6月的AI人才市场，谷歌再次处于舆论中心。过去一周，围绕谷歌DeepMind的多起高层技术人才流动，持续发酵。

谷歌七天内流失四位技术核心人物

据Axios和路透社等媒体报道，Gemini联合负责人Noam Shazeer离开谷歌并加入OpenAI；另一位DeepMind高级研究科学家、AlphaFold共同创建者John Jumper也在X上宣布自己加入了Anthropic。

此外，据彭博社报道，谷歌AI研究员Jonas Adler和Alexander Pritzel也正式宣布离职，去向同样是Anthropic。

这并非普通的人才流动。

四位离职者分别对应了谷歌AI体系中极具代表性的几条技术线：Transformer、大模型预训练、Gemini、AlphaFold、AI编码，以及模型训练系统。

正因如此，这轮离职潮迅速在X上引发热议。

X上已有用户直接将这场震动业界的离职事件指向谷歌的AI困境：“Gemini是一款平庸乏味的产品。谷歌已经失去了往日的产品魔力。Noam Shazeer去了OpenAI，John Jumper、Jonas Adler和Alexander Pritzel则前往Anthropic。”也有人将此视为谷歌在AI人才争夺战中承受压力的信号。

其中最受关注的，当属Noam Shazeer。

6月18日，Shazeer本人通过X平台表示，离开谷歌后已加盟OpenAI。他离开的时间节点颇为微妙——距离谷歌通过Character.AI相关交易将他及其团队重新招回麾下，尚不满两年。当时这笔交易金额约为27亿美元，一度被视为谷歌增强大模型人才储备的关键举措。

Shazeer的技术分量无需赘言。他是2017年《Attention Is All You Need》论文的共同作者之一，这篇论文提出的Transformer架构，后来成为大语言模型浪潮的技术基石之一。重返谷歌后，Shazeer参与领导Gemini相关工作，被视为谷歌大模型体系中最具分量的人物之一。

他再次离开，因此带有强烈的象征意义。这表明，在AI人才争夺中，即便是像谷歌这样的科技巨头，也很难通过一次高价“回购”永久绑定顶尖研究者。至少，当OpenAI仍处于高速扩张及资本市场叙事中心时，它对顶尖模型人才的吸引力依然不容小觑。

另一位重量级离职者是John Jumper。

Shazeer宣布离职两天后，Jumper也在X上发帖称已离开DeepMind，加入Anthropic。Jumper是AlphaFold的核心人物之一，曾与DeepMind CEO Demis Hassabis因蛋白质结构预测相关工作共同获得2024年诺贝尔化学奖。AlphaFold的意义不仅在于技术突破，更在于它让外界看到AI可以进入科学研究的核心流程，而非仅停留在聊天、搜索或内容生成场景。

因此，Jumper的离开代表了另一种形式的流失：DeepMind失去的不只是一名模型研究员，而是一位能够代表“AI for Science”方向的标志性人物。

如果说Shazeer的去向强化了OpenAI在基础模型和架构研究上的吸引力，那么Jumper加入Anthropic，则让外界开始关注Anthropic是否正在更系统地补强科学AI、生命科学及高可靠模型能力。

Anthropic过去最被外界熟知的当属Claude、AI安全及模型对齐。但随着Claude Code、企业场景和多步任务能力不断扩展，它需要的不仅包括产品工程团队，也涵盖更强的底层研究和科学计算人才。

在相关报道中，另外两位研究员Jonas Adler和Alexander Pritzel也离开了谷歌。

据媒体转引彭博社报道，Adler和Pritzel均被谷歌内部视为重要AI研究员。Adler参与谷歌的AI编码方向，Pritzel则专注于AI系统训练。报道称，两人都是Gemini模型开发的重要贡献者，并计划加入Anthropic。

这两人的流动同样值得关注。AI编码已经成为OpenAI、Anthropic、谷歌、微软等公司争夺最为激烈的应用入口之一。Claude Code的走红，让Anthropic在开发者群体中赢得了更强的存在感。此时若能继续吸纳来自谷歌Gemini和AI编码方向的研究人员，Anthropic的目标显然不只是维持Claude的对话能力，而是进一步强化其在编码、智能体及复杂任务执行方面的竞争力。

