夏令時把倫敦的黃昏拉得格外長。2026年8月5日，星期三，已到了下班時分。失去溫度的陽光，灑在國王十字車站的維多利亞紅磚上。隔壁的DeepMind辦公室裡，員工們收到一封信。落款是兩個人：Google首席執行長皮查伊，以及哈薩比斯——DeepMind的聯合創始人與掌舵人。

（左至右）Google及Alphabet公司首席執行長桑達爾·皮查伊、GoogleDeepMind首席執行長德米斯·哈薩比斯

信裡說，哈薩比斯不再擔任首席執行長了。這位國際象棋神童出身、2024年諾貝爾化學獎得主、被封爵的科學家，將轉任董事長，同時出任母公司 Alphabet的首席科學家。

幾分鐘後，另一條消息傳開：為Google工作27年、DeepMind的首席科學家迪恩，也將離開公司。他會帶著幾名同事，去創辦一家新公司。

倫敦辦公室裡，所有人都有點困惑：哈薩比斯是升職還是降職？他還能不能真正說了算？DeepMind 是不是要把大本營從倫敦搬回山景城？

一家公司最資深的兩個人，一個退後一步，一個轉身離開，前後相差不過幾分鐘。一個新問題浮上水面：曾經領跑的Google，是不是正在輸掉這場人工智慧競賽？

真正扎眼的訊號，兩個月前就出現了。2026年6月18日，Gemini的一位技術核心領袖在X（原推特）上宣佈加入OpenAI。他也是《注意力就是一切》的作者之一（編者註：該論文2017年發表於Google，引入了Transformer架構，被視為現代大語言模型的奠基之作。今天幾乎所有大語言模型，都建立在它之上。）。

第二天，6月19日，與哈薩比斯共同獲得2024年諾貝爾化學獎、一起做出 AlphaFold 的江珀，宣佈離開工作九年的 DeepMind，加入 Anthropic。

市場的反應直接而冰冷。6月22日，Alphabet股價收盤跌幅約5%創下近一年最差單日表現。四天後，兩名Gemini團隊成員也被曝出將去追隨江珀。

到2026年6月底，《注意力就是一切》的八位作者，已全部離開Google。其中七位，有的創辦公司，有的加入競爭對手。

圖註：《注意力就是一切》作者有的創辦公司，有的加入競爭對手：其中沙澤爾與凱澤去了OpenAI；瓦斯瓦尼與帕爾瑪創辦了Adept AI；瓊斯創辦了 Sakana AI；戈麥斯創辦了 Cohere；波洛蘇金創辦了NEAR Protocol；烏茲科雷特創辦了 Inceptive。

這不是幾個普通工程師的跳槽。當一條模型線的負責人，與那套底層架構的發明者，在一周之內先後走人，市場知道該怎麼解讀——股價下跌，就是回應。

這場人才流動的方向，幾乎是單向的。一家風險投資機構在2025年發佈的《人才狀態報告》顯示： DeepMind工程師流向Anthropic的機率，大約是反向的11倍；而Anthropic的團隊卻固若金湯，兩年留存率高達八成。（這組比例出自第三方分析，口徑可商榷，但趨勢不言自明。）

人才的流向，往往是商業勝負的先行指標。研究員趁實驗室上市前跳進公司，押一把上市前的股權，本質上是用自己的選擇，來下注一家公司在資本市場的前途。而最近他們賭的，幾乎都不是Google，而是另外兩個巨大的機會：

Anthropic在2026年5月完成一輪650億美元融資，估值接近9650億美元；OpenAI已向美國證券交易委員會秘密提交上市申請。兩家公司都處在公開上市前的窗口期。

《財富》採訪的三名匿名工程師說，這次改組，本質上是把權力從倫敦移向美國山景城的Google總部。接手日常營運的人是DeepMind的首席技術官，也是 Alphabet的首席人工智慧架構師。他升任高級副總裁，直接向首席執行長匯報。

所以，8月5日的那封信，表面是交接，背後是一場權力位移。

在這些工程師看來，不設新的首席執行長，意味著DeepMind正被慢慢併入Google主體，失去它一直珍視的獨立性。

2023年，ChatGPT發佈後，Google首席執行長宣佈將Google Brain與 DeepMind合併為Google DeepMind。此後兩年，更多團隊——模型訓練、機器學習基礎設施、Gemini應用——被陸續併入這個組織。DeepMind與母公司之間那道存在多年的"防火牆"，正在鬆動。

哈薩比斯的離場，抽掉的正是這道牆的一塊磚。

員工對他本人也頗有微詞。他們把哈薩比斯與Google聯合創始人謝爾蓋·布林做了對比：後者雖然從退休狀態重新出山，卻依然親力親為，直接參與Gemini的模型訓練和技術討論；而哈薩比斯則隱身在外——有員工稱，從沒在Gemini的辦公區見過他走動過。（Google發言人隨後反駁，稱他常駐倫敦，也經常往返山景城。）

