Google DeepMindの人材流出がAI人材流出をVC競争へと変える
Google DeepMindは著名な研究者を失い、現在では少なくとも15人の現・元従業員が、次世代AIスタートアップの資金調達について協議していると報じられている。Google DeepMindからの人材流出は、もはや通常の離職の域を超えた。Alphabetの外部で資本、コンピューティング、独立性を求める協調的な動きへと変わりつつある。
Bloombergが報じたロンドンでの朝食会によると、このグループは2026年9月、Googleの英国本社近くで会合を開いた。会話は、潤沢な資金を持つシリコンバレーの投資家が支援を望む事業へと移った。この場面は中心的な逆転を捉えている。DeepMindはかつて人材の到達点だったが、その卒業生ネットワークはますます機会そのものになりつつある。
圧力はGoogleだけに限られない。ベンチャーキャピタル各社は、著名な技術者としての経歴が持続力のある企業へと転化できるかを判断しなければならない。研究者がAlphabet内での自律性に疑問を抱くたび、OpenAIとAnthropicは採用面での優位性を得る。一方で創業者は、資本とコンピューティング基盤へのアクセスが、Googleの流通網、エンジニアリング体制、組織的知見を代替できることを証明する必要がある。
Google DeepMindからの人材流出は創業者ネットワークになりつつある
重要な変化は研究者が去ること自体ではなく、去る研究者が同じ卒業生ネットワークを通じて共同創業者、投資家、技術的な信頼性を得られるようになったことだ。
報じられた朝食会には、ロンドン中心部で現従業員と卒業生15人が集まった。議論は、AIスタートアップ向け資金調達と、投資家が資金を投じたい分野に集中したとされる。Bloombergは、この会合に出席した人物の話として報じた。
朝食会があったからといって、15社の新企業が生まれることを意味するわけではない。しかし、AI分野で最も広く知られた研究所の一つとつながる人々の間で、スタートアップの立ち上げが日常的な話題になったことは示している。この違いは重要だ。創業者ネットワークは、正式なスピンアウト制度よりも、繰り返される非公式な交流を通じて成長することが多いからだ。
DeepMindがもたらしたのは、知名度のある名前だけではない。同社の研究者は、強化学習、マルチモーダルモデル、タンパク質構造予測、大規模モデルの訓練に取り組んできた。また、希少なコンピューティング資源が実験、製品、商業上の優先事項にどう配分されるかも学んできた。
その経験はGoogleの外部で価値を増している。AIスタートアップを評価する投資家は、創業者が研究者を採用し、コンピューティングを確保し、大規模な訓練を管理し、そのコストを正当化できる問題を選べるかを判断しなければならない。DeepMindの卒業生は、これらの課題すべてに直接触れてきたと十分に主張できる。
卒業生ネットワークは、研究企業を創業する際の最大のリスクの一つも減らす。退職する科学者は、あらゆる人間関係をゼロから築く必要がない。元同僚は、潜在的な共同創業者を紹介し、技術的な主張を評価し、初期採用を推薦し、投資家が最先端研究をどう評価するかを説明できる。
このパターンは、過去のテクノロジー企業に見られた「マフィア」ネットワークに似ている。この用語は、影響力のある企業を離れ、相互につながるスタートアップを築く従業員を指す。ただし、DeepMind版には異なる経済的基盤がある。
以前のソフトウェアスタートアップは、比較的控えめなインフラでも立ち上げられることが多かった。最先端AI企業は、実証済みの製品を持つ前から大規模なコンピューティング能力を必要とする可能性がある。そのため創業者は、ベンチャー企業、クラウドプロバイダー、チップ供給企業、戦略投資家に、はるかに早い段階で依存することになる。
このネットワークは9月の一度の会合にとどまらない。近年の離職により、DeepMindおよびGoogleの研究者にとって複数の目立つ進路が生まれている。既存の競合企業に加わった人もいれば、科学的発見、視覚的推論、モデル解釈可能性、代替的な訓練手法を軸に企業を創業した人もいる。
この流れは、従業員の離職を複利的なプロセスへと変える。信頼できるスタートアップが一社増えるごとに、次に去る研究者は外部資本が利用可能である証拠を得る。資金を獲得した創業者もまた、次のチームを見極めようとする投資家にとっての参照点となる。
