OpenAI 和 Anthropic “杀”红了眼，谷歌成为最大受害者

六月的AI人才市场，谷歌再次成为焦点。过去一周，围绕其DeepMind部门的多起高级技术人才流动事件持续引发关注。

谷歌一周内流失四位技术核心人物

据Axios和路透社等媒体报道，Gemini的联合负责人Noam Shazeer已离开谷歌，加入OpenAI。另一位DeepMind的高级研究科学家、AlphaFold的联合创始人John Jumper也在X平台宣布，他已加入Anthropic。

此外，据彭博社报道，谷歌AI研究员Jonas Adler和Alexander Pritzel也公开宣布离职，同样选择加入Anthropic。

此次人才变动并非寻常。这四位离职者分别代表了谷歌AI体系中数条关键技术线路：Transformer架构、大规模模型预训练、Gemini、AlphaFold、AI编码以及模型训练系统。

因此，这波离职潮迅速在X平台引发热议。有用户直指谷歌在AI领域的处境：“Gemini是一款平庸乏味的产品。谷歌已经失去了以往的产品魔力。” 另一位用户评论道：“Noam Shazeer去了OpenAI，John Jumper、Jonas Adler和Alexander Pritzel去了Anthropic。” 这被视为谷歌在AI人才竞争中承受压力的信号。

其中，Noam Shazeer的动向备受瞩目。6月18日，Shazeer本人在X上表示，他已离开谷歌并加入了OpenAI。他离职的时间点颇具意味，距离谷歌通过Character.AI相关交易将他和部分团队吸纳回公司尚不到两年，该交易金额约为27亿美元，曾被视为谷歌加强大模型人才储备的重要举措。

Shazeer的技术贡献不言而喻。他是2017年《Attention Is All You Need》论文的共同作者之一，该论文提出的Transformer架构成为了大语言模型浪潮的技术基石。回到谷歌后，Shazeer参与并领导了Gemini的相关工作，被认为是谷歌大模型体系中的关键人物之一。

他的再次离职具有强烈的象征意义，表明在AI人才的争夺中，即使是谷歌这样的巨头，也难以通过高价“回购”来永久留住顶尖研究人员。尤其是在OpenAI持续高速扩张并处于资本市场叙事中心的情况下，其对顶级模型人才的吸引力依然强大。

另一位重量级离职者是John Jumper。在Shazeer宣布离职两天后，Jumper也在X上发文表示已离开DeepMind，并加入了Anthropic。Jumper是AlphaFold的核心贡献者之一，他与DeepMind首席执行官Demis Hassabis因蛋白质结构预测方面的成就共同获得了2024年诺贝尔化学奖。AlphaFold的意义不仅在于技术突破，更在于它展示了AI能够深入科学研究的核心流程，而不仅仅局限于对话、搜索或内容生成等领域。

因此，Jumper的离开代表了另一种层面的损失：DeepMind失去的不仅是一位大模型研究员，更是一位代表“AI for Science”方向的领军人物。如果说Shazeer的去向强化了OpenAI在基础模型和架构研究上的吸引力，那么Jumper的加入Anthropic，则引发了对Anthropic是否正在系统性加强其在科学AI、生命科学以及高可靠性模型方面的能力的关注。Anthropic此前以Claude、AI安全和模型对齐闻名，但随着Claude Code、企业级应用和多步任务能力的扩展，它需要的不只是产品工程团队，还需要更强的底层研究和科学计算人才。

此外，报道中提及的另外两位研究员Jonas Adler和Alexander Pritzel也已离开谷歌。据媒体援引彭博社报道，Adler和Pritzel在谷歌内部都被视为重要的AI研究人员。Adler专注于谷歌的AI Coding方向，而Pritzel则侧重于AI系统训练。报道称，两人都是Gemini模型开发的重要贡献者，并计划加入Anthropic。

这两人的流动同样值得关注。AI Coding已成为OpenAI、Anthropic、Google、微软等公司激烈争夺的应用入口之一。Claude Code的成功让Anthropic在开发者群体中获得了更强的存在感。此时若能吸收来自谷歌Gemini和AI Coding方向的研究人员，Anthropic的目标显然不仅是维持Claude的对话能力，而是进一步增强其在编码、智能体和复杂任务执行方面的竞争力。

