过去两周，谷歌在人工智能领域的“冰火两重天”格局展现得淋漓尽致，一面是云业务营收飙升82%，一面是首席科学家杰夫·迪恩在效力27年后宣布离职。
又令股价进一步走低。
据多位不愿具名的知情人士透露，部分研究人员对算力获取日益不满——他们难以获得推进前沿项目所需的计算资源，却看到谷歌将自研TPU出售给包括Anthropic在内的外部客户。
此外，谷歌内部层级审批繁琐，研究成果转化为产品需层层过关，使得OpenAI、Anthropic乃至更年轻的初创公司对AI研发人员更具吸引力——他们更偏爱实验室工作而非财报数字。
迪恩此次与谷歌资深专家桑杰·格马瓦特、奥里奥尔·维尼尔斯和Quoc Le共同离职，创立Discovery Loop。迪恩在X平台上表示，这家由谷歌注资的初创公司将定位为公益公司，“使命是实现机器学习、科学与工程的自动化，加速发现与进步”。
此前已有多位知名研究员相继出走，包括2017年里程碑论文
D.A. Davidson分析师吉尔·卢里亚指出，顶尖人才外流趋势明显。“他们并不热衷于将AI商业化，而是希望成为历史的一部分，”卢里亚表示，“因此他们把Anthropic、OpenAI或其他初创公司视为能够书写历史的地方。”
在谷歌，迪恩是为数不多敢于公开批评特朗普政府的高管，今年早些时候他曾激烈反对五角大楼将Anthropic列为供应链风险的决定，警告此举可能损害美国AI产业整体利益。从技术层面看，他更是构建了奠定谷歌现代AI领先地位的算力基础设施与神经网络系统。
哈萨比斯2010年共同创立DeepMind，四年后出售给谷歌。他将转任该部门董事长，并担任Alphabet新设首席科学家一职，聚焦长期研究及通用人工智能的社会影响，同时计划投入更多时间在从DeepMind孵化的AI药物发现公司Isomorphic Labs。
DeepMind技术负责人兼Alphabet首席AI架构师科拉伊·卡夫库奥卢将接手该部门日常管理及下一代Gemini模型开发。据接近DeepMind团队的人士透露，过去一年卡夫库奥卢已逐渐承担更多原属哈萨比斯的职责，包括指导模型开发及主持重大Gemini发布;哈萨比斯则更多时间脱离实验室，关注监管及高级AI的长期影响。
谷歌在全球数据中心、芯片及相关基础设施上的投资规模几乎无人能及，但算力依然短缺。每一枚TPU被分配用于训练模型、支撑谷歌产品，或履行云客户合约，都代表着在多重优先事项间的抉择。
知情人士称，当谷歌向Anthropic等竞争实验室宣布大规模基础设施承诺时，研究人员对算力获取的不满尤为强烈。其中一位人士表示，谷歌对研究、模型训练、和Gemini等产品服务，以及云客户合作等不同领域的需求均有长期预测，这些需求会提前数年建模，但若某产品增速超预期或优先级变动，短期内算力分配也可能发生调整。
皮查伊在近两次财报电话会上均强调，即便云客户需求增长，谷歌仍优先保障DeepMind的算力需求。今年7月被问及TPU分配时，他表示“首要任务”是确保算力以在AGI前沿竞争中保持领先，并称这项工作“是我们一切业务的基础”。
他同时补充，谷歌会在上述需求与消费者产品和AI模型所需算力之间取得平衡，并通过将TPU直接部署在第三方数据中心来缓解外部需求。
谷歌股东、Niles Investment Management创始人丹·奈尔斯认为，算力分配是天然矛盾。“谷歌拥有所有这些其他业务，他们必须决定把资源给谁，”奈尔斯说，“这种情况下总有人会不满意。”
今年1月达沃斯世界经济论坛上，哈萨比斯与谷歌云CEO托马斯·库里安同台探讨企业级产品与应用场景。据一位熟悉谷歌云运营的人士透露，这一场面颇为罕见——两大组织历史上长期各自为政，哈萨比斯与公司其他业务更是疏离。
该人士认为，同台亮相标志着哈萨比斯开始更积极地介入AI企业用例，也反映了谷歌在面临OpenAI和Anthropic竞争压力下，加速推进研发与商业运营深度融合的总体策略。
随后数月，谷歌模型屡遭波折，最突出的是最新旗舰模型Gemini 3.5 Pro发布延期。与此同时，库里安掌管的云业务却录得创纪录的爆发式增长。库里安曾任甲骨文高管，自2019年执掌谷歌云，在擅长消费者互联网的公司内部打造了一支活跃的企业销售组织。
谷歌云自主设计AI芯片，运营全球数据中心网络，并销售模型、数据库、安全软件及AI智能体开发工具。
这一战略使谷歌能从AI需求中多维度获利：向OpenAI、Anthropic等实验室出售基础设施，同时向企业提供Gemini，并将AI整合至、YouTube、Workspace及其他自有产品中。
生成式AI热潮延续近四年，如今浮现的新问题是：谷歌是否有必要自行开发最顶尖的AI模型?抑或让其他公司承担高昂成本，自己坐收渔利更为明智?
卡夫库奥卢5月在谷歌开发者大会上向CNBC表示，公司在推动前沿的同时亦注重效率提升。他称Flash模型在提供前沿级能力的同时，运行速度及效率均比同类模型快四倍，使谷歌能够将先进AI扩展至企业及消费者服务。
与通古兹类似，奈尔斯认为多数商业场景并不需要最强模型。“现有模型已能满足90%的常规需求，”他说，“这事儿不需要法拉利，福特就够用了。”然而，对于致力于实现下一个Transformer级突破的科学家和研究者而言，“够用”往往远远不够。
