一周之内，谷歌AI损失两员大将。
6月17日，谷歌副总裁、Gemini联合负责人诺姆·沙泽尔（Noam Shazeer）在X上宣布离职，加盟OpenAI。“做出离开的决定很艰难，”沙泽尔写道，“我为谷歌的优秀团队感到无比自豪。”
两天后，第二记重拳砸下。DeepMind副总裁、2024年诺贝尔化学奖得主约翰·江珀（John Jumper）宣布结束近九年的任期，转投Anthropic。
两人都不是普通研究员。沙泽尔是2017年那篇改变一切的《Attention Is All You Need》论文的合著者，Transformer架构的共同奠基人——没有他，就没有今天的GPT、Claude和Gemini。江珀是AlphaFold的创造者，他领导的系统预测了超过2亿种蛋白质结构，将计算生物学推入全新纪元。
华尔街没有犹豫。6月22日周一开盘，Alphabet股价一度暴跌7%，创下一年来最大单日跌幅。市场只有一种解读：谷歌正在AI人才争夺战中失守。
但四天后，在法国戛纳国际创意节的舞台上，DeepMind CEO戴密斯·哈萨比斯给出了一个完全相反的回答。
“我们公平地赢下了该赢的顶尖人才”
“我们拥有所有实验室中规模最大、覆盖最广的研究储备，”哈萨比斯在接受Semafor现场访谈时语气笃定，“我们在顶尖人才的争夺战中公平地赢下了自己应得的那份。”
这番话的背景并不轻松。沙泽尔和江珀的相继出走，叠加此前多名AI高层的离职，将“谷歌AI人才流失”的叙事推至顶峰。但哈萨比斯选择直面而非回避——他坦承当前是AI行业“竞争最激烈的人才市场”，但强调这恰恰说明人才流动是整个行业极度活跃的标志，而非某一公司的溃败信号。
谷歌发言人给出了类似的冷处理：“少数高管的离职不会影响公司整体发展轨迹。”
哈萨比斯以沙泽尔的案例回应了外界的质疑。沙泽尔2021年离开谷歌创办Character.AI，2024年8月谷歌以约27亿美元获得Character.AI技术授权，同时将沙泽尔请回DeepMind并任命为Gemini联合负责人。两年后他再度离开去了OpenAI——但哈萨比斯的潜台词是：这是一个双向开放的市场，谷歌有能力在关键节点把人才请回来。问题是，这种“不慌”的底气到底从何而来？
TPU集群：算力面前，个人品牌不值一提
哈萨比斯敢于说“谷歌还在赢”，底气并非来自口头承诺，而是来自一个硬核的结构性优势——自研TPU集群。
“对于希望训练下一代前沿模型的研究者来说，谷歌庞大的自研TPU集群，仍然是行业内最具吸引力的科研条件之一，”Semafor报道如此引用哈萨比斯的判断。
这不是公关辞令，而是一个算力稀缺时代的铁律。即便最聪明的头脑，如果拿不到足够的算力做实验，价值也会被大幅稀释。
谷歌的TPU自2015年第一代发布以来，已迭代至第六代Trillium。2024年Google I/O上发布的Trillium TPU，单芯片峰值算力较第五代提升4.7倍，能效提升67%。它搭载了第三代SparseCore，专门处理超大嵌入层工作负载，数千颗Trillium通过光学I/O互联可组成单一虚拟加速器——这正是训练千亿参数大模型的基础设施条件。
下一代已在路上。据天风国际分析师郭明錤最新产业调查，谷歌正与联发科深度合作开发TPU v9升级版——代号Triggerfish。相比基础版Humufish，其SRAM容量提升2至3倍，内存从HBM4升级至HBM4E，还新增了专用于强化学习和AI Agent协作的模拟芯片。谷歌已为此追加100万至200万颗订单，预计2027年底开始量产。
TrendForce的数据则从宏观层面印证了谷歌的算力野心：谷歌TPU将在2026年进入第八代，Q3在台积电3nm节点量产，2027年产量预计达500万颗，2028年进一步攀升至700万颗。
对比竞争对手：OpenAI极度依赖微软Azure上的NVIDIA GPU集群；Anthropic虽获亚马逊和谷歌双重投资，但底层算力仍需仰仗云计算平台。谷歌是唯一一家同时拥有自研芯片、自建数据中心和自营云服务三大算力基础设施的AI公司。这种“全栈闭环”意味着研究者不需要为GPU配额排队，不必受制于芯片产能周期，实验迭代速度天然快于对手。
从各自为战到统一指挥：合并后的巨无霸
2023年4月，Alphabet CEO皮查伊宣布合并Google Brain和DeepMind，组建统一的Google DeepMind，由哈萨比斯出任CEO。
这一决策的深远影响，在两年后才开始真正显现。
在此之前，谷歌的AI力量是碎片化的。Google Brain偏重学术研究和开源框架（TensorFlow、Transformer论文均出身于此），DeepMind更专注科学突破（AlphaFold、AlphaGo）。两个团队在论文发表、算力分配甚至人才招募上存在隐性竞争，曾一度不太愿意共享研究成果。
