马拉比（Sebastian Mallaby）这个名字，大家并不陌生，他是少数既懂资本又懂技术的作者。这本《The Infinity Machine》写DeepMind和它的创始人哈萨比斯（Demis Hassabis），马拉比花了三年时间和哈萨比斯定期对话，又访谈了数百位同事、对手和批评者。读完合上书，我脑子里只剩一句话：这件事，谁也停不下来。下面慢慢说。
一、所有想踩刹车的人，最后都踩了油门
这本书最深的一层，不在AlphaGo，也不在AlphaFold，而在一个反复出现的悖论：AI圈里最怕AI的人，恰恰是把AI造出来的人。
DeepMind三个创始人里，莱格（Shane Legg）2008年的博士论文题目就叫《机器超级智能》。他是AI研究界最早公开表态"人类可能因AI灭绝"的人之一，对灾难性后果的概率估计在5%到50%之间。一个认真算过人类灭绝概率的人，第二年就和哈萨比斯一起创办了DeepMind。
2014年卖给谷歌时，哈萨比斯提了三个前所未有的条件：设立独立的伦理与安全委员会，禁止军事用途，保持伦敦总部和研究自主权，谷歌全部答应。结果呢？伦理委员会只开过一次会，成员名单从未公开，后来被谷歌更宽松的AI原则取代；军事禁令也逐步松动，到2024年DeepMind研究员还联名写公开信抗议。哈萨比斯自己事后的结论很坦白：真到了关键时刻，就算有治理委员会，它大概也不会做正确的事。
更戏剧性的是2015年。哈萨比斯的理想是"单一体"模式：全人类只有一个谨慎的、合作的机构来造通用人工智能，像曼哈顿计划，但以安全为第一原则。那年8月，马斯克在SpaceX总部召集会议，哈萨比斯、苏莱曼、佩奇、施密特、霍夫曼都在，开了几个小时，没有达成任何共识。佩奇认为机器超越人类是宇宙进化的下一步，骂马斯克是"物种主义者"；马斯克回敬说自己就是亲人类。两个老朋友从此翻脸。
马斯克带走的不是合作方案，而是恐惧。他看清了DeepMind走得有多远，也看清了控制它的是一个不在乎机器取代人类的人。于是他找到了奥特曼。2015年5月奥特曼给马斯克的邮件里写道：他认真想过人类能否停止发展AI，答案几乎肯定是不能；既然一定会发生，最好是谷歌以外的人先做出来。年底OpenAI成立。
请注意这个链条：最担心AI安全的马斯克，为了制衡DeepMind，亲手创立了第二个竞争者；竞争者一出现，合作的可能彻底关闭，速度成了唯一的逻辑。马拉比把这一章叫"逐出伊甸园"，非常准确。再往后，2022年底ChatGPT横空出世，谷歌感到生存威胁，2023年把Google Brain和DeepMind合并，那个最想慢下来的哈萨比斯，被推到了商业赛跑的最前线，带着Gemini正面硬刚。
这不是某个人的品德问题，是结构问题。这是一场没有裁判的囚徒困境：每个参与者单方面停下，唯一的结果是把位置让给对手，而不是让AI停下来。在这个结构里，刹车的动作本身就会变成油门。
二、连发明者都管不住自己的发明
第二层，是技术的流向。
今天所有大模型的底座Transformer，是谷歌自己发明的。2017年谷歌Brain的八位作者发表《Attention Is All You Need》，后来八个人全部离开了谷歌，其中凯泽去了OpenAI，参与打造了后来让谷歌措手不及的模型；沙泽尔创办Character.AI，谷歌最后花了约27亿美元才把他请回来。
而DeepMind当时在干什么？它押注的是强化学习，相信"奖励就足够了"，认为预测下一个词只是模式匹配，不是真正的智能。据书中描述，DeepMind和Brain同在谷歌屋檐下，却互相看不上，有研究员因为和Brain合写论文还惹了麻烦。哈萨比斯后来也承认，工程和规模化这一块，本可以做得更狠、更早。