谷歌真的不行了吗？

这也是为何外界很难将这波离职潮简单归结为“谷歌不行了”。

更准确地说，这是AI行业人才价值被重新定价的结果。

Business Insider分析称，OpenAI和Anthropic对顶级AI人才的吸引力，一部分来自组织目标更为聚焦，另一部分则来自潜在的pre-IPO股权。相比谷歌这类成熟的上市公司，OpenAI和Anthropic仍处于估值高速变化及资本市场预期之中。对于顶尖研究人员而言，这意味着更高的不确定性，也意味着更大的股权上行空间。

与此同时，算力也正成为人才流动背后的隐性变量。媒体报道称，在Shazeer宣布加入OpenAI前不久，他所负责项目的一部分算力被重新分配给Google DeepMind伦敦团队，以推动协作和统一预训练工作。报道并未直接将其归因为Shazeer离职的原因，但在大模型公司内部，算力从来不只是基础设施，它还意味着项目优先级、技术路线及组织话语权。

对谷歌而言，问题不在于它是否仍然拥有全球顶尖的AI研究团队之一。答案显然是肯定的。DeepMind依然拥有深厚的人才储备、算力基础、产品入口和研究传统。

但一个重要的信息不容忽视：OpenAI和Anthropic正在改变人才竞争的参照系。

过去，谷歌是现代AI的重要发源地之一。从Transformer到AlphaFold，众多关键突破都诞生于谷歌体系之内。然而今天，技术人才的选择标准正在发生变化。顶尖研究者不只关注平台规模，也看重模型路线、组织效率、算力分配、产品落地速度，以及能否在下一轮AI公司资本化过程中获得更大的收益。

6月这波离职潮的刺眼之处，并不在于人数绝对数量之多，而在于名字实在太具代表性。这指向了一个信号：AI竞赛的核心资源不只是GPU、数据中心和模型参数，还有极少数真正懂得如何将这些资源转化为突破性成果的人才。

哈萨比斯回应模型落后与人才流失：不争一时之短长

还有消息称，除了人才频繁流失外，Gemini的能力也遭到了质疑。

在X上，有人发帖称：

在Fable 5发布、GPT-5.6即将到来之际，Google DeepMind内部的氛围正越来越多地被挫败感和普遍不满所笼罩。许多人认为，这家实验室已经被远远甩到第三名，甚至第四名。

一位消息灵通的DeepMind员工告诉我：“我不能怪Noam Shazeer离开。他也不会是最后一个离开的重量级人物。”

伴随着OpenAI和Anthropic接连挖走谷歌AI核心人才，DeepMind CEO Demis Hassabis终于在近期的一档播客访谈栏目中正面回应了外界最关心的问题：DeepMind是否仍有足够的人才，去赢得通向AGI的竞赛？

他的回答并没有回避竞争压力，但同时也未接受“谷歌正在失去AI人才优势”的叙事。

在这场访谈中，主持人提到，当年DeepMind加入谷歌后，几乎让外界感觉“AI领域最重要的人才都在同一个屋檐下”。但现在，OpenAI、Anthropic等至少三家前沿实验室都在争夺顶级研究人员。面对这样的变化，DeepMind今天是否仍然拥有赢得AGI竞赛所需的人才？

哈萨比斯的回应非常直接：顶尖实验室之间确实存在大量人才流动，DeepMind也不可避免地身处其中。但他强调，谷歌仍然能够赢得“相当一部分”顶级人才，而且DeepMind拥有所有前沿实验室中“规模最大、覆盖最广”的研究团队。

随后，哈萨比斯试图将这个问题放置到更长的时间线中加以审视。

在他看来，当今AI行业激烈的人才竞争，是当年DeepMind成立时几乎无法想象的局面。2010年，他创办DeepMind时，工业界几乎没有多少人真正投入AI；即便在学术界，AI也曾一度被视为“职业自杀”式的方向。神经网络、强化学习、学习系统在当时并非显学，DeepMind更像是一小群人押注一个并不被主流看好的方向。

但十多年后，整个世界已经意识到AI的巨大潜力。哈萨比斯指出，现在几乎每一家重要公司都会参与AI，这自然会带来科技行业有史以来最激烈的人才竞争之一。

因此，他不否认OpenAI、Anthropic等竞争对手的吸引力，也不否认人才流动已成为前沿模型公司之间的常态。但他给出的反驳是：判断谁能赢得AGI竞赛，不能只看几位明星研究员的去向，也不能只看短期内谁在文本模型或AI编码方面声量更高。

