章，把 AI 送进了治愈疾病的分子世界。