2026年8月，一则足以改写AI行业格局的消息落地：哈萨比斯正式卸任Google DeepMind CEO。这家由他一手缔造的传奇AI实验室，从此不再设立独立CEO，彻底褪去独立身份，完全融入谷歌组织架构。
对于全球所有AI从业者而言，DeepMind都是一座绕不开的丰碑。作为深耕AI赛道的从业者，必须承认：如今国内绝大多数AI实验室的研发路径、技术探索方向，本质上都是沿着DeepMind开创的道路前行，我们的无数工作，都是对这家传奇机构的致敬与效仿。
当哈萨比斯正式谢幕，我重新翻阅他的传记《无限机器》与相关纪录片，梳理出这段藏在主流AI发展史背后、充满赌局、分歧、对抗与宿命的行业往事。这些看似细碎的“八卦”，恰恰解开了过去二十年AI赛道所有格局分化、路线之争与巨头兴衰的核心答案。
01 并非纯粹科学家：早早就实现财务自由的AGI赌徒
大众固有印象里，哈萨比斯是纯粹的科研极客，DeepMind是一家不问盈利、只为探索通用人工智能的理想主义科研机构。这个认知大体没错，但多数人忽略了：哈萨比斯从来不是不懂商业的书呆子，他兼具顶级的科研视野与成熟的商业能力。
早在创立DeepMind之前，哈萨比斯就创办了万灵药游戏工作室，后续顺利退出，斩获数百万英镑收益，早早实现了财务自由。衣食无忧的底气，让他得以在AI最低谷的年代，义无反顾押注无人看好的AGI赛道。
2010年，DeepMind正式成立。彼时是AI史上最黑暗的低潮期，距离颠覆行业的ImageNet时刻还有两年，深度学习尚未崛起，整个工业界几乎无人布局AI。在学界深耕AI尚且冷门，放弃成熟赛道、专门创办AI公司，在当时的硅谷乃至全球，都近乎“异类怪胎”。没人相信AI有未来，更没人敢赌通用人工智能的终极可能，唯有哈萨比斯，在无人看好的寒冬，旗帜鲜明定下DeepMind的终极目标——实现AGI。
02 野蛮生长的早期融资：一场近乎赌博的非共识投资
DeepMind的早期成长，完全依托硅谷最先锋、最敢赌的“非共识资本”，每一轮融资都是一场豪赌。
彼时小众的奇点大会，是这批AI异类为数不多的聚首之地。这场大会风格极致超前，甚至被外界调侃为“神神叨叨的信徒集会”，却聚集了一批预判未来的顶级投资人，硅谷传奇投资人彼得·蒂尔便是核心赞助人。哈萨比斯正是通过这场大会结识彼得·蒂尔。
彼得·蒂尔向来信奉“非共识投资”，敢于布局所有人不看好的赛道，后续重仓SpaceX亦是如此。他并不算是纯粹的AGI信徒，却笃定前沿赛道的超额收益，最终以230万美元拿下DeepMind近半数股份。在2010年，这笔投资无异于天价买彩票，相当于资本花重金买下一张通往未知AGI时代的门票，也是DeepMind活下去的核心基石。
极具戏剧性的是，2012年ImageNet变革到来，AI赛道骤然升温，当行业资本纷纷入局、AI从冷门变风口时，最早押注的彼得·蒂尔反而开始犹豫、退缩，不愿继续加码，这让坚定看好AGI未来的哈萨比斯倍感失望。
彼得·蒂尔的退出预期，让哈萨比斯结识了另一位硅谷传奇——马斯克。彼时的马斯克已是风头无两的“硅谷钢铁侠”，他对AI的核心认知只有一个：AI是足以颠覆人类社会的终极工具，必须掌握在负责任的人手中。哈萨比斯精准契合了他的期待，他将DeepMind比作新时代的“曼哈顿工程”，自比当代奥本海默，这套宏大且严谨的AGI叙事，彻底打动了马斯克，后者为DeepMind注入500万美元关键融资。
2013年，为支撑日益庞大的AGI研发野心，DeepMind开启C轮融资，筹集2500万美元，其中1360万美元来自香港投资人周凯旋，背后正是李嘉诚资本的加持，为DeepMind的高速发展补上了最后一块资金短板。
