哈萨比斯如何带领DeepMind实现技术反超：愿景、战略调整与谷歌资源的合力

事件概述

谷歌DeepMind在掌门人德米斯·哈萨比斯（Demis Hassabis）的领导下，经历了从战略滞后到技术反超的过程。尽管早期因低估大语言模型潜力而落后于OpenAI，但通过内部重组、资源集中及硬件架构优化，DeepMind于2025年底发布的Gemini 3模型在部分关键指标上实现了对OpenAI最新模型的追赶甚至反超。

核心背景与战略转折

1. 早期战略偏差与落后

• 愿景超前但路线分歧：哈萨比斯早在剑桥大学时期便构想出通用人工智能（AGI），其愿景领先时代数十年。然而，他早期过度推崇强化学习，将其置于首位，而将大语言模型视为次要分支。
• 错失时间窗口：当DeepMind开始关注并试图追赶OpenAI的GPT-3时，OpenAI内部已完成参数量近2万亿的GPT-4预训练。这导致DeepMind在技术节奏上落后了一到两代。
• “盖亚”项目的局限：为模拟真实世界以训练AGI，DeepMind启动了耗资巨大的“盖亚”（Gaia）项目，旨在构建自然环境的强化学习试验场。该项目虽具学术价值，但因过于超前且难以产出实际成果，未能及时应对大模型浪潮。

2. 谷歌内部的整合与全力支持

• 组织合并：在经历Bard发布失利及内部模型混乱后，谷歌决定将DeepMind与谷歌大脑（Google Brain）合并，由哈萨比斯统一领导，集全公司之力打造Gemini系列模型。
• 资源保障：谷歌提供了稳定的资金、顶尖人才储备以及自研的TPU（张量处理单元）算力基础设施。这种软硬件协同的优势，使得DeepMind能够专注于模型研发而无后顾之忧。
• 战略定位清晰化：谷歌明确DeepMind的角色是进行“从零到一”的突破，特别是在AGI追求和算法架构科研方面，而非直接负责商业化应用落地。

逆袭的关键因素

1. 领导力与执行力

• 哈萨比斯展现出强大的资源整合能力。一旦决心竞争，他便善于调动全公司资源达成目标。作为诺贝尔化学奖得主，他的科学家身份增强了公众对谷歌AI方向的信任，同时其创新者本色推动了科研范式的变革。

2. 硬件与软件的深度协同

• TPU架构优势：不同于依赖GPU的竞争对手，DeepMind依托谷歌自研的TPU架构，实现了模型训练与推理的高效协同。新的TPU架构针对特定模型进行了适配，最大化了算力利用率，最终训练出了性能领先的Gemini大模型。

3. 专注研发模式

• 相比OpenAI面临的频繁融资压力及商业模式探索，DeepMind在谷歌体系内保持了相对稳定的研发环境。这使得团队能够专注于原生多模态、长上下文、持续学习及世界模型等DeepMind擅长的前沿方向。

未来展望与挑战

• AGI实现路径：哈萨比斯认为实现AGI仍需五到十年，并期待出现一两个Transformer级别的创新。目前，谷歌DeepMind仍是他实现这一终极目标的最佳平台。
• 潜在挑战：哈萨比斯对量子计算持保留态度，认为经典计算足以解决AGI问题，这与谷歌近期对量子计算的重视形成一定张力，可能影响未来的技术布局。
• 竞争格局：尽管Gemini 3在部分指标上实现反超，但OpenAI凭借ChatGPT占据的用户心智优势依然显著。此外，Anthropic及中国开源模型的崛起也构成了新的竞争压力。