Google DeepMind 人才流失演变为一场风投争夺战

Google DeepMind 失去了多位知名研究人员，如今据报道，至少有 15 名现员工和前员工正讨论如何为下一代 AI 初创公司融资。Google DeepMind 的人才流失已不再是常规人员流动，而正演变为一场在 Alphabet 体系之外寻找资本、算力和独立性的协同行动。

据 Bloomberg 发布的一篇关于伦敦早餐会的报道，该群体于 2026 年 9 月在 Google 英国总部附近会面。他们的讨论转向了资金充裕的硅谷投资者希望押注的业务。这一场景体现了核心转变：DeepMind 曾是人才的目的地，如今其校友网络正日益成为创业机会本身。

这种压力并不只局限于 Google。风投机构必须判断，耀眼的技术履历能否转化为可持续发展的公司。每当研究人员质疑自己在 Alphabet 内部的自主权时，OpenAI 和 Anthropic 就会在招聘上获得筹码。与此同时，创业者必须证明，资本与计算基础设施的获取，能够替代 Google 的分发能力、工程体系和机构知识。

Google DeepMind 的人才流失正在形成创业者网络

重要的变化并非研究人员正在离开，而是离职研究人员如今能够通过同一个校友网络找到联合创始人、投资者和技术信誉。

据报道，这场早餐会在伦敦市中心聚集了 15 名现员工和前员工。讨论据称聚焦于 AI 初创公司的融资，以及投资者希望投入资金的领域。Bloomberg 将这一说法归因于一名参会人士。

一次早餐会并不能证明将有 15 家新公司出现。但它表明，在与 AI 领域最知名实验室之一有关的人群中，创办公司已经成为日常对话的一部分。这一区别很重要，因为创业者网络往往通过反复、非正式的交流发展，而非通过正式的拆分创业项目形成。

DeepMind 提供的不只是知名度。其研究人员参与过强化学习、多模态模型、蛋白质结构预测和大规模模型训练。他们也了解稀缺的计算资源如何在实验、产品和商业优先事项之间分配。

这种经验在 Google 外部变得极具价值。评估一家 AI 初创公司的投资者，必须判断其创始人能否招募研究人员、获得算力、管理大规模训练，并选择足以证明成本合理的问题。DeepMind 校友可以合理地声称，他们直接接触过上述每一项挑战。

校友网络还降低了创办研究型公司的最大风险之一。离职科学家不必从零开始建立每一层关系。前同事可以介绍潜在联合创始人、评估技术主张、推荐早期招聘人选，并解释投资者如何评估前沿研究。

这一模式类似于早期科技公司相关的“黑手党”网络。这个词指的是离开一家有影响力公司、并创办相互关联初创公司的员工群体。不过，DeepMind 版本具有不同的经济基础。

早期软件初创公司通常只需适度的基础设施便可启动。前沿 AI 公司可能在拥有经验证的产品之前，就需要大量算力。因此，它们的创始人会更早依赖风投机构、云服务商、芯片供应商和战略投资者。

这个网络并不止于 9 月的一次聚会。近期离职潮已经为 DeepMind 和 Google 研究人员创造了几个显著去向。一些人加入了成熟的竞争对手；另一些人则围绕科学发现、视觉推理、模型可解释性或替代性训练方法创办公司。

这种流动使员工离职成为一个不断累积的过程。每一家可信的初创公司都会向下一位离职研究人员证明，外部资本是可获得的。每一位获得融资的创始人，也会成为投资者寻找下一支团队时的参照点。

DeepMind 校友创办的公司仍要面对一项基本考验。技术声誉可以带来会面机会，但无法解决产品需求问题。参与构建重要模型的研究人员，并不必然知道哪些客户会购买新系统，或公司能以多快速度为他们提供服务。

研究议程与公司之间的区别依然至关重要。研究奖励新颖成果，而公司必须在成本、可靠性和时间限制下持续交付价值。风险投资可以推迟这种检验，却无法消除它。

对 Google 而言，这个网络带来的留才问题，比单一竞争对手提供更高薪酬要复杂得多。员工如今可以在成熟实验室、上市前公司和创始人角色之间选择。每一条路径都提供不同组合的自主权、财务上行空间和算力获取机会。