03 牵手谷歌：放弃独立自由，换取无限算力与科研自主权
多轮融资让DeepMind活了下来，但频繁对接资本、反复向投资人证明技术价值的过程，让哈萨比斯倍感疲惫。无休止的商业化拉扯、短期业绩诉求，与AGI长期探索的终极目标严重相悖，他迫切需要一个不计短期回报、能持续供给算力与经费的顶级靠山。
谷歌成为他的最优解。彼时的谷歌是全球最重视AI布局的科技巨头，不仅开出6.5亿美元的天价收购对价，更给出了史无前例的优待条件：保留DeepMind独立团队、常驻伦敦、设立专属安全伦理委员会，全面把控技术研发与落地节奏，拥有极致的科研自主权。
这份诚意的背后，是谷歌创始人拉里·佩奇对哈萨比斯的极致认可。这份认可源自深度学习教父辛顿的极力举荐，尽管哈萨比斯的博士方向是神经科学，并非正统AI专业，但2009年MIT的短暂交集，让辛顿对他的天赋与视野推崇备至。拉里·佩奇更是在马斯克的生日宴上主动找到哈萨比斯，散步深谈，抛出终极邀约：你的目标是实现AGI，而非经营公司，谷歌的海量资源，能帮你更快抵达终点。
值得一提的是，这场收购落地时，DeepMind尚未诞生任何颠覆性成果，AlphaGo的传奇还未开启。谷歌重金收购的，从来不是成熟技术与产品，而是哈萨比斯这个人、他的AGI信仰与前沿视野。
谷歌入局的消息，直接激怒了马斯克。在他的认知里，AGI是足以掌控人类命运的危险技术，绝不能落入谷歌这类商业巨头手中，极易被资本裹挟、丧失伦理底线。情急之下，马斯克主动提议由特斯拉或SpaceX接手DeepMind，承诺提供同等顶级的算力与经费支持。
哈萨比斯最终依旧选择了谷歌，但为了平衡关系、兼顾AI安全，他邀请马斯克加入DeepMind伦理安全委员会。事后证明，这是让哈萨比斯与谷歌双双后悔的决定。正是这次分歧，彻底催生了OpenAI的诞生。
04 巨头分野：OpenAI诞生，两大AI路线的百年分歧
2015年，为对抗被谷歌掌控的DeepMind，马斯克牵头成立OpenAI，坚定锁定非营利定位。其核心逻辑从未改变：通用人工智能关乎人类命运，绝不能被商业资本垄断。彼时的马斯克，是OpenAI真正的核心掌舵人，重要性远超擅长攒局、身段灵活的山姆·奥特曼。而OpenAI真正的技术灵魂，是首席科学家伊利亚·苏茨克维。
很少有人知道，哈萨比斯早早便盯上了伊利亚这位天才科学家，甚至早就瞄准了辛顿团队。2012年，辛顿与学生Alex、伊利亚打造的AlexNet拿下ImageNet竞赛冠军，一举终结AI沉寂期，缔造了深度学习崛起的标志性“ImageNet时刻”。
成名后的辛顿成立了一家空壳公司，核心资产便是三人的科研能力，并开启了一场仅限四家机构参与的定向拍卖：谷歌、微软、百度、DeepMind。彼时的DeepMind仅完成B轮融资，总资金仅有1200万美元，哈萨比斯却豪掷1000万美元近乎赌上身家竞拍，最终谷歌以4400万美元高价胜出。这场竞拍的遗憾，让DeepMind错失了伊利亚，也为后续的路线之争埋下伏笔，多年后双方同属谷歌体系，早已无挖人可能。
谷歌收购DeepMind的连锁反应，直接重塑了全球AI格局。为对标DeepMind、抢占AI赛道，扎克伯格火速组建FAIR实验室。此前哈萨比斯曾与扎克伯格接触，小札在家设宴款待，对AGI展现出极大热情，但心思缜密的哈萨比斯刻意用VR、3D打印等前沿赛道试探，发现扎克伯格对所有新兴赛道都热衷跟风，并非真正信仰AGI，只是单纯的商业投机，因此果断拒绝合作。
被拒绝后的扎克伯格，彻底点燃AI雄心，同样登门邀约深度学习三巨头之一的杨立昆。杨立昆起初并不看好小札，提出了看似不可能的条件：保留NYU教职、无需全职入职。没想到小札全盘接纳，2013年底FAIR火速成立，正式与DeepMind分庭抗礼。
