Demis Hassabis

杰米斯·哈萨比斯（Demis Hassabis）是一位英国人工智能研究员、神经科学家、企业家，以及人工智能（AI）领域的先驱。他是DeepMind公司的联合创始人兼首席执行官（CEO）。尽管哈萨比斯并非传统意义上的投资家，但作为当今世界最具影响力的科技领袖之一，他的工作深刻地改变了科技、商业乃至社会的面貌。对于信奉价值投资的投资者而言，理解哈萨比斯和他所引领的AI革命，已不再是“可选项”，而是评估未来商业世界“护城河”变迁、识别长期增长机会以及拓展自身“能力圈”的必修课。他的故事和成就，为我们提供了一个独特的视角，去审视那些能够创造颠覆性价值、并拥有长久生命力的“未来型”伟大企业。

要理解哈萨比斯对投资世界的深远影响，我们必须先了解他那堪称传奇的成长轨迹。他的经历完美地融合了三个看似不相干却又内在统一的领域：游戏、神经科学和人工智能。这条独特的路径，不仅塑造了他的思维方式，也奠定了DeepMind的底层逻辑——模仿人脑，解决智能问题。

哈萨比斯从小就是一位不折不扣的天才。4岁开始下国际象棋，13岁时就达到了大师（Master）水平，在同年龄段中排名世界第二，仅次于日后的女子世界冠军波尔加·朱迪（Judit Polgár）。对棋类游戏的精通，让他对“智能”、“策略”和“最优决策”这些概念有了超乎常人的直观理解。这与投资大师们在资本市场中运筹帷幄，寻求最佳风险回报比的思维过程，有着异曲同工之妙。 在游戏领域的才华不止于此。青少年时期，他加入了著名的牛蛙制作公司（Bullfrog Productions），参与开发了模拟经营游戏的里程碑之作——《主题公园》（Theme Park）。17岁时，他作为首席程序员，主导开发了另一款经典游戏《黑与白》（Black & White）。在这款游戏中，玩家扮演一位“上帝”，通过训练一个巨大的人工智能生物来与世界互动。这段经历不仅展现了他卓越的编程能力，更重要的是，点燃了他毕生的追求：创造一个能像人一样学习和思考的通用人工智能（AGI）。

在游戏界取得巨大成功后，哈萨比斯做出了一个让许多人意外的决定：重返学术界。他进入剑桥大学，之后在伦敦大学学院（UCL）攻读认知神经科学博士学位。他研究的核心课题是人类的记忆与想象力，特别是大脑中的“海马体”如何存储过去并构想未来。 他发现，大脑并非像计算机一样简单地“读取”记忆，而是在每次回忆时“重新构建”它。同样，当我们想象未来时，大脑也在调用过去的经验碎片进行“模拟”。这一发现至关重要，它揭示了智能的一个核心机制：基于经验的学习和对未来的预测能力。这正是价值投资者评估一家公司时所做的核心工作：分析其过去（财报、经营史），以预测其未来的现金流和内在价值。哈萨比斯的研究，从生物学的角度，为“智能决策”提供了一份来自大自然的蓝图。

2010年，哈萨比斯与另外两位联合创始人共同创立了DeepMind。他们的使命宣言宏大而清晰：“解决智能，然后用智能解决一切（Solve intelligence, and then use it to solve everything else）。” 哈萨比斯将他在游戏、神经科学和计算机科学领域的知识融为一炉。他认为，游戏是测试和训练AI的完美环境。就像生物学家用“果蝇”来研究遗传学一样，游戏为AI提供了一个有明确规则、可衡量结果、且复杂度可以不断提升的“培养皿”。从经典的雅达利（Atari）游戏，到复杂的《星际争霸》，再到古老的围棋，DeepMind的AI在一个又一个虚拟世界里，通过“强化学习”（Reinforcement Learning）——一种类似于人类试错学习的机制——实现了从零开始、超越人类的智能水平。 2014年，科技巨头谷歌（现为Alphabet）以超过5亿美元的价格收购了DeepMind。这次收购本身就是一笔教科书式的“价值投资”，谷歌并非购买一项成熟的产品或业务，而是投资于一个顶尖的团队和一项可能重塑未来的长期愿景。

2016年3月，DeepMind开发的围棋程序AlphaGo与世界顶级棋手李世石（Lee Sedol）进行了一场举世瞩目的人机大战。最终，AlphaGo以4:1的总比分获胜。这一事件的震撼程度，不亚于当年IBM的“深蓝”计算机击败国际象棋世界冠军卡斯帕罗夫。但其意义更为深远。

