伟大的AI生物医学领域人物系列之一：那个说“10年内所有疾病都会被治愈”的人怎么了？谷歌之脑哈萨比斯突然交权

一个事实：2026年8月5日，Demis Hassabis（哈萨比斯）正式交出DeepMind日常管理权，转任Alphabet首席科学家兼DeepMind董事长；同一天，在Google工作了27年的首席科学家Jeff Dean宣布离职，与三位顶级研究者创办AI for Science公司Discovery Loop——当日Alphabet股价跌超5%。

一个边界：Hassabis没有退休。"首席科学家"意味着DeepMind的研究决策权进一步向Google总部集中，而他自己要去做一件比管理公司更难的事——让通用人工智能（AGI）真正进入科学发现的核心环节。

一个判断：这场"交权+出走"不是DeepMind衰落的信号，而是Hassabis 16年前那盘棋的"弃子"：当AlphaFold已经变成全球生物医药的"水电煤"，当"AI for Science"从口号变成产业共识，他选择把管理权交给Google，把方法论散给产业，自己去追那个更宏大的命题。

一、8月5日：是"10年承诺"的加速器

2026年8月5日，那个曾在CBS《60分钟》镜头前说出"未来10年左右，所有疾病都可以被治愈"的人，突然交出了DeepMind的日常管理权。Hassabis转任Google DeepMind董事长和Alphabet首席科学家。同时继续担任他创立的AI制药公司Isomorphic Labs的CEO。长期副手Koray Kavukcuoglu升任高级副总裁，直接向Google CEO Sundar Pichai汇报，负责Gemini模型开发、前沿AI研究以及Gemini应用和开发者团队。

同一天，Google首席科学家Jeff Dean——1999年加入、公司第30号员工——宣布结束27年的Google生涯，与同为早期元老的Sanjay Ghemawat、Google Brain联合创始人Quoc Le、DeepMind研究副总裁兼Gemini技术负责人Oriol Vinyals共同创办Discovery Loop。这是一家注册为公共利益公司（PBC）的AI for Science实验室，目标是用AI自动化科学研究的完整实验循环。Google既是创始投资者，也是云计算合作方；首轮融资由Radical Ventures和Khosla Ventures联合领投。

这波出走潮早有前奏：2026年6月，与Hassabis同获诺贝尔化学奖的AlphaFold核心科学家John Jumper刚刚离开DeepMind加入Anthropic。Transformer论文作者Noam Shazeer也在被Google以约27亿美元请回不到两年后，再度离开加入OpenAI。

这几件事叠加在同一个夏天，很容易让人得出"DeepMind正在被掏空"的结论。但这份不断变长的离职名单背后，其实是Hassabis棋局的中盘转换——当AlphaFold已经为全球300万研究人员提供了2亿多个蛋白质结构，当Isomorphic Labs已经与诺华、礼来等建立药物发现合作，他完成了"解决智能"的第一步，现在要把棋盘扩大。

二、"解决智能，再解决一切"：一个棋手的执念

要理解Hassabis为什么此刻交权，得先理解他为什么16年前创办DeepMind。

13岁成为国际象棋大师，17岁进入剑桥大学计算机系，随后"反常"地转向伦敦大学学院（UCL）攻读认知神经科学博士——他研究海马体与情景记忆，发现了"场景构建"机制，入选《科学》杂志2007年度十大突破。

2010年，他在伦敦创立DeepMind，使命清晰得像一句棋谱："第一步，解决智能；第二步，用它解决一切。"他把DeepMind比作"阿波罗计划"——不是为了短期商业回报，而是为了通用人工智能（AGI）这一终极挑战。

他的哲学底色极具辨识度：宇宙本质上是一个信息系统，信息是最基本的单元。如果现实是信息的，那么AI作为信息处理系统，天生适合解码自然法则。

他反复强调，最好的AI来自"人与机器协作"，而非替代。在诺贝尔获奖采访中他说："这些系统擅长分析数据、发现模式，但提出正确的问题、正确的假设，仍然必须来自人类科学家。"

这种"增强而非替代"的立场，与当下AI取代人类的焦虑叙事形成鲜明对照。

三、AlphaFold：从50年难题到产业"水电煤"

Hassabis选择蛋白质结构预测，不是随机落子。蛋白质折叠困扰科学家半个世纪：一个基因只编码氨基酸序列，但这些序列如何精确折叠成三维结构，直接决定其功能。搞错结构，就意味着搞错药物靶点。

2020年CASP14竞赛，AlphaFold2以中位数GDT分数超过90的成绩，被公认为解决了单链蛋白质结构预测问题。2024年，Hassabis与John Jumper获得诺贝尔化学奖。

但Hassabis的棋局不止于此。2021年，DeepMind与欧洲分子生物学实验室下属的生物信息学研究所（EMBL-EBI）合作发布AlphaFold蛋白质结构数据库，免费开放2亿多个预测结构；2024年AlphaFold3进一步扩展到蛋白质-配体、蛋白质-核酸复合物预测。

用数据说话：（DeepMind官方，2025年11月"AlphaFold五年影响"统计）

全球超过300万研究人员在190多个国家使用AlphaFold数据库。

超过100万用户来自中低收入国家。

超过30%的AlphaFold相关研究聚焦疾病理解。

AlphaFold3在蛋白-配体对接基准测试中成功率达76.4%，约为传统方法的1.8倍。

这意味着一个非洲疟疾实验室和一个波士顿制药公司，第一次站在了同一条结构信息起跑线上。

四、产业地震：从Isomorphic到"DeepMind Mafia"

