Google 的 AI 重组考验 DeepMind 的新指挥链

在经历数月的模型延期、高管离职，以及来自 OpenAI 和 Anthropic 日益增强的压力后，Google 调整了其 AI 指挥架构。最新的 Google 新闻并不只是 Demis Hassabis 获得了新头衔，而是 Gemini 的日常决策权如今更直接地靠近 Alphabet CEO Sundar Pichai。

此前担任 Google DeepMind 首席技术官的 Koray Kavukcuoglu，将以高级副总裁身份接管该部门的运营控制权。Hassabis 则出任 Google DeepMind 董事长和 Alphabet 首席科学家。他将专注于更长期的研究、通用人工智能，以及能力不断增强的系统可能带来的科学影响。

与此同时，Google 资深科学家 Jeff Dean 将与 Sanjay Ghemawat、Oriol Vinyals 和 Quoc Le 一同离职，创办 Discovery Loop。Google 计划投资这家新公司，并继续作为其云服务合作伙伴。这一安排缓和了双方的分离，但并未消除失去四位对 Google 技术史有深远影响的研究人员所带来的影响。

核心矛盾如今已很清晰。Google 仍希望 DeepMind 推进雄心勃勃的科学研究，但 Gemini 还必须在编程、企业软件、搜索和消费者助手领域展开竞争。这次重组更明确地分离了这两项使命，并让执行团队拥有一条通向 Pichai 的更短汇报链路。

Google 在其 AI 组织内部做了哪些调整

Google 将科学领导权与交付其最重要商业 AI 产品的责任分开。

自 Google 在 2023 年合并 DeepMind 和 Google Brain 以来，Hassabis 一直领导 Google DeepMind。这次合并将前沿研究、核心模型开发以及公司 AI 战略的大部分职能置于同一个组织之下，也让 Hassabis 同时承担长期科学目标与 Gemini 面临的即时需求。

新架构收窄了这一职责范围。Hassabis 仍以 Google DeepMind 董事长身份保有影响力，并成为 Alphabet 首位首席科学家。不过，Kavukcuoglu 现在负责监督 AI 研究、模型开发、Gemini 产品和开发者服务团队。

Kavukcuoglu 还保留了 Alphabet 首席 AI 架构师这一更广泛的职务。该职位要求他协调各业务部门的 AI 基础设施、模型和部署工作。因此，他的职权延伸至研究实验室之外。

据 Reuters 报道的这次高管重组，Google 联合创始人 Sergey Brin 也更深度参与了公司的 AI 方向。报道称，Brin 推动了递归自我改进，即由 AI 系统帮助改进用于构建后续系统的工具、实验或模型的过程。

这一概念听上去颇具戏剧性，但其实际形式更容易理解。模型可以提出代码修改建议、设计评估方案、分析失败的实验，或帮助研究人员确定下一轮训练的优先级。每项任务都可以缩短开发周期，而无需 AI 系统在没有人类控制的情况下自行重新设计。

Google 已经探索过这种方法的部分应用。其研究系统曾寻找更优算法、优化计算流程，并支持科学发现。战略问题在于，这些方法能否在生产环境下持续改进 Gemini 的开发。

Brin 并不需要一个运营头衔才会产生影响。他仍是 Google 联合创始人、Alphabet 董事，并持有大量投票权。即便正式管理仍由 Pichai 负责，他的参与也可以改变关注重点和资源配置。

因此，此次重组形成了三个不同的影响力中心。Pichai 控制公司优先事项和资源分配。Kavukcuoglu 负责模型与产品的执行。Hassabis 则聚焦更长期的科学研究以及通往通用人工智能（AGI）的路径；AGI 指的是在多种认知任务中具备广泛能力的系统。

这种分工可以减轻管理负荷，但也可能引发围绕算力、研究优先级、安全审查和发布时间的争议。只有当这三个中心就 Gemini 最需要优先交付什么达成一致时，这一组织才能有效运转。