你看，谷歌同时拥有全世界最好的两个AI实验室，手握Transformer的全部知识产权，都没能阻止对手用自己的发明弯道超车。技术不属于任何一家公司，它会流向能把它规模化的地方。一家公司都管不住，一纸禁令、一个国家的出口管制，又能管住多少？
三、人类知识是天花板，不是地板
第三层，是能力本身。
2016年首尔，AlphaGo第二局第37手，落在五路的空旷处，按围棋几千年的定式，这是一步臭棋。从训练数据推算，人类职业棋手下出这一手的概率大约万分之一。李世石离开座位，十二分钟后才回来。之后一百手，所有人才看明白，这是一个人类从未构想过的布局。
真正让我背后发凉的是后面的AlphaGo Zero：完全不用人类棋谱，从随机下棋开始自我对弈，三天就超越了击败李世石的版本，最终战绩100比0。五千年的围棋传统、三千万盘人类对局，原来不是地板，而是天花板。拿掉人类经验，机器反而走得更远。李世石2019年退役，理由之一就是AI已经不可战胜。
一旦一项技术证明了自己能越过人类知识的上限，而它带来的经济回报又是指数级的，你就不可能让所有人同时放弃它。这是AI不可阻挡最根本的原因。
四、钱的逻辑：为什么这件事只有巨头养得起
作为投资者，这本书里关于钱的章节，我读得最细。
DeepMind的第一笔钱来自蒂尔。2010年哈萨比斯在蒂尔的豪宅里只有"字面意义上的一分钟"，他事先研究过蒂尔少年时下过棋，于是没讲商业计划，而是问了一个象棋问题：象和马互换时产生的创造性张力。蒂尔被吸引，几个月内投了约185万美元。
但到了2013年，危机来了。C轮原计划融6500万美元，由蒂尔的Founders Fund领投，结果合伙人们临阵退出；苏莱曼转而找到李嘉诚旗下维港投资的周凯旋，她投了1360万，最后这一轮只融到2500万出头，不到目标的一半。
马拉比点出了问题的本质：风投基金的寿命是十年，而通用人工智能是一个三十年的科学工程。这两种时钟根本对不上。能养得起这件事的，只有巨头的现金流。
于是有了谷歌的收购。谷歌谈判时按"每位研究员约1000万美元"来定价，最终成交价6.5亿美元，买的是大约五十个人和一个方法论。更有意思的是扎克伯格也出了价，而且钱更多。哈萨比斯去扎克伯格家吃饭，故意把话题从AI扩展到VR、AR、3D打印，发现扎克伯格对所有东西都同样兴奋，于是放弃了更高的报价，理由是要找一个真正明白AI比其他一切都大的人。
从2014年五十个人的研究所，到今天动辄吉瓦级的数据中心，逻辑是一脉相承的：这是一件只有最大资产负债表才能承担的事，而一旦巨头们认定这是生死之战，资本开支就只会往上走。这也是我一直坚持从能源、芯片、光通信、云到模型、软件、物理AI整条链去看这件事的原因。需求不是被炒作出来的，是被这种博弈结构和资金结构硬推出来的。
五、哈萨比斯：一个人就是一个跨学科实验室
说完大势，说人。我第一遍读时写的感想是"他懂很多学科"，读第二遍才明白，跨学科的真正含义不是懂得多，而是把一个领域的答案，变成另一个领域的钥匙。他的每一段经历，后来都变成了DeepMind的一个模块。
国际象棋给了他直觉。他四岁看父亲和叔叔下棋学会，十三岁等级分2300，达到大师水平。但少年时一场十个小时的比赛后，他决定不再把天赋耗在一盘棋上。象棋教会他的，是高手不靠穷举计算，而靠经验校准的模式识别，这正是后来AlphaGo价值网络在做的事。
