8月5日，Alphabet股价盘中一度跌约5%，收跌超4%。引发抛售的不是财报，不是监管，而是一则人事公告。
Jeff Dean走了。这位在谷歌待了27年、TensorFlow和TPU体系重要奠基者之一的首席科学家，带着三十年的老搭档Sanjay Ghemawat、Gemini核心负责人Oriol Vinyals、AutoML之父Quoc Le，一起创办了新公司Discovery Loop。
同一天，诺奖得主Demis Hassabis卸任DeepMind CEO，转任董事长和Alphabet首席科学家，理由是把时间留给长期研究。
一个人离职是新闻，一群人同一天转身，就是信号了。把镜头拉远，OpenAI首席未来学家Joshua Achiam也在最近递交了辞呈，这位效力近九年的老兵在内部信里写得很坦白，在前沿实验室的围墙之外，也能继续推动使命。
而阿里达摩院则在第二天开放了15项芯片与AI研究课题，启动阿里星计划，把招募枪口对准2027届毕业生。
有人出走，有人抢人。AGI的倒计时越清晰，大厂的组织形态就越像一件不合身的旧衣服，顶尖科学家正在一件件脱下它。
谷歌这一天，是两种节奏的分道扬镳
这次人事地震的技术含量，值得先掂量清楚。
Jeff Dean是TensorFlow和TPU体系的重要奠基者之一，Ghemawat与他共同创造了MapReduce和BigTable，Vinyals是AlphaStar的缔造者，Quoc Le一手推动了AutoML。四个人加起来，覆盖芯片、基础设施、模型、产品的完整链条，说是谷歌AI的半部家史并不夸张。
这场裂变其实早有伏笔。
2023年谷歌把Google Brain和DeepMind合并，本意是集中力量对抗OpenAI，外界则长期观察到两种文化的融合挑战，一支团队习惯长期无交付的基础科研，另一支绑定了搜索、云和Gemini的商业化考核。
业绩压力把这层张力彻底顶开了。
Gemini新版本迟迟未能发布，谷歌现有模型在部分第三方评测中已被OpenAI和Anthropic超越，广告与云业务对大模型短期变现的诉求，还在持续挤压基础科研的资源。
于是这次重组的本质浮出了水面。
谷歌选择让 DeepMind 全面接入大公司的产品和工程节奏，Hassabis则退回到纯粹的研究节奏里。
接替他的Koray Kavukcuoglu是在谷歌干了13年的工程老将，直接向皮查伊汇报。
一位CEO说自己要把时间留给长期研究，换个角度理解，就是他承认了CEO岗位要求的节奏，与AGI研究需要的节奏，已经无法由同一个人承担。
一家公司内部装不下的矛盾，最终以人事裂变的方式释放出来。
AGI竞赛的计量单位变了，大厂的组织没跟上
为什么大厂留不住搞前沿研究的人。
Vinyals给出的解释是大型组织总会积累强大的惯性，而他们需要极端聚焦。
过去几年，AI竞赛的核心变量是算力规模，大厂在这件事上握有绝对优势，顶尖人才自然向大厂集中。
但当下的竞争逻辑已经切换。
预训练红利见顶之后，决定胜负的不再是谁的集群更大，而是谁的研究迭代更快。
一个假设从提出到验证需要多少天，一个方向发现走不通到调头需要开多少次会，这些组织层面的指标，开始比FLOPS更直接地决定研发产出。
这恰恰是大组织的天生短板。
算力要排队审批，方向要对齐多条产品线，研究员的考核绑着季度产品交付，注意力被发布节奏和组织流程持续稀释。
对比样本摆在那里，OpenAI起飞时是一个几百人的高密度团队，DeepSeek以相对精简的组织跑出了让巨头侧目的效率。
独立研究机构的考核约束的是中长期科学成果，可以容忍数年没有商用产出，而大厂研究员的日历上排满了产品节点。
当研发节奏取代资源规模成为第一变量，大厂的规模就从资产变成了负债。
大厂的真实应对，是放弃雇佣，转向结盟
大厂显然看清了这一点，它们的解法不是改造组织，而是改写与天才的关系。
谷歌的操作堪称教科书。
