一、一张餐桌，三种未来
2026 年 6 月 17 日，法国埃维昂莱班，G7 峰会闭门午餐会。
长桌一侧坐着 Donald Trump 和美国商务部长 Howard Lutnick、国务卿 Marco Rubio；另一侧，三位定义了当代 AI 格局的男人首次同时出现在世界领导人面前：OpenAI 的 Sam Altman、Anthropic 的 Dario Amodei，以及 Google DeepMind 的 Demis Hassabis。
据 CNBC 援引两位知情人士的消息，Hassabis 和 Amodei 在闭门会议上共同提议：建立一个由美国主导的 AI 国际联盟，以制定前沿模型的安全规则与标准。加拿大总理 Mark Carney 当场表示同意。
这一场景之所以意味深长，不只是因为三位 CEO 罕见同框。就在这场午餐会前五天，美国政府对 Anthropic 最新模型 Fable 5 和 Mythos 5 实施了出口管制，禁止其向包括欧盟公民在内的外籍人员开放——这是华盛顿首次以国家安全为由，对一家 AI 公司动用如此激进的工具。而此刻，Hassabis 坐在 Trump 对面，呼吁的不是放松管制，而是更系统化的全球治理。
对于 Sam Altman 和 Dario Amodei，公众已经足够熟悉。但 Demis Hassabis ——这位 2024 年诺贝尔化学奖得主、英国爵士、曾经的象棋神童和电子游戏设计师——可能是 AI 三巨头中最不急于自我推销，却最深刻理解「智能」本质的人。
三周前，他在斯坦福商学院的一场炉边对话中抛出了一个让全场沉默的判断：「我们正站在奇点的山脚下。」他说，AI 的推进速度大约是工业革命的十倍，而人类社会的容错空间「极小」。
二、「先解决智能，再用它解决一切」
Hassabis 1976 年出生于伦敦，父亲是希腊裔塞浦路斯人，母亲是新加坡华人。四岁时，他看到父亲和叔叔下棋，要求他们教他。十三岁，他已经成为全球排名第二的青少年棋手。
但象棋只是他探索「思考」本身的入口。真正让他着迷的是一个更根本的问题：「思考关于思考」——心智如何运作，智能的本质是什么。
17 岁那年，他拒绝了剑桥大学的奖学金，先去 Bullfrog Productions 做游戏。他担任主程序员的《主题公园》（Theme Park，1994）成为现象级作品，拿下了金摇杆奖。后来他又在 Peter Molyneux 的 Lionhead Studios 担任《黑与白》的 AI 主程。
但做游戏满足不了他。他回到剑桥大学女王学院，以双一等荣誉学位毕业，随后与人合伙创办了一家游戏工作室——失败。三十出头，他转向一个看起来毫不相干的领域：在伦敦大学学院（UCL）攻读神经科学博士，发表关于海马体在记忆和想象中双重角色的里程碑研究。
2010 年，Hassabis 与 Shane Legg、Mustafa Suleyman 共同创立 DeepMind。公司的使命宣言简洁到近乎狂妄：「第一步：解决智能。第二步：用它解决一切。」
最初几年并不顺利。Hassabis 在斯坦福回忆，有一段时间，他们的强化学习系统连一局 Pong 都赢不了。但 2013 年，DeepMind 发表了一篇论文，展示了一个深度强化学习智能体能够直接从原始像素中学会玩 Atari 游戏——不需要任何人工编码的规则。
2014 年，Google 以约 5 亿美元收购了 DeepMind。2016 年，AlphaGo 在首尔击败李世石，Hassabis 后来称这一刻为「现代 AI 时代的起点」。
三、诺贝尔奖：当 AI 学会「看」蛋白质
如果说 AlphaGo 证明了 AI 可以在封闭规则系统中超越人类，那么 AlphaFold 则证明了 AI 可以解决人类科学界苦战了半个世纪的开放问题。
蛋白质的功能取决于其三维折叠结构。传统方法——X 射线晶体学、核磁共振、冷冻电镜——解析一个蛋白质结构可能需要数年时间，成本高达数十万美元。全世界科学家花了五十年，也只解析了大约 17 万个蛋白质结构。
2020 年底，AlphaFold 2 在蛋白质结构预测关键评估（CASP）竞赛中，将其预测精度推到了与实验方法相当的原子级水平。到 2022 年，DeepMind 通过 AlphaFold 预测了几乎所有已知蛋白质的结构——超过两亿个——并免费向全球科学界开放。