游戏给了他模拟。他十七岁就在Bullfrog担任主程序员，参与开发卖出数百万份的《主题公园》。游戏是一个可以无限试错的虚拟世界，所以DeepMind的第一个突破选在了雅达利游戏上：DQN只看屏幕像素和分数，不告诉它任何规则，同一套架构玩七款游戏，六款超过此前所有方法，三款超过人类最好成绩。在《打砖块》里，它自己发现了在侧边打出隧道、让球在砖墙后面来回弹的策略，没有任何人教过它。
神经科学给了他理论。这是全书我最喜欢的一段。他在伦敦大学学院读认知神经科学博士，发现海马体受损的失忆症患者，同样无法想象新的经历；记忆和想象共用同一套神经机制，这项成果入选《科学》杂志2007年十大突破。对别人这是一个脑科学发现，对哈萨比斯这是一张设计图：智能等于记忆加模拟。后来AlphaGo的结构几乎就是这句话的翻译，策略网络从人类棋谱里学来，是记忆；自我对弈推演从未出现过的棋局，是想象。
最后，这一切在生物学汇合。哈萨比斯说，蛋白质折叠项目大约是他们从首尔比赛回来的第二天启动的；他在看AlphaGo下棋时意识到，为围棋搭建的那套在巨大组合空间里搜索和评估的机器，本质上是通用的。蛋白质的构象空间，正是这样一个天文数字级别、又有正确答案可以评判的空间。一条蛋白质就是一个用二十个字母写成的句子，句子本身决定了它的三维结构。2024年，他因AlphaFold获得诺贝尔化学奖。一个做游戏出身的人，靠下棋的机器拿了化学奖。
象棋、游戏、计算机、神经科学、生物学，每一样单拎出来都有比他强的人，但能看出围棋的搜索和蛋白质的折叠是同一个问题的，全世界大概只有他一个。真正的突破，总是发生在学科的缝隙里。
六、天才也翻过车
我最有共鸣的，反而是他的失败。
1998年他创办Elixir Studios，旗舰游戏《共和国：革命》的设计文档承诺模拟一个东欧国家，大约一百万个各有信仰、作息和忠诚度的AI公民。五年后的2003年才发售，只剩一座城市、十个派系，评分62分；公司2005年关门。
马拉比分析失败原因，不是技术，而是组织心理：哈萨比斯的信念太强、太有感染力，团队慢慢学会了不对他说"不"。他听到的全是"能做到"，于是越来越确信，而项目的地基在悄悄开裂。他身兼CEO、首席设计和制作人，事事插手。他后来自己总结：人会陷入自我欺骗，你真的会把人鼓舞过头。
从这次失败里，他发展出一个叫"流畅度测试"的方法：走进工作现场，不听答案对不对，而听想法流动得顺不顺；一个团队还在源源不断地冒主意，哪怕是错的，说明还有劲；一问难题就沉默，说明撞上了说不出口的墙。这个方法后来在AlphaFold的关键时刻起了决定作用。
我自己创业前也失败过好几次，没有导师，全靠自己摸爬滚打。读到这里特别感慨：创业者最危险的，不是没人相信你，而是身边所有人都只会说"是"。失败的项目不白费，它是下一个项目的学费。哈萨比斯交了五年学费，换来的是后来带领一个诺奖团队的判断力。
七、结语：技术上的甜蜜
马拉比用奥本海默贯穿全书。奥本海默说过，一个问题一旦在技术上显得"甜蜜"，人就无法抗拒去解决它。哈萨比斯读博时读到科幻小说《安德的游戏》，一个被送上太空站、承担人类存亡的少年天才，他觉得终于有人写了一本关于他自己的书。他说做科学就像阅读上帝的心思，理解宇宙的深层奥秘就是他的宗教。
一个把解开宇宙之谜当成信仰的天才，一群彼此不信任的亿万富翁，一个没有裁判的博弈结构，再加上只有巨头才养得起的资金需求。这几样东西放在一起，结局只有一个：AI会一直往前走，而且越走越快。
几十年后的人回看今天，大概就像我们回看1990年代的互联网。看懂了这个结构，短期的回调和噪音就吓不倒你。能身处其中亲眼见证，已经是这一代人的幸运。
读《无限机器》：挡不住的AI，与一个跨界天才