Jeff Dean 的离职令这场转型更具分量。Dean 于 1999 年加入 Google，并参与塑造了支持搜索、广告、分布式计算和机器学习的系统。Ghemawat 则与他共同参与了基础设施建设，其中包括影响现代数据处理的系统。

Vinyals 在语言模型和 Gemini 中发挥了重要作用，而 Le 帮助创立了 Google Brain。据报道，他们的新公司 Discovery Loop 打算利用机器学习来自动化部分科学实验工作。

Google 决定投资 Discovery Loop，保留了与离职研究人员之间的联系。这也可能使 Google Cloud 为其创业公司提供所需的计算基础设施。不过，合作关系并不能取代每天都能获得资深技术领导者支持的价值。

这正是这项公告的重要性超越头衔本身的原因。Google 在失去多位帮助建立其技术优势的人才之际，重新分配了权力。其新领导层现在必须证明，一个更清晰的组织能够比被取代的团队行动得更快。

为什么重组发生在现在

当 Google 强劲的业务表现已无法让其 AI 组织免于执行层面的质疑时，领导层变动随之而来。

多年来，Google 一直在整合研究团队，并让产品团队更靠近 DeepMind。2024 年 4 月，该公司将负责 AI 团队从 Google Research 转入模型构建组织。同年晚些时候，它又将 Gemini 应用团队并入 DeepMind。

这些早期重组遵循着一致的逻辑：如果研究人员、安全专家、产品经理和模型工程师通过更少的组织层级汇报，他们就能更快推进工作。一场2024 年的整合让先进模型及其安全保障措施的责任更加集中。

这次整合赋予 Hassabis 更大的控制权，但也扩大了他的运营负担。Google DeepMind 不再只是一个研究实验室。它必须支持消费者聊天机器人、开发者 API、企业产品、搜索体验、科学系统，以及不断扩展的模型组合。

随着 AI 编程成为主要战场，压力进一步加剧。Anthropic 围绕 Claude 及其编程工具吸引了大量开发者关注。OpenAI 则持续将 ChatGPT 扩展到软件开发、研究和企业工作流程。Google 必须同时与两者竞争，还要保护 Search 并发展 Cloud。

模型发布时间又增添了一层压力。Reuters 报道称，华尔街开始担心 Google 旗舰模型的延期，以及该公司在编程和前沿推理领域的地位。即使 Pichai 为更广泛的 AI 战略辩护，这些担忧依然存在。

人才流失让问题更加尖锐。诺贝尔奖得主 John Jumper 于 6 月宣布，他将离开 Google DeepMind 加入 Anthropic。Noam Shazeer 离职加入 OpenAI，而据报道，其他 Gemini 研究人员也在考虑或已完成向竞争实验室的转移。

Hassabis 反驳了 Google 已失去吸引力的说法。他形容这一市场竞争异常激烈，并指出人才在所有领先实验室之间流动。他的观点有其道理，因为 OpenAI、Anthropic、Meta 和初创公司同样经历了引人关注的人才加入与离开。

但这种模式在 Google 内部仍然重要。失去一位研究人员可能只是正常的人员流动；而在模型架构、科学 AI 和管理层等领域同时失去资深贡献者，则会带来协调风险，尤其是在管理层变动期间。

Google 的财务业绩让这种组织风险更难被忽视。公司并非因为 AI 产品缺乏需求而进行重组，而是在需求加速增长之际进行重组。

Alphabet 报告称，在 Reuters 相关报道所述季度的前一个季度，Google Cloud 收入增长了 82%，远高于该报道引用的分析师平均预期。公司还为不断增加的资本支出辩护，称这是满足 AI 基础设施和客户需求所必需的。

更早的披露也显示出同样的趋势。Alphabet 表示，2025 年 Cloud 收入的年化运行率超过 500 亿美元，而 AI 产品推动了客户活动的增长。此后，公司预计 2026 年资本支出将在 1750 亿至 1850 亿美元之间。

