Google 重塑 DeepMind 领导层，将 Gemini 的执行置于首位

尽管 Gemini 保持强劲增长，Google 仍调整了其 AI 指挥架构，在科学雄心与推出有竞争力产品的压力之间形成了鲜明张力。

Demis Hassabis 已将 Google DeepMind 的日常管理权移交给长期同事 Koray Kavukcuoglu。Hassabis 将担任该实验室主席及 Alphabet 首席科学家，同时继续领导药物研发公司 Isomorphic Labs。

这项变动远不只是象征性的晋升。Kavukcuoglu 现负责 Gemini 模型开发、前沿研究，以及服务消费者和开发者的团队。他将直接向 Alphabet CEO Sundar Pichai 汇报。

这则 Google 新闻也伴随着另一位重要人物的离开。Google 前首席科学家、最具影响力的工程师之一 Jeff Dean 在任职 27 年后即将离职。他将与 Sanjay Ghemawat 创办一家独立研究公司，Google 将担任投资者和云服务合作伙伴。

Google 将这次重组描述为对两项紧迫工作的分工。Hassabis 可以专注于通用人工智能，即 AGI；Kavukcuoglu 则聚焦于交付 Google 的模型与产品路线图。

更严峻的解读则关乎执行力。Google 拥有庞大的分发渠道、自研芯片、云基础设施，以及月活用户接近十亿的 Gemini 应用。它如今必须证明，这些优势能够以可靠的节奏产出前沿模型。

OpenAI 和 Anthropic 仍是最核心的竞争参照对象。两家公司可以围绕更聚焦的 AI 使命展开组织，而 Google 则必须协调研究、基础设施、Search、Cloud、Workspace、Android 和消费者产品。

因此，这次领导层调整构成了一场可衡量的考验。就在研究与产品交付之间的区别变得最重要之际，Google 正将长期科学引领与运营控制分离开来。

Google 在 DeepMind 内部做了哪些调整

Google 已将运营权力进一步交给负责把 Gemini 研究转化为产品的团队。

根据这份领导层公告，Hassabis 将担任 Google DeepMind 主席和 Alphabet 首席科学家。他将在模型与研究团队中担任顾问，并与 Pichai 共同处理战略性和全球性的 AGI 问题。

Kavukcuoglu 将担任 Google DeepMind 高级副总裁。他的职责包括 Gemini 模型开发、前沿 AI 研究、Gemini app 以及开发者团队。他仍将保留 Google 首席 AI 架构师的职位。

这组职责的重要性，超过 CEO 与高级副总裁这两个头衔之间的差异。Kavukcuoglu 现在掌控了连接模型研究、开发者接入和消费者分发的大部分路径。

他还将直接向 Pichai 汇报。这一汇报关系使 Google DeepMind 的执行工作更贴近 Alphabet 首席执行官及其全公司的优先事项。

Hassabis 将这次过渡描述为自己主动放弃日常运营职责的决定。他表示，AGI 似乎“近在眼前”，并认为自己需要时间思考其科学和社会影响。

该公司尚未独立证实人类水平的 AGI 已经临近。这一说法揭示的是 Hassabis 的判断依据，而非外部人士能够验证的技术预测。

Hassabis 也将投入更多时间于 Isomorphic Labs。这家 Alphabet 公司将 AI 应用于药物发现，延续了与 DeepMind AlphaFold 工作相关的科学方向。

Kavukcuoglu 的任命体现的是延续性，而非从外部进行重置。他已在 DeepMind 工作 13 年，并曾帮助领导 WaveNet 和深度 Q 网络（通常称为 DQN）背后的研究。

WaveNet 是一种最初为生成音频波形而开发的神经网络架构。DQN 将深度学习与强化学习结合，使系统通过奖励和反复交互改进决策。

最近，Kavukcuoglu 担任了连接 Google 研究和产品团队的更广泛角色。Google 于 2025 年任命他为首席 AI 架构师，当时他仍是 DeepMind 首席技术官。

