很多人以為，坐擁頂級算力、頂尖人才的Google，是AI研究者的天堂。
但這家最強的矽谷AI大廠的真實內部現狀卻是：
在Google，自研TPU算力不再是普惠的科研資源，而是稀缺的內部特權。重大模型迭代優先、商業化項目優先、高層戰略優先，無數有想像力、有突破性的小眾創新，只能排隊、讓步、被無限擱置。
彭博採訪了Andrew Dai（戴安德魯）等多位離職員工，最後總結認為：
無數AI天才研究員不是能力不夠、想法不行，而是搶不到算力，熬不過內卷，耗不起層層官僚規則。
最終，一批又一批Google AI 核心人才徹底失望、轉身出走，並選擇從零創業，只為拿回一件最樸素、也最奢侈的東西：
自己掌控研究的權力，和不被隨意剝奪的算力。
這也印證了一個AI行業真相：
算力稀缺是永恆常態，大廠決策並非永遠公允，而集權僵化的 “大公司病”，是巨頭規模化後難以規避的宿命。
在這場搭建人工智慧算力基礎設施的競賽中，Alphabet旗下的Google坐擁令人豔羨的優勢：
Google不僅擁有成熟的雲端運算業務、自研晶片，還與Anthropic、Meta 等企業達成晶片共享合作。
然而Google如今算力資源價值水漲船高，就連公司內部的人工智慧研究員使用算力都需要排隊等候。
去年夏天，時任Google人工智慧實驗室研究員的Andrew Dai（戴安德魯）發現了Google旗艦人工智慧模型Gemini存在一處盲區。
他在遊玩桌面棋類遊戲時，拍下棋盤畫面向Gemini提出一個簡單問題：
眼下誰佔據優勢？
令他意外的是，Gemini束手無策，一眾競品AI模型也同樣無法作答。
這件事讓他堅定了一個想法：必須研發能深度理解圖像內容的人工智慧技術。
Andrew Dai在採訪中表示，他將這一構想和同事交流後很快意識到，留在Google內部根本拿不到足夠算力來推進這項研究。想要落地該項目，他只能選擇離職。
不少Google在職及離職員工均表示，隨著Google在人工智慧領域領跑，算力已然淪為稀缺資源，僅優先供給最佳化Gemini這類高優先順序核心項目。
相關人士透露，內部研究員時常面臨算力被付費客戶擠佔的窘境。
Google搜尋業務與雲端運算業務也在爭搶自家自研的張量處理器晶片（TPU）算力。
而在GoogleDeepMind人工智慧實驗室內，算力資源的分配，直接決定了研究員的研究方向、追隨的團隊核心人員以及項目推進速度。
華盛頓大學榮譽教授、資深人工智慧研究員Oren Etzioni（奧倫·埃齊奧尼）直言：“Google內部每一塊張量處理器晶片都有三方爭搶。倘若你手握前景宏大卻暫無收益的研究項目，還要和能創造營收的付費客戶爭奪算力，處境可謂舉步維艱。”
對此，Google官方發表聲明稱，公司設有嚴謹且常態化的算力調配機制，會將算力資源優先投向核心重點工作，兼顧當下客戶與使用者需求，同時持續投入長期研發，助力人工智慧領域的科研創新。
Alphabet首席執行長Sundar Pichai（桑達爾·皮查伊）也曾表示，在算力分配決策上，管理層始終全力保障GoogleDeepMind研發前沿人工智慧模型所需資源，畢竟這是企業所有業務發展的根基。
Alphabet公佈資料顯示，Google雲端運算未計入營收的簽約待執行訂單額較上一季度近乎翻倍，突破4600億美元。
皮查伊坦言：“短期之內我們依舊面臨算力緊缺的困境，目前正全力應對並持續加碼相關投入。”Google將於本周二在山景城舉辦年度開發者大會，正式發佈旗下最新一系列產品升級成果。
曾經，AI研究員都將Google視作自由追逐科研理想的理想之地，氛圍堪比學術界，薪資待遇與硬體資源卻更為優厚。
多位離職員工坦言，長久以來Google研究員一直渴望更多算力資源，但早年AI模型體量偏小，普通規模算力便足以支撐完整研究項目。
直至2022年，OpenAI推出的聊天機器人ChatGPT爆火出圈，倒逼Google全力投身大語言模型研發，這類AI程序可在數秒內生成專業求職信與學術文稿。如今Google更是全力攻堅程式碼生成類AI模型，這類產品已被同行證實具備極強市場熱度與盈利潛力。
Andrew Dai（戴安德魯）談及行業頭部實驗室的通用發展策略時表示：“行業內都力求打造全球頂尖程式碼人工智慧模型，畢竟矽谷業界普遍追求研發出比肩人類智能的通用人工智慧，沒人願意在這場賽道中落後。”
這也使得Google愈發不願將算力資源傾斜至暫無盈利前景的實驗性創新項目。