DeepMindの卒業生が創業したスタートアップには、なお基本的な試練がある。技術的な評判は面談の機会を確保できても、製品需要を確定することはできない。主要モデルの構築に携わった研究者が、新たなシステムをどの顧客が購入するのか、あるいは会社がどれほど迅速に顧客へ提供できるのかを自動的に知っているわけではない。
研究アジェンダと企業の違いは依然として決定的だ。研究は新規性のある成果を評価する一方、企業はコスト、信頼性、タイミングの制約下で、繰り返し価値を提供しなければならない。ベンチャーキャピタルはその現実との対峙を先延ばしにできても、取り除くことはできない。
Googleにとって、このネットワークは、より高い報酬を提示する単一の競合相手より複雑な人材定着問題を生み出す。従業員は今や、既存の研究所、上場前企業、創業者という役割から選べる。それぞれの道は、自律性、経済的な上振れ、コンピューティングへのアクセスを異なる形で組み合わせている。
したがって、報じられた会合は起業への社交的な関心以上のものを示している。Google DeepMindからの人材流出が独自の支援体制を獲得したことを示唆している。その体制が存在すれば、Googleは他の雇用主とだけ競争しているのではない。所有権そのものの魅力と競争しているのだ。
ベンチャーキャピタルがDeepMindの卒業生を追う理由
投資家は、研究所での経験が、より広い市場が認識する前に次の価値あるAIレイヤーを見極められると賭けている。
AI投資家は厄介な問題に直面している。信頼できるチームには資本が豊富にある一方、独自の技術的方向性と既存モデルの高コストな変種を見分けることは依然として難しい。DeepMindの卒業生は、技術選定の近道を投資家に提供する。
この近道は成功を保証しない。しかし、創業者が厳しい採用基準を通過し、大規模なAIプログラムの近くで働いていたことを投資家に伝える。創業者はまた、どのアイデアが社内で失敗したのか、どのボトルネックが残ったのか、どの見過ごされた問題が再挑戦に値するのかを理解している可能性がある。
シニア人材の離職によって、スタートアップの創業が現実的に見えるようになり、その魅力は高まった。8月には、Jeff DeanがGoogleを27年で退社し、Discovery Loopを共同創業した。Sanjay Ghemawat、Quoc Le、元DeepMind研究者のOriol Vinyalsも加わった。
新会社は、科学実験の一部を自動化することを目指す。そのシステムは、反復サイクルを通じて実験を提案、実行、改善するよう設計されている。このアプローチは、また一つの汎用チャットボットではなく、労働集約的なプロセスを標的としている。
Discovery Loopの立ち上げに関する報道によれば、同社の初期資金調達はRadical VenturesとKhosla Venturesが共同主導した。Alphabetも資金面で支援し、Kleiner Perkins、Lightspeed、Doerr Capitalが参加した。
この投資家リストは、新たな競争を示している。ベンチャー企業は、基盤インフラとAIモデルの構築経験を持つチームへのアクセスを求めている。一方Alphabetは、元従業員の会社に投資することで経済的な関係を維持できる。
この取り決めは、「人材流出」という言葉を複雑にする。離職は社内チームを弱体化させる可能性がある一方、資本、クラウドインフラ、将来の提携を通じてAlphabetとつながり続けるスタートアップを生み出すこともある。Googleは直接的な管理権を失っても、戦略的な利益をすべて失うわけではない。
また、不確実な研究方向へのヘッジにもなり得る。Alphabetは、DeepMind内であらゆる実験的なアイデアに資金を供給する代わりに、選ばれた外部企業を支援できる。その後、独立投資家がコストとリスクを分担する。
この解釈によって、目下の人材流出を軽視すべきではない。Dean、Ghemawat、Le、Vinyalsは、数十年にわたる技術的・組織的な記憶を持っていた。蓄積された判断力を置き換えることは、4つのポジションを補充することとは異なる。
組織的知見には、重要な意思決定の背景にある文書化されていない文脈が含まれる。失敗したアプローチ、人間関係上の信頼、別々のシステムがどう相互作用するかへの理解も含む。こうした詳細が通常のプロジェクト文書で移転されることはめったにない。