谷歌真的不行了？

这正是外界难以将此次离职简单解读为“谷歌不行了”的原因。

更准确地说，这是AI行业人才价值重新定价的结果。Business Insider分析指出，OpenAI和Anthropic对顶尖AI人才的吸引力，一部分源于其更聚焦的组织目标，另一部分则来自潜在的IPO前股权激励。与谷歌这样的成熟上市公司相比，OpenAI和Anthropic仍处于估值快速变化和资本市场预期之中。对顶尖研究人员而言，这意味着更高的不确定性，同时也意味着更大的股权增值空间。

与此同时，算力也正成为人才流动背后的隐性因素。媒体报道称，在Shazeer宣布加入OpenAI前不久，他负责项目的一部分算力被重新分配给Google DeepMind伦敦团队，以促进协作和统一预训练工作。报道并未将此直接归因于Shazeer的离职原因，但在大模型公司内部，算力不仅是基础设施，更代表着项目优先级、技术路线和组织话语权。

对谷歌而言，问题不在于它是否仍然拥有全球最顶尖的AI研究团队之一。答案显然是肯定的。DeepMind依然拥有深厚的人才储备、算力基础、产品入口和研究传统。

然而，还有一个重要信息不容忽视：OpenAI和Anthropic正在改变人才竞争的参照标准。过去，谷歌是现代AI的重要发源地之一，从Transformer到AlphaFold，许多关键突破都诞生在谷歌体系内。但如今，技术人才的选择标准正在发生变化。顶尖研究者不仅看平台规模，还关注模型路线、组织效率、算力分配、产品落地速度，以及能否在下一轮AI公司资本化过程中获得更大的收益。

六月这波离职的刺眼之处，不在于人数绝对值，而在于名字的代表性。这指向了一个信号：AI竞赛的核心资源不仅包括GPU、数据中心和模型参数，还包括极少数真正懂得如何将这些资源转化为突破性进展的人才。

哈萨比斯回应模型落后和人才流失：不争一时之高下

此外，还有消息称，除了人才频繁流失，Gemini的能力也受到了质疑。在X平台上，有用户发帖表示：“在Fable 5发布、GPT-5.6即将到来之际，Google DeepMind内部的氛围正越来越多地被挫败感和普遍不满所笼罩。许多人认为，这家实验室已经被远远甩到第三名，甚至第四名。一位消息灵通的DeepMind员工告诉我：‘我不能怪Noam Shazeer离开。他也不会是最后一个离开的重量级人物。’”

伴随着OpenAI和Anthropic连续挖走谷歌AI的核心人才，DeepMind首席执行官Demis Hassabis在近期的一次播客访谈中正面回应了外界最关心的问题：DeepMind是否仍拥有足够的人才，去赢得通向AGI的竞赛？他的回答并未回避竞争压力，但也没有接受“谷歌正在失去AI人才优势”的论调。

在访谈中，主持人提到，当年DeepMind加入谷歌后，几乎让外界感觉“AI领域最重要的人才都在同一个屋檐下”。但现在，OpenAI、Anthropic等至少三家前沿实验室都在争夺顶级研究人员。面对这种变化，DeepMind今天是否仍然拥有赢得AGI竞赛所需的人才？

Hassabis的回应相当直接：顶尖实验室之间确实存在大量人才流动，DeepMind也无法幸免。但他强调，谷歌仍然能够吸引“相当一部分”顶级人才，并且DeepMind拥有所有前沿实验室中“规模最大、覆盖最广”的研究团队。

随后，Hassabis试图将这个问题置于更长远的时间维度来考量。在他看来，今天AI行业激烈的竞争局面，是在他十多年前创办DeepMind时几乎无法想象的。2010年，当他创立DeepMind时，工业界几乎没有人真正投入AI研究；即使在学术界，AI一度也被视为“职业自杀”的方向。神经网络、强化学习、学习系统在当时并非主流，DeepMind更像是一小群人押注一个不被看好的方向。

但十多年后，整个世界已经认识到AI的巨大潜力。Hassabis表示，现在几乎所有重要公司都投身于AI领域，这自然带来了科技行业前所未有的人才竞争。因此，他承认OpenAI、Anthropic等竞争对手的吸引力，也承认人才流动已成为前沿模型公司之间的常态。但他提出的反驳是：判断谁能赢得AGI竞赛，不能仅凭几位明星研究员的去向，也不能仅看短期内在文本模型或AI coding方面的声量。