他的升任表明，Google 希望在不改变实验室技术文化的前提下，强化运营责任归属。这也让 Pichai 在整个 Gemini 路线图上拥有一位直接对应的高级管理者。

Jeff Dean 的离开令这次过渡更具影响。他和 Ghemawat 曾帮助打造支撑 Google Search 以及后来全公司机器学习系统的基础设施。

他们新成立的公益公司将致力于机器学习、科学、工程和计算基础设施领域的发现。Google 表示将成为创始投资者和云服务合作伙伴。

根据领导层报道，Oriol Vinyals 和 Quoc Le 也将加入这家新公司。两人都曾在 Google 的现代 AI 开发中担任重要角色。

Google 表示，Dean 的离职与 Hassabis 的角色调整虽同时公布，但彼此并无关联。即便如此，两者的时机仍令外界更加关注继任安排、研究人才留存和机构控制。

眼前的事实很直接。Google 已指定一名管理者负责 Gemini 的交付，同时让两位备受赞誉的科学家离开此前的运营岗位。

这种安排构成了本文的核心张力。更清晰的指挥链可以改善交付，但人员离开也可能削弱为未来产品提供支撑的研究网络。

为什么这则 Google 新闻此刻重要

此次重组发生在商业势头正盛之时，因此它更像是对组织速度的考验，而非对业务崩溃的回应。

Google 表示，Gemini app 的月活跃用户已超过 9.5 亿。根据 Alphabet 的季度更新，其日活跃使用量在过去一年增长了两倍。

该公司还表示，其第一方模型 API 每分钟处理约 220 亿个 token。token 是 AI 模型处理的一小段文本或代码单位。

这些数据表明，Google 已在极大规模上运行 AI。但它们并不能说明 Gemini 是否在模型质量、开发者忠诚度或复杂专业任务方面领先竞争对手。

Google 还表示，Gemma 模型的下载量已超过 9 亿次。Gemma 是 Google 面向希望更好掌控部署和定制的开发者推出的一系列模型。

分发能力为 Google 提供了多条触达用户的路径。它可以将 Gemini 功能植入 Search、Android、Workspace、Chrome、Cloud 和独立的 Gemini app。

这种优势改变了竞争问题。Google 不必从零开始建立受众，但必须持续改进呈现在这些受众面前的模型。

延迟或不稳定的模型更新周期会同时影响多项业务。开发者可能迁移工作负载，企业可能重新考虑合同，消费者则可能围绕竞争对手的助手形成使用习惯。

OpenAI 和 Anthropic 通过模型发布、编程工具、应用界面和企业采用施加压力。每次新发布都会成为 Gemini 的又一个比较基准。

Google 否认领导层变动源于模型发布延迟的说法。其公开解释强调，需要加快开发速度，同时给予 Hassabis 更多空间专注于 AGI 和科学。

这两种解释都可能成立。一家公司可以为长期研究设立角色，同时也收紧近期交付的责任归属。

Pichai 自己的表述指向了紧迫感。他说，Google 必须加快工作节奏，持续聚焦 AI 前沿，并在落后的领域有所提升。

Kavukcuoglu 同样强调 Gemini 路线图和以更高速度运营。这一措辞将产品迭代节奏置于其职责的核心。

在竞争要求更快协调时，Google 过去也曾采用组织整合。2023 年，它将 DeepMind 与 Google Brain 合并为由 Hassabis 领导的一个部门。

