KeyFrame內部研究專用

谷歌AI一夜巨震,Jeff Dean离职,哈萨比斯隐退 | Gemini | DeepMind | Discovery Loop | AI创业 | 大模型人才 | 硅谷人事 | AGI | 创新者窘境

Best Partners TV13 min中文
觀看原始影片

三句話摘要

谷歌AI頂級研究員集體離職創業,映照大公司體量與創新能力的矛盾困境。 大公司的終極問題不是技術、金錢或人才本身,而是成功本身帶來的體量詛咒——你越要保護現有的優勢,就越難產生顛覆性創新。 人才背景超強但流失規律現象——Jeff Dean是Google搜索基礎架構奠基人,與Sanjay Ghemawat搭檔20年打造MapReduce、BigTable、Spanner等互聯網行業標準;Oriol Vinyals是AlphaStar、AlphaFold核心參與者。但過去數月已有Noam Shazeer(Transformer架構作者)、AlphaFold聯合發明人等頂級研究員離職。

重點整理

  1. 人才背景超強但流失規律現象——Jeff Dean是Google搜索基礎架構奠基人,與Sanjay Ghemawat搭檔20年打造MapReduce、BigTable、Spanner等互聯網行業標準;Oriol Vinyals是AlphaStar、AlphaFold核心參與者。但過去數月已有Noam Shazeer(Transformer架構作者)、AlphaFold聯合發明人等頂級研究員離職。

  2. 組織體量成為創新的詛咒——谷歌年搜索業務收入數千億美元,任何新技術若可能衝擊搜索主頁都會面臨內部巨大阻力。顛覆性技術需要的是扁平決策、快速迭代、容許失敗的創業公司結構,與保護現有業務的大公司邏輯天然矛盾。

  3. 發明了技術卻無法釋放價值——谷歌在ChatGPT發布前一年即掌握對話式AI技術,卻因擔憂對搜索業務影響而未推出。Codex團隊披露Google大模型開發遭到內部禁止,最終被OpenAI搶佔市場先機。

  4. 資源充足反而變成束縛——新公司Discovery Loop連辦公場所都還沒租,人才本就可能拿最高薪資退休卻選擇創業,真正的激勵不是金錢,而是做「有意思的東西」、逃脫財務回報審視、擁有決策自由的渴望。

實用技巧與重點

  • 離職人員及背景:
  • Jeff Dean:1990年入職谷歌,27年資歷,Google搜索基礎設施奠基人
  • Sanjay Ghemawat:美國國家工程院院士,L11級(最高級別工程師),20年搭檔
  • Oriol Vinyals:AlphaStar、AlphaCode、AlphaFold核心參與者
  • Cokley:Google Brain聯合創始人,Scaling Law與Chain of Thought技術貢獻者
  • 近期流失名單:
  • Noam Shazeer(Transformer架構作者)→ OpenAI
  • AlphaFold聯合發明人 → Anthropic
  • Jonas Adler、Alexander Prileev(Gemini核心團隊)→ Anthropic
  • Peter Norvig(25年谷歌研究部門,人工智能教科書作者)→ AI創業公司
  • 經濟影響:
  • 股價跌幅:4%,最大跌幅超5%
  • 市值損失:1860億美元(13,000多億人民幣)
  • Discovery Loop關鍵信息:
  • 法律結構:PBC(公共利益公司),與OpenAI結構相同
  • 研究方向:自動化實驗循環,讓AI自我改進、自動迭代
  • 谷歌投資方式:創始投資方之一 + 一年TPU算力供應協議 + 技術設施合作
  • 辦公場所:尚未正式租用,團隊還在組建中
  • DeepMind組織變動:
  • Demis Hassabis:CEO → 董事長 + Alphabet首席科學家
  • Craw Kawouk Qiaouru:升任DeepMind CEO + 谷歌首席AI架構師,後升任高級副總裁
  • Qiaouru背景:13年DeepMind資歷,杨立昆學生,DQN演算法與Wavenet語音合成主導者
  • 谷歌資產現狀:
  • Gemini App活躍用戶:9.5億
  • 2026年資本支出預計:1950-2050億美元(去年兩倍)
  • TPU:自研芯片,全球能自主設計部署的公司不超五家
  • 粘碼開源模型累計下載:超9億次

結論

大公司的終極問題不是技術、金錢或人才本身,而是成功本身帶來的體量詛咒——你越要保護現有的優勢,就越難產生顛覆性創新。

完整解析

2026年8月5日,谷歌AI領域經歷了震撼整個行業的人事地震。同一天內,兩個截然不同的消息衝擊投資者和業內人士:谷歌AI的頂樑柱Jeff Dean宣布離職創業,而DeepMind創始人Demis Hassabis則從CEO位置退下來。

Jeff Dean的離職尤其令人震驚。這位1990年代加入谷歌的傳奇工程師在Google搜索基礎設施發展中扮演核心角色——MapReduce、BigTable、Spanner這些後來成為互聯網行業標準的分佈式系統都是他與Sanjay Ghemawat共同創造的。在程序員圈子裡,流傳著一個段子說Jeff Dean的簡歷上寫的都是他「沒做過」的事情,因為那樣更短。經過27年的耕耘,這樣一位傳奇級別的人物突然宣布創業,隨之離職的還有Oriol Vinyals(大模型技術負責人、AlphaStar和AlphaFold核心參與者)、Cokley(Google Brain聯合創始人、Chain of Thought技術重要貢獻者)等人。四人在谷歌的累計資歷超過80年。

