近期，人工智能领域人才流动频繁，谷歌面临严峻挑战。

谷歌一周内流失四位重要技术专家

据 Axios 和路透社等媒体报道，谷歌 Gemini 项目的联合负责人 Noam Shazeer 已离职并加入 OpenAI。与此同时，另一位 DeepMind 的资深研究科学家、AlphaFold 的共同开发者 John Jumper 在 X（原 Twitter）上宣布，他已选择加入 Anthropic。

此外，彭博社也报道称，谷歌的 AI 研究员 Jonas Adler 和 Alexander Pritzel 也已确认离职，并同样选择加入 Anthropic。

此次人才变动并非一般性的员工流动。这四位研究员分别代表了谷歌 AI 体系中的关键技术领域，包括 Transformer 架构、大规模模型预训练、Gemini 项目、AlphaFold、AI 编码以及模型训练系统。

因此，这波离职潮在 X 平台上引发了广泛关注和讨论。有用户评论称：“Gemini 是一款平庸无奇的产品。谷歌似乎已经失去了过去的创新魔力。” 另有观点认为，Shazeer 加入 OpenAI，而 Jumper、Adler 和 Pritzel 加入 Anthropic，这表明谷歌在 AI 人才竞争中正承受巨大压力。

Shazeer 的离开具有标志性意义

其中，Noam Shazeer 的离职尤为引人注目。他本人于 6 月 18 日在 X 上确认，已离开谷歌并加入 OpenAI。值得注意的是，他离职的时间点距离谷歌通过收购 Character.AI 将他及其部分团队纳入公司不到两年，当时该交易价值约 27 亿美元，被视为谷歌加强其大模型人才储备的重要举措。

Shazeer 的技术贡献举足轻重。他是 2017 年发表的划时代论文《Attention Is All You Need》的共同作者之一，该论文提出的 Transformer 架构已成为当前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 项目相关工作，被认为是谷歌大模型体系中的核心人物之一。

他再次离开，具有强烈的象征意义，表明即使是谷歌这样的大公司，在 AI 人才争夺战中也难以通过高价“回购”来永久留住顶尖研究人才，尤其是在 OpenAI 持续高速扩张且在资本市场备受瞩目的背景下，其对顶级模型人才的吸引力依然巨大。

Jumper 的离职代表了科学 AI 领域的损失

在 Shazeer 宣布离职两天后，John Jumper 也在 X 上发文，表示已离开 DeepMind 并加入 Anthropic。Jumper 是 AlphaFold 的核心贡献者之一，他与 DeepMind CEO Demis Hassabis 因在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 的重要性不仅在于技术上的突破，更在于它展示了 AI 如何能够深入科学研究的核心流程，而不仅仅局限于对话、搜索或内容生成等应用场景。

因此，Jumper 的离职代表了另一种层面的损失：DeepMind 不仅失去了一位大模型研究员，更失去了一位在“AI for Science”领域具有代表性的人物。如果说 Shazeer 的去向凸显了 OpenAI 在基础模型和架构研究方面的吸引力，那么 Jumper 加入 Anthropic 则引发了外界对其是否正在系统性地加强科学 AI、生命科学以及高可靠性模型能力的关注。

Anthropic 以 Claude、AI 安全和模型对齐而闻名，但随着 Claude Code、企业级应用和多步任务能力的不断拓展，该公司不仅需要产品工程团队，还需要更强的底层研究和科学计算人才。

Adler 和 Pritzel 的流失也备受关注

此外，报道中提到的另外两位研究员 Jonas Adler 和 Alexander Pritzel 也已离开谷歌。据媒体援引彭博社报道，Adler 和 Pritzel 在谷歌内部均被视为重要的 AI 研究人员。Adler 曾参与谷歌的 AI Coding 方向的研究，而 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 已成为 OpenAI、Anthropic、Google、微软等公司激烈竞争的应用入口之一。Claude Code 的成功使 Anthropic 在开发者群体中获得了更高的知名度。此时若能吸纳来自谷歌 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，更是要进一步提升其在编码、智能体和复杂任务执行方面的竞争力。

谷歌是否面临困境？

外界难以将这波人才流简单归结为“谷歌不行了”。

更准确地说，这是 AI 行业人才价值重新评估的结果。Business Insider 分析认为，OpenAI 和 Anthropic 对顶尖 AI 人才的吸引力，部分源于其更集中的组织目标，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市场预期较高的阶段。这对顶尖研究人员而言，意味着更高的不确定性，也意味着更大的股权增值空间。

与此同时，计算资源也成为人才流动背后的一个隐性因素。媒体报道称，在 Shazeer 宣布加入 OpenAI 前不久，他负责项目的部分计算资源被重新分配给 Google DeepMind 伦敦团队，以促进协作和统一预训练工作。虽然报道并未直接将此作为 Shazeer 离职的原因，但在大型模型公司内部，计算资源不仅仅是基础设施，它还关乎项目优先级、技术路线和组织话语权。

