大模型领域再起风云。今日，Transformer开创性论文《Attention Is All You Need》的共同作者Noam Shazeer在社交平台正式官宣：离职谷歌，加盟OpenAI。

（图源：X）

对于普通大众来说，这个名字或许稍显陌生，但熟悉生成式AI底层架构的人都清楚，他是这个时代的奠基者之一。2017年那篇颠覆性论文，他不仅是作者，更是核心贡献者。其Google Scholar主页显示，总引用量已高达357,394次，这一数字足以证明他的学术影响力。

（图源：Google Scholar）

说起Shazeer与谷歌的渊源，颇为曲折。他作为谷歌元老，曾主导开发早期大模型Meena，然而受限于大公司的体制束缚，难以充分施展才华，于2024年毅然离职，创办了Character.AI。同年，谷歌后知后觉，砸下近27亿美元将他连人带团队重新招揽回来。

（图源：Linkedin）

在这两年里，谷歌全力推进Gemini家族迭代，从底层多模态能力到超长上下文处理，表现相当出色，这背后无疑有Noam的贡献。然而，不到两年时间，他便再度转身，投奔OpenAI。不得不感叹，去意已决之人终究难以挽留。对于谷歌而言，这无异于赔了夫人又折兵。

当前，大模型在核心能力上已难以形成显著代差，真正的突破点集中在应用场景和算力效率上——毕竟单纯靠消耗tokens的路径在成本上难以为继。观察Noam今年注册的最新专利，其中透露的全是大模型下一阶段演进的关键方向：

Agent能力的关键拼图：专利US20260037744A1明确提及结构化工具（如API）的使用，其核心不仅限于内部推理，更致力于让大模型自主调用外部工具与API，从而具备真正的Agent能力。OpenAI显然希望借助他来补上打造“超级智能体”最关键的一块短板。

用AI设计AI：专利US20260105300A1聚焦神经架构搜索（NAS）。这表明他不仅擅长宏观架构设计，更在探索利用算法自动搜索、组装比当前Transformer更高效的底层网络组件。

极致利用算力与硬件性能：专利US20260044710A1涉及广为人知的混合专家模型（MoE）核心逻辑；另一项包含线性单元（linear units）的专利，则通过引入元素级乘法，优化底层前馈网络（如业界热门的GLU变体）。

总而言之，OpenAI招揽Noam，看重的是他在底层架构构建上的深厚功力。对于这一动态，你怎么看？Noam的加盟能否帮助OpenAI继续稳坐行业铁王座？欢迎在评论区分享你的见解。