机器之心编辑部

谷歌又又又有大神离职了。老兵

据 Bloomberg 报道，正离顶尖 AI 研究员 Jonas Adler 和 Alexander Pritzel 计划离开 Google，开伦加入 Anthropic。老兵

报道称，两人均被 Google 内部视为 Gemini 模型的开伦关键贡献者。其中，老兵Adler 参与了 Google 的正离 AI 编程相关工作，Pritzel 则参与了人工智能系统的开伦训练流程。

除此之外，Google DeepMind alignment 方向研究员 Arthur Conmy 也宣布将加入 Anthropic。正离

过去一段时间内，Google DeepMind 已连续失去数位重量级人物：Gemini 联合负责人、老兵Transformer 论文作者之一 Noam Shazeer 宣布加入 OpenAI；AlphaFold 核心科学家、正离2024 年诺贝尔化学奖得主 John Jumper 宣布加入 Anthropic。开伦

Gemini 的人，又走了

Adler 和 Pritzel 对应的两个方向，恰好卡在当前前沿模型竞争最关键的位置。

一个是 AI coding。

过去一年，AI 编程能力几乎已成为大模型商业化的第一主战场。Claude Code、Codex、Cursor、Devin，以及各类 coding agent，把大模型从聊天工具推向真实生产力场景。公司客户愿意为 AI coding 付费，开发者愿意把工作流迁进去，模型公司也终于找到了一个足够高频、足够刚需、足够容易量化价值的入口。

而 Google 在这个方向上，一直显得有些尴尬。

它并不缺工具。Jules、Antigravity、Firebase Studio、AI Studio、Gemini CLI、Workspace 里的 Gemini，以及各种开发者入口，Google 几乎什么都有。

难题是，它什么都有，反而让人不知道该用什么。

另一个是模型训练流程。

Pritzel 所参与的训练系统，听起来不如「诺奖」「Transformer」「AlphaFold」那样有传播度，但在前沿模型公司内部，这可能更接近真正的硬通货。

大模型竞争到了今天，真正稀缺的早已不只是论文能力，而是训练手感。

什么数据该进，什么数据该删；什么时候该扩模型，什么时候该调配比；某个 loss 曲线背后到底是数据难题、优化难题还是架构难题；哪类 benchmark 提升是真提升，哪类只是过拟合；下一轮预训练该赌哪条路线。

这些东西很少完整写在论文里，也很难通过公开报告复现。它更像一种只能在顶级训练现场反复试错出来的隐性知识。

所以，Google 能够把模型权重留在数据中心里，但很难把人的训练直觉也留住。

老 DeepMind 的人，正在离开？

更值得注意的是，这一轮讨论里出现了一个新的关键词：伦敦。

有从业者注意到，最近几位高调离开 Google DeepMind 的人物中，不少都与 GDM 的伦敦传统团队有关。也有人把这与自己听到的内部抱怨联系起来，觉得预训练工作的重心正在缓慢但确定地向 Mountain View 转移。

DeepMind 曾经是一个带有强烈学术理想主义色彩的 AI 科研圣殿。AlphaGo、AlphaFold、强化学习、AI for Science，这些成果塑造了 DeepMind 的神话，也塑造了一批研究员对这家机构的身份认同。

但 Gemini 时代的 Google DeepMind，正在变成另一种组织。它不再只是做漂亮的科学突破，而是要参与 OpenAI、Anthropic 之间的前沿模型军备竞赛，并把模型能力接入 Google 的核心商品体系。

这意味着，GDM 必须从「研究实验室」转向「模型工厂」。

而一旦进入模型工厂逻辑，谁掌握算力，谁掌握训练排期，谁定义模型路线，谁就掌握真正的话语权。

如果预训练重心确实从伦敦向 Mountain View 倾斜，那么这不仅是办公地点变化，也是 Google DeepMind 内部权力结构、资源配置和文化重心的变化。

对一部分老 DeepMind 人来说，这种变化未必容易接受。

Google 还是 Google，但难题已不一样了

Google 的优势和包袱都来自同一个地方：它太大了。

搜索、广告、云、安卓、YouTube、Workspace、TPU 和 DeepMind，让它具备全球少数公司才具备的全栈 AI 能力，也让它必须在不同商品线、资源排期和组织目标之间反复协调。

相比之下，Anthropic 和 OpenAI 更像目标单一的前沿模型机器。它们没有 Google 那样复杂的既有业务和商品牵扯，前沿模型本身就是公司的中心。

这对顶尖研究员有很强吸引力。

在大公司内部，研究员可能需要等待资源排期、参与跨部门协调、面对商品线优先级变化，甚至卷入团队之间的算力分配。而在 Anthropic 或 OpenAI，模型迭代就是公司的主线。

当顶尖人才相信某个地方更适合做出下一代模型，他们就会向那里流动；当这种流动连续发生，它又会反过来强化外界对那家公司的信心。

过去，Google 是 AI 人才的终点。现在，它越来越像 AI 人才的起点。许多现代 AI 的关键人物从这里出发，又在新一轮模型竞赛中流向 OpenAI、Anthropic 或其他创业公司。

这当然不意味着 Google 已出局。

Google 仍然是全球少数真正具备全栈 AI 能力的公司：它有自研芯片，有云计算，有基础模型团队，有商品分发入口，也有长期积累的研究文化。Gemini 仍然是前沿模型竞争中不可忽视的一极。

但这轮人才震荡提醒外界，AI 竞赛的核心资源并不只是 GPU、TPU 和数据中心，也不只是论文、参数和 benchmark。真正稀缺的是那些知道如何把所有资源组织成有效模型的人。

Google 曾经是现代 AI 最关键的策源地：Transformer、AlphaFold、DeepMind，都塑造了今天的大模型时代。

但这也让它陷入一种尴尬处境：当行业进入最激烈的人才争夺战时，Google 正越来越像硅谷最大的 AI 黄埔军校。

论文能够留在引用列表里，模型能够留在业务器里，商品能够继续改名上线。但真正做出这些东西的人，如果持续流向 OpenAI 和 Anthropic，行业最终会问一个更尖锐的难题：Google 到底是在领导下一轮 AI 革命，还是在为下一轮 AI 革命输送人才？

至少从最近这一连串离职来看，Anthropic 又赢下了一局。

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

(责任编辑：热点)