製品・エンジニアリングチームにとって、この教訓はAI研究所を超えて広がる。検索可能なナレッジベースは文書や意思決定を残せるが、退職した専門家の直感を完全に再現することはできない。人材定着と知識継続性は別々の問題であり続ける。
投資家は事実上、その直感に価値を置いている。経験豊富な研究者が暗黙知を焦点の定まった技術的仮説に変えられると賭けている。また、創業者の評判が追加の専門家を引き寄せることも期待している。
ここでAI人材戦争とベンチャー市場は互いを強化する。大型の資金調達ラウンドは創業者という役割をより現実的なものにする。採用の成功は、そうしたラウンドが正当だったように見せる。その後、競合他社はさらなる離職を防ぐために独自の提示条件を引き上げる。
このサイクルは顧客導入より速く進む可能性がある。投資家は、類似した科学エージェント、推論モデル、専門的な訓練システムを追求する複数チームに資金を提供するかもしれない。すべてのカテゴリーがすべての参入者を支えられるわけではない。
そのため、DeepMind卒業生によるスタートアップは優位性と負担の両方を抱える。創業者は即座に注目を集めるが、製品の証拠より先に期待が到来する。知名度の低いチームは静かに開発を進められる。一方、注目を集めるチームは、最初から資金調達と経歴を正当化する圧力に直面する。
ベンチャー企業は、提案された会社が防御可能な優位性を持つかも判断しなければならない。優秀な人材へのアクセスは一時的だ。競合は採用でき、モデルは収束し、インフラ提供者は以前は希少だった能力を標準化できる。
より強い投資案件は、技術的洞察を反復可能な顧客課題へと結び付ける。評価、安全性、信頼性を犠牲にせずに、より小さな組織がなぜ速く動けるのかを説明する。また、大規模な研究所が同じアイデアを追求した場合に、会社がどう生き残るのかも示すだろう。
したがって、現在の熱狂は知性以上のものを探す動きだ。投資家が求めているのは、どの研究上の制約が根本的なものではなく組織的なものなのかを知るチームである。そうした創業者が正しければ、独立はより大きな研究所が優先できなかった仕事を解き放つ可能性がある。
コンピューティングへのアクセスが大規模研究所の優位性を逆転させた
中心的な逆転は、テクノロジー大手を離れることで、その大手がより多くのインフラを所有しているにもかかわらず、一部の研究者がコンピューティング資源をより実務的に管理できるようになる点にある。
Googleはtensor processing unitsを設計し、大規模なクラウドプラットフォームを運営し、非常に広いリーチを持つ製品群へAIを展開している。理屈の上では、こうした資産によりDeepMindは高コストな研究を行ううえで最も魅力的な場所の一つとなるはずだ。
総容量と個人の裁量は同じではない。Google社内の研究者は、主力モデルの訓練、Search、クラウド顧客、収益を生むサービスと競合する。技術的に興味深いプロジェクトでも、会社が莫大なインフラを所有していてなお、優先順位を下げられる可能性がある。
モデル開発がより大きなクラスターを消費するようになるにつれ、この緊張はより明白になっている。Los Angeles Timesは、元Google研究者が退職理由を説明する際、限られたアクセスと社内承認プロセスを挙げたと報じた。Googleは、研究と顧客・製品のニーズの均衡を取る厳格なプロセスに従っていると述べた。
Andrew Dai元Google研究者は、モデルにボードゲームを解釈させた際に視覚的推論の弱点を見出した経緯を語った。彼は、そのアイデアを追究するために必要な社内の計算資源を確保できなかったと結論づけた。
Daiは退社してElorianを設立した。同社は建築、自動車分野、ロボティクスなどにおける視覚的推論に注力している。彼の経験により、計算資源の配分はこのスタートアップの物語の中心的要素となっている。
元DeepMind研究者のIoannis AntonoglouとMisha Laskinは、別の道を選んだ。強化学習には異なるレベルの重視が必要だと結論づけ、ReflectionAIを設立したのである。同社はオープンに開発されるモデルに焦点を当てている。
Anna GoldieもDeepMindを離れ、Azalia MirhoseiniとともにRicursive Intelligenceを共同設立した。Goldieは、外部で得られる計算資源へのアクセスは、Google社内で提示された条件よりも有利だったと述べた。同社は、今回の退職の波が始まる前に多額の資金を調達したと報じられている。