因此，这场据报道举行的聚会所代表的不只是对创业的社交兴趣。它表明，Google DeepMind 的人才流失已经形成了自身的支持体系。一旦该体系存在，Google 竞争的对象就不再只是其他雇主，也包括所有权本身的吸引力。

为什么风险投资正在追逐 DeepMind 校友

投资者押注于，实验室经验能够在更广泛市场意识到之前，识别出下一层有价值的 AI 技术。

AI 投资者面临一个棘手问题。可信团队不缺资本，但要区分原创技术方向与现有模型的昂贵变体，仍然很困难。DeepMind 校友为技术筛选提供了一种速记式信号。

这种信号并不能保证成功。不过，它确实告诉投资者，一位创始人通过了严格的招聘筛选，并曾在重要 AI 项目附近工作。这位创始人还可能了解哪些想法在内部失败、哪些瓶颈长期存在，以及哪些被忽视的问题值得再次尝试。

随着资深人员离职使创业看起来可行，这种吸引力进一步增强。8 月，Jeff Dean 在 Google 工作 27 年后离职，与人共同创办 Discovery Loop。Sanjay Ghemawat、Quoc Le 和前 DeepMind 研究人员 Oriol Vinyals 加入了他。

这家新公司的目标是自动化科学实验的部分环节。其系统旨在通过反复循环提出、执行并优化实验。这种方法瞄准的是一个劳动密集型流程，而不是又一个通用聊天机器人。

据有关 Discovery Loop 发布的报道，该公司的首轮融资由 Radical Ventures 和 Khosla Ventures 共同领投。Alphabet 也提供了财务支持，Kleiner Perkins、Lightspeed 和 Doerr Capital 参与其中。

这份投资者名单说明了新的竞争格局。风投机构希望接触拥有构建基础设施和 AI 模型经验的团队。与此同时，Alphabet 可以通过投资前员工创办的公司，维持与他们之间的经济联系。

这种安排让“人才流失”一词变得更为复杂。一次离职可能削弱内部团队，却同时创造一家仍通过资本、云基础设施或未来合作关系与 Alphabet 相连的初创公司。Google 可能失去直接管理控制权，却不会失去所有战略收益。

这也能对冲不确定的研究方向。Alphabet 无需在 DeepMind 内部资助每一个实验性想法，而可以支持经过筛选的外部公司。独立投资者则共同承担成本和风险。

这种解读不应掩盖即时的人才损失。Dean、Ghemawat、Le 和 Vinyals 承载着数十年的技术和组织记忆。替代他们积累的判断力，与填补四个职位并不是一回事。

机构知识包括重要决策背后未被记录的背景信息，涵盖失败的方法、人际信任，以及对不同系统如何相互作用的理解。这些细节很少能通过普通项目文档转移。

对于产品和工程团队而言，这一教训不止适用于 AI 实验室。一套可搜索的知识库可以保存文档和决策，但无法完全复现离职专家的直觉。留才与知识延续仍是两个不同的问题。

投资者实际上正在为这些直觉估值。他们押注于，经验丰富的研究人员能够将隐性知识转化为聚焦的技术论点。他们也预计，创始人的声誉将吸引更多专业人才。

这正是 AI 人才战与风投市场相互强化的地方。大额融资让担任创始人的选择更具现实可行性；成功招聘则让这些融资看起来更有道理。竞争对手随后提高自己的报价，以防止进一步离职。

这一循环的速度可能快于客户采用。投资者可能为多支追逐类似科学智能体、推理模型或专业训练系统的团队提供资金。并非每一个类别都能容纳每一个参与者。

因此，DeepMind 校友创办的公司同时拥有优势和负担。其创始人会立刻获得关注，但预期在产品证据出现前就已到来。一支不那么知名的团队可以低调开发；一支备受瞩目的团队则从一开始就面临证明其融资规模和履历价值的压力。

风投机构还必须判断，拟议中的公司是否拥有可防御的优势。获得优秀人才只是暂时的。竞争对手可以招人，模型可以趋同，基础设施提供商也可以将此前稀缺的能力标准化。

更强的投资逻辑将把技术洞察与可重复解决的客户问题联系起来。它们将解释，为什么一个规模更小的组织能够在不牺牲评估、安全或可靠性的前提下更快行动。它们还会说明，如果更大的实验室追逐相同的想法，公司将如何生存。