国际象棋的复杂度虽然很高，但仍在一个可被暴力计算（Brute-force calculation）穷举的范围内。而围棋的状态空间（所有可能的棋局数量）比宇宙中的原子总数还要多，无法用传统方法计算。AlphaGo的胜利，标志着AI已经超越了“计算”，进入了“认知”的范畴。 它融合了两种关键技术：

• 深度神经网络（Deep Neural Networks）：模仿人脑的结构，让机器能够从海量数据中自主学习模式，形成类似人类棋手的“棋感”或“直觉”。
• 蒙特卡洛树搜索（Monte Carlo Tree Search）：一种高效的搜索算法，让AlphaGo能够“想象”未来的多种可能性，并从中选择胜率最高的走法。

在与李世石的对局中，AlphaGo下出了许多颠覆人类几千年围棋定式的“神之一手”，例如著名的第37手。这些棋步起初被顶尖职业棋手认为是“失误”，但事后复盘才发现其深谋远虑。这表明，AI已经能够发现人类知识体系之外的、更优的解决方案。

“AlphaGo时刻”对价值投资者的启示是多层次且深刻的：

1. 技术颠覆的加速：它告诉我们，技术变革的速度和深度可能远超我们的想象。一个行业看似坚不可摧的护城河（例如，人类在围棋领域的认知优势），可能在极短时间内被新技术彻底冲垮。投资者必须警惕那些依赖传统优势而忽视技术变革的公司。
2. “看不懂”不等于“不存在”：当AlphaGo下出人类无法理解的棋步时，它揭示了一个事实：未来很多商业模式和竞争优势，可能会建立在我们当前认知框架之外。这要求投资者必须保持极度的谦逊和开放心态，努力去理解那些看似“离经叛道”的新技术和新模式，主动扩大自己的能力圈。
3. 数据成为新的“石油”：AlphaGo的强大，建立在对海量人类棋谱的学习和海量自我对弈的基础上。这预示着，在AI时代，拥有高质量、大规模、独占性数据的公司，将建立起难以逾越的竞争壁垒。评估一家公司的数据资产，将变得与评估其固定资产和品牌价值同等重要。

将哈萨比斯和他的工作放入价值投资的框架下，我们会发现，他为我们提供了一副全新的“AI透镜”，帮助我们更清晰地审视21世纪的商业世界。

沃伦·巴菲特（Warren Buffett）将持久的竞争优势比作“经济护城河”。在AI时代，传统护城河（如品牌、规模效应、渠道）依然重要，但新的、更强大的护城河正在被构建起来。

• 算法护城河：以DeepMind、谷歌、Meta为代表的公司，其核心优势在于领先的AI算法和模型。这些模型经过海量数据训练，其性能和效率本身就构成了强大的壁垒。
• 数据护城河：拥有闭环数据流的公司，能够形成强大的“数据飞轮”效应。例如，特斯拉（Tesla）的自动驾驶系统，通过路上行驶的每一辆车收集真实路况数据，这些数据反过来训练和改进其AI模型，使其变得更智能，从而吸引更多用户，收集更多数据。这个循环一旦形成，后来者很难追赶。
• 生态护城河：AI技术正在成为连接不同产品和服务的底层基础设施。例如，苹果（Apple）的Siri、亚马逊（Amazon）的Alexa，它们通过AI整合了硬件、软件和服务，将用户牢牢锁定在自己的生态系统内。

作为投资者，我们需要用这副“AI透镜”去审视一家公司：它的护城河是正在被AI技术加固，还是正在被其侵蚀？

查理·芒格（Charlie Munger）反复强调在自己“能力圈”内投资的重要性。然而，在AI驱动的变革时代，固步自封、拒绝学习新知识，只会让自己的能力圈越来越小，最终变成一个信息孤岛。 理解哈萨比斯这样的人物，并非要求每个投资者都成为AI专家，而是要理解AI对商业世界的宏观影响。

• 理解AI如何提高效率：AI正在重塑各行各业的成本结构。例如，在制造业，AI驱动的机器人可以提高生产效率和质量；在金融业，AI可以用于风险控制和算法交易。投资者需要识别出那些最能利用AI降本增效的公司。
• 理解AI如何创造新需求：AI不仅是工具，更是新产品和新服务的催化剂。从智能推荐系统（如Netflix、TikTok）到AI辅助药物研发，再到自动驾驶，AI正在创造过去无法想象的巨大市场。
• 理解AI带来的人才战争：未来，顶尖的AI人才将是最稀缺的资源。像哈萨比斯这样能够吸引和留住全球顶尖AI科学家的领导者，其本身就是公司最宝贵的无形资产。评估一家科技公司的管理层，不仅要看其商业头脑，更要看其技术愿景和人才凝聚力。