皮查伊多次挽留四位创始人未果之后，Alphabet转身成为Discovery Loop的创始投资者，Google Cloud提供至少第一年的算力支持，双方还要围绕机器学习系统建立研究合作。
人走了，股权和算力合同留下了。
这套轻绑定打法还有一个现实推手，反垄断监管这几年对科技巨头整体收购AI公司的审查越来越严，微软当年吞并Inflection核心团队的交易就遭到FTC调查和英国CMA审查，投资加算力合作成了风险更小的替代方案。
当然代价也清楚，Discovery Loop未来的技术成果没有独家归属，谷歌等于亲手养大了一个潜在的竞争对手。
阿里的解法是往前抢。
达摩院开放的15项课题里，9项指向AI芯片架构、编译器、软硬件协同这类长周期硬骨头，招募对象锁定2027届毕业生。
逻辑同样直白，既然功成名就的科学家迟早会被组织惯性劝退，那就在年轻人的研究习惯被任何大组织塑造之前完成绑定。
只是这条路也有边界，应届生解得了芯片工程的人才缺口，解不了AGI长期探索需要的资深判断力。
Meta和xAI走的是第三条路，用天价薪酬和长周期承诺锁死资深研究者，短期见效，代价是资本开支压力持续放大。
三种策略路线不同，承认的却是同一个前提，传统的雇佣模式已经承载不了AGI时代的人才关系。
出走方向里，藏着对大厂模式最真实的投票
还有一个常被忽略的观察维度，这些人离开后去做什么了。
大致可以分出三条赛道。
Jeff Dean团队选了基础科学自动化，目标是打造一个能提出假设、调用算力做实验、评估结果再迭代的AI科学家，彻底脱离终端产品的束缚。
Hassabis选了垂直产业纵深，转向AGI长期研究和Isomorphic Labs的AI制药，押注高壁垒行业的专用智能。
Achiam去了AI安全评估机构METR。
据外媒报道，OpenAI对齐团队的年轻研究员Naomi Bashkansky则加入初创公司Conduit研究无创脑机接口，他们选择了大厂资源倾斜不足的前沿交叉地带。
值得注意的是几乎没有人在复制老东家的生意，也没有人挤进通用对话大模型的战场，那个赛道的内卷程度和盈利预期，圈内人早已心照不宣。
最懂AI的一批人用离职投出了一票，下一个价值高地不在模型规模的线性扩张，而在科学发现这类大厂产品线根本无法定义的方向上。
他们不怕放弃大厂的算力和薪资，他们怕的是在大厂的节奏里，错过AGI真正重要的那段路。
所以大厂模式是不是真的跟不上AGI研发节奏了。在纯研究维度，答案偏向肯定，组织的惯性、流程的摩擦、产品化的牵引，都会系统性地拉低研究迭代速度，这是Jeff Dean们离开的理由。但大厂手里的算力、数据和资本，又是任何小团队绕不开的生存条件，这也是谷歌敢于放人还愿意投资的底气。股价的反应恰恰说明，市场已经把顶尖科学家当成核心资产在计价。
AGI竞赛的上半场，拼的是硬件资本和算力集群，下半场拼的是组织效率和科研容错空间。研究的速度交给小团队，规模和基础设施留在大厂，两者以股权、算力和合作关系重新连接。雇佣制正在让位于产业共生，谁能先设计出那种让天才不必留下也愿意同行的结构，谁才算真正读懂了AI人才战争的下半场。
2026全球闪存峰会
随着生成式AI进入规模化落地阶段，大模型训练与推理对存储性能、容量、架构的需求持续攀升，存储正从被动的数据容器，升级为驱动AI产业发展的核心底座。
在此背景下，以“存力跃迁，AI破局”为核心主题的2026全球闪存峰会（Flash Memory World 2026），将于2026年8月26日在中国武汉正式举办。本届峰会由 DOIT 传媒、华中科技大学计算机科学与技术学院、华中科技大学集成电路学院联合主办，汇聚全球存储产业链力量，全面呈现闪存技术前沿突破与 AI 时代的产业新图景。
报名通道：https://app.ehub.net/register/nga5ph
扫描下方二维码 关注我们
本文来源于DOIT传媒，文章内容仅供参考，不构成投资建议。
评论列表