こうした例は、ベンチャー企業がいかに企業インフラと競争できるかを示している。資金を得たスタートアップは複数のプロバイダーから計算能力を調達し、それを一つの仮説に集中させられる。総供給量は小さいかもしれないが、優先順位を決めるのは創業者だ。
この自由には財務上のリスクも伴う。企業が需要を確立する前に、計算資源へのコミットメントが資本を消費しかねない。スタートアップは、一つのクラウドプロバイダー、チップパートナー、または戦略的投資家に依存する可能性もある。
Google社内では、研究者は収益性の高い親会社とインフラコストを分担する。社外では、あらゆる実験がスタートアップの資金寿命に影響する。独立は承認プロセスの階層を取り除く一方、インフラ経済への直接的なエクスポージャーをもたらす。
このトレードオフは、投資家が経験豊富なチームを好む理由の一助となる。大規模な実験を管理してきた創業者は、稼働率、評価、失敗のコストを理解しているはずだ。生の計算能力を研究上の判断の代替物として扱う可能性も低い。
また、なぜ狭く定義された企業がより幅広い研究所に挑めるのかも説明できる。視覚的推論だけに取り組むスタートアップは、ほぼすべての技術的判断をその問題に向けられる。DeepMindはGemini、科学プログラム、消費者向け機能、開発者向け製品、そして長期的な研究のバランスを取らなければならない。
ただし、プロジェクトに流通力が必要になると、スタートアップの優位性は弱まる。GoogleはAIをSearch、Android、Workspace、Cloudに組み込める。新興企業は顧客を獲得し、自社が管理していないシステムと統合しなければならない。
したがって、想定される競争は単純な小規模対大規模ではない。焦点を絞った統制と統合された規模の競争である。スタートアップは人材と資本を集中できる一方、Googleはモデルをインフラと既存の需要につなげられる。
これがGoogle DeepMindからの人材流出を支える主なメカニズムだ。研究者たちは、必ずしも外部組織の総計算能力がより大きいから退社しているわけではない。スタートアップの資金調達によって、利用可能な計算資源をどう使うかについて、より大きな権限を得られるために去る人もいる。
この違いは、人材保持に関する問いを変える。従業員が研究アジェンダのオーナーシップを望むなら、報酬を合わせるだけでは十分でないかもしれない。研究者より数段上で決められた優先順位にアクセスが条件づけられたままであれば、チップを増やすことも効果を発揮しない可能性がある。
Googleは、最も重要なAIプログラムを分断せずに、どこまで自律性を分配できるかを決めなければならない。投資家は、同社が価値ある技術的方向性をすべて受け入れることはできないと賭けている。DeepMindの卒業生たちは、その隙間に企業を築いている。
AI人材戦争はスタートアップの勝利を保証しない
著名な研究所は信頼できる創業者を生み出せるが、ベンチャー市場の熱狂だけでは、その企業が持続可能な製品を構築できるかという問いには答えられない。
強気の見方は、人材の集中から始まる。DeepMindは、大きな影響を持つシステムや難易度の高い科学的課題に取り組んだ研究者を集めてきた。そうした人々が小さなチームを結成すれば、大組織の調整コストなしに動ける。
懐疑的な見方も、同じ事実から始まる。スタートアップ投資家は、認識しやすいという理由で組織的な所属を過大評価するかもしれない。よく知られた雇用主は、製品に対する洞察、リーダーシップ能力、あるいは商業的需要の代理指標になり得る。
これらの資質には関係があるが、互換性はない。科学者は、顧客開拓、採用、営業、運営管理を好まなくても、モデル研究では優れている場合がある。優れた論文は注目を集めても、有用な製品を確立するとは限らない。
資本環境はこうした違いを覆い隠し得る。潤沢な資金を得た企業は迅速に採用し、インフラを購入し、長期間にわたって開発を継続できる。その進展は、商業的な仮説が依然として定まっていない場合でも、印象的に見えるかもしれない。
投資家は逆選択にも直面する。最も著名な研究者は、複数の企業と有利な条件を交渉できる。ベンチャーファンドはアクセスを得るために高い評価額や創業者に有利な構造を受け入れることがあり、その結果、失敗を許容する余地が狭くなる。