BrightLine (2026-09-19 11:29:27) 评论 (0)马拉比（Sebastian Mallaby）这个名字，大家并不陌生，他是少数既懂资本又懂技术的作者。这本《The Infinity Machine》写DeepMind和它的创始人哈萨比斯（Demis Hassabis），马拉比花了三年时间和哈萨比斯定期对话，又访谈了数百位同事、对手和批评者。读完合上书，我脑子里只剩一句话：这件事，谁也停不下来。下面慢慢说。
一、所有想踩刹车的人，最后都踩了油门
这本书最深的一层，不在AlphaGo，也不在AlphaFold，而在一个反复出现的悖论：AI圈里最怕AI的人，恰恰是把AI造出来的人。
DeepMind三个创始人里，莱格（Shane Legg）2008年的博士论文题目就叫《机器超级智能》。他是AI研究界最早公开表态"人类可能因AI灭绝"的人之一，对灾难性后果的概率估计在5%到50%之间。一个认真算过人类灭绝概率的人，第二年就和哈萨比斯一起创办了DeepMind。
2014年卖给谷歌时，哈萨比斯提了三个前所未有的条件：设立独立的伦理与安全委员会，禁止军事用途，保持伦敦总部和研究自主权，谷歌全部答应。结果呢？伦理委员会只开过一次会，成员名单从未公开，后来被谷歌更宽松的AI原则取代；军事禁令也逐步松动，到2024年DeepMind研究员还联名写公开信抗议。哈萨比斯自己事后的结论很坦白：真到了关键时刻，就算有治理委员会，它大概也不会做正确的事。
更戏剧性的是2015年。哈萨比斯的理想是"单一体"模式：全人类只有一个谨慎的、合作的机构来造通用人工智能，像曼哈顿计划，但以安全为第一原则。那年8月，马斯克在SpaceX总部召集会议，哈萨比斯、苏莱曼、佩奇、施密特、霍夫曼都在，开了几个小时，没有达成任何共识。佩奇认为机器超越人类是宇宙进化的下一步，骂马斯克是"物种主义者"；马斯克回敬说自己就是亲人类。两个老朋友从此翻脸。
马斯克带走的不是合作方案，而是恐惧。他看清了DeepMind走得有多远，也看清了控制它的是一个不在乎机器取代人类的人。于是他找到了奥特曼。2015年5月奥特曼给马斯克的邮件里写道：他认真想过人类能否停止发展AI，答案几乎肯定是不能；既然一定会发生，最好是谷歌以外的人先做出来。年底OpenAI成立。
请注意这个链条：最担心AI安全的马斯克，为了制衡DeepMind，亲手创立了第二个竞争者；竞争者一出现，合作的可能彻底关闭，速度成了唯一的逻辑。马拉比把这一章叫"逐出伊甸园"，非常准确。再往后，2022年底ChatGPT横空出世，谷歌感到生存威胁，2023年把Google Brain和DeepMind合并，那个最想慢下来的哈萨比斯，被推到了商业赛跑的最前线，带着Gemini正面硬刚。
这不是某个人的品德问题，是结构问题。这是一场没有裁判的囚徒困境：每个参与者单方面停下，唯一的结果是把位置让给对手，而不是让AI停下来。在这个结构里，刹车的动作本身就会变成油门。
二、连发明者都管不住自己的发明
第二层，是技术的流向。
今天所有大模型的底座Transformer，是谷歌自己发明的。2017年谷歌Brain的八位作者发表《Attention Is All You Need》，后来八个人全部离开了谷歌，其中凯泽去了OpenAI，参与打造了后来让谷歌措手不及的模型；沙泽尔创办Character.AI，谷歌最后花了约27亿美元才把他请回来。