这些数字提出了严格的运营要求。更多服务器和数据中心，只有在模型、软件和销售团队将其转化为有用产品时，才能成为优势。领导层必须决定哪些研究项目获得稀缺算力，以及哪些产品优先面向客户推出。

Alphabet 的AI 投资展望也说明了 Kavukcuoglu 身兼多项职责的重要性。预计到 2026 年，公司略超过一半的机器学习算力将用于支持 Cloud。因此，前沿研究必须与创收的客户工作负载共享基础设施。

这是一个困难的资源分配问题。研究团队可能希望进行结果不确定的大规模实验运行；云业务高管可能希望为签约客户提供可预测的容量。Search 团队则需要可靠的推理能力，即为在线用户生成答案所使用的计算资源。

这次重组让 Kavukcuoglu 更接近这三类决策，也让他在这些选择发生冲突时承担责任。Pichai 获得了一位直接负责运营的领导者，可以平衡模型质量、产品期限和基础设施可用性。

对 Hassabis 而言，新职位免除了他大量日常协调工作。他可以专注于科学方向、AI 安全和更长期的系统。它究竟代表晋升、运营角色缩减，还是两者兼而有之，取决于首席科学家这一职位在实践中能拥有多大影响力。

Google 新闻的真正主题是研究与执行之争

主要竞争并非 Google 与某一个对手之间的较量，而是 Google 的研究文化与其自身产品所要求的发布速度之间的冲突。

Google 帮助创造了当前 AI 市场背后的许多技术。其研究人员开发了已成为现代语言模型核心的 transformer 架构。DeepMind 则推出了 AlphaGo、AlphaFold 和其他展示机器学习科学潜力的系统。

这一成绩并未自动造就领先的消费者聊天机器人。OpenAI 通过 ChatGPT 将大语言模型转化为被广泛采用的产品。Anthropic 随后围绕 Claude、安全性、长上下文能力和编程建立了独特定位。

Google 的应对方式是合并组织、加快 Gemini 发布，并将生成式 AI 融入 Search、Workspace、Android 和 Cloud。它拥有多数竞争对手无法匹敌的分发能力，但也承担着更多依赖关系、审查流程和可能受任何一次发布影响的既有业务。

研究组织通常奖励原创性和持久的发现。产品组织则奖励可靠性、速度、用户增长和收入。同一个项目按照一种标准可能看似成功，按照另一种标准则可能令人失望。

Hassabis 成为了负责将这些标准整合在一起的高管。他的科学声誉为 Google DeepMind 赢得了可信度，尤其是在研究界。然而，管理 Gemini 也需要就发布时间、开发者工具、企业支持以及与广告产品的整合做出决策。

Kavukcuoglu 的任命表明，Google 希望由一位职责更直接聚焦于执行的领导者来负责。他此前的职责已经将 DeepMind 的研究与产品开发和基础设施连接起来。这次重组正式确立了这一桥梁。

这种对比不应被简单归结为科学家与商业运营者之分。Kavukcuoglu 是一位参与过大规模系统工作的机器学习研究者。Hassabis 多年来也一直领导组织并推动商业合作。

区别在于他们被赋予的目标。Hassabis 现在可以探索那些可能需要数年才能证明价值的问题。Kavukcuoglu 则必须将 Gemini 路线图转化为能够在未来几个季度展开竞争的产品发布。

这一差异对开发者至关重要。他们通过模型行为、API 稳定性、编程表现、上下文处理、延迟和工具整合来评判 Gemini。如果这些指标没有改善，组织架构再优雅也意义不大。

企业买家则采用另一套标准。他们需要安全控制、可预测的性能、数据治理以及对现有系统的支持。Google Cloud 的分发能力让 Gemini 能够触达这些客户，但如果竞争对手的模型在特定任务上表现更好，仍然可以赢得相应工作负载。