如果说AlphaGo展示了AI的“智力”，那么DeepMind的另一个杰作AlphaFold则展示了AI的“现实影响力”。AlphaFold是一个能够精准预测蛋白质三维结构的AI系统，它解决了困扰生物学界50年之久的重大难题。 这一突破的意义是革命性的：

• 加速新药研发：理解蛋白质结构是开发新药的关键。AlphaFold将过去可能需要数年研究的结构预测工作，缩短到几分钟，极大地加速了针对各种疾病（如癌症、阿尔茨海默症）的药物发现过程。
• 推动材料科学进步：蛋白质本质上是自然界的纳米机器。通过设计新的蛋白质，我们有望创造出全新的、具有特定功能的生物材料。
• 免费开放的“公共品”：DeepMind将AlphaFold预测的几乎所有已知蛋白质的结构数据库向全世界免费开放。这一举动体现了其“用智能解决一切”的使命感，也展示了一种新的价值创造模式——通过提供平台级的、基础性的工具，赋能整个科学和产业生态，从而在更高维度上实现商业和社会价值。

对于价值投资者而言，AlphaFold的启示是：最深刻的价值，往往源于解决最基础、最重要的问题。投资那些致力于解决人类根本性挑战的公司，即使其短期内没有清晰的盈利模式，但只要其方向正确，其创造的长期价值可能是无法估量的。这正是价值投资中“投资于未来”的精髓。

综合哈萨比斯和DeepMind的历程，我们可以为自己构建一个思维工具箱，用于评估那些身处科技浪潮中的企业：

1. 问题1：这家公司是在“玩游戏”还是在“解决现实问题”？
   • 许多公司追逐AI热点，但其产品只是停留在概念或“玩具”阶段。我们需要辨别，这家公司的AI技术是否真正解决了某个行业的关键痛点，是否能像AlphaFold那样，从根本上改变游戏规则。
2. 问题2：它的“智能护城河”是什么？是暂时的还是可持续的？
   • 公司的竞争优势是源于独特的算法、专有的数据，还是顶尖的人才团队？这个护城河能否随着时间的推移而不断加深（例如，形成数据飞轮效应）？还是容易被开源模型或竞争对手复制？
3. 问题3：公司领导者是“商人”还是“使命驱动的探索者”？
   • 像哈萨比斯这样的领导者，通常有一个超越短期利润的宏大愿景。这种使命感能够吸引最优秀的人才，并支持公司进行长期、高风险但可能带来巨大回报的研发投入。我们需要评估管理层是否具备这种长线思维和战略定力。
4. 问题4：我们是在投资一个“工具”还是一个“新范式”？
   • 一些AI公司提供的是优化现有流程的“工具”，这或许能带来线性增长。而另一些公司则致力于创造一个全新的平台或生态，这可能带来指数级的增长。理解公司所处的生态位及其抱负的大小，对判断其长期投资价值至关重要。

当然，作为一名审慎的投资者，我们也必须看到AI革命带来的巨大风险和挑战。

• 伦理与安全问题：AI的滥用可能导致偏见歧视、隐私泄露、甚至失控的风险。这些问题不仅是社会议题，也可能演变成对相关企业的巨大监管风险和声誉风险。
• “赢家通吃”与垄断：AI的飞轮效应可能导致市场力量向少数几家科技巨头（如谷歌、微软、亚马逊）高度集中，形成新的垄断，这可能引发反垄断调查，限制其未来的增长空间。
• 估值泡沫：每当一项革命性技术出现时，资本市场总是容易出现非理性的狂热。投资者需要警惕那些被过度炒作、估值远超其内在价值的AI概念股，坚持价值投资的基本原则——以合理的价格买入伟大的公司。

杰米斯·哈萨比斯的名字或许不会出现在传统的投资名人堂里。他没有写过关于市盈率或资产负债表的著作。然而，他和DeepMind的工作，正在重塑价值投资的底层逻辑。他让我们明白，在21世纪，对一家公司的价值评估，不能再局限于过去的财务数据和静态的商业模式。 我们必须向前看，去理解那些正在定义未来的力量。哈萨比斯和他所代表的AI革命，正是其中最重要的一股力量。他就像一位深谋远虑的棋手，落子于未来。作为投资者，我们或许无法预测棋局的每一步变化，但通过学习和理解这位“棋手”的思路，我们至少能看清棋盘的走向，从而在充满不确定性的未来中，做出更明智的投资决策。