这次2023 年整合旨在让研究团队围绕强大且负责任的通用 AI 系统形成合力，也将显著的技术传统纳入同一组织。

三年后，挑战已转移至下游。Google 拥有雄厚的研究、基础设施和分发能力，但这些资产必须作为一套可重复运行的产品体系协同运作。

领导层调整表明，合并研究团队并不是最终的组织答案。Google 现在正区分科学方向与产品交付责任。

这正是为何它不只是例行的管理层 Google 新闻。公司是在取得规模之后，而非在达到规模之前，调整 AI 执行权的掌控者。

开发者应当关注，因为领导结构会影响发布时间、API 稳定性和模型优先级。企业买家则应观察 Cloud 与 Gemini 产品之间的责任归属是否变得更加清晰。

知识工作者应关注产品表现，而不是头衔。真正有用的证据将来自可靠性、集成能力、隐私控制和日常结果的质量。

Google 面临的挑战，是将其既有用户基础转化为持续偏好。用户通过 Search 接触 Gemini，并不意味着他们会自动选择它用于编程或商业分析。

同样的区别也适用于开发者需求。高 token 处理量反映了活跃度，但并不能揭示工作负载的复杂性、留存率或服务这些请求的经济性。

Kavukcuoglu 接手的是一个覆盖范围已获验证、竞争问题尚未解决的体系。这使他的任务比 Hassabis 的科学使命更聚焦，但同样充满挑战。

真正的竞争在于研究与发布纪律

Google 的主要对手并非某一家公司，而是其研究深度与按时交付产品能力之间的差距。

OpenAI 和 Anthropic 使这场竞争更加鲜明，因为它们的发布构成了可见的基准。然而，Google 的核心问题仍是如何在规模大得多的团队和业务集合之间实现内部协调。