哈萨比斯真正强调的是DeepMind的“广度”。

他提到，过去十多年，现代AI产业背后的许多关键突破都源自Google Brain和DeepMind。从支撑大语言模型的Transformer，到AlphaGo背后的强化学习，再到AlphaFold所代表的科学发现能力，谷歌体系长期扮演着AI基础突破的源头角色。如今Google Brain和DeepMind已经合并为Google DeepMind，这使得原本分散的研究力量得以整合到同一组织之下。

这也是他反复强调“最大、最广研究团队”的原因所在。

在哈萨比斯看来，AGI的道路不会只穿过文本模型，也不会仅由代码生成能力决定。

主持人问到，通向AGI的路径是否会经由当下这些文本模型，尤其是可能自我改进的模型来实现；哈萨比斯并未给出肯定答案，而是强调DeepMind一直押注多条路线。

这套路线包括Gemini这样的多模态基础模型，也包括代码能力、视频生成、图像生成、音乐生成，以及面向科学研究的模型。

他认为，要构建真正完整的AGI系统，模型必须理解周围世界——不只是处理文本和逻辑，还要理解物理世界、视觉世界和现实环境。这一点对于机器人、智能眼镜助手、科学发现等方向尤为重要。

这实际上是在回应外界对OpenAI和Anthropic的另一层想象：如果当前的前沿竞赛被理解为“文本大模型+编程智能体”的竞争，那么Anthropic和OpenAI的声量确实很强。但如果终点是通用智能，哈萨比斯认为，比赛远不止这一条赛道。

他把DeepMind早期做游戏AI的经历也放入了这个逻辑之中。AlphaGo、Atari游戏、模拟环境并非为了游戏本身，而是为了给AI系统提供可量化、可验证、难度适中的中间目标。游戏只是通往真实世界问题的一层阶梯。后来的AlphaFold、药物发现、天气模型和科学模拟，才是这条路线真正想抵达的地方。

这也是哈萨比斯版本的“谷歌为何仍然会赢”的逻辑：不是因为谷歌不会失去人才，而是因为他相信AGI最终需要的是跨学科、跨模态、跨场景的系统能力。谁能将语言、视觉、代码、科学推理、世界模型、机器人和模拟能力整合起来，谁才更接近最终答案。

在谈到AI风险时，哈萨比斯也延续了他一贯的谨慎态度。他认为，随着行业接近AGI，网络安全只是一个“警告信号”。未来几年，生物、核安全等更严重的风险也可能浮现。因此，他主张建立更系统的测试机制，甚至需要国际化的标准机构来评估前沿模型，确保模型足够稳健，护栏足够可靠。

这与OpenAI、Anthropic近期在模型能力上不断加速形成了一种微妙对照。Anthropic以安全和对齐起家，但正在快速强化编码和企业场景；OpenAI则继续围绕通用模型、产品入口和基础设施扩张。DeepMind在哈萨比斯的表述中，则试图将自己重新定位在“长期AGI路线”上：不是仅追逐一时的应用热度，而是同时推进多模态、科学发现和世界模型。

当然，这并不能消除谷歌眼下面临的压力。

在AI人才战进入白热化阶段之后，顶级研究员的离开不仅是组织损失，也会影响资本市场及外界信心。Noam Shazeer和John Jumper这样的名字，本身就带有极强的信号意义。外界关心的并非谷歌是否还有人才，而是这些最能代表谷歌AI黄金时代的人，为何正在被OpenAI和Anthropic吸引过去。

哈萨比斯的回应，本质上是将问题从“谁走了”拉回到“谁拥有更完整的AGI路线”。他承认竞争异常激烈，但坚持认为，Google DeepMind仍然拥有最深、最广的人才储备，仍然在输出前沿工作，也仍然押注比文本模型更长期的多模态和科学智能路线。

哈萨比斯并没有把话说成一句简单的“谷歌一定会赢”。但他的意思很明确：如果AGI并非单一文本模型的胜利，而是一场关于智能系统、世界理解和科学发现能力的长期竞赛，那么谷歌DeepMind仍然认为，自己站在最为有利的位置之一。