6 月 18 日，Transformer 论文核心作者、Google Gemini 联合负责人 Noam Shazeer 在 X 上宣布离开 Google，加入已向 SEC 秘密提交 IPO 申请的 OpenAI。 他是 2017 年 "Attention is All You Need" 八位平等贡献作者之一，该论文奠定了现代大语言模型的技术基础。Sam Altman 随即转发并评论，"Noam 是我自 OpenAI 创立第一天起最想合作的人之一。只用了十年。"
48 小时后，6 月 19 日，2024 年诺贝尔化学奖得主、AlphaFold 核心领导者 John Jumper 宣布离开工作近九年的 Google DeepMind，加入 Anthropic。
两起几乎同时发生的顶级人才离职，已经足够震动 AI 圈。而如果把时间线拉长，会发现一个更清晰的走向。5 月 19 日，前 OpenAI 创始成员 Andrej Karpathy 宣布加入 Anthropic 预训练团队。他虽从未在 Google 任职，但他的选择同样说明了一件事，顶尖人才正在向 OpenAI 和 Anthropic 集中，而 Google 正在成为这场人才重组中最主要的输出方。
三起离职，非个例，是趋势
Jumper 并非普通研究员。2024 年，他因领导 AlphaFold 项目，利用 AI 在极短时间内预测蛋白质三维结构，攻克了困扰生物学界长达五十年的难题，与 Demis Hassabis 和 David Baker 共同荣获诺贝尔化学奖。
Shazeer 则是现代 AI 发展史上的关键人物。他于 2000 年加入 Google，2017 年共同撰写 "Attention is All You Need"，该论文提出的 Transformer 架构，是当前所有大语言模型的技术基石。2021 年，因 Google 拒绝发布其与 Daniel De Freitas 共同开发的 AI 聊天产品，他选择离开，于 2022 年创办了 Character.AI。三年后，Google 以约 27 亿美元将其请回，任命为 Gemini 联合负责人。然而回归未满两年，他再次选择离开，此番前往 OpenAI。
而 Karpathy 的选择进一步印证了更大的趋势。2026 年 5 月，这位 OpenAI 创始成员在结束其教育创业项目 Eureka Labs 后，宣布加入 Anthropic 预训练团队，负责 " 通过大规模训练运行赋予 Claude 核心知识与能力 "。他从未在 Google 任职，但他的去向本身说明了顶尖人才正在向哪里集中。
将视野拉长，这一人才流动趋势早已显现。2023 年 4 月 Google Brain 与 DeepMind 合并后，大量中坚研究者流向 OpenAI、Anthropic 和 xAI。追踪 ArXiv 前沿 AI 论文的作者归属可以发现，越来越多的顶尖研究者档案页上的机构名称，已从 "Google" 变更为 "OpenAI" 或 "Anthropic"。
OpenAI 与 Anthropic 正在汇聚 AI 领域最具影响力的人才阵容。而 Google，正成为这一人才流动的最主要输出方。
使命错位
这是最本质的分歧，其重要性超越薪酬与算力。
Google 母公司 Alphabet 近 80% 的收入来自广告业务。这意味着 AI 领域的所有投入，最终都必须回答一个产品导向的问题，这将如何服务广告业务。
Shazeer 在 2024 年回归后很快发现，Google 的核心逻辑并未改变。他在 Gemini 面临的根本约束，追赶 ChatGPT，在广告业务优先的架构下，始终是一个受制的任务。目标不是重新定义 AI 能力边界，而是守住广告市场份额。
对比之下，OpenAI 的章程明确以 AGI（通用人工智能）造福全人类为核心使命。Anthropic 自成立之日起即围绕 AI 安全构建，注册为公益公司（PBC），在法律上有义务平衡股东利益与社会利益。在这两家公司，顶尖研究者无需回答 " 如何帮助广告部门提升收入 " 这样的问题。他们只需专注于一个目标，如何持续推进模型能力的边界。
多位从 Google 流向这两家机构的研究者，在事后访谈中反复提及同一个词，" 专注 "。在 Google，关键绩效指标是搜索点击率、广告转化率和 YouTube 观看时长。在 Anthropic，关键绩效指标是 Claude 在预训练和后训练中的性能表现。对于 Jumper 这样将九年学术与职业生涯投入蛋白质折叠问题的科学家而言，这种高度的专注具有不可替代的吸引力。在 Anthropic，AI for Science 不是边缘项目，而是核心研究方向之一。
使命是推力，而资本是拉力。在薪酬激励维度上，Google 正处于结构性劣势。