Google 曾帮助创造支撑现代生成式 AI 的基础技术。其研究人员对 transformer、强化学习、大规模计算以及该领域广泛使用的系统均有贡献。

这段历史并不保证当下的领先地位。AI 买家通常评估当前性能、可靠性、集成能力和支持服务，而不会因为早期发现而给予长期信用。

Google 的全栈布局赋予它不同寻常的控制力。它设计张量处理单元，运营数据中心，训练模型，销售云服务，并将应用分发给全球受众。

全栈可以降低对外部供应商的依赖，并使优化更容易。但它也可能增加参与每一项重要决策的团队数量。

一次模型发布会影响基础设施容量、Search 质量、安全审查、Cloud 承诺、广告产品、消费者应用和监管风险。每一项关联都会带来价值，也带来协调成本。

OpenAI 和 Anthropic 同样面临复杂的基础设施与安全选择。然而，它们的组织更直接地围绕构建和商业化 AI 模型展开。

Google 必须在改变用户获取信息和完成工作的方式时，保护其成熟业务。其 AI 产品可以强化这些业务，但也可能改变既有的经济模式和用户行为。

这使得发布纪律尤为重要。Google 需要明确谁有权决定哪些模型发布、哪些功能获得算力，以及研究成果如何转化为可靠、面向客户的软件。

Kavukcuoglu 的新职责范围似乎正是为此而设计。他负责模型开发，同时统管将这些模型呈现给用户的应用和开发者组织。

这一架构应能缩短反馈回路。开发者发现的性能问题无需跨越不同高管链条，便可传达至模型领导层。

它还可以让评估与产品要求保持一致。一款模型即使在基准测试中得分出色，仍可能在延迟、成本、工具使用或稳定遵循指令方面遇到困难。

这些实际限制决定了采用情况。编程团队需要能够浏览代码仓库、安全使用工具，并产出经得起审查的改动的模型。

企业客户需要可预测的行为、安全控制、数据治理和服务可用性。消费者用户则需要相关的答案，而不是每次发布后都面对令人困惑的变化。

研究领导层与产品领导层有时会奖励不同的行为。科学家可以多年探索不确定的方向，而运营团队则需围绕发布进度和客户承诺开展工作。

Hassabis 的新角色正式明确了这种区别。他可以专注于 AGI、科学应用和战略问题，而不必负责 Gemini 内部的每一项运营决策。

风险在于碎片化。如果产品期限占据主导，长期研究可能失去影响力；而如果战略工作与实际业务过于脱节，产品团队也可能失去方向。

Google 表示，Hassabis 将继续与 Kavukcuoglu 及其他 DeepMind 领导者保持密切联系。仅凭此次公告，尚无法衡量这种关系的有效性。

只有在权责始终明确的情况下，这一架构才能成功。主席兼首席科学家的建议必须补充运营负责人的工作，而非形成第二条审批渠道。

Dean 的离开带来了另一项考验。他的新公司为知名研究人员提供了一个较小的平台，让他们能在上市公司眼前的财务优先事项之外进行科学探索。

他告诉 The New York Times，独立组织可以做出并非总是服务于公司狭隘财务利益的选择。这与 Google 整合式产品使命形成了有意义的对比。

Google 对这家新企业的投资缓和了双方的分离。它在让研究人员拥有更多组织自由度的同时，保留了商业和技术关系。

不过，合作关系并不能完全替代内部专长。公司内部的研究人员会影响招聘、技术判断、架构选择和非正式协作。

Google 必须证明，保留下来的组织能够维持这些职能。几次成功的发布将比有关延续性的安抚更有说服力。

因此，竞争问题并不在于 Google 是否拥有足够资源。显然，它拥有。问题在于，其新架构能否将资源转化为及时、协调一致的发布。

这场领导层变动并不能证明什么

高管重组无法证明 Gemini 已经落后，强劲的使用量也无法证明 Google 的 AI 战略已经胜出。

外界观察人士将这些变化与模型延迟、研究人员离职，以及来自 OpenAI 和 Anthropic 的竞争联系起来。Google 并未接受这种解释。

这种分歧应当保持可见。领导层公告揭示了被分配的职责和公开表述的优先事项，却很少披露所有内部原因。

Hassabis 的调动可以合理地被理解为既是晋升，也是退出运营。他获得了覆盖整个 Alphabet 的科学职务，同时交出了日常直接控制权。

主席这一头衔也保留了他的组织权威。然而，如今掌管运营路线图并直接向 Pichai 汇报的是 Kavukcuoglu，而非 Hassabis。

一些员工可能会将这种区别解读为 DeepMind 独立性的削弱。Google 最初收购 DeepMind 时，它是一家具有鲜明身份和宏大科学使命的研究实验室。

2023 年与 Google Brain 的合并，已使这一身份与 Google 的产品需求更紧密地绑定。新的汇报架构延续了这一整合。

不过，更深度的整合并不必然削弱研究。它可以为科学家提供更多算力、更广泛的数据集、更快的部署，以及来自真实用户的反馈。

这种取舍取决于资源分配和决策权。这些细节尚未公开，职位头衔只能提供部分视角。

同样的谨慎也适用于 Hassabis 关于 AGI 的理由。AGI 通常指能够以人类水平或更高能力完成广泛智力任务的系统。

研究人员并没有一个公认的标准来判定何时达到这一门槛。Hassabis 认为 AGI 已近在眼前，仍是一项战略判断，而非已得到验证的里程碑。

他的科学履历使这一观点更具影响力。Hassabis 与 John Jumper 因使用 AlphaFold 进行蛋白质结构预测，共同获得了 2024 年诺贝尔化学奖 的部分荣誉。