合并后形成了AI领域前所未有的“研究巨无霸”——统一资源调配、统一研发方向、统一对外发布口径。过去Google Brain做底层模型、DeepMind做上层应用的分工模式被打通，从数据清洗、训练架构到产品化落地的全链条，均由哈萨比斯一元化指挥。一个看得见的结果是2026年Google I/O上Gemini 3.5 Flash和Gemini Spark AI Agent连续亮相，产品发布节奏之密集远超以往。
更重要的是，整合让谷歌AI团队形成了极深的“板凳厚度”。哈萨比斯在戛纳特别强调“最广的研究储备”——这不仅指人数，更指覆盖领域的多样性：语言模型、视频生成、音乐创作、生物技术研究、游戏AI……谷歌AI同时在多条战线上推进。
一位DeepMind员工在X上的评论颇为客观：“谷歌的人才密度极高。这导致内部竞争极其激烈，但也意味着系统内置了天然韧性。不过，诺姆·沙泽尔只有一个。”
“不过，诺姆·沙泽尔只有一个”——这句话或许道破了谷歌目前最真实的处境：在明星研究员层面确实会痛，但体系没有塌。
个人议价力登顶的时代：明星研究员的权力游戏
沙泽尔的职业轨迹，某种程度上是过去五年AI行业权力结构变迁的缩影。
他最早在2000年加入谷歌，工作了二十一年。2021年，谷歌拒绝全力推进他主导的聊天机器人项目，沙泽尔选择离开，与同伴共同创立Character.AI。2024年，谷歌以27亿美元把技术和人一起请回来。2026年，他又走了——这次去了正准备IPO的OpenAI。
这揭示了一个深层次的结构性变化：在AI行业，顶尖研究者的个人议价能力已经达到历史最高点。风险投资公司可以仅凭一个研究者的“血统”就开出支票；OpenAI即将IPO，Anthropic也在筹备上市，股权增值空间对研究者的吸引力不亚于——甚至超过了——谷歌的高薪和稳定。
但哈萨比斯对此有不同层次的判断。Semafor科技编辑Reed Albergotti在分析中写道：“当顶尖研究者离开AI实验室时，这总是大新闻。但这些离职往往更像是公关危机而非运营危机。最重要的人才战争并不发生在高管办公室——而是发生在大学里，顶级博士和计算机科学家正在被科技公司最高层争相招揽。”
“下一个AI突破更可能来自十个刚毕业的聪明年轻人，而不是一个多年前做出了重大发现的高管。”
这句话道破了哈萨比斯“不慌”的底层逻辑。谷歌每年从全球顶尖高校招募的AI方向PhD数量，仍然是任何独立创业公司难以匹敌的。这是一个“人才漏斗”：顶端虽有流失，但底部的流入量更大、更持续。
不是谷歌输了，而是游戏还没结束
如果站远一点看这场AI人才争夺战的全景，格局远比“谷歌在输”复杂得多。
谷歌员工规模最大、算力基础设施最全栈、数据生态最深厚，但在明星研究员层面接连失分；OpenAI拥有ChatGPT无敌品牌效应和IPO资本想象空间，但团队同样经历了多轮核心成员出走；Anthropic凭借Claude系列口碑最佳，连续吸纳谷歌和OpenAI的核心人才，被视为当前“人才引力”最强的实验室之一，但规模远不及谷歌；Meta以开源Llama系列赢得开发者社区，但在前沿大模型竞赛中仍处于追赶位。
每一个玩家都在同时“被挖角”和“挖别人”。这正是市场高度活跃的信号。
哈萨比斯更核心的判断藏在一个更深层的维度：竞赛远未结束，甚至可能尚未过半。目前的领先假设——Anthropic在文本模型上领先，OpenAI紧随其后——建立在一个前提上：基于文本的LLM是通往AGI的唯一路径。但如果AGI需要多模态融合、需要强化学习与真实世界交互、需要科学发现能力呢？
这正是谷歌在同时押注的方向。视频生成（Veo）、音乐创作、生物技术（AlphaFold的延续）、AI智能体（Project Astra）——谷歌AI的多元化布局意味着它不会因为一两个明星研究员的离开而在关键赛道上掉队。Semafor的报道捕捉到了这一点：“竞赛远未结束，领先地位将持续动态切换。”
留下的人，和那个无法被复制的东西
那么，谷歌AI到底还剩谁？
Jeffrey Dean（谷歌首席科学家，TensorFlow之父）、Oriol Vinyals（Gemini联合负责人之一）、David Silver（强化学习先驱，AlphaGo核心成员）、Raia Hadsell（DeepMind机器人研究负责人）、Koray Kavukcuoglu（DeepMind研究副总裁）——这些名字依然活跃在谷歌AI体系的核心位置。
更重要的是那些“不叫沙泽尔”的人。对于真正关心“能不能做出东西”而非“股权能值多少钱”的研究者而言，谷歌的TPU集群、数据生态和工程落地能力构成了一个难以拒绝的选择。
工程落地能力——这或许是谷歌最被低估的护城河。一个前沿AI模型从论文到产品化的距离，决定了它能否真正产生影响力。在这一点上，谷歌拥有全球最成熟的生产级基础设施：Google Cloud、Android、YouTube、Google Search、Chrome——覆盖数十亿用户的接入层。对于想做AGI的研究者来说，没有比这更大的试验场。
人才可以流动，但平台难以复制。而在这场通往AGI的漫长竞赛中，后者的分量，需要更长的时间维度才能被真正丈量。
快报