消息傳出後股價應聲下跌。谷歌母公司Alphabet股價數分鐘內跌幅達4%,一度超過5%,相當於損失1860億美元市值。

幾乎同時,Demis Hassabis宣布不再擔任DeepMind的CEO,轉而任職董事長和Alphabet首席科學家。Hassabis的履歷同樣傳奇——13歲成為國際象棋大師,後讀神經科學博士,創辦DeepMind,2014年被谷歌收購。AlphaGo、AlphaFold等顛覆性成果都出自他的領導。他在內部信中寫道:「我一生都在為實現AGI而努力,現在我感覺AGI已經近在眼前,接下來的每一步都至關重要。我需要更多的時間和空間去專注那些更宏觀的問題。」

更值得注意的是谷歌人才流失已經成為趨勢。過去數月內,Transformer架構作者Noam Shazeer去了OpenAI、AlphaFold聯合發明人去了Anthropic、Gemini核心團隊的Jonas Adler和Alexander Prileev也轉投Anthropic。連在谷歌研究部門呆了25年的Peter Norvig(人工智能教科書《人工智能:一種現代方法》作者之一)也離開去了AI創業公司。

Jeff Dean他們新創立的公司名叫Discovery Loop,採用PBC(公共利益公司)的法律結構,與OpenAI相同。他們的方向很直接——讓AI自己來改進自己。Jeff Dean解釋說:「我們想把整個實驗循環給徹底自動化……就是讓AI自己來當科學家,自己提出假設,自己設計實驗,自己運行實驗,自己分析結果,然後自己迭代改進模型。」

有趣的是,谷歌自己也投資了Discovery Loop,成為創始投資方之一,還簽署了一年的TPU算力供應協議。這看似大度的決定,本質上是一種對沖——人才走了,至少占點股份,別讓自己完全錯過。但反過來想,願意做這種對沖就默認了一件事:這些人在外面可能真的能做出谷歌內部做不出來的東西。

為什麼最頂級的人才、最充足的資源、最強大的算力、最龐大的用戶規模都聚集在谷歌,反而在AI競賽裡被更小的對手步步緊逼?根本原因在於組織體量與創新的矛盾。大模型這個賽道需要極度扁平的決策、快速的執行、允許產品犯錯、允許自我革命。但谷歌是一家20多萬人的大公司,搜索業務每年賺幾千億美元,任何可能衝擊搜索主頁的新技術都會面臨巨大的內部阻力。曾有報道稱,谷歌在ChatGPT發布前一年就掌握了對話式AI技術,但因擔憂對搜索業務的影響而遲遲未推出——這就是大公司的枷鎖。

Jeff Dean在SXSW創業學校演講時曾對年輕人說:「選一件你覺得激動人心的事情去做。」現在他自己也照做了。在27年的谷歌生涯中,他完全可以帶著最高薪資舒適地退休,但這些人選擇了創業,因為他們想做「有意思的東西」——在一個小團隊裡,沒有那麼多流程,沒有那麼多顧慮,不用考慮季度財報,不用考慮是否會衝擊公司現有業務。

8 min
AI 技術中文11月17日

Muse AI 国内注册方法来了!无需排队、无需信用卡,全程免费!

一路向前看原片 ↗
  • IP環境是核心要素:乾淨的住宅IP搭配日本節點能大幅提升註冊成功率,講者稱日本節點「幾乎秒過」,可選美國但成功率較低。
  • 全新郵箱是必要條件:系統會記錄每個郵箱的註冊歷程,曾排隊或卡在信用卡驗證的信箱會直接失敗,必須使用全新未註冊過的郵箱才能完全規避之前的失敗記錄。
AI 技術中文11月17日

Meta 改写 K-Means,训练轮次降到十分之一​ | K-Means | e-means | Meta FAIR | 聚类算法 | 向量检索 | Faiss | DINO10B | 向量数据库

Best Partners TV看原片 ↗
  • 從累加到衰減的中心維護:傳統小批量更新會累積歷史統計量造成早期分配記錄長期影響,而 e-Means 用指數移動平均使新分配能即時調整中心,早先統計逐漸失效,避免陷入次優解。
  • 死簇復活機制是關鍵改進:消融實驗顯示這項改動影響最大,透過每 5 批次檢查樣本不足的中心,從較大簇拆分一半重新安排,將樣本不足 10 個的中心比例從 26.3% 降到 0.3%。
AI 技術英文11月17日

Goal Engineering - The New Buzzword

Prompt Engineering看原片 ↗
  • 長期開放式目標中最難提供的上下文不是文件或 API,而是人類的判斷力與品味。傳統的檔案查詢或技術規格是相對容易部分,真正瓶頸在於定義「什麼是好的結果」。
  • Actively AI 初期採用單一代理處理多種任務類型失敗,因為人類審查者必須在十種不同的任務格式間切換心智模式,造成效率低落。重新架構為多個專一代理後,人類可在相同心智模式下快速連續審查。