这一成就证明了持续科学工作的价值。它并不能确立通用智能的时间表，也不能保证同一种管理模式适合消费级 AI。

Google 的使用数据也需要谨慎解读。月活跃用户统计的是一个月内访问过服务的人数，但这一指标并不说明使用深度。

一位只打开过一次 Gemini 的用户，与一位每天依赖它开展工作的专业人士，都可能计入同一个总数。公开数据并未揭示按任务划分的留存情况或竞争性迁移。

API token 量也有类似局限。它记录处理活动，却无法反映每次请求的收入、推理成本、客户集中度或满意度。

这些缺口很重要，因为 Google 的竞争地位横跨多个市场。它可能在消费者覆盖面上领先，却在编程或企业工作流中面临更严峻的比较。

股市的即时反应提供的证据有限。据当时报道，Alphabet 股价在公告发布后下跌逾 4%。

单日波动无法分离出市场对 Hassabis、Dean、模型发布时间或更广泛市场环境的担忧。投资者往往会同时重新评估多个信号。

人才留存构成更持久的风险。Dean、Ghemawat、Vinyals 和 Le 带走了能够吸引其他研究人员的知识和声誉。

Google 曾多次消化重大人才流失，同时持续产出重要技术。其规模赋予它深厚的招聘基础和广泛的内部专长。

当前这批人员的变动仍然重要，因为 AI 领导力依赖于网络，而不仅仅是人头数量。资深研究人员常常连接不同团队，并化解组织架构图无法呈现的分歧。

因此，Kavukcuoglu 必须在交付产品的同时，维护孕育未来创意的环境。若只为下一代模型进行优化，将削弱更长周期的发展。

相反的失败同样可能发生。保护过多探索性项目，可能会将算力、管理注意力和工程能力分散到不确定的押注之中。

Google 尚未披露新组织将如何分配这些资源。这一缺失的机制，是避免断言此次重组成功或失败的最有力理由。

更负责任的判断应当更为收窄。Google 已明确运营责任归属，但在发布、采用和留存提供证据之前，其益处仍未得到验证。

开发者和企业采购方需要的是结果，而非头衔

实际影响将体现在模型可靠性、发布节奏、开发者工具，以及与 Google 现有产品之间的整合上。

开发者首先会注意到，Gemini 的发布是否带来稳定的接口和清晰的迁移路径。如果每次更新都带来不必要的实施工作，组织速度就没有多大价值。

他们还会比较模型的工具使用能力。工具使用让模型能够调用软件、搜索获批来源、执行工作流，或与外部系统交互。

可靠的工具使用对编程代理和业务自动化至关重要。模型必须选择合适的操作、处理失败情况，并避免未经授权地更改数据。

Google 在此具备优势，因为它控制着 Cloud 基础设施和许多广泛使用的应用。Gemini 可以连接 Workspace、Search、Android 和企业数据系统。