而DeepMind当时在干什么？它押注的是强化学习，相信"奖励就足够了"，认为预测下一个词只是模式匹配，不是真正的智能。据书中描述，DeepMind和Brain同在谷歌屋檐下，却互相看不上，有研究员因为和Brain合写论文还惹了麻烦。哈萨比斯后来也承认，工程和规模化这一块，本可以做得更狠、更早。
你看，谷歌同时拥有全世界最好的两个AI实验室，手握Transformer的全部知识产权，都没能阻止对手用自己的发明弯道超车。技术不属于任何一家公司，它会流向能把它规模化的地方。一家公司都管不住，一纸禁令、一个国家的出口管制，又能管住多少？
三、人类知识是天花板，不是地板
第三层，是能力本身。
2016年首尔，AlphaGo第二局第37手，落在五路的空旷处，按围棋几千年的定式，这是一步臭棋。从训练数据推算，人类职业棋手下出这一手的概率大约万分之一。李世石离开座位，十二分钟后才回来。之后一百手，所有人才看明白，这是一个人类从未构想过的布局。
真正让我背后发凉的是后面的AlphaGo Zero：完全不用人类棋谱，从随机下棋开始自我对弈，三天就超越了击败李世石的版本，最终战绩100比0。五千年的围棋传统、三千万盘人类对局，原来不是地板，而是天花板。拿掉人类经验，机器反而走得更远。李世石2019年退役，理由之一就是AI已经不可战胜。
一旦一项技术证明了自己能越过人类知识的上限，而它带来的经济回报又是指数级的，你就不可能让所有人同时放弃它。这是AI不可阻挡最根本的原因。
四、钱的逻辑：为什么这件事只有巨头养得起
作为投资者，这本书里关于钱的章节，我读得最细。
DeepMind的第一笔钱来自蒂尔。2010年哈萨比斯在蒂尔的豪宅里只有"字面意义上的一分钟"，他事先研究过蒂尔少年时下过棋，于是没讲商业计划，而是问了一个象棋问题：象和马互换时产生的创造性张力。蒂尔被吸引，几个月内投了约185万美元。
但到了2013年，危机来了。C轮原计划融6500万美元，由蒂尔的Founders Fund领投，结果合伙人们临阵退出；苏莱曼转而找到李嘉诚旗下维港投资的周凯旋，她投了1360万，最后这一轮只融到2500万出头，不到目标的一半。
马拉比点出了问题的本质：风投基金的寿命是十年，而通用人工智能是一个三十年的科学工程。这两种时钟根本对不上。能养得起这件事的，只有巨头的现金流。
于是有了谷歌的收购。谷歌谈判时按"每位研究员约1000万美元"来定价，最终成交价6.5亿美元，买的是大约五十个人和一个方法论。更有意思的是扎克伯格也出了价，而且钱更多。哈萨比斯去扎克伯格家吃饭，故意把话题从AI扩展到VR、AR、3D打印，发现扎克伯格对所有东西都同样兴奋，于是放弃了更高的报价，理由是要找一个真正明白AI比其他一切都大的人。
从2014年五十个人的研究所，到今天动辄吉瓦级的数据中心，逻辑是一脉相承的：这是一件只有最大资产负债表才能承担的事，而一旦巨头们认定这是生死之战，资本开支就只会往上走。这也是我一直坚持从能源、芯片、光通信、云到模型、软件、物理AI整条链去看这件事的原因。需求不是被炒作出来的，是被这种博弈结构和资金结构硬推出来的。
五、哈萨比斯：一个人就是一个跨学科实验室
说完大势，说人。我第一遍读时写的感想是"他懂很多学科"，读第二遍才明白，跨学科的真正含义不是懂得多，而是把一个领域的答案，变成另一个领域的钥匙。他的每一段经历，后来都变成了DeepMind的一个模块。
国际象棋给了他直觉。他四岁看父亲和叔叔下棋学会，十三岁等级分2300，达到大师水平。但少年时一场十个小时的比赛后，他决定不再把天赋耗在一盘棋上。象棋教会他的，是高手不靠穷举计算，而靠经验校准的模式识别，这正是后来AlphaGo价值网络在做的事。