除了疏離感，員工自身的倦怠也是個大問題。有工程師稱，自己已連續很長時間每周工作60小時。即便Google開出高額留任獎金和股權激勵，也未能完全阻止人才外流。

更早前，一份國防合同還"點燃"了另一場危機。Google與美國國防部達成協議，允許Gemini模型在機密軍事網路上用於"任何合法用途"。超過580名Google員工聯名簽署公開信反對，其中不乏高級研究員、總監和副總裁。

2026年5月，倫敦辦公室約1000名員工推動組建工會——通訊工人工會成員以98%的票數支援。這是全球前沿人工智慧實驗室的首次工會化嘗試。員工要求終止Google人工智慧被美國國防部與以色列軍隊使用，並恢復2025年2月被悄悄撤下的"不開發武器與監視人工智慧"承諾。

這一承諾，最早是2018年一場風波後確立的（編者註：當時，美國國防部利用人工智慧分析無人機影像的項目，當年曾引發Google員工大規模抗議）。

科技公司的內部問題，很容易暴露在產品層面。2026年5月19日，在Google開發者大會（I/O）上，首席執行長承諾，Gemini3.5 Pro將於"下個月"向公眾推出。現場有觀眾發出了可聞的嘆息聲。

結果，它錯過了6月，又錯過了6月30日，再錯過7月17日的目標日期——至少三度跳票。預測市場 Polymarket（編者註：一個基於區塊鏈的預測平台）以 97% 的"未發佈"機率結算，交易量近23萬美元。

期間，Google只放出幾個更小的Flash模型。彭博社報導稱，延遲已引起Google工程師、人工智慧研究員和管理層的沮喪，他們擔心公司正在失去對Anthropic和 OpenAI的競爭力。多個信源稱，DeepMind內部決定廢棄原有基礎模型、從頭開始更長的預訓練，而不是直接上市一個不完美的版本。

這一切的病根，可以回溯到更早。一名工程師說，那段時間Google忙於守住搜尋流量，而對手正在智能體和程式設計工具上一路狂奔。Google一把手皮查伊本人5月曾承認，Google在智能體程式設計方面"稍稍落後"。等你回過神來，幾個月已經過去，只能繼續追趕。

這一切後果，體現在排名上。一家獨立評測機構的創始人告訴《財富》：Google曾一度擁有全球最聰明的模型，而如今它最強的那個，已經排在Anthropic、OpenAI、阿里巴巴的Qwen等幾家中國實驗室、xAI和Meta之後。

《財富》人工智慧編輯卡恩，在2026年6月23日的報導中，就DeepMind的離職潮對 Alphabet能否保持在人工智慧前沿，提出了直接疑問。分析人士普遍認為，Google當下的處境，更接近打一場"不輸"的仗，而不是在"求贏"。

把上面這些擺在一起，"Google輸了"像是一個順理成章的結論。

但是，Google不止一次死而復生。

2022年底，ChatGPT 橫空出世，Google內部拉響"紅色警報"，被普遍認為已經掉隊。《財富》雜誌曾以"OpenAI脆弱的領先與抵禦Google復甦的八周'紅色警報'"為題，報導過雙方的攻防。

可2025年11月，Gemini 3發佈，被行業廣泛視為拉近了與Anthropic、OpenAI的差距；OpenAI一度被迫以"紅色警報"應對Google的反撲。從掉隊到反超，這家公司交替上演過很多次。

這一次，它手裡握著別人沒有的牌。Google的垂直整合，覆蓋晶片、資料中心、模型與應用全端。它自研的TPU晶片（編者註：Google自研的張量處理單元，專為人工智慧計算設計）已迭代至第八代——Ironwood於2026年1月向雲客戶開放。

第三方分析稱，其單晶片總體擁有成本比輝達旗艦級GPU產品低約44%，訓練與推理性能是上一代的4倍；單個超算組可達4.25億億次浮點運算。值得玩味的是，連Anthropic——Google最直接的競爭對手——都向Google訂購了多達100萬顆TPU，據媒體估算協議價值達數百億美元，理由是"性價比與效率"。

分發同樣不在同一量級。Chrome佔有約65%的全球瀏覽器市場份額，Android活躍裝置超過30億，Gemini已嵌入搜尋、Gmail、Docs與 Workspace 等產品。