因此，当前的热潮所寻找的不只是智力。投资者希望找到了解哪些研究约束源于组织、而非根本技术限制的团队。如果这些创始人的判断正确，独立性便能释放大型实验室无法优先推进的工作。

算力获取颠覆了大型实验室的优势

核心转变在于，尽管科技巨头拥有更多基础设施，离开巨头反而可能让一些研究人员对计算资源拥有更实际的控制权。

Google 设计张量处理单元，运营大型云平台，并在覆盖范围极广的产品中部署 AI。从理论上看，这些资产应使 DeepMind 成为从事高成本研究的最具吸引力场所之一。

总容量并不等同于个人控制权。Google 内部的研究人员需要与旗舰模型训练、Search、云客户和创造收入的服务竞争资源。即便公司拥有庞大的基础设施，一个在技术上有趣的项目也可能失去优先级。

随着模型开发消耗更大规模的集群，这种紧张关系变得更加明显。洛杉矶时报报道称，前 Google 研究人员在解释离职原因时提到了受限的资源获取和内部审批流程。Google 表示，公司遵循严格的流程，在研究与客户和产品需求之间取得平衡。

Andrew Dai，前 Google 研究员，曾描述自己在让模型解读一款桌游时发现了视觉推理方面的弱点。他最终认为，自己无法获得足够的内部算力来推进这一想法。

Dai 离职创办了 Elorian，专注于建筑、汽车应用和机器人等领域的视觉推理。他的经历让算力分配成为这家创业公司故事的核心。

前 DeepMind 研究员 Ioannis Antonoglou 和 Misha Laskin 选择了另一条路径。他们在认定强化学习应被置于不同优先级之后创办了 ReflectionAI。该公司专注于开发开放模型。

Anna Goldie 也离开了 DeepMind，与 Azalia Mirhoseini 共同创办 Ricursive Intelligence。Goldie 表示，外部可获得的计算资源优于 Google 内部向她提供的资源。据报道，这家创业公司在当前这波离职潮之前便已获得大额融资。

这些案例说明，风投机构可以如何与企业级基础设施竞争。获得融资的创业公司能够从多家供应商采购算力，并将其集中用于一个核心方向。其总体资源或许仍然较少，但创始人能够掌控优先事项。

这种自由伴随着财务风险。在公司确立需求之前，算力承诺就可能消耗资金。创业公司也可能依赖于单一云服务商、芯片合作伙伴或战略投资者。

在 Google 内部，研究人员与盈利的母公司共同承担基础设施成本。在外部，每一次实验都会影响创业公司的资金续航。独立性减少了审批层级，却让公司直接暴露于基础设施经济性的风险之下。

这一权衡有助于解释为何投资者偏好经验丰富的团队。管理过大规模实验的创始人应当理解资源利用率、评估成本和失败成本。他们不太可能把原始算力当作研究判断力的替代品。

这也解释了为何定位明确的公司能够挑战覆盖面更广的实验室。一家只专注于视觉推理的创业公司，可以将几乎每一项技术决策都导向这一问题。DeepMind 则必须在 Gemini、科学项目、消费者功能、开发者产品和长期研究之间取得平衡。

当项目需要分发能力时，创业公司的优势便会减弱。Google 可以将 AI 嵌入 Search、Android、Workspace 和 Cloud。新公司则必须获取客户，并与自己无法控制的系统完成集成。

因此，可能的竞争并不只是小公司与大公司的对抗，而是聚焦的控制力与一体化规模之间的较量。创业公司能够集中人才和资本，而 Google 可以将模型连接到基础设施和现有需求。

这正是 Google DeepMind 人才外流背后的主要机制。研究人员离开未必是因为外部机构拥有更多总算力。有些人离开，是因为创业融资让他们对现有算力如何使用拥有更大的决策权。

这一差异改变了留才问题的性质。如果员工希望掌控研究议程，仅仅匹配薪酬可能并不够。即使提供更多芯片，如果使用权限仍取决于研究人员上方数层管理者设定的优先级，也可能无法奏效。