05 路线之争：强化学习VS大模型，AI史上最关键的赌局
在很长一段时间里，FAIR人才辈出，却始终未产出颠覆性、决定性的AI突破，行业影响力甚至不及老牌微软研究院MSR。2015年，何恺明团队在MSR提出的ResNet残差网络，彻底解决了困扰深度学习多年的梯度消失难题。在此之前，1998年的LeNet仅有7层、2012年的AlexNet仅有8层，梯度消失问题让深度学习徒有其名。ResNet问世后，神经网络轻松突破上百层，“深度学习”才真正名副其实。
但深度学习仍有核心短板——序列建模。传统RNN循环神经网络无法长效捕捉上下文信息，难以理解连贯的语义与逻辑。伊利亚入驻谷歌后，先后推出seq2seq、词嵌入等经典成果，依旧未能根治序列理解难题。
2017年，Google Brain提出划时代的Transformer架构，彻底改写AI发展史。但极具戏剧性的是，谷歌自身仅将其用于机器翻译，完全忽视了其通用智能的潜力。远在OpenAI的伊利亚却第一时间洞察到Transformer的终极价值，果断叫停团队所有原有研发路线，全面押注Transformer，最终催生了GPT系列大模型。
至此，AI两大终极路线彻底分化。
哈萨比斯坚守强化学习与Agent路线。受DeepMind早期DQN游戏AI、AlphaGo、AlphaZero、AlphaFold的成功启发，他坚信具象的交互、试错、强化学习才是通往真正AGI的路径，认为纯语言模型缺乏物理场景支撑，不够“接地”，无法诞生真正的通用智能。
伊利亚则坚定语言大模型路线。他提出核心理论“压缩即智能”，认为人类语言是对现实世界最极致、最高效的信息压缩，只要模型能够精准预测语言逻辑、理解语义关联，就能间接认知整个真实世界，孕育通用智能。
早期行业普遍认可DeepMind的路线。强化学习产出的AI，能够超越人类顶尖棋手，展现出极致的智能决策能力，但短板同样致命：泛化性极差，AlphaGo战胜人类棋手后，便再无复用价值，如同精巧的一次性玩具。而早期笨拙的大语言模型，却在持续迭代中，不断进化出通用理解、生成、推理能力。事后回望，伊利亚的路线，才是通往AGI的正确捷径。
两条路线的融合，最终诞生了AI新时代。GPT-3.5与ChatGPT的爆火，核心是“预训练+指令微调+RLHF”的全新范式，将深度学习的通用拟合能力与强化学习的奖惩迭代逻辑完美结合。后续o1模型更是依托强化学习训练思维链，攻克数学、逻辑推理等人类智力核心壁垒，彻底补齐大模型短板。
06 格局反转：从巨头碾压到草根逆袭，OpenAI的绝地翻盘
如今如日中天的OpenAI，在2015年成立之初，只是无人看好的草台班子。彼时的DeepMind背靠谷歌、资金充沛、成果频出，是行业绝对霸主；而OpenAI缺人缺钱，即便手握伊利亚、Karpathy等天才，还得到黄仁勋赠予的第一台DGX-1算力设备，依旧无人看好。
直到2019年，GPT-2问世，大语言模型的惊人潜力首次落地，OpenAI终于证明了自身技术路线的可行性。同年，微软果断下注，投资10亿美元；2020年再度追加20亿，开启与OpenAI的深度绑定时代。
微软重注OpenAI的背后，是深刻的行业焦虑。时任微软CTO凯文·斯科特曾向纳德拉递交内部备忘录，直言微软AI已被谷歌、DeepMind远远甩开，自家团队甚至无法复现谷歌基础的神经机器翻译效果，投资OpenAI，是微软追赶AI时代的唯一险棋。
行业格局迭代中，人员流动暗藏玄机。2019年秋天，一名OpenAI研究员跳槽DeepMind，彼时DeepMind仍沉迷星际争霸等强化学习项目。这名研究员深知OpenAI正在研发远超GPT-2的超大模型，却受限于保密协议无法直言，只能向哈萨比斯转发论文《语言就足够了》，隐晦提醒大模型的终极价值。