第三方統計顯示，Gemini在人工智慧聊天機器人中的網路流量份額，從2025 年1月的約5%，升至2026年1月的21%以上。

對OpenAI和Anthropic來說，贏下模型層是生死攸關的事——它們幾乎沒有第二層；Google卻不是。就算它在模型前沿上落後半步，最深的算力、自研的晶片，以及觸達數十億使用者的分發，也可能替它把這落後的半子贏回來。

首席執行長皮查伊在那封信裡也留了一句話：Google有足夠的人才、算力和分發，去打贏這場仗。

如果只看模型榜單，這家巨擘確實落後了。但如果模型這一層不是勝負手，那它手裡那副底牌——算力、晶片、分發，以及嵌進數十億人日常的產品——依然厚得嚇人。

真正懸而未決的，不是"Google能不能追上其他模型"，而是兩個更深的問題：

模型這一層，到底決不決定這場比賽的最終勝負？

以及，當DeepMind一點點被併進Google、失去它的獨立與身份，曾經讓它站上世界之巔的魔力，還在不在？

關於後面一個問題，部分Google的離職者已經用腳投過票：8月5日，迪恩、格瑪瓦特、維尼亞爾斯與樂四人共同創辦了公益企業，聚焦"人工智慧賦能科學研究"（AI for Science）。Google既是其創始投資方，也將在至少一年內提供算力支援。人才沒有離開Google的生態，只是離開了Google的組織。而組織，正在收縮成一條更短的指揮鏈。(財富FORTUNE)

在最近發佈的一次對談中，Google現任首席科學家傑夫·迪恩（Jeff Dean）和諾姆·沙澤爾（Noam Shazeer），這兩位人工智慧領域的重量級人物，與知名播客主持人德瓦克什·帕特爾（Dwarkesh Patel）進行了深度交流。對談內容涵蓋了從Google的起步、摩爾定律、人工智慧的演算法進展，到未來的AGI（通用人工智慧）計畫等多個方面。通過他們的對話，我們不僅瞭解到了兩位學者與Google之間深厚的淵源，也對人工智慧及其應用前景有了更加深刻的洞察。

作為Google的資深員工，傑夫·迪恩與諾姆·沙澤爾的加入故事各具特色。傑夫·迪恩回憶到自己主動聯絡Google加入公司的經歷，表現出他對Google的前瞻性看法，而諾姆·沙澤爾的故事則充滿了戲劇性。沙澤爾最初並未對Google產生濃厚興趣，甚至認為Google是一家已經非常龐大的公司，自己可能無法找到發揮的空間。然而，他的直覺告訴他，這家公司值得一試，最終決定投遞簡歷。這種看似偶然的決定，卻為他後來的職業生涯鋪平了道路。

這段經歷也讓他們對Google的成長與文化有了深刻的理解。傑夫和諾姆回憶到，早期的Google公司規模較小，團隊氛圍濃厚，每個人之間互相認識，甚至能記住每個人的名字。隨著公司不斷擴張，他們也經歷了Google由一個小型創新公司變成全球領先科技公司的轉變。這一變化不僅體現在員工數量的增加上，還體現在公司項目的多樣化和跨領域合作的深入。兩人都提到，隨著公司規模的擴大，他們漸漸開始感受到一些項目的複雜性，這需要更高層次的協作與溝通。

摩爾定律作為科技發展的基石，曾為電腦硬體的進步提供了明確的預期。然而，隨著時間推移，摩爾定律的預測逐漸失效，尤其是在CPU的擴展性與性能提升上出現瓶頸。傑夫·迪恩與諾姆·沙澤爾都討論了這一變化，以及它如何影響了Google的技術路線。

傳統的硬體依賴於摩爾定律的規律，逐漸發展出了強大的計算能力，但隨著製造工藝的瓶頸期的到來，CPU的性能提升速度開始放緩。此時，針對AI計算需求的專用硬體，如GPU、TPU等逐漸成為新的計算基礎設施。尤其是Google推出的TPU（張量處理單元），它的設計初衷是為了滿足深度學習中大量矩陣運算的需求。這一硬體的誕生，大大提升了AI模型訓練和推理的速度，推動了深度學習的蓬勃發展。

3. 從n-gram到深度學習：計算革命

從傳統的n-gram模型到如今的深度學習，傑夫·迪恩在這方面有著極為豐富的經驗。1990年，傑夫·迪恩在其本科論文中開始接觸神經網路，並進行了早期的平行化神經網路反向傳播的研究。這一研究為後來神經網路的高效訓練提供了理論支援。然而，由於計算資源的限制，當時神經網路尚未能有效解決實際問題。直到2008年，摩爾定律的進一步發展才使得神經網路在實際應用中嶄露頭角，逐漸成為人工智慧領域的核心技術之一。

