TL;DR：
作为Google DeepMind的掌门人，德米斯·哈萨比斯正以“现实模拟”的视角重新定义人工智能，他认为真正的AGI必须具备感知物理世界的能力。尽管面临人才流动与行业竞争的激烈挑战，他依然坚守AI for Science的初心，将AI视为通向人类终极认知边界的阶梯。
职业自杀者与先驱
在戛纳创意节的喧嚣舞台上，德米斯·哈萨比斯（Demis Hassabis）看起来更像是一位置身事外的智者。面对“谷歌是否正在失血”的尖锐质疑，他那种近乎冷峻的沉稳，源自他穿越长达十五年的行业周期所积累的底气。
回到 2010 年，当他决定创办 DeepMind 时，人工智能在工业界被视作边缘地带，在学术界则被戏称为“职业自杀”。那时，神经网络被主流观点断定为死胡同。哈萨比斯却像一个孤独的博弈者，在这一片荒原中预设了终局：他坚信强化学习和神经网络能破解智能的密码。正如他 2003 年设计的模拟游戏《共和国》虽因技术局限而折戟，但那种“模拟世界”的执念，却始终是他思维模式的内核。
想象力的物理学
哈萨比斯的思想核心，在于他将“想象力”与“物理模拟”画上了等号。他 2007 年关于海马体的研究揭示了一个核心机理：人类的记忆并非简单的录像带，而是一个重建过程，而想象力则是这一机制在面向未来的延伸。
“如果你想要一个完整的AGI系统，它还必须能够理解你周围的物理世界。”
这便是他对于文本模型路径的批判性反思。在他看来，只靠文本迭代的AI终究是纸上谈兵。DeepMind 研发的 Veo 和 Omni 模型，本质上是赋予 AI 一套“机器海马体”，使其能像爱因斯坦在瑞士专利局做思想实验那样，在虚拟世界中推演物理定律、细胞演化甚至经济走势。对他而言，AlphaGo 战胜李世石不仅是棋局的胜利，更是蒙特卡洛树搜索在人类认知领域的一次降维打击。
行业震荡中的战略定力
面对核心人才流向竞争对手的现实，哈萨比斯展现了典型的工程领导者视角。他认为科技行业的“卷”是创新的必然产物。对于这位习惯了在复杂科学问题中寻找最优解的领路人来说，人才的跨实验室流动反而证明了谷歌深厚的研究底蕴。
他坚持将 AI 视为一种工具，一种类似于汽车安全带的强制性法规——即 SynthID 水印技术。他强调：“我们是在构建一个能够服务人类创造力的工具，而非取代人类。”他眼中的 AI，不是为了拼接出毫无灵魂的垃圾内容，而是要实现“爱因斯坦测试”：在有限的数据中，推导出全新的真理。
走向科学的终极答案
哈萨比斯常将宇宙比作一个巨大的信息处理系统。他深陷于 P vs NP 的理论困境，并试图通过神经科学与深度学习的交叉验证来寻求突破。随着 AlphaFold 破解蛋白质折叠难题，他似乎正在验证自己那个宏大的猜想：自然界中的所有模式，均可被有效的学习算法所建模。
当我们问及未来时，这位掌舵着全球最强智库的领导者，并未沉溺于对超级智能的狂热。他早已在规划“后AGI时代”的学术休假——或许那时，他会重拾他未竟的游戏创作梦想，或者彻底投身于物理学深处，去触碰那些尚未被编码的宇宙本质。