知识工作者通过 Search、Workspace 和独立助手感受这场竞争。一款擅长总结文档的模型，如果会在不同项目之间丢失上下文，仍可能无法满足需求。团队随后会构建自己的档案库，或使用个人知识库来保存源材料和决策记录。

Google 的优势在于，它已经覆盖电子邮件、文档、会议、搜索查询、移动设备和企业数据。它的劣势则是，要安全整合这些触点，需要在众多产品组织之间进行协调。

新的指挥链试图降低这种协调成本。Kavukcuoglu 可以让模型开发与 Search、Cloud 和 Gemini 应用的需求保持一致。Pichai 无需再通过独立的研究层级，即可解决争议。

然而，集中化也有其边界。一位领导者无法消除技术不确定性。规模更大的团队可能带来更多依赖关系，更紧迫的产品期限也可能抑制那些缺乏即时商业价值的实验。

Google 以前也曾遇到过这种张力。该公司合并 Brain 和 DeepMind，部分原因是为了减少内部重复建设。之后，它又将 Gemini 的消费者团队并入同一部门。每次重组都承诺实现更紧密的协作，但也都扩大了一个组织所承担的目标数量。

此次重组采取了不同方式。它保留一个 AI 部门，同时将科学愿景与日常交付分开。这种设计更加明确，但其成败将取决于 Google 尚未完全公开说明的职责边界。

OpenAI 和 Anthropic 将人才转化为产品压力

Google 的竞争对手正迫使它同时争夺研究人员和客户。

最显著的压力来自 OpenAI。ChatGPT 为对话式 AI 确立了消费者参考标准，而 OpenAI 已扩展至编程、智能体、研究工具和企业服务。它与 Microsoft 的合作关系提供了分发和基础设施支持，但这段关系也带来了战略依赖。

Anthropic 则从另一个方向施加压力。Claude 在重视编程性能、长文档处理能力和可控模型行为的开发者与企业中获得了采用。该公司已从 Google DeepMind 招募研究人员，其中包括 Jumper 和其他高级贡献者。

这些离职并不能证明 Google 的研究项目正在失败。顶尖实验室之间通常会相互招募，专业人才的薪酬方案也已大幅上涨。研究人员也会离开成熟企业，去追求更聚焦的项目或获得更大自主权。

不过，当人才流动与产品弱点相吻合时，它就会具有战略意义。Google 在面临 AI 编程能力质疑的同时，研究人员转投了一家在编程领域口碑强劲的竞争对手。这一连串事件可能影响员工士气、客户观感和未来招聘。

Hassabis 公开否认了 Google 已无法吸引顶尖研究人员的说法。在一份人才回应中，他称这个市场是自己所见过竞争最激烈的科技人才就业环境。

这一解释反映了行业背景，但并未消除运营层面的挑战。Google 必须在满足发布进度的同时填补流失的专业能力。新研究人员需要时间了解内部训练系统、评估方法和产品约束。

Discovery Loop 又带来了一个竞争层面的变数。这家初创公司最初并未被定位为 Gemini 的直接竞争对手。据报道，其目标涉及用于科学实验的机器学习系统，这一领域与 Hassabis 长期以来对 AI for Science 的兴趣有所重叠。

Google 的投资使双方关系具有合作性质。如果 Discovery Loop 开发出有用的研究基础设施，并通过 Google Cloud 部署，Google 将可从中受益。创始人则能在不完全切断与前雇主联系的前提下保持独立。

然而，这种安排也说明了高级研究人员为何会离开大公司。初创公司可以专注于一项使命，无需在 Search、广告、云合同、安全审查和消费者产品发布之间权衡。Google 的规模提供了资源，但也带来了相互竞争的责任。

OpenAI 和 Anthropic 也面临各自的权衡。OpenAI 必须在管理与投资者和合作伙伴关系的同时，为庞大的基础设施需求提供资金。Anthropic 则必须在支持快速增长的使用量之际，将技术采用转化为可持续的业务。