投資家間の競争は、時期尚早な会社設立を促しかねない。興味深いアイデアを持つ研究者は、市場が受容的であるために、すぐ資金調達すべきだという圧力を感じるかもしれない。しかしそのアイデアは、研究プロジェクト、ライセンス機会、または既存企業内の製品としての方がうまく機能する可能性がある。
技術的な重複も別のリスクを生む。科学エージェント、マルチモーダル推論、強化学習、モデル解釈は広範なカテゴリーだ。複数のチームが異なる手法を提示しながら、同じ限られた顧客層を追う可能性がある。
AI人材戦争は、経験豊富な研究者の供給を必ずしも増やさないまま、専門性を企業間に分散させる。新たな研究所にはそれぞれ、インフラエンジニア、評価担当者、プロダクトマネージャー、安全性の専門家が必要だ。企業設立が急速に進めば、希少な人材があまりに多くのプロジェクトに分散する可能性がある。
Googleの立場は、退職を伝える見出しが示すより強い。同社は大規模な研究チーム、独自インフラ、グローバル製品、そして広範な収益を維持している。後任を採用し、スタートアップを買収し、元従業員に投資し、外部で開発されたアイデアを採用することもできる。
Googleは、テクノロジー企業間での人材移動は通常のことであり、DeepMindのミッションに合致する人材の獲得に引き続き注力していると述べている。報道によれば、同社は人材保持への圧力に対処するため、報酬や株式報酬も活用している。
この対応には文脈が必要だ。職務内容が概ね同じであれば、報酬は直接競合他社への転職を思いとどまらせることができる。だが、統制、所有権、研究課題を選ぶ機会を提供する創業者の役割に対しては、影響力が小さい。
退職の動きは、組織的・競争的な圧力にも続いている。Noam Shazeerは2026年6月にGoogleを離れ、OpenAIへ移った。AlphaFold関連の業績で2024年ノーベル化学賞を共同受賞したJohn Jumperは、Anthropicへ移った。
Jonas AdlerとAlexander Pritzelも、Geminiに貢献した後、Anthropicへ移ったと報じられている。これらの移動は、研究者たちが独自の大規模計算プログラムを持つ既存の競合企業に加わったという点で、スタートアップ設立とは異なる。
これはGoogleに二つの別個の脅威をもたらす。競合研究所は人材を吸収し、その専門性をすぐに適用できる。新たなスタートアップは成熟に時間を要するが、のちにGoogleと競合する技術カテゴリーを切り開く可能性がある。
どちらの脅威も、DeepMindが崩壊していることを証明するものではない。従業員数だけで研究組織の健全性を測ることはできない。退職の重要性は、その人物の役割、チームへの依存関係、後任計画、継続中の業務へのアクセスに左右される。
また、公的な報道では認知度の高い名前が目立ちやすい。見出しには現れなくても、目立たない研究者が不可欠なプロジェクトを担っている場合がある。Googleは複数の著名人材が去った後も、重要なシステムを生み出し続けられる。
したがって、「Google DeepMindからの人材流出」という表現は、研究所が空になったという主張ではなく、文書化された退職の集中を示すものとして使うべきだ。入手可能な証拠は、深刻な人材保持と自律性の課題を裏付けている。ただし、不可逆的な衰退を立証するものではない。
同じ慎重さは、スタートアップの機会にも当てはまる。9月の朝食会は示唆に富むシグナルだが、資金を得た企業のポートフォリオではない。参加者は資金調達について意見を交わしたと報じられている。彼らの計画、チーム構成、製品は依然として不明確だ。
より強い結論は、より限定的である。DeepMindの卒業生ネットワークは、それ自体が投資可能な存在になった。ベンチャーキャピタリストは現在、このネットワークを創業者、技術的仮説、採用面での優位性の源泉と見ている。
このネットワークが次の主要AIプラットフォームを生み出すかどうかは、実行力にかかっている。最終的な勝者は、無駄なく計算資源を確保し、研究を信頼できる製品に変え、資本面での優位性が薄れる前に顧客を見つけなければならない。
VCの賭けが機能しているかを示す三つのシグナル
次の局面は、さらなる退職報道ではなく、企業設立、技術的検証、顧客導入によって測られる。
第一のシグナルは、実際に立ち上がるスタートアップの数と質だ。投資家は、報じられたロンドンのネットワークの参加者が、特定された共同創業者と明確なミッションを持つ企業を発表するかを注視すべきである。