「我们站在巨人的肩膀上，」Hassabis 在斯坦福解释为何不将其商业化时说。蛋白质数据库有五十年开放共享晶体学数据的传统，DeepMind 认为「基础科学层」不应该被私有化。「用人工来做，需要一万个博士生。」真正的商业机会在下游——药物发现。
2024 年，Hassabis 与 DeepMind 科学家 John Jumper 共同获得诺贝尔化学奖。同年，他因对 AI 的贡献被授予爵士头衔。他还被《时代》周刊选为 2025 年度「AI 建筑师」之一，登上「年度人物」封面。
但 Hassabis 并未止步于荣誉。他同时领导着 Google DeepMind 和 Isomorphic Labs——一家从 DeepMind 分拆出来的 AI 药物发现公司，目标是建立「通用药物发现引擎」。
四、站在奇点的山脚下
2026 年 5 月底，Hassabis 在斯坦福 GSB 的炉边对话中，措辞罕见地紧迫。
他称 AI 为「物种级跃迁」（species-level transition），将其与核武器和气候变化相提并论。他说，公众对 AI 安全的担忧「完全合理」，这与行业中一些淡化风险的声音形成了鲜明对比。
「我们正处于奇点的山脚下，」他说，「技术推进速度大约是工业革命的十倍。未来五到十年，我们需要前所未有的国际协调。」
他预测 AGI——能够在认知任务上达到或超越人类水平的 AI——将在 2030 年左右到来，「加减一年」。他称之为「新人类时代」的起点，甚至可能通向「后稀缺世界」。
但他也提醒，有些同行「过于确定」自己的预测。
在模型治理上，Hassabis 的立场介于开放与封闭之间。他支持「智能的、有针对性的」监管——包括对模型能力的定期独立评估，以及将 AI 纳入驾驶、医疗等现有行业监管框架——而非制定静态规则。对于开源模型，他的核心质疑是：「你们打算怎么处理坏行为者问题？」
五、什么是 AI 不能替代的
在斯坦福的对话中，主持人 Jonathan Levin 问了一个看似简单的问题：有什么是 AI 永远不该替代的？
Hassabis 的回答不是一个技术判断，而是一个价值判断。
他说自己不想要一个 AI 朋友。共情、 mentorship、教学中「启发灵感的部分」——这些是独属于人的工作。一个 AI 导师或许能把一个学生带到「知识的 80%」，但它无法替代人类教师点燃学生内心的那簇火苗。
他以这句话结束演讲：「人类应该始终保有自己对意义的感知，以及对自己将生命投向何处的选择权。我们不应该成为技术的被动接受者。」
这或许正是 Hassabis 与硅谷许多同行之间最本质的差异。他不是在推销一个产品，而是在试图回答一个他四岁学棋时就开始追问的问题：智能是什么，人可以怎样使用它。
在 G7 的闭门午餐会上，当 Altman 呼吁建立「国际论坛」以制定测试标准，Amodei 主张收紧芯片贸易和前沿模型的结构化访问权限时，Hassabis 提议的「美国主导的 AI 联盟」听起来更像一个外交家而非技术官僚的方案。他知道，技术不会等待政治，但政治可以决定技术最终为谁服务。
「未来尚未写定，」他在斯坦福说，「但接下来的几年，将决定它会走向哪个方向。」
来源：
- CNBC: CEOs of Anthropic and Google DeepMind call for U.S.-led AI coalition in meeting at G7 (2026-06-17)
- Business Insider: Google DeepMind CEO says we don't have much time to prepare for the 'new human era' (2026-06)
- The Stanford Daily: Google DeepMind CEO warns AI is at "species-level transition" (2026-05-29)
- Fortune: Google's Nobel-winning AI leader sees a 'renaissance' ahead (2026-02-11)
- The New York Times: Tech C.E.O.s to Discuss A.I. With G7 Leaders (2026-06-17)
- Wikipedia: Demis Hassabis