Google 必须决定，在不瓦解最重要 AI 项目的前提下，能够下放多大程度的自主权。投资者押注于该公司无法容纳每一个有价值的技术方向。DeepMind 校友正在这一空隙中创办公司。

AI 人才战并不保证创业公司胜出

知名实验室能够培养出可信的创始人，但风险投资的热情无法回答这些公司是否能打造可持续产品。

看涨逻辑始于人才集中。DeepMind 汇聚了参与高影响力系统和艰深科学问题研究的研究人员。当这些人组成小型团队时，他们能够摆脱大型组织的协调成本而快速行动。

怀疑论也始于同一事实。创业投资者可能高估机构背景，因为这很容易识别。知名雇主可能成为产品洞察力、领导能力或商业需求的替代指标。

这些品质彼此相关，但并不能互相替代。科学家可以擅长模型研究，却未必喜欢客户发现、招聘、销售或运营管理。优秀论文可以吸引关注，却不代表已经形成有用的产品。

资本环境能够掩盖这些差异。一家资金充裕的公司可以快速招聘、购置基础设施，并在较长时间内持续开发。即使商业论点尚未明确，这种进展看上去也可能令人印象深刻。

投资者还面临逆向选择问题。最受瞩目的研究人员可以在多家机构之间谈判有利条款。风投基金为了获得机会，可能接受高估值或更偏向创始人的架构，从而留下更小的容错空间。

投资者之间的竞争可能鼓励过早成立公司。有趣想法的研究人员可能因为市场反应积极而感到必须立即融资。然而，这个想法或许更适合作为研究项目、授权机会，或现有公司内部的产品。

技术重叠带来另一种风险。科学智能体、多模态推理、强化学习和模型解释都是宽泛类别。多支团队可以提出不同方法，却依然在争夺同一批有限客户。

AI 人才战还会将专业能力分散到各家公司，却不一定增加经验丰富研究人员的供给。每一家新实验室都需要基础设施工程师、评估人员、产品经理和安全专家。快速成立公司可能会将稀缺人才分散到过多项目中。

Google 的处境比离职新闻标题所暗示的更强。它仍保有庞大的研究团队、专有基础设施、全球产品和可观营收。该公司可以招聘替代人才、收购创业公司、投资前员工，或采纳在外部开发的想法。

Google 表示，科技公司之间的人才流动很正常，并且仍专注于吸引与 DeepMind 使命一致的人才。报道还显示，该公司已通过薪酬和股权奖励来应对留才压力。

这种应对方式需要放在具体背景中看待。薪酬可以阻止员工跳槽到直接竞争对手，特别是在岗位职责保持相似时。但对于能够提供控制权、所有权以及自主选择研究问题机会的创始人角色，它的作用较为有限。

这些离职也发生在组织和竞争压力之下。Noam Shazeer 于 2026 年 6 月离开 Google 加入 OpenAI。因 AlphaFold 相关工作共同获得 2024 年诺贝尔化学奖的 John Jumper 则离职加入 Anthropic。

据报道，Jonas Adler 和 Alexander Pritzel 在参与 Gemini 项目后也转向 Anthropic。这些转移不同于创办创业公司，因为研究人员加入的是拥有自身大规模算力项目的成熟竞争对手。

这给 Google 带来了两种不同威胁。竞争实验室可以吸收人才，并立即运用他们的专业知识。新创业公司成熟所需时间更长，但可能开辟出之后与 Google 竞争的技术类别。

两种威胁都不能证明 DeepMind 正在崩溃。仅凭员工数量无法衡量研究机构的健康状况。一次离职的重要性取决于该人员的角色、团队依赖关系、替代方案以及对持续项目的接触程度。

公开报道也更偏向于知名人物。关注度较低的研究人员可能承担着关键项目，却不会出现在新闻标题中。即使多位重要人物离开后，Google 仍然可以持续产出重要系统。

因此，Google DeepMind 人才外流这一说法应描述已被记录的离职集中现象，而非声称该实验室已经被掏空。现有证据支持其面临严峻的留才和自主权挑战，但并不能证明其出现不可逆转的衰退。

同样的谨慎也适用于创业机会。9 月的早餐会是一个具有启发性的信号，但并非一组已获融资公司的投资组合。据报道，参与者交流了融资想法。他们的计划、团队结构和产品仍不明确。