游戏给了他模拟。他十七岁就在Bullfrog担任主程序员，参与开发卖出数百万份的《主题公园》。游戏是一个可以无限试错的虚拟世界，所以DeepMind的第一个突破选在了雅达利游戏上：DQN只看屏幕像素和分数，不告诉它任何规则，同一套架构玩七款游戏，六款超过此前所有方法，三款超过人类最好成绩。在《打砖块》里，它自己发现了在侧边打出隧道、让球在砖墙后面来回弹的策略，没有任何人教过它。
神经科学给了他理论。这是全书我最喜欢的一段。他在伦敦大学学院读认知神经科学博士，发现海马体受损的失忆症患者，同样无法想象新的经历；记忆和想象共用同一套神经机制，这项成果入选《科学》杂志2007年十大突破。对别人这是一个脑科学发现，对哈萨比斯这是一张设计图：智能等于记忆加模拟。后来AlphaGo的结构几乎就是这句话的翻译，策略网络从人类棋谱里学来，是记忆；自我对弈推演从未出现过的棋局，是想象。
最后，这一切在生物学汇合。哈萨比斯说，蛋白质折叠项目大约是他们从首尔比赛回来的第二天启动的；他在看AlphaGo下棋时意识到，为围棋搭建的那套在巨大组合空间里搜索和评估的机器，本质上是通用的。蛋白质的构象空间，正是这样一个天文数字级别、又有正确答案可以评判的空间。一条蛋白质就是一个用二十个字母写成的句子，句子本身决定了它的三维结构。2024年，他因AlphaFold获得诺贝尔化学奖。一个做游戏出身的人，靠下棋的机器拿了化学奖。
象棋、游戏、计算机、神经科学、生物学，每一样单拎出来都有比他强的人，但能看出围棋的搜索和蛋白质的折叠是同一个问题的，全世界大概只有他一个。真正的突破，总是发生在学科的缝隙里。
六、天才也翻过车
我最有共鸣的，反而是他的失败。
1998年他创办Elixir Studios，旗舰游戏《共和国：革命》的设计文档承诺模拟一个东欧国家，大约一百万个各有信仰、作息和忠诚度的AI公民。五年后的2003年才发售，只剩一座城市、十个派系，评分62分；公司2005年关门。
马拉比分析失败原因，不是技术，而是组织心理：哈萨比斯的信念太强、太有感染力，团队慢慢学会了不对他说"不"。他听到的全是"能做到"，于是越来越确信，而项目的地基在悄悄开裂。他身兼CEO、首席设计和制作人，事事插手。他后来自己总结：人会陷入自我欺骗，你真的会把人鼓舞过头。
从这次失败里，他发展出一个叫"流畅度测试"的方法：走进工作现场，不听答案对不对，而听想法流动得顺不顺；一个团队还在源源不断地冒主意，哪怕是错的，说明还有劲；一问难题就沉默，说明撞上了说不出口的墙。这个方法后来在AlphaFold的关键时刻起了决定作用。
我自己创业前也失败过好几次，没有导师，全靠自己摸爬滚打。读到这里特别感慨：创业者最危险的，不是没人相信你，而是身边所有人都只会说"是"。失败的项目不白费，它是下一个项目的学费。哈萨比斯交了五年学费，换来的是后来带领一个诺奖团队的判断力。
七、结语：技术上的甜蜜
马拉比用奥本海默贯穿全书。奥本海默说过，一个问题一旦在技术上显得"甜蜜"，人就无法抗拒去解决它。哈萨比斯读博时读到科幻小说《安德的游戏》，一个被送上太空站、承担人类存亡的少年天才，他觉得终于有人写了一本关于他自己的书。他说做科学就像阅读上帝的心思，理解宇宙的深层奥秘就是他的宗教。
一个把解开宇宙之谜当成信仰的天才，一群彼此不信任的亿万富翁，一个没有裁判的博弈结构，再加上只有巨头才养得起的资金需求。这几样东西放在一起，结局只有一个：AI会一直往前走，而且越走越快。
几十年后的人回看今天，大概就像我们回看1990年代的互联网。看懂了这个结构，短期的回调和噪音就吓不倒你。能身处其中亲眼见证，已经是这一代人的幸运。