Hassabis真正强调的是DeepMind的“广度”。他提到，过去十多年，现代AI产业背后的许多关键突破都源自Google Brain和DeepMind。从支撑大语言模型的Transformer，到AlphaGo背后的强化学习，再到AlphaFold所代表的科学发现能力，谷歌体系长期以来一直是AI基础突破的源头。如今，Google Brain和DeepMind已合并为Google DeepMind，这使得原本分散的研究力量得以整合到同一组织之下。

这也是他反复强调“最大、最广研究团队”的原因。在Hassabis看来，AGI的实现路径不会仅仅通过文本模型，也不会仅由代码生成能力决定。

当被问及通向AGI的路径是否会通过当前的文本模型，特别是可能自我改进的模型实现时，Hassabis并未给出肯定答案，而是强调DeepMind一直在押注多条路线。这套路线包括Gemini这样的多模态基础模型，也涵盖代码能力、视频生成、图像生成、音乐生成，以及面向科学研究的模型。

他认为，要构建真正完整的AGI系统，模型必须能够理解周围的世界，不仅要处理文本和逻辑，还要理解物理世界、视觉世界和现实环境。这一点对于机器人、智能眼镜助手、科学发现等方向尤为重要。这实际上是在回应外界对OpenAI和Anthropic的另一层想象：如果当前的前沿竞争被理解为“文本大模型+编程智能体”的竞争，那么Anthropic和OpenAI的声量确实很强。但如果终点是通用智能，Hassabis认为，比赛远不止一条赛道。

他将DeepMind早期游戏AI的经历也纳入这一逻辑。AlphaGo、Atari游戏、模拟环境的目的并非游戏本身，而是为AI系统提供可量化、可验证、难度适中的中间目标。游戏只是通往真实世界问题的一级阶梯。后来的AlphaFold、药物发现、天气模型和科学模拟，才是这条路线真正想要抵达的地方。

这也是Hassabis版本的“谷歌为何仍将获胜”的逻辑：不是因为谷歌不会失去人才，而是因为他相信AGI最终需要的是跨学科、跨模态、跨场景的系统能力。谁能将语言、视觉、代码、科学推理、世界模型、机器人和模拟能力整合起来，谁就更接近最终答案。

在谈及AI风险时，Hassabis也延续了他一贯的谨慎态度。他认为，随着行业接近AGI，网络安全只是一个“警告信号”。未来几年，生物、核安全等更严重的风险也可能出现。因此，他主张建立更系统的测试机制，甚至需要国际化的标准机构来评估前沿模型，确保模型足够稳健，安全防护措施足够可靠。

这与OpenAI、Anthropic近期在模型能力上不断加速形成了微妙的对比。Anthropic以安全和对齐为起点，但正在快速强化coding和企业级应用；OpenAI则继续围绕通用模型、产品入口和基础设施进行扩张。而DeepMind在Hassabis的表述中，则试图将自身重新定位在“长期AGI路线”上：不只追求一时的应用热度，而是同时推进多模态、科学发现和世界模型。

当然，这并不能消除谷歌当前面临的压力。在AI人才战进入白热化之后，顶尖研究员的离开不仅是组织损失，也会影响资本市场和外界的信心。Noam Shazeer和John Jumper这样的名字本身就带有极强的信号意义。外界关心的不是谷歌是否还有人才，而是这些最能代表谷歌AI黄金时代的人物，为何正在被OpenAI和Anthropic所吸引。

Hassabis的回应，本质上是将问题从“谁走了”转移到“谁拥有更完整的AGI路线”。他承认竞争异常激烈，但坚持认为，Google DeepMind仍然拥有最深厚、最广泛的人才储备，仍然在产出前沿工作，并且仍然押注比文本模型更长期的多模态和科学智能路线。

Hassabis并没有将话说成一句简单的“谷歌一定会赢”。但他的意思很明确：如果AGI不是单一文本模型的胜利，而是一场关于智能系统、世界理解和科学发现能力的长期竞赛，那么谷歌DeepMind仍然认为自己处于最具优势的位置之一。