OpenAI 已于 2026 年向 SEC 秘密提交 IPO 申请，Anthropic 同样处于 IPO 筹备队列中。两家公司的员工持有大量股权，有望在公开市场兑现。Jumper 与 Shazeer 选择在这一窗口期前加入，时机并非巧合。相比之下，Google 市值已超过两万亿美元，股价在短期内实现翻倍增长的空间有限，股权激励的爆发力与之相差至少一个数量级。
更值得关注的是资本市场对两家类型公司截然不同的定价逻辑。泄露的 OpenAI 审计财报显示，其 2025 年 GAAP 净亏损约 385 亿至 390 亿美元（含约 300 亿美元非现金转换费用），运营亏损从 2024 年的 87.8 亿美元扩大至约 209 亿美元，但资本市场反应依然积极。同期，OpenAI 营收从 37 亿美元飙升至 130.7 亿美元，增幅达 253%。2026 年第一季度，公司营收 57 亿美元，运营支出 37 亿美元。投资者愿意为 " 以亏损换取增长 " 的战略买单。
而在 Google，同等规模的 AI 投入在资本市场引发的提问却是，" 这对利润率将产生什么影响。" 同样在 AI 领域大规模投入，在 OpenAI 被称为战略性投资，在 Google 则被视为成本中心扩张。
站在顶尖研究者的角度，这一选择背后的逻辑并不复杂。一边是即将 IPO、股权可能在两年内实现九位数价值的公司，全员围绕模型能力优化。另一边是市值两万亿的成熟巨头，研究者的工作需与广告和搜索团队的季度目标持续协调。
DeepMind 合并催生新离心力
2023 年 4 月，Google Brain 与 DeepMind 合并为 Google DeepMind，由 Demis Hassabis 统一领导。当时的官方叙事是 " 集中力量 "。但三年后回顾，合并的实际效果存在明显争议。
合并未能根本解决研究成果向产品转化的话语权重构问题。
DeepMind 的基础研究成果需要通过产品团队落地，而产品团队有其独立的时间线和优先级考量。Gemini 是一个典型案例，Shazeer 被任命为联合负责人，但产品发布节奏和商业化路径仍高度受制于搜索和云业务部门。这与 OpenAI 全员围绕同一核心产品目标运转的模式形成鲜明对比。
合并还引发了文化认同上的张力。Google Brain 更偏工程和商业化落地，DeepMind 更偏基础科学和长期探索。合并后，长期研究导向的文化被认为在 " 服务产品路线图 " 的压力下受到侵蚀。
一位前 Google 研究员在 X 上写道，" 当我们被要求将研究方向与产品路线图对齐时，我就知道该走了。"
Jumper 的离开，可被视为对合并后文化走向的一种表态。他在 DeepMind 工作了近九年，经历了独立研究时期、合并后的整合期，以及当前产品化压力持续上升的阶段。当研究环境越来越频繁地要求与搜索引擎的关键绩效指标对齐时，离开成为一个经过计算但不难做出的决定。
更深层的问题是，Shazeer 回归后不到两年，AI 产品的发布节奏并未显著加快。Gemini 缩小了与 ChatGPT 的能力差距，但从未成为细分领域的领先者。他没有公开表达不满，在 X 上的声明是标准的职业化措辞，但行动本身已说明问题。
人才版图正在经历不可逆的重组
这场人才外流，早已不只是几个人换工作的事。
Google 可以请回顶尖研究者，却改变不了最根本的那件事：它的核心商业模式是广告，AI 是赋能工具，不是终极使命。钱能请回一个人，但钱无法让 Google 不再是 Google。这意味着外流不会停止，它是一种结构性趋势，而不是几起孤立的离职。
而在另一边，OpenAI 与 Anthropic 正在把各自的路走通。OpenAI 拿下大语言模型研究的最强战力，Anthropic 则把 AI 安全与科学应用捏在一起，两家公司边界清晰，各有护城河。Google 卡在中间，既没有 OpenAI 的产品爆发力，也没有 Anthropic 在安全领域的品牌差异度。
真正让人才天平不可逆转地倾斜的，是 IPO 窗口期。当顶尖研究者可以在一两年内通过股权兑现获得九位数甚至十位数财富时，任何成熟巨头的薪酬体系都无法在同一个维度上竞争。2026 年很可能被记住，不是因为某一项 AI 能力突飞猛进，而是因为人才版图在这一年完成了一次结构性的重组。这一轮竞争里，人才密度决定模型能力，模型能力决定市场份额，市场份额决定赢家名单。
Google 并非没有翻盘的可能。它拥有全球规模最大的算力基础设施之一、最庞大的用户数据储备，以及 AI 学术论文发表量的持续领先。但所有这些优势都建立在一个前提之上，你得有足够优秀的人去使用它们。而 Google 正在失去的，恰恰是这些人。
这可能是 Google 成立以来最安静的一场危机，没有产品重大失误，没有监管重罚，没有财务爆雷。只是一群最聪明的人，一个接一个，选择了离开。在 AI 领域，真正的护城河从来不是数据，不是算力，甚至不是模型架构本身。是那些愿意留下来、日复一日推进技术边界的人。而 Google 正在发现，留住这些人，比训练一个万亿参数的模型，要困难得多。（本文首发钛媒体 APP，作者 | AGI-Signal，编辑 | 秦聪慧）