谷歌的问题不在于它是否仍然拥有全球顶尖的 AI 研究团队之一——答案是肯定的。DeepMind 依然拥有深厚的人才储备、计算资源基础、产品入口和研究传统。

然而，不可忽视的是，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，Transformer 和 AlphaFold 等关键突破均诞生于谷歌体系内。但如今，技术人才的选择标准正在发生变化。顶尖研究人员不仅看重平台的规模，还关注模型路线、组织效率、计算资源分配、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回报。

6 月份这波离职之所以引人注目，不在于离职人数的绝对数量，而在于离职人员的代表性。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，还包括极少数能够将这些资源转化为突破性进展的顶尖人才。

哈萨比斯回应模型落后与人才流失：不计较一时得失

除了人才频繁流失，Gemini 的能力也受到质疑。X 平台上有用户发帖称：“在 Fable 5 发布、GPT-5.6 即将到来之际，Google DeepMind 内部弥漫着挫败感和普遍不满。许多人认为，该实验室已被远远甩到第三甚至第四名。一位知情的 DeepMind 员工表示：‘我不能责怪 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 持续挖走谷歌 AI 核心人才，DeepMind CEO 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来赢得通往 AGI 的竞赛？

他的回应并未回避竞争压力，但也未完全认同“谷歌正在失去 AI 人才优势”的说法。

在访谈中，主持人提到，早年 DeepMind 加入谷歌时，曾给外界留下“AI 领域最重要的人才几乎都聚集于此”的印象。但如今，OpenAI、Anthropic 等至少三家前沿实验室都在争夺顶尖研究人员。面对这种变化，DeepMind 是否仍拥有赢得 AGI 竞赛所需的人才？

哈萨比斯的回答直接而坦诚：顶尖实验室之间确实存在大规模的人才流动，DeepMind 也无法置身事外。但他强调，谷歌仍能吸引“相当一部分”顶尖人才，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，哈萨比斯尝试将问题置于更长远的时间维度来审视。

他认为，当前 AI 行业激烈的人才竞争，是他在 2010 年创办 DeepMind 时几乎无法想象的局面。那时，工业界对 AI 的投入甚少，即使在学术界，AI 也曾被视为“职业自杀”的方向。神经网络、强化学习、学习系统并非当时的热门领域，DeepMind 更像是一小群人押注在一个不被主流看好的方向。

然而，十多年后，全球已充分认识到 AI 的巨大潜力。哈萨比斯表示，如今几乎所有重要公司都投身 AI 领域，这自然带来了科技行业史上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成为前沿模型公司之间的常态。但他反驳道：判断谁将赢得 AGI 竞赛，不能仅仅依据几位明星研究员的去向，也不能仅凭短期内在文本模型或 AI coding 领域的声音大小来衡量。

哈萨比斯真正强调的是 DeepMind 的“广度”。

他指出，过去十多年，现代 AI 产业的许多关键突破都源于 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 基础突破的源泉。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。

在哈萨比斯看来，AGI 的实现路径并非仅限于文本模型，也并非仅由代码生成能力决定。

当被问及通往 AGI 的路径是否会通过当前的文本模型，特别是可能实现自我改进的模型时，哈萨比斯并未给出肯定答复，而是强调 DeepMind 一直在押注多条路线。

这些路线包括 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 的另一种想象：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 的声量确实很高。但如果终点是通用人工智能，哈萨比斯认为，比赛远不止一条赛道。

他还将 DeepMind 早期在游戏 AI 领域的经验融入到这一逻辑中。AlphaGo、Atari 游戏、模拟环境的开发，并非是为了游戏本身，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终点。

这也是哈萨比斯版本的“谷歌为何仍将获胜”的逻辑：并非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，哈萨比斯延续了他一贯的审慎态度。他认为，随着行业接近 AGI，网络安全仅仅是一个“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，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 以安全和对齐起家，但正在快速强化其编码和企业级应用能力；OpenAI 则继续围绕通用模型、产品入口和基础设施进行扩张。而在哈萨比斯的表述中，DeepMind 则试图将自身定位为“长期 AGI 路线”的参与者：不只追逐一时的应用热度，而是同时推进多模态、科学发现和世界模型的研究。

当然，这并不能消除谷歌当前面临的压力。

在 AI 人才战白热化之际，顶尖研究人员的离开不仅是组织损失，也会影响资本市场和外界信心。Noam Shazeer 和 John Jumper 这样的名字本身就具有极强的信号意义。外界关心的问题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，为何正被 OpenAI 和 Anthropic 所吸引。

哈萨比斯的回应，本质上是将问题从“谁离开了”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 仍拥有最深厚、最广泛的人才储备，仍在产出前沿工作，并且依然押注比文本模型更长期的多模态和科学智能路线。

哈萨比斯并未将话语权说成一句简单的“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有优势的地位之一。