这些连接也增加了风险。能够读取文档或修改业务记录的助手，需要谨慎的权限设置、日志记录和管理控制。

企业采购方应关注，Google 是否会在这些界面上提供统一、连贯的治理模式。碎片化的设置可能会将技术能力变成运营负担。

采购团队还会审查模型在不同地区和云配置中的可用性。一项迅速触达消费者的发布，可能需要更长时间才能满足受监管行业的要求。

Google 的新汇报关系有助于协调这些要求。Kavukcuoglu 可以在统一授权下，将模型优先事项与开发者和应用团队连接起来。

更艰难的任务在于决定哪些内容不应发布。AI 公司面临快速推出新功能的压力，但不成熟的行为可能损害客户信心。

Hassabis 的战略角色或可起到制衡作用，让安全与长期研究始终贴近 Alphabet 的领导层。这一益处取决于分歧如何解决。

知识工作者应预期，在 AGI 变得相关之前，这次过渡就会影响日常任务。搜索综合、文档起草、会议分析和软件辅助是当前的直接战场。

这些用户需要基于其真实信息的准确输出。当模型缺乏证据或访问权限时，他们也需要清晰的提示。

对组织而言，AI 质量日益取决于工具与内部知识协同工作的效果。没有适当的数据、上下文和权限，再强大的模型也无法回答公司特定的问题。

这意味着模型排名只能讲述采用故事的一部分。整合设计和信息质量往往决定员工是否信任一名助手。

Google 通过其服务，能够大量接触工作场景和消费者场景。它必须以透明的控制措施来使用这一位置，而非假定分发能力天然保证信任。

OpenAI 和 Anthropic 通过提供可跨越软件环境使用的替代方案施加压力。它们相对独立的地位，可能吸引寻求平台外灵活性的客户。

Google 可以通过更紧密的原生整合作出回应。代价是，采购方可能会担心平台集中、迁移成本或政策变化。

领导层重组并未解决这一选择。它只是更明确地将 Google 在这场竞争中的责任交到 Kavukcuoglu 手中。

产品经理应关注 Gemini 功能是否会围绕共享能力趋于一致。如果在不同应用中反复重建类似功能，则表明内部协调仍不完整。

工程师应关注文档质量，以及不同模型变体之间的行为一致性。突如其来的差异会增加测试工作，并削弱对生产部署的信心。

安全负责人应聚焦于权限边界和可审计性。这些因素比有关接近 AGI 的宽泛主张更重要。

研究人员则会关注不同的信号：Google 是否会继续发表有影响力的研究成果，并为团队留出探索不确定想法的空间。

如果可见的研究活动减少，将印证外界对产品紧迫性挤压探索空间的担忧。若强劲的研究成果与更快的发布节奏并存，则将证明这种职责划分是合理的。

这一新架构要求 Google 同时实现两种结果。Kavukcuoglu 必须提升交付能力，而 Hassabis 则要守护更长远的科学视野。

这是一项要求极高的组织设计，但与 Google 的特殊处境相符。很少有竞争对手需要同时统筹前沿研究、全球产品、云客户以及成熟的广告业务。

三个信号将决定此次重组是否奏效

下一轮评判应基于 Gemini 的发布情况、研究人员留任情况，以及产品是否获得持续使用的证据。

第一个信号是 Google 下一代重要 Gemini 模型的发布时间和质量。Hassabis 明确提及了 Gemini 4 的相关工作，而 Pichai 则指向即将推出的产品。

如果能够及时发布，并在编程、推理和工具使用方面具备竞争力，将进一步证明更清晰的运营归属是正确的。反复延期或上线范围不均衡，则会削弱这一论点。

仅靠基准测试无法回答这个问题。独立测试、开发者体验、延迟和可靠性将揭示模型能否在受控演示之外正常发挥作用。

第二个信号是未来数月的人才流动情况。Dean 的创业项目已经吸引了多位备受尊敬的 Google 研究人员，这也引发了外界对更多人才离职的疑问。

Kavukcuoglu 之下的领导团队若能保持稳定，说明这次过渡保住了团队信心。若又出现一批高级人员离职，则表明重组带来了更深层的不确定性。

招聘同样重要。如果 Google 能继续吸引能够连接模型科学与大规模产品的研究人员和工程师，便可抵消人员流失的影响。

第三个信号是持续采用，而非吸引眼球的覆盖规模。Google 应提供证据，证明 Gemini 不断扩大的受众群体正在围绕有实际意义的任务高频使用该产品。

日常参与度、开发者留存率、企业工作负载增长，以及付费部署的扩张，都将增强 Google 的论据。若月活总数增加但参与度停滞，则会削弱这一论点。

这些指标应结合起来考量。缺乏稳定人才的强大模型可能难以持续复现，而没有用户采用的大型团队则可能消耗资源，却无法创造持久价值。

Google 的全栈能力使其有空间从个别挫折中恢复。它可以资助研究、在定制基础设施上训练模型，并通过人们已经在使用的产品分发改进成果。

这种缓冲也提高了外界的预期。拥有这些资产的组织，不能将执行不一致简单归因于算力、用户或市场准入的不足。

核心变化如今已经很清晰。Hassabis 创建并领导了后来成为 Google AI 引擎的实验室，但随着产品执行要求日益提高，日常控制权已经发生转移。

Kavukcuoglu 的任命并未抹去 Hassabis 的影响力。它将影响力与运营问责区分开来，并将后者置于更接近 Pichai 的位置。

如果两位领导者拥有明确不同的权力范围，并共享技术方向，这种划分可以奏效。若战略建议与产品期限反复发生冲突，则可能失败。

因此，关注 Google 新闻的读者应忽略最容易形成的叙事。这既不是崩溃的证据，也不意味着由晋升推动的加速必然会发生。

这是在大规模采用和激烈竞争时期作出的一场受控组织押注。Google 相信，高层的专业化分工将帮助其在不牺牲科学雄心的前提下加快步伐。

接下来的发布将公开检验这一判断。开发者可以比较模型表现，企业可以评估生产就绪程度，研究人员则可以判断科学深度是否依然完好。

关注这些结果，而不是围绕新头衔的仪式。如果 Gemini 能稳定发布，同时 Google 留住人才并加深日常使用，此次重组将显得纪律严明。

如果发布延期、高级研究人员离职，或用户参与仍然浅薄，同一项变革就会像一个早期预警信号。在作出下一项 AI 承诺之前，贵组织将追踪哪些证据？