2007年，傑夫參與的語言建模研究為大規模語言模型的出現埋下了伏筆。他與團隊一起，提出了一種新的n-gram資料表示方法，使得機器翻譯的效率大幅提升，將翻譯時間從數小時縮短至數百毫秒。這一技術不僅提升了Google翻譯的性能，也為大規模語言模型在其他領域的應用提供了重要支援，尤其是在文字生成、拼寫糾錯等技術上取得了顯著突破。

4. AI程式設計與開放成果：Google的技術貢獻

Google一直致力於推動人工智慧的邊界，不僅在硬體上持續創新，也在AI演算法和程式設計方面進行了大量的探索。隨著人工智慧技術的不斷髮展，AI已經不再僅僅是一個工具，而是成為了軟體開發的重要助力。傑夫·迪恩提到，Google在內部使用AI輔助編碼模型來生成部分程式碼，甚至有25%的程式碼是由AI模型自動生成的。這樣的進展不僅提高了開發效率，還為未來的軟體開發奠定了新的基準。

與此同時，Google一直堅持開放其研究成果，推動整個行業的進步。例如，Transformer模型的發佈，作為Google的一項重要技術成果，為自然語言處理技術帶來了革命性進展。通過開放這些技術成果，Google不僅加速了行業的發展，也進一步鞏固了自己在全球AI領域的領導地位。儘管如此，Google也面臨著如何平衡技術開放與保持競爭優勢的問題。針對不同的技術，Google選擇了不同的策略，有些技術發佈以推動行業進步，而有些技術則保留在公司內部，以確保自身的市場競爭力。

5. 未來展望：AI與硬體的深度融合

對於未來，傑夫·迪恩和諾姆·沙澤爾都表達了他們對AGI（通用人工智慧）和AI硬體發展趨勢的看法。傑夫認為，隨著AI模型的不斷擴大，對計算資源的需求將大幅增加。尤其是在推理計算方面，隨著AI模型的不斷增大，計算成本的降低和硬體的最佳化將成為未來發展的關鍵。為了支援未來AGI的發展，Google已經在研發更加高效的硬體，並計畫利用這些硬體來滿足不斷增長的計算需求。

在此過程中，AI的推理計算將成為一個重要的技術瓶頸。目前來看，AI推理計算的成本非常低，每個token的計算成本僅為10的負18次方美元，這為未來大規模應用AI技術奠定了基礎。然而，如何進一步最佳化推理計算演算法，提高計算資源的利用率，仍然是一個技術難題。

在AI模型的發展過程中，模組化和自我學習將成為未來的重要方向。傑夫·迪恩提出，未來的AI模型應該能夠更加靈活和模組化，讓不同的小組專注於特定任務或領域的研究，通過建立高品質的訓練資料來最佳化模型的不同部分。這種方法不僅能夠提高模型的效率，還能夠更好地滿足不同使用者的需求。

諾姆·沙澤爾也提到，隨著AI技術的發展，AI不僅能通過學習和訓練在特定任務中表現得越來越好，還能在面對新問題時，迅速適應並進行最佳化。這種自我學習的能力將使得AI能夠在更廣泛的領域中發揮作用，從而改變人類的工作和生活方式。

7. AGI與全球技術格局：Google的未來戰略

展望2030年，傑夫·迪恩認為，隨著AI的不斷進步，全球對計算能力的需求將達到前所未有的高度。為了滿足這一需求，Google將持續投入研發新型硬體，並在人工智慧和資料處理技術上尋求更深層次的創新。這些創新不僅體現在硬體方面，還包括在演算法、資料中心管理和多資料中心協作等方面的突破。

此外，隨著AGI的逐步實現，未來的人工智慧將能夠進行跨領域的知識遷移和自我進化。傑夫認為，AI不僅僅是一個工具，更將成為人類社會中不可或缺的一部分，推動各行各業的革新。

傑夫·迪恩與諾姆·沙澤爾通過此次對談，回顧了自己與Google的職業生涯，並展望了未來人工智慧技術的發展趨勢。無論是在AI硬體的發展，還是在演算法和程式設計的創新方面，Google都在推動全球科技的前沿。通過他們的分享，我們得以一窺未來人工智慧技術的發展藍圖。AGI的實現與AI技術的廣泛應用，將不僅僅是技術的突破，更是人類社會向智能化邁進的重要一步。

我將繼續細化具體部分，使文章結構更加嚴謹，內容更加深入。如果您有任何具體要求或需要進一步擴展的部分，請告訴我！ (AI焦點)

彙整鉅亨號中所有使用「傑夫·迪恩」關鍵字，所發布的內容 (依照時間排序，最新在前，舊的在後)`

Fortune雜誌—Google的悲歌

GoogleAGI計畫深度對談：傑夫·迪恩與諾姆·沙澤爾回顧與展望