這篇分析的案例都是矽谷總部的研究員動向。如果你在台灣、日本或亞洲其他地區的 AI 公司或大廠研究院工作,想問一個具體問題:這波大廠研究員出走到 AI 新創的現象,在亞洲有沒有同等規模的對應?台灣的頂尖 AI 研究員跳槽的主要誘因,是股票期權、薪酬,還是研究資源?手上有數據的歡迎補充。
六月二十四日,Bloomberg 報導 Google DeepMind 即將失去兩名核心研究員:Jonas Adler 和 Alexander Pritzel。兩人都選擇加入 Anthropic。
Adler 主導的是 Google 的 AI 編碼研究,Pritzel 負責預訓練,讓模型從海量資料中建立基礎能力的那個階段。兩人也都是 AlphaFold 計畫的貢獻者,曾與諾貝爾化學獎得主 John Jumper 並肩工作。
這是五週之內第四波離職。五月十九日,Andrej Karpathy 加入 Anthropic。六月十八日,《Attention Is All You Need》共同作者、Gemini 核心工程師 Noam Shazeer 宣布轉投 OpenAI。六月十九日,John Jumper 離開 DeepMind 前往 Anthropic。現在輪到 Adler 和 Pritzel。
Google 正在失去什麼
職位頭銜可以補招,但 Adler 和 Pritzel 帶走的東西更難量化。
Adler 在 Google 參與過 AI 編碼工具的研究,帶走的是哪些方向試過、結果是什麼的第一手判斷。這種負面知識,新創公司要花三年時間才可能重新踩坑摸索到。Pritzel 負責預訓練,對模型基礎能力的影響是根本性的。他到 Anthropic 之後不會立刻改變 Fable 5,但後來的模型世代就很難說了。
把五週的離職名單放在一起看:Shazeer 帶走 Transformer 架構的直覺判斷,Jumper 帶走 DeepMind 科學研究方法論,Karpathy 帶走大規模預訓練的工程視野,Adler 帶走 AI 編碼,Pritzel 帶走預訓練判斷力。這五個人覆蓋的是 Google 當前最核心的幾條研究線,而且幾乎是同時發生的。
TechCrunch 的報導提到,離開的誘因之一是 Anthropic 和 OpenAI 即將 IPO,研究員以 pre-IPO 股票期權加入,在上市前還有明確的增值窗口。Bloomberg 則指出 Google 內部存在算力資源分配的矛盾,不同研究團隊爭搶有限 GPU,被分到較少算力的研究員,研究進度自然慢下來。這個問題薪酬調整解決不了,根源是資源稀缺。
數字背後的真相
Alphabet 市值在這段期間蒸發了大約 2,700 億美元。這個數字要放在背景裡看才有意義。
股價波動反映市場對未來的預期,人才出走是觸發因素之一,但同時也有 DOJ 反壟斷訴訟的不確定性和 AI 廣告競爭的壓力。把 2,700 億全算在這幾位研究員頭上是不精確的。但這個數字傳遞的信號是真實的:市場判斷 Google 在 AI 研究競爭力方面出現了結構性問題,而不只是幾個職位的空缺。
從費米估算的角度看:GPT-4 的訓練耗費了大約 1 億美元以上的算力成本。一位頂尖預訓練研究員在架構設計上的一個正確判斷,可以讓訓練效率提升 10% 到 15%,節省 1,000 萬到 1,500 萬美元的算力支出,每個訓練週期計算一次。四位核心研究員的加入,對 Anthropic 下一代模型的潛在成本優勢估算在 5,000 萬到 1.5 億美元之間。這個量級讓 Anthropic 的挖角成本在財務模型上是划算的。
重要的時間感:這批研究員真正開始發揮影響的時間點,是 2026 年底到 2027 年初。Fable 5 的訓練在他們入職之前已完成。現在看到的 Anthropic 研究成果,還沒有包含這波新血的貢獻。
接下來值得觀察的指標
Gemini 3.5 Pro 的 GA 時間線是最近的驗證點。六月二十四日同時傳出 Gemini 3.5 Pro 全面上線延誤六週,時間點和人才外流報導同天。如果 Q3 繼續滑期,說明核心研究人員的缺口開始影響產品時程。相反,若按計畫推出,說明前期研究管線足夠成熟,可以吸收短期人才損失。
Google 的留才動作是第二個觀察點。面對這個規模的人才外流,組織通常有兩種反應:大規模 RSU 刷新,或調整內部算力分配政策讓核心研究員有更充裕的計算資源。如果三個月內看到 Google DeepMind 宣布特別留任計畫,說明管理層確認了問題根源。如果沒有任何動作,則說明 Google 認為這個人才流動在可接受範圍,那本身就是一個判斷信號。
Anthropic 2027 年初模型的預訓練品質是最長線的指標。Pritzel 的預訓練專業對 Claude 下一代基礎模型有潛在影響,Adler 的 AI 編碼研究則直接指向 Claude 在代碼生成上的競爭力。如果 Anthropic 2027 年的模型在基礎能力評測(MMLU 類)上有大幅提升,這個人才配置的效應才算有了可量化的驗證。
如果這篇對你有幫助,訂閱電子報 可以第一時間收到 AI PM 實戰洞察與 GenAI 落地案例。
相關閱讀