AlphaFold的影响正在从学术界向产业界传导，形成三层冲击波。

第一层：药物发现。2021年，Alphabet旗下成立Isomorphic Labs，Hassabis任CEO，目标是用AI重新定义药物发现。公司已与诺华、礼来等制药巨头建立合作——Hassabis在交权后的内部信中特意点名，未来将"进一步投入Isomorphic"，因为"AI的第一要务应该是改善人类健康，还有什么比最终治愈癌症这样的疾病更能证明这一点"。

第二层：基础设施。AlphaFold数据库已成为全球结构生物学的"水电煤"。但更重要的是，Hassabis正在推动"数字生物学"工具矩阵——从AlphaMissense（评估致病突变）、AlphaGenome到AlphaProteo（设计新型蛋白结合剂），DeepMind正构建一套AI生物学基础设施。

第三层：生态层——这是最新变量。据《金融时报》等统计，过去约18个月，已有上百名DeepMind前员工离开创办公司或进入创业准备阶段，成为伦敦AI创业潮的核心供给。

前DeepMind强化学习负责人David Silver的Ineffable Intelligence融资11亿美元，估值51亿美元，目标是训练不依赖人类数据、能从经验中持续发现知识的"超级学习者"，Sequoia与Lightspeed领投，Google、NVIDIA参投。

由前Salesforce首席科学家Richard Socher与前DeepMind首席研究员Tim Rocktäschel等共同创立的Recursive Superintelligence融资6.5亿美元、估值46.5亿美元，押注能自动改进自身的AI研究系统。

Genie世界模型核心研究者Jack Parker-Holder近期也传出离职创业的消息，细节截至发稿尚未官宣。

《金融时报》把这些人称为"DeepMind Mafia"——他们带走的不是代码，而是"解决智能"的方法论。

五、为什么此刻交权？大公司里的"长期研究"困境

Hassabis的交权，背后是一套残酷的产业逻辑。

2023年Google Brain与DeepMind合并时，Google把分散的研究力量集中到Hassabis之下；3年后，Gemini的模型、产品和资源决策又更深地进入Google管理体系。据《金融时报》报道，Google DeepMind已拆分独立的AlphaFold团队，将部分研究人员调往Gemini、AI编程、基因组学等项目；Google联合创始人Sergey Brin也重新深入Gemini的技术一线。

Gemini要进入搜索、云、安卓和开发者产品，追赶OpenAI与Anthropic的模型迭代——原定6月发布的新旗舰模型一再跳票，迫使Google在4月就组建了由Brin和Kavukcuoglu挂帅的编码"突击队"。旗舰项目占用了大量Google自研AI芯片（TPU），长期或探索性项目需要争夺剩余资源。

能进入下一版Gemini、短期内产生可见结果的课题，更容易得到支持。而Hassabis要追的AGI与科学交汇，恰恰是回报周期最长、最难量化的事。

更深层的是价值观张力。伦敦员工围绕军事AI合同推动工会化，一些员工认为，随着Google扩大国防业务，DeepMind"负责任地构建AI、造福人类"的使命越来越难与商业现实保持一致。

所以Hassabis的交权，是一步"弃子"：把管理权交给Google总部，让Gemini的产品节奏不再受他牵制；自己以首席科学家身份，去追那个更纯粹的命题——那个他在镜头前承诺的"10年之约"。与他相熟的人透露，他对此"如释重负且充满期待"——既保留影响力，又能把时间还给Isomorphic Labs和真正的科学问题。

六、边界与清醒：AlphaFold不是万能药

作为AI医疗科学观察者，必须指出AlphaFold的能力边界。

AlphaFold2预测的是单一静态构象，不包含配体、离子或溶剂信息。药物结合的是一个特定构象的特定位点，且常常重塑该位点，这意味着预测结构可能并非药物实际结合的形式。

AlphaFold3虽将准确率提升至新高度，但在涉及大幅构象变化（超过5埃）的复合物预测上仍显吃力，且存在系统性偏差——例如对G蛋白偶联受体（GPCR）活性态构象的偏向。

更重要的是，截至目前，AlphaFold尚未直接催生上市新药。它改变了早期靶点发现和假设生成的节奏，但在先导化合物优化等关键决策环节，实验结构生物学仍是金标准。

七、下一步棋：AGI之前，先让科学方法"自我改进"

Hassabis近年多次公开表示，AGI可能在未来5到10年内实现，他给出的主观概率约为50%。但他更紧迫的赌注押在"递归自我改进（RSI）"上。

从Silver的"从经验中学习"，到Rocktäschel参与创立的"AI自动做研究"，再到DeepMind内部的AlphaEvolve（用Gemini生成算法方案，将矩阵乘法kernel提速23%）——这些工作最终指向同一个问题：AI能不能参与改进下一代AI？

值得注意的是，Jeff Dean的Discovery Loop把同一件事写进了公司使命：先让AI自动化机器学习研究本身，再扩展到芯片设计、药物研发、材料科学。老东家与出走者，在同一条技术路线上分道扬镳又殊途同归。

Google DeepMind在《从通用人工智能到超级人工智能》（From AGI to ASI）报告中，已将递归改进（recursive improvement）列为从AGI走向超级人工智能（ASI）的四条路径之一。

Hassabis的棋局正在进入终盘。那个说出"10年内治愈所有疾病"的人没有消失，他只是换了一张更大的棋盘——从管理公司到管理科学本身。他证明了AI不仅能玩游戏，还能进入真实世界。现在，他要让AI学会自己跟自己下棋，因为留给他兑现"10年承诺"的时间，只剩不到9年了。