6 月的 AI 人才市场，谷歌再次站到了风口上。过去一周，围绕谷歌 DeepMind 的多起高层技术人才流动持续发酵。
据 Axios 和路透社等媒体报道，Gemini 共同负责人 Noam Shazeer 离开谷歌加入了 OpenAI，另一位 DeepMind 高级研究科学家、AlphaFold 共同创造者 John Jumper 也在 X 上宣布自己加入 Anthropic。
此外，据彭博社道称，谷歌 AI 研究员 Jonas Adler 和 Alexander Pritzel 也官宣了离职，去向同样是 Anthropic。
这不是普通的人才流动。
四个人分别对应了谷歌 AI 体系中极具代表性的几条技术线：Transformer、大模型预训练、Gemini、AlphaFold、AI coding 以及模型训练系统。
也正因此，这波离职很快在 X 上引发讨论。
x 上有用户直接将这场轰动的离职指向谷歌的 AI 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。”
Noam Shazeer 去 OpenAI，John Jumper、Jonas Adler 和 Alexander Pritzel 去 Anthropic。”也有人把这看作谷歌在 AI 人才战中承压的信号。
其中最受关注的是 Noam Shazeer。
6 月 18 日，Shazeer 自己在 x 上表示，离开谷歌后加入了 OpenAI。他离开的时间点很有意思，这距离谷歌通过 Character.AI 相关交易将他和部分团队带回公司，还不到两年。当时这笔交易金额约为 27 亿美元，一度被视为谷歌补强大模型人才的重要动作。
Shazeer 的技术分量无需赘述。
他是 2017 年《Attention Is All You Need》论文共同作者之一，这篇论文提出的 Transformer 架构，后来成为大语言模型浪潮的技术基础之一。回到谷歌后，Shazeer 参与领导 Gemini 相关工作，被视为谷歌大模型体系中最重要的人物之一。
他的再次离开，因此带有很强的象征意义。它说明，在 AI 人才争夺中，即便是谷歌这样的公司，也很难通过一次高价“回购”永久绑定顶尖研究者。尤其当 OpenAI 仍处于高速扩张和资本市场叙事中心时，对顶级模型人才的吸引力依然很强。
另一位重量级离职者是 John Jumper。
Shazeer 宣布离职两天后，Jumper 也在 x 上发贴称自己离开了 DeepMind，加入 Anthropic。Jumper 是 AlphaFold 的核心人物之一，曾与 DeepMind CEO Demis Hassabis 因蛋白质结构预测相关工作共同获得 2024 年诺贝尔化学奖。AlphaFold 的意义不只在于技术突破，也在于它让外界看到 AI 可以进入科学研究的核心流程，而不只是停留在聊天、搜索或内容生成场景。
因此，Jumper 的离开代表的是另一种层面的流失：DeepMind 失去的不只是一个大模型研究员，而是一个能代表“AI for Science”方向的招牌人物。
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 加入 Anthropic，则让外界开始关注 Anthropic 是否正在更系统地补强科学 AI、生命科学和高可靠模型能力。
Anthropic 过去最被外界熟知的是 Claude、AI 安全和模型对齐，但随着 Claude Code、企业场景和多步任务能力不断扩展，它需要的不只是产品工程团队，也包括更强的底层研究和科学计算人才。
此外，在彭博社的报道中，另外两位研究员 Jonas Adler 和 Alexander Pritzel 也离开了谷歌。
据媒体转引彭博社报道，Adler 和 Pritzel 都被谷歌内部视为重要 AI 研究人员。Adler 参与 谷歌的 AI Coding 方向，Pritzel 则专注于 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 已经成为 OpenAI、Anthropic、Google、微软等公司争夺最激烈的应用入口之一。Claude Code 的走红，让 Anthropic 在开发者群体中获得了更强存在感。此时如果继续补入来自谷歌 Gemini 和 AI Coding 方向的研究人员，Anthropic 的目标显然不只是维持 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上的竞争力。
这也是为什么外界很难把这波离职简单理解为“谷歌不行了”。
更准确地说，这是 AI 行业人才价值重新定价的结果。
Business Insider 分析称，OpenAI 和 Anthropic 对顶级 AI 人才的吸引力，一部分来自组织目标更聚焦，另一部分来自潜在的 pre-IPO equity。相比谷歌这样的成熟上市公司，OpenAI 和 Anthropic 仍处在估值高速变化和资本市场预期中。对顶级研究人员来说，这意味着更高的不确定性，也意味着更大的股权上行空间。
与此同时，算力也正在成为人才流动背后的隐性变量。媒体报道称，在 Shazeer 宣布加入 OpenAI 前不久，他所负责项目的一部分算力被重新分配给 Google DeepMind 伦敦团队，以推动协作和统一预训练工作。报道并未将此直接归因为 Shazeer 离职原因，但在大模型公司内部，算力从来不只是基础设施，它还意味着项目优先级、技术路线和组织话语权。
对谷歌来说，问题不在于它是否仍然拥有全球最强的 AI 研究团队之一。答案显然是肯定的。DeepMind 仍然有深厚的人才储备、算力基础、产品入口和研究传统。
但还有一个重要的信息不容忽视，OpenAI 和 Anthropic 正在改变人才竞争的参照系。
过去，谷歌是现代 AI 的重要发源地之一。从 Transformer 到 AlphaFold，很多关键突破都诞生在谷歌体系内。但今天，技术人才的选择标准正在变化。顶级研究者不只看平台规模，也看模型路线、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。
6 月这波离职的刺眼之处，不在于人数绝对多，而在于名字太有代表性。这从指向了一个信号：AI 竞赛的核心资源不只是 GPU、数据中心和模型参数，还有极少数真正懂得如何把这些资源转化为突破的人。