如今，Andrew Dai離職後創辦了人工智慧初創企業Elorian，這家剛結束隱匿營運狀態的企業主打視覺推理技術。
在他看來，該技術是AI落地建築、汽車製造、機器人等實體行業的核心關鍵。
如今已有多名Google離職人工智慧研究員表示，自主創業後反而能更輕鬆獲取充足算力。自主創業可多管道籌措算力，還能自由調配到手晶片資源，無需受制於Google繁瑣的內部流程，也不必擔心企業戰略調整導致算力資源被突然收回。
前GoogleDeepMind研究員Ioannis Antonoglou（揚尼斯·安東諾格魯）回憶，早年研發圍棋人工智慧模型AlphaGo時，他手握充足算力，這款模型曾一舉擊敗世界頂尖圍棋選手轟動業界。後續他也參與到Google核心戰略項目Gemini的研發工作中，但他認為公司並未為模型後置微調階段分配足夠算力，這一階段主要依靠法律文書、程式設計程式碼等專業領域資料最佳化模型性能。
2024年，Ioannis Antonoglou（揚尼斯·安東諾格魯）與DeepMind同事Misha Laskin（米沙·拉斯金）攜手離職，聯合創辦開源人工智慧初創企業ReflectionAI。
他表示：“我和聯合創始人都堅信強化學習是人工智慧行業的下一發展突破口，但彼時無論Google還是DeepMind，都並未明確敲定這條研發路線。”
算力資源早已成為科技企業留住人工智慧核心人才的重要籌碼。
前DeepMind研究員Anna Goldie（安娜·戈爾迪）透露，當年她籌備離職創業時，Google曾以追加算力資源為條件極力挽留，不過她最終依舊選擇離開。2025年末，她與同事Azalia Mirhoseini（阿扎利亞·米爾侯賽尼）聯合創立Ricursive Intelligence公司。
Anna Goldie（安娜·戈爾迪）坦言，走出Google後能對接多元算力管道，可獲取的算力資源遠超預期。她並未透露公司完成3.35億美元融資後拿下的具體算力規模，但坦言其水平與Google當初開出的留任算力條件旗鼓相當。
她感慨道：“創業之後無需層層上報申請資源，我和聯合創始人可直接敲定利於企業發展的決策，也能充分吸納團隊員工的創新想法。”
2023年從Google離職、現任AI初創企業Goodfire首席科學家的Tom McGrath（湯姆·麥格拉思）表示，如今諸多頭部人工智慧實驗室裡，不少研究員即便心有所屬，也只能順應公司重心投身大語言模型研發。
他說道：“一方面，充足算力、晉陞機會以及參與大型模型訓練項目的行業光環極具吸引力；另一方面，倘若不順應主流研發方向，就會徹底失去硬體加速資源支援。”
這已然成為Google內部研究員的真實工作現狀。
為加快AI賽道追趕步伐，Google在2023年完成兩大AI實驗室整合：架構偏集權式的倫敦DeepMind實驗室，以及研究員可在寬鬆管理下自主開展興趣項目的Google Brain實驗室。
Andrew Dai（戴安德魯）與Anna Goldie（安娜·戈爾迪）均提及，Google Brain實驗室早年推行內部算力積分制度，研究員可憑藉積分申領晶片資源，積分價格隨算力供需波動，走勢類似股市行情。
Anna Goldie（安娜·戈爾迪）補充道，當時研究員們還會抱團整合資源，趁同事休假、休息時借用其閒置算力積分推進項目，這種方式也凝聚了團隊凝聚力，助力不少創新項目落地。
但目前Google依舊為普通研究員預留專屬算力配額，但每逢企業開展大型人工智慧模型集中訓練，整體算力供給就會極度緊張，研究員只能在有限資源裡互相爭奪。
如今想要爭取更多算力的研究員，大多會選擇短期應用型研究課題，研究成果可快速適配Gemini迭代新版本，以此獲得管理層認可，順利拿到算力支援。
不僅如此，研究員也無法百分百確保既定算力資源足額到位。Andrew Dai透露，2024年一場大規模模型訓練任務，直接導致Google暫停多個中小型科研項目長達一個季度，不少研究員就此擱置了自己的研究課題。
Andrew Dai（戴安德魯）認為，初創企業最大的優勢便是科研主動權：只要敲定年度算力採購預算，就能穩定獲取對應資源，絕不會被隨意抽調削減。
目前，Elorian企業處於穩步擴張階段。
為高效利用現有算力，Andrew Dai（戴安德魯）在招人時格外青睞擅長在有限資源內突破創新的科研人員。
Ioannis Antonoglou（揚尼斯·安東諾格魯）總結道：“人工智慧行業的競爭向來分為兩大核心維度，其一便是算力儲備體量，其二則是算力實際利用效率。” (智能紀元AGI)