DeepMind老兵，正在離開倫敦

（來源：機器之心）

機器之心編輯部

谷歌又又又有大神離職了。

據 Bloomberg 報道，頂尖 AI 研究員 Jonas Adler 和 Alexander Pritzel 計劃離開 Google，加入 Anthropic。

報道稱，兩人均被 Google 內部視為 Gemini 模型的重要貢獻者。其中，Adler 參與了 Google 的 AI 編程相關工作，Pritzel 則參與了人工智能系統的訓練流程。

除此之外，Google DeepMind alignment 方向研究員 Arthur Conmy 也宣佈將加入 Anthropic。

過去一段時間內，Google DeepMind 已連續失去數位重量級人物：Gemini 聯合負責人、Transformer 論文作者之一 Noam Shazeer 宣佈加入 OpenAI；AlphaFold 核心科學家、2024 年諾貝爾化學獎得主 John Jumper 宣佈加入 Anthropic。

Gemini 的人，又走了

Adler 和 Pritzel 對應的兩個方向，恰好卡在當前前沿模型競爭最關鍵的位置。

一個是 AI coding。

過去一年，AI 編程能力幾乎已經成為大模型商業化的第一主戰場。Claude Code、Codex、Cursor、Devin，以及各類 coding agent，把大模型從聊天工具推向真實生產力場景。企業用户願意為 AI coding 付費，開發者願意把工作流遷進去，模型公司也終於找到了一個足夠高頻、足夠剛需、足夠容易量化價值的入口。

而 Google 在這個方向上，一直顯得有些尷尬。

它並不缺工具。Jules、Antigravity、Firebase Studio、AI Studio、Gemini CLI、Workspace 里的 Gemini，以及各種開發者入口，Google 幾乎什麼都有。

問題是，它什麼都有，反而讓人不知道該用什麼。

另一個是模型訓練流程。

Pritzel 所參與的訓練系統，聽起來不如「諾獎」「Transformer」「AlphaFold」那樣有傳播度，但在前沿模型公司內部，這可能更接近真正的硬通貨。

大模型競爭到了今天，真正稀缺的早已不只是論文能力，而是訓練手感。

什麼數據該進，什麼數據該刪；什麼時候該擴模型，什麼時候該調配比；某個 loss 曲線背后到底是數據問題、優化問題還是架構問題；哪類 benchmark 提升是真提升，哪類只是過擬合；下一輪預訓練該賭哪條路線。

這些東西很少完整寫在論文里，也很難通過公開報告復現。它更像一種只能在頂級訓練現場反覆試錯出來的隱性知識。

所以，Google 可以把模型權重留在數據中心里，但很難把人的訓練直覺也留住。

老 DeepMind 的人，正在離開？

更值得注意的是，這一輪討論里出現了一個新的關鍵詞：倫敦。

有從業者注意到，最近幾位高調離開 Google DeepMind 的人物中，不少都與 GDM 的倫敦傳統團隊有關。也有人把這與自己聽到的內部抱怨聯繫起來，認為預訓練工作的重心正在緩慢但確定地向 Mountain View 轉移。

DeepMind 曾經是一個帶有強烈學術理想主義色彩的 AI 科研聖殿。AlphaGo、AlphaFold、強化學習、AI for Science，這些成果塑造了 DeepMind 的神話，也塑造了一批研究員對這家機構的身份認同。

但 Gemini 時代的 Google DeepMind，正在變成另一種組織。它不再只是做漂亮的科學突破，而是要參與 OpenAI、Anthropic 之間的前沿模型軍備競賽，並把模型能力接入 Google 的核心產品體系。

這意味着，GDM 必須從「研究實驗室」轉向「模型工廠」。

而一旦進入模型工廠邏輯，誰掌握算力，誰掌握訓練排期，誰定義模型路線，誰就掌握真正的話語權。

如果預訓練重心確實從倫敦向 Mountain View 傾斜，那麼這不僅是辦公地點變化，也是 Google DeepMind 內部權力結構、資源配置和文化重心的變化。

對一部分老 DeepMind 人來説，這種變化未必容易接受。

Google 還是 Google，但問題已經不一樣了

Google 的優勢和包袱都來自同一個地方：它太大了。

搜索、廣告、雲、安卓、YouTube、Workspace、TPU 和 DeepMind，讓它擁有全球少數公司才具備的全棧 AI 能力，也讓它必須在不同產品線、資源排期和組織目標之間反覆協調。

相比之下，Anthropic 和 OpenAI 更像目標單一的前沿模型機器。它們沒有 Google 那樣複雜的既有業務和產品牽扯，前沿模型本身就是公司的中心。

這對頂尖研究員有很強吸引力。

在大公司內部，研究員可能需要等待資源排期、參與跨部門協調、面對產品線優先級變化，甚至捲入團隊之間的算力分配。而在 Anthropic 或 OpenAI，模型迭代就是公司的主線。

當頂尖人才相信某個地方更適合做出下一代模型，他們就會向那里流動；當這種流動連續發生，它又會反過來強化外界對那家公司的信心。

過去，Google 是 AI 人才的終點。現在，它越來越像 AI 人才的起點。許多現代 AI 的關鍵人物從這里出發，又在新一輪模型競賽中流向 OpenAI、Anthropic 或其他創業公司。

這當然不意味着 Google 已經出局。

Google 仍然是全球少數真正具備全棧 AI 能力的公司：它有自研芯片，有云計算，有基礎模型團隊，有產品分發入口，也有長期積累的研究文化。Gemini 仍然是前沿模型競爭中不可忽視的一極。

但這輪人才震盪提醒外界，AI 競賽的核心資源並不只是 GPU、TPU 和數據中心，也不只是論文、參數和 benchmark。真正稀缺的是那些知道如何把所有資源組織成有效模型的人。

Google 曾經是現代 AI 最重要的策源地：Transformer、AlphaFold、DeepMind，都塑造了今天的大模型時代。

但這也讓它陷入一種尷尬處境：當行業進入最激烈的人才爭奪戰時，Google 正越來越像硅谷最大的 AI 黃埔軍校。

論文可以留在引用列表里，模型可以留在服務器里，產品可以繼續改名上線。但真正做出這些東西的人，如果持續流向 OpenAI 和 Anthropic，市場最終會問一個更尖鋭的問題：Google 到底是在領導下一輪 AI 革命，還是在為下一輪 AI 革命輸送人才？

至少從最近這一連串離職來看，Anthropic 又贏下了一局。

參考鏈接：

https://techcrunch.com/2026/06/24/ai-researchers-continue-to-leave-google-for-its-rivals/

https://www.bloomberg.com/news/articles/2026-06-24/google-poised-to-lose-two-more-high-profile-ai-staffers-to-anthropic?srnd=phx-technology

https://x.com/giffmana/status/2069858726719176733

https://x.com/ArthurConmy/status/2069820098890674334?s=20