🐯虎嗅•較早收集於 26m
張雪和哈薩比斯
💡哈薩比斯100小時/週AlphaFold諾貝爾秘訣＋AI創辦人擴張教訓。（24字元）
⚡ 30-Second TL;DR
有什麼變化
哈薩比斯每日14-16小時：白天商業，深夜獨研至凌晨4點。
為什麼重要
揭示AlphaFold諾貝爾背後極端奉獻，激勵創辦人但警示燒盡及擴張風險。AI研究與製造平行強調毅力勝工具。
下一步行動
採用哈薩比斯深夜研究時段，加速AI模型核心演算法調整。
誰應關注：Founders & Product Leaders
關鍵要點
- •哈薩比斯每日14-16小時：白天商業，深夜獨研至凌晨4點。
- •AlphaFold數月破解蛋白質折疊（原需數世紀）；適應LLM促Gemini成功。
- •張雪輟學修車工，以自製引擎實現達喀爾中國首完賽及WSBK冠軍。
- •兩人均警示：過度依賴個人意志，擴張需轉向體系化。
- •強調全情投入為AI/硬體主導關鍵，抗階層固化。
🧠 深度解析
本篇為 AI 生成分析，非原文內容。
🔑 增強重點摘要
- •哈薩比斯在DeepMind早期階段，曾將神經科學研究與強化學習結合，這種跨學科方法論是AlphaFold與Gemini架構設計的基石，而非單純依靠工作時長。
- •張雪在賽車領域的成功不僅依賴個人技術，其團隊開發的國產引擎在熱管理與高轉速穩定性上，採用了與AI模型訓練相似的迭代優化邏輯，即透過海量賽道數據反饋進行硬體參數修正。
- •兩者在職業生涯中後期均面臨從『個人英雄主義』向『組織化研發體系』轉型的挑戰，這反映了當前AI產業從單一模型突破轉向大規模工程化部署的共同趨勢。
🔮 前景展望AI analysis grounded in cited sources
AI研發將從『個人天才驅動』轉向『大規模工程體系驅動』。
隨著模型參數規模與訓練複雜度指數級增長，單一研究者的意志已無法支撐系統性創新，組織架構的效率將成為決定性因素。
硬體與軟體的深度垂直整合將成為AI企業的護城河。
張雪的賽車經驗與哈薩比斯的AI模型開發均證明，對底層物理限制（硬體）的極致掌控能顯著提升上層應用（軟體/模型）的效能上限。
⏳ 時間線
2010-06
德米斯·哈薩比斯共同創立DeepMind Technologies。
2014-01
Google以約4億英鎊收購DeepMind。
2016-03
AlphaGo擊敗李世乭，標誌著深度強化學習的重大突破。
2020-11
AlphaFold 2在CASP14競賽中展現出破解蛋白質折疊問題的潛力。
2023-12
Google正式發布Gemini系列模型，哈薩比斯領導DeepMind與Google Brain合併後的研發。
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： 虎嗅 ↗
每週 AI 簡報
每週一封，可隨時退訂。