信頼に足る立ち上げには、ステルス状態のウェブサイトと華々しい経歴以上のものが必要だ。どの問題に取り組むのか、なぜそのチームが特異な洞察を持つのか、そしてどの技術的仮定が既存の研究所と自らのアプローチを分けるのかを説明すべきである。
資金調達の発表は、どの仮説が確信を集めるかを明らかにする。投資家シンジケートも重要となる。クラウドプロバイダーや企業投資家はインフラ面での関係を提供できる一方、専門ファンドは技術チームの採用を支援できる。
逆の結果になれば、熱狂という物語は弱まる。議論から生まれる企業が少なければ、この朝食会は協調的な移動ではなく、単なる関心を表していたことになるかもしれない。多くのチームが差別化されたミッションなしに立ち上がれば、資本は洞察ではなく所属を追っている可能性がある。
第二のシグナルは技術的検証だ。Discovery Loopやその他の卒業生主導企業は、焦点を絞った組織が、大規模研究所が見落とした、あるいは優先順位を下げた成果を達成できることを示さなければならない。
科学AIでは、検証はベンチマークの向上だけでなく、有用な実験成果を伴うべきだ。視覚的推論では、空間理解が現実の意思決定に影響する環境で、信頼できる性能を示すべきである。モデル研究では、外部評価によって真の進歩と限定的な実演を区別すべきだ。
この証拠は、一度の劇的なモデル公開として現れる必要はない。研究論文、再現可能な評価、信頼できるパートナーシップ、あるいは利用者が繰り返し使い続けるシステムを通じて示され得る。
検証が欠ければ、懐疑的な見方が強まるだろう。Googleのより広範なシステムなしでは、人材と計算資源へのアクセスだけでは不十分だったことを示す可能性がある。また、見過ごされていた研究方向が根本的な理由から困難だったことを示すかもしれない。
第三のシグナルは、初期製品が持続的な利用者を獲得するかどうかだ。技術デモは投資家を引きつけられるが、スタートアップが事業になるかを決めるのは導入である。
企業の買い手は、導入コスト、信頼性、データの取り扱い、統合要件を注視すべきだ。開発者は、新しいシステムが実際のワークフローを改善するインターフェースやツールを提供するかを見極めるべきである。研究者は、主張される進歩が厳選された事例の外でも再現可能かを検証すべきだ。
顧客導入は、DeepMindの社内制約によって商業的機会が未開拓のまま残されたという見方を強めるだろう。それは、小規模チームが集中した資源を活用し、大規模研究所が優先しなかった市場に対応したことを示す。
導入の弱さは、異なる結論を示すことになる。これらのスタートアップは価値ある研究組織や買収対象であり続ける可能性があるが、現時点では独立したプラットフォーム企業を意味するものではない。
Googleの反応は、この3つのシグナルを結び付ける。Alphabetは退職者が立ち上げたベンチャーに投資し、社内の自律性を拡大し、コンピュートの配分を変更し、あるいはその取り組みが戦略的に重要になった企業を買収することもできる。
また、成功したスタートアップに対し、自社の流通網を活用して対抗することも可能だ。退職者が設立した企業が新しい機能への需要を証明すれば、GoogleはGeminiや他の製品に競合機能を統合するかもしれない。その対応は市場を裏付ける一方で、スタートアップへの圧力を強めることになる。
OpenAIとAnthropicも結果に影響を与える。両社は、DeepMindの研究者が創業者になる前に採用できる。また、確立されたインフラと商業的な関係を活用し、類似の技術領域を追求することも可能だ。
したがって、Google DeepMindからの人材流出は、AIイノベーションがどのように組織化されるのかを測る試金石になりつつある。大規模な研究所はスケール、統合、そして財務的安定性を提供する。ベンチャー資本が支える企業は、権限と所有権の集中を提供する。
開発者、企業の購買担当者、ナレッジワーカーにとって、当面の課題は勝者を選ぶことではない。注目すべきなのは、どのチームが一流の研究経験を、管理されたデモンストレーションの範囲を超えて機能するシステムへと変えられるかだ。
狭い課題を定義し、証拠を公表し、継続的な利用を獲得する創業者を注視すべきだ。そうしたシグナルは、DeepMindを去る人材がAIにおける新たな重心を生み出しているのか、それとも単に資金調達競争を過密化させているだけなのかを明らかにする。
報じられた朝食会は、資金調達に関する問いから始まった。重要なのは、資金が届いた後にこれらの研究者が何を構築できるのか、という問いだ。