这次提醒让DeepMind终于醒悟，2020年紧急启动大模型项目，初始设定640亿参数。但OpenAI很快发布1750亿参数的GPT-3，效果碾压同期模型，彻底刺激了DeepMind的胜负欲，随即加码启动2800亿参数超大模型，2021年底正式公布成果。
但彼时的AI竞争，仍是纯粹的技术圈内卷，各家重论文、轻产品。DeepMind的2800亿参数模型、谷歌的LaMDA、DeepMind的Sparrow均完成研发，却因LaMDA“意识风波”引发的舆情顾虑，全部选择低调内测、暂缓对外发布。
2022年11月30日，ChatGPT突然面向全民公测，如同珍珠港偷袭，彻底打乱谷歌与DeepMind的节奏，掀起全球AI海啸。谷歌搜索核心业务遭遇颠覆性威胁，股价大幅下挫，危机空前。仓促应战的Bard还因演示事实错误全网群嘲，让谷歌一夜蒸发千亿美元市值。
07 合并不足、迭代失速，哈萨比斯的终局转身
危机倒逼变革。2023年4月，谷歌痛定思痛，合并Google Brain与DeepMind，成立全新的Google DeepMind，由哈萨比斯出任CEO。看似是组织整合，实则是DeepMind吞并Google Brain，将自身高压突击、集中攻坚的铁血风格，注入松散自由的谷歌体系。
外界一贯误以为DeepMind是自由探索的科研象牙塔，实则恰恰相反。DeepMind的核心风格是极致高压、集中资源单点突破，Alpha系列所有颠覆性成果，都是哈萨比斯定下极高目标、倒逼团队极限攻坚的结果。而Google Brain更偏向传统研究院的自由探索、松散创新，两者风格的碰撞，彻底重塑了谷歌的AI研发节奏。
哈萨比斯欣然接受这场变革，主动拥抱产品化浪潮，坦言自己从来不是纯粹的科学家，而是产品设计师，AI产品落地与AGI使命并不冲突。
随后Gemini系列问世，却始终难逃“慢半拍”的宿命。2024年Gemini 1.5 Pro凭借百万级上下文长度实现重大技术突破，却恰逢Sora发布，瞬间被抢走所有行业关注度；2024年底Gemini口碑回暖、重拾市场信心后，又遭遇Anthropic快速超车、OpenAI持续迭代的双重挤压，原定2026年6月发布的Gemini 3.5 Pro最终难产。
持续的竞赛疲惫、无尽的内卷追赶，让哈萨比斯彻底厌倦了大模型赛道的博弈。这位深耕AGI二十年的领路人，最终选择卸下所有AI赛道重担，全力投入2021年悄悄布局的AI制药公司Isomorphic Labs，立志用AI重构药物研发体系，攻克人类疾病难题。
结语：一个时代落幕，新的征程开启
哈萨比斯的卸任，标志着DeepMind独立探索时代的彻底终结，也意味着AI行业纯粹的理想主义科研时代正式落幕。
二十年前，他在AI寒冬逆势创业，无人看好却坚定奔赴AGI；二十年后，大模型赛道内卷白热化，他抽身离场，奔赴下一个无人探索的AI新赛道。
他用二十年，见证并主导了AI从无人问津到颠覆世界的全过程：从强化学习到大模型，从技术分歧到路线融合，从实验室科研到全民产品化，DeepMind与OpenAI的博弈，撑起了整个现代AI产业的根基。
如今，那个追逐通用人工智能的理想主义者，告别了喧嚣的大模型战场，选择用AI治愈人类。一如当年我们看不懂他创办DeepMind的初心，如今我们也无法预判AI制药的终局。
唯有致敬，致敬一个伟大的AI时代落幕，也期待一场全新的产业革命开启。
注：本文素材主要源自哈萨比斯传记《无限机器》，部分细节为个人整理感悟，若有疏漏偏差，均为个人整理误差。