机器之心编辑部
谷歌又又又有大神离职了。
据 Bloomberg 报道，顶尖 AI 研究员 Jonas Adler 和 Alexander Pritzel 计划离开 Google，加入 Anthropic。
报道称，两人均被 Google 内部视为 Gemini 模型的重要贡献者。其中，Adler 参与了 Google 的 AI 编程相关工作，Pritzel 则参与了人工智能系统的训练流程。
除此之外，Google DeepMind alignment 方向研究员 Arthur Conmy 也宣布将加入 Anthropic。
过去一段时间内，Google DeepMind 已连续失去数位重量级人物：Gemini 联合负责人、Transformer 论文作者之一 Noam Shazeer 宣布加入 OpenAI；AlphaFold 核心科学家、2024 年诺贝尔化学奖得主 John Jumper 宣布加入 Anthropic。
Gemini 的人，又走了
Adler 和 Pritzel 对应的两个方向，恰好卡在当前前沿模型竞争最关键的位置。
一个是 AI coding。
过去一年，AI 编程能力几乎已经成为大模型商业化的第一主战场。Claude Code、Codex、Cursor、Devin，以及各类 coding agent，把大模型从聊天工具推向真实生产力场景。企业用户愿意为 AI coding 付费，开发者愿意把工作流迁进去，模型公司也终于找到了一个足够高频、足够刚需、足够容易量化价值的入口。
而 Google 在这个方向上，一直显得有些尴尬。
它并不缺工具。Jules、Antigravity、Firebase Studio、AI Studio、Gemini CLI、Workspace 里的 Gemini，以及各种开发者入口，Google 几乎什么都有。
问题是，它什么都有，反而让人不知道该用什么。
另一个是模型训练流程。
Pritzel 所参与的训练系统，听起来不如「诺奖」「Transformer」「AlphaFold」那样有传播度，但在前沿模型公司内部，这可能更接近真正的硬通货。
大模型竞争到了今天，真正稀缺的早已不只是论文能力，而是训练手感。
什么数据该进，什么数据该删；什么时候该扩模型，什么时候该调配比；某个 loss 曲线背后到底是数据问题、优化问题还是架构问题；哪类 benchmark 提升是真提升，哪类只是过拟合；下一轮预训练该赌哪条路线。
这些东西很少完整写在论文里，也很难通过公开报告复现。它更像一种只能在顶级训练现场反复试错出来的隐性知识。
所以，Google 可以把模型权重留在数据中心里，但很难把人的训练直觉也留住。
老 DeepMind 的人，正在离开？
更值得注意的是，这一轮讨论里出现了一个新的关键词：伦敦。
有从业者注意到，最近几位高调离开 Google DeepMind 的人物中，不少都与 GDM 的伦敦传统团队有关。也有人把这与自己听到的内部抱怨联系起来，认为预训练工作的重心正在缓慢但确定地向 Mountain View 转移。
DeepMind 曾经是一个带有强烈学术理想主义色彩的 AI 科研圣殿。AlphaGo、AlphaFold、强化学习、AI for Science，这些成果塑造了 DeepMind 的神话，也塑造了一批研究员对这家机构的身份认同。
但 Gemini 时代的 Google DeepMind，正在变成另一种组织。它不再只是做漂亮的科学突破，而是要参与 OpenAI、Anthropic 之间的前沿模型军备竞赛，并把模型能力接入 Google 的核心产品体系。
这意味着，GDM 必须从「研究实验室」转向「模型工厂」。
而一旦进入模型工厂逻辑，谁掌握算力，谁掌握训练排期，谁定义模型路线，谁就掌握真正的话语权。
如果预训练重心确实从伦敦向 Mountain View 倾斜，那么这不仅是办公地点变化，也是 Google DeepMind 内部权力结构、资源配置和文化重心的变化。
对一部分老 DeepMind 人来说，这种变化未必容易接受。
Google 还是 Google，但问题已经不一样了
Google 的优势和包袱都来自同一个地方：它太大了。
搜索、广告、云、安卓、YouTube、Workspace、TPU 和 DeepMind，让它拥有全球少数公司才具备的全栈 AI 能力，也让它必须在不同产品线、资源排期和组织目标之间反复协调。
相比之下，Anthropic 和 OpenAI 更像目标单一的前沿模型机器。它们没有 Google 那样复杂的既有业务和产品牵扯，前沿模型本身就是公司的中心。
这对顶尖研究员有很强吸引力。
在大公司内部，研究员可能需要等待资源排期、参与跨部门协调、面对产品线优先级变化，甚至卷入团队之间的算力分配。而在 Anthropic 或 OpenAI，模型迭代就是公司的主线。
当顶尖人才相信某个地方更适合做出下一代模型，他们就会向那里流动；当这种流动连续发生，它又会反过来强化外界对那家公司的信心。
过去，Google 是 AI 人才的终点。现在，它越来越像 AI 人才的起点。许多现代 AI 的关键人物从这里出发，又在新一轮模型竞赛中流向 OpenAI、Anthropic 或其他创业公司。
这当然不意味着 Google 已经出局。
Google 仍然是全球少数真正具备全栈 AI 能力的公司：它有自研芯片，有云计算，有基础模型团队，有产品分发入口，也有长期积累的研究文化。Gemini 仍然是前沿模型竞争中不可忽视的一极。
但这轮人才震荡提醒外界，AI 竞赛的核心资源并不只是 GPU、TPU 和数据中心，也不只是论文、参数和 benchmark。真正稀缺的是那些知道如何把所有资源组织成有效模型的人。
Google 曾经是现代 AI 最重要的策源地：Transformer、AlphaFold、DeepMind，都塑造了今天的大模型时代。
但这也让它陷入一种尴尬处境：当行业进入最激烈的人才争夺战时，Google 正越来越像硅谷最大的 AI 黄埔军校。
论文可以留在引用列表里，模型可以留在服务器里，产品可以继续改名上线。但真正做出这些东西的人，如果持续流向 OpenAI 和 Anthropic，市场最终会问一个更尖锐的问题：Google 到底是在领导下一轮 AI 革命，还是在为下一轮 AI 革命输送人才？
至少从最近这一连串离职来看，Anthropic 又赢下了一局。
https://techcrunch.com/2026/06/24/ai-researchers-continue-to-leave-google-for-its-rivals/
https://www.bloomberg.com/news/articles/2026-06-24/google-poised-to-lose-two-more-high-profile-ai-staffers-to-anthropic?srnd=phx-technology
https://x.com/giffmana/status/2069858726719176733
https://x.com/ArthurConmy/status/2069820098890674334?s=20
热门跟贴