Google 拥有两家竞争对手都难以轻易复制的资产。它设计张量处理单元，运营全球数据中心，拥有主要消费者平台，并维持着为 AI 开发提供资金的盈利业务。其模型可通过现有产品触达数十亿用户。

这些资产让组织问题变得更加重要，而不是更不重要。拥有更强分发能力的公司，在团队对归属权存在分歧时仍可能行动迟缓。拥有强大研究能力的实验室，在产品整合姗姗来迟时仍可能错失市场。

Kavukcuoglu 现在负责弥合这一差距。他的成功不会只通过基准测试排名来衡量，还将体现在开发者采用、企业合同、编程工作流、Search 参与度和产品发布速度上。

这也是最新 Google 新闻对买家具有意义的原因。领导层变动可能在改变任何公开模型之前，就先改变路线图优先级。围绕 Gemini 构建产品的客户应关注文档、API、配额和发布承诺是否变得更可预测。

开发者也应关注 Google 将最优秀的研究人员投入何处。对自动化研究的更多投资可能提高训练效率和模型质量。但如果这类工作始终停留在实验阶段，也可能分散对即时产品短板的注意力。

新架构并未解决 Google 最大的风险

更短的指挥链可以改善决策，但无法保证更好的模型，也无法阻止进一步的人才流失。

第一个不确定性涉及 Hassabis 的实际权力。Alphabet 为他设立了一个声望很高的科学职位，他仍担任 Google DeepMind 董事长。但 Kavukcuoglu 掌管该组织的日常工作，并向 Pichai 汇报。

如果 Hassabis 能够塑造研究优先级并获得资源，这一安排或许能保留他的科学影响力。如果他的角色主要变为顾问性质，Google 可能失去吸引众多 DeepMind 研究人员的那种领导风格。

据报道，员工对这一调整有不同解读。一些人认为，这让 Hassabis 能够回归他更偏好的科学工作。另一些人则质疑，董事长职位是否会逐渐让他远离内部决策。

Google 对这次过渡持积极表述。Hassabis 表示，他希望专注于 AGI 及其影响。Kavukcuoglu 强调了 Gemini 路线图的清晰路径。Pichai 则赞扬了公司的人才、计算资源和产品覆盖范围。

这些表态说明的是预期架构，而非最终结果。领导层交接在公告备忘录中往往看起来井然有序，因为尚未解决的分歧仍属内部事务。

第二项风险涉及研究人员留任。Dean 的团队获得了投资和合作关系，但其他员工可能将这次离开视为一个信号：受人尊敬的资深人士能够在其他地方更自由地开展雄心勃勃的工作。竞争对手会在招聘中利用这种观感。

Google 可以通过薪酬、计算资源使用权和更大的项目自主权来应对。它也可以证明，研究人员仍能影响触达庞大受众的产品。这些措施是否有效，将通过未来的离职和招聘情况显现。

第三项风险涉及递归自我改进。自动化 AI 研究的部分环节可以加快实验，但对于系统自行改进的说法需要谨慎审视。性能提升可能依赖于狭窄任务、人类选择的目标，或大量额外计算资源。

自动化研究也可能放大有缺陷的衡量指标。如果模型针对不完整的基准进行优化，它可能做出得分更高但并未变得更有用的改动。人类研究人员仍必须审查安全性、泛化能力和隐藏的失效模式。

Google DeepMind 在构建用于搜索算法和科学解决方案的系统方面拥有经验。这一历史使 Brin 据称的兴趣成为可信的研究方向。但这并不能证明自主改进循环已准备好改变 Gemini 的开发方式。

安全性带来了另一项权衡。更快的实验可能增加团队必须评估的模型改动数量。Google 在 2024 年将负责任 AI 员工安排得更接近 DeepMind，部分原因是为了将安全工作与模型构建整合起来。

新组织必须在提高发布速度的同时保留这种联系。如果安全审查变成需要绕开的障碍，Google 将面临不可靠产品和监管审查的风险。如果审查仍与工程工作脱节，它们可能在未能及早解决问题的同时延误发布。