更有力的结论是：DeepMind 的校友网络本身已具备投资价值。风险投资人现在将这一网络视为创始人、技术命题和招聘优势的来源。

这一网络能否孕育出下一个重要 AI 平台，取决于执行力。最终胜出的公司必须在不浪费算力的情况下获得算力，将研究转化为可靠产品，并在资本优势消退前找到客户。

三个信号将显示 VC 押注是否奏效

下一阶段将由公司成立、技术验证和客户采用来衡量，而不是又一轮离职新闻标题。

第一个信号是实际成立的创业公司的数量和质量。投资者应关注，报道所述伦敦网络中的参与者是否会宣布拥有明确联合创始人和具体使命的公司。

一次可信的创业发布需要的不只是隐身模式网站和耀眼履历。它应说明正在解决的问题、团队为何拥有非同寻常的洞察力，以及哪项技术假设使其路径有别于现有实验室。

融资公告将揭示哪些技术命题真正获得了信心。投资者联合体也同样重要。云服务商和企业投资者可以提供基础设施关系，而专业基金则可以协助招募技术团队。

相反的结果会削弱这股热潮的叙事。如果讨论只催生出少数公司，这场早餐会或许代表的是好奇，而非协调一致的人才迁移。如果许多团队在没有差异化使命的情况下启动，资本可能是在追逐机构背景，而不是洞察力。

第二个信号是技术验证。Discovery Loop 和其他由校友领导的公司必须证明，聚焦型组织能够取得被大型实验室忽视或降级处理的成果。

对于科学 AI，验证应涉及有用的实验结果，而不仅仅是基准测试分数的提升。对于视觉推理，它应当展示在空间理解会影响实际决策的环境中具有可靠表现。对于模型研究，外部评估应将真正的进展与狭窄的演示区分开来。

这些证据不必通过一次引人注目的模型发布而出现。它可以通过研究论文、可重复的评估、可信的合作关系，或用户持续回访的系统逐渐显现。

缺乏验证将加强怀疑论的论点。这将表明，没有 Google 更广泛系统的支撑，仅有人才和算力还不够。它也可能说明，被忽视的研究方向因根本性原因而难以推进。

第三个信号是早期产品能否获得稳定用户。技术演示可以吸引投资者，但用户采用决定一家创业公司能否成为真正的企业。

企业买家应关注部署成本、可靠性、数据处理和集成要求。开发者应关注新系统是否提供能够改善真实工作流的接口和工具。研究人员应检验所谓进展在经过筛选的示例之外是否仍然可复现。

客户采用将加强这样一种判断：DeepMind 的内部限制让一些商业机会未被探索。它将证明，小型团队利用集中资源服务了大型实验室未曾优先考虑的市场。

采用率疲弱则会指向另一种结论。这些初创公司或许仍会是有价值的研究机构或收购目标，但尚不能算作独立的平台型公司。

Google 的应对将把这三个信号串联起来。Alphabet 可以投资离职员工创办的公司、扩大内部自主权、调整算力分配，或收购其工作变得具有战略重要性的企业。

它也可以利用自身分发能力回应成功的初创公司。如果一家由离职员工创办的公司证明市场对某项新能力存在需求，Google 可能会将竞争性功能整合进 Gemini 或其他产品。这种回应会验证市场，同时加大初创公司的压力。

OpenAI 和 Anthropic 同样会影响结果。两家公司都可以在 DeepMind 研究人员成为创始人之前将其招募。它们也可以凭借既有基础设施和商业关系，布局相似的技术领域。

因此，Google DeepMind 的人才外流正成为 AI 创新组织方式的一场考验。大型实验室提供规模、整合能力和财务稳定性；风投支持的公司则提供更集中的决策权与所有权。

对开发者、企业采购者和知识工作者而言，眼下的任务并不是选边站队，而是追踪哪些团队能将顶尖研究经验转化为超越受控演示环境、真正可用的系统。

关注那些明确界定狭窄问题、发布证据并获得持续使用的创始人。这些信号将揭示，DeepMind 离职人才究竟是在打造新的 AI 重心，还是仅仅推动了一轮拥挤的融资周期。

据报道，那场早餐会始于一个关于融资的问题。真正关键的问题是：这些研究人员在资金到位后，能够构建出什么。