还有消息称，除了人才频繁流失外，Gemini 的能力也遭到了质疑。
在 X 上，有人发帖称：
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 核心人才，DeepMind CEO Demis Hassabis 终于在近期的一档播客访谈栏目中正面回应了外界最关心的问题：DeepMind 是否仍有足够的人才，去赢下通向 AGI 的竞赛？
他的回答并没有回避竞争压力，但也没有接受“谷歌正在失去 AI 人才优势”的叙事。
在这场访谈中，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。面对这样的变化，DeepMind 今天是否仍然有赢得 AGI 竞赛所需的人才？
哈萨比斯的回应很直接：顶尖实验室之间确实存在大量人才流动，DeepMind 也不可避免地身处其中。但他强调，谷歌仍然能够赢得“相当一部分”顶级人才，而且 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，哈萨比斯试图把这个问题放回更长的时间线中。
在他看来，今天 AI 行业激烈的人才竞争，是当年 DeepMind 成立时几乎无法想象的局面。2010 年，他创办 DeepMind 时，工业界几乎没有多少人真正投入 AI；即便在学术界，AI 也一度被视为“职业自杀”式方向。神经网络、强化学习、学习系统在当时并不是显学，DeepMind 更像是一小群人押注一个并不被主流看好的方向。
但十多年后，整个世界已经意识到 AI 的潜力。哈萨比斯说，现在几乎每一家重要公司都会参与 AI，这自然会带来科技行业有史以来最激烈的人才竞争之一。
因此，他不否认 OpenAI、Anthropic 等竞争对手的吸引力，也不否认人才流动已经成为前沿模型公司之间的常态。但他给出的反驳是：判断谁能赢下 AGI 竞赛，不能只看几位明星研究员的去向，也不能只看短期内谁在文本模型或 AI coding 上声量更高。
哈萨比斯真正强调的是 DeepMind 的“宽度”。
他提到，过去十多年，现代 AI 产业背后的许多关键突破都来自 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，谷歌体系长期承担了 AI 基础突破的源头角色。现在 Google Brain 和 DeepMind 已经合并为 Google DeepMind，这让原本分散的研究力量被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。
在哈萨比斯看来，AGI 的道路不会只穿过文本模型，也不会只由代码生成能力决定。
主持人问到，通向 AGI 的路径是否会通过当下这些文本模型，尤其是可能自我改进的模型实现；哈萨比斯并未给出肯定答案，而是强调 DeepMind 一直押注多条路线。
这套路线包括 Gemini 这样的多模态基础模型，也包括代码能力、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，模型必须理解周围世界，不只是处理文本和逻辑，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、科学发现等方向尤其重要。
这实际上是在回应外界对 OpenAI 和 Anthropic 的另一层想象：如果今天的前沿竞赛被理解成“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，哈萨比斯认为，比赛远不止这一条赛道。
他把 DeepMind 早期做游戏 AI 的经历也放进了这个逻辑中。AlphaGo、Atari 游戏、模拟环境并不是为了游戏本身，而是为了给 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层阶梯。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抵达的地方。
这也是哈萨比斯版本的“谷歌为什么仍然会赢”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。谁能把语言、视觉、代码、科学推理、世界模型、机器人和模拟能力整合起来，谁才更接近最终答案。
在谈到 AI 风险时，哈萨比斯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浮现。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，护栏足够可靠。
这与 OpenAI、Anthropic 近期在模型能力上不断加速形成了一种微妙对照。Anthropic 以安全和对齐起家，但正在快速强化 coding 和企业场景；OpenAI 则继续围绕通用模型、产品入口和基础设施扩张。DeepMind 在哈萨比斯的表述中，则试图把自己重新放回“长期 AGI 路线”的位置：不是只追一时的应用热度，而是同时推进多模态、科学发现和世界模型。
当然，这并不能消除谷歌眼下面临的压力。
在 AI 人才战进入白热化之后，顶级研究员的离开不只是组织损失，也会影响资本市场和外界信心。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，为什么正在被 OpenAI 和 Anthropic 吸走。
哈萨比斯的回应，本质上是把问题从“谁走了”拉回到“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 仍然有最深、最广的人才储备，仍然在输出前沿工作，也仍然押注比文本模型更长期的多模态和科学智能路线。
哈萨比斯没有把话说成一句简单的“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，而是一次关于智能系统、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，自己站在最有利的位置之一。
参考链接：
https://www.youtube.com/watch?app=desktop&v=hb9JPW_DkpQ
https://www.axios.com/2026/06/18/noam-shazeer-google-openai-characterai
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。