最后一项风险涉及产品复杂性。Gemini 并非单一应用。它支持消费者聊天、开发者 API、Workspace 功能、Cloud 服务、Android、Search 和专门的研究工具。

一项有利于编程的模型改动，可能会增加其他场景的延迟或成本。一项适合消费者助手的安全政策，可能会令企业开发者感到受限。Search 的回答必须满足准确性和广告约束，而这些要求并不适用于独立聊天机器人。

没有任何高管架构能消除这些冲突。它所能做到的最佳结果，是明确归属权并加快权衡决策。下一阶段将揭示 Google 的新领导层能否在不削弱塑造了 DeepMind 声誉的研究文化的情况下做到这一点。

接下来三个月将揭示什么

三个信号将表明，这次重组是否改善了执行，还是仅仅重新排列了 Google 的汇报关系。

第一个信号是 Gemini 的路线图。Google 必须推出下一代重要模型，并在编程、推理、可靠性和效率方面展现可衡量的进步。若能按时发布并提供稳定的开发者访问，将有助于证明 Kavukcuoglu 的运营授权是合理的。

再次延期则会削弱这一论点。延期可能有正当的技术或安全原因，但反复调整时间表将表明，核心瓶颈未必在于管理架构。

第二个信号是高级人才留任。Google 无需阻止每一位员工离开，但必须留住足够多的资深研究人员，以在招募新优先事项所需专家的同时维持模型研发的连续性。

如果 Gemini 核心训练、推理或编程团队继续有人离职，将表明 DeepMind 内部的不确定性仍未消散。强有力的新聘任或研究人员回归，则会支持 Hassabis 的说法：Google 依然是顶尖人才向往的去处。

第三个信号是产品采用情况。Alphabet 的下一份财报应会揭示，AI 需求是否仍在转化为 Cloud 增长、更大规模的合同，以及 Search 和 Gemini 持续提升的用户参与度。

仅凭营收无法决定模型竞争的胜负。即使客户使用其他供应商的模型，Google Cloud 也可以借助基础设施需求实现增长。投资者应区分：销售算力，与让 Gemini 本身赢得工作负载，是两回事。

开发者也可以通过实际测试作出同样的区分。Gemini API 在生产流量下是否稳定？编程智能体能否以更少的修正完成复杂任务？团队能否在不重建提示词和评估体系的情况下切换模型版本？

企业买家应关注，Google 是否将组织整合转化为更清晰的支持。随着软件进入生产环境，产品路线图、安全承诺、容量保障和迁移工具，与基准测试领先地位同样重要。

知识工作者应重点关注 Gemini 如何在真实项目中处理上下文。更好的回答需要访问准确的源材料、权限和机构记忆。模型升级无法弥补文档分散或来源不清的问题。

Sergey Brin 据报推动 AI 辅助研究值得关注，但具体发布比内部热情更重要。相关证据可以包括已发表的方法、可复现的评估，或有文档记录的训练效率改进。

Hassabis 的角色同样需要得到清晰界定。他领导下的科学论文、安全框架或重大研究项目，将表明 Alphabet 首席科学家这一职位拥有真正的权力。若长期沉默，则会引发疑问：这个头衔是否主要只是为了缓和一次艰难的过渡。

因此，最新的 google news 给读者留下了一个可检验的命题。Google 相信，它能够将长期科学领导力与产品执行分开，同时不让其 AI 使命发生割裂。

这一架构让 Kavukcuoglu 拥有更明确的控制权，让 Pichai 获得更直接的监督，也让 Hassabis 有空间推进更深入的研究。它同样将问责置于客户和员工可见之处。

未来一个季度，请忽略仪式性的头衔，关注实际产出。跟踪 Gemini 的发布、高级技术人员的离职情况，以及客户选择 Google 模型而非仅选择其基础设施的证据。这些信号将揭示，Google 是真正简化了其 AI 组织，还是只是把同样的紧张关系搬进了新的办公室。