谷歌的AI敘事再次出現反轉。據虎嗅報道，谷歌新一代旗艦模型Gemini 4因研發不及預期，已連續兩次推遲釋出；原本被寄予厚望的Gemini 3.5 Pro，也先後錯過了6月和7月中旬的釋出時間。與此同時，谷歌在5月和7月接連推出Gemini 3.5 Flash、Gemini 3.6 Flash，但無論哪一版，都沒有明顯匹敵或超過Anthropic、OpenAI，甚至不如Kimi、Qwen、DeepSeek的同期前沿模型。外界很快意識到，那個一度讓OpenAI緊急組建Red Code的谷歌，這次又落後了。

與模型延期同步出現的，是谷歌AI核心層接連發生的人事動盪。DeepMind執行長席位空缺；原首席科學家Jeff Dean帶領多名頂尖研究者出走創業；Hassabis卸任DeepMind執行長，轉任董事長和Alphabet首席科學家；Koray Kavukcuoglu則從技術長升任高階副總裁，接手日常運營，並直接向谷歌CEOPichai彙報。

技術掉隊與人事動盪，都指向谷歌長期存在的組織矛盾。谷歌自身的全棧策略，要求谷歌在晶片、雲、框架、模型、應用、硬體等都有佈局，並且處於前沿。本該成為搜尋、雲等業務“引擎”的DeepMind，與這些部門，尤其是谷歌雲，在產品與資源上，始終存在多重競爭。

偏偏DeepMind又是這套體系中最特殊的部門。它是一家被谷歌收購的研究機構，有自己的使命、文化，也長期圍繞Hassabis這樣的強勢科學家運轉。谷歌曾經需要這種特殊性，但當Gemini變成整個公司的基礎設施，這種特殊性也開始製造越來越多的摩擦。

不可避免的人事動盪

最近DeepMind的一系列人事動盪，正是內部矛盾持續激化的結果。Jeff Dean帶著三位來自谷歌的頂尖研究者離開，成立Discovery Loop。他們給新公司的目標，是用AI自動解決機器學習、科學和工程中的重要問題。這樣的研究，DeepMind有沒有能力做？當然有。問題在於，它今天還有多大的空間去做。

在最近發表的CEO公開信裡，Pichai表示DeepMind會“高度聚焦於那些仍需改進的領域”。這裡的“聚焦”，指向模型能力的提升，以及模型與產品更緊密的結合。有限的研究人員和算力，需要流向Gemini最急迫的能力短板和谷歌最重要的產品。Jeff Dean的離開對DeepMind也許是損失，但對於谷歌雲或母公司投資部門來說，就不一定了。Alphabet成為Discovery Loop的創始投資者，谷歌雲則為它提供計算基礎設施。

DeepMind自己的權力結構也在同時變化。Hassabis不再擔任DeepMind CEO，轉任DeepMind董事長和Alphabet首席科學家，繼續留在倫敦；原技術長Koray Kavukcuoglu則升任高階副總裁，負責日常運營，常駐加州，並直接向Pichai彙報。谷歌保留了Hassabis的科學權威，又收回了他對DeepMind的管理權。

人事動盪，絕對不是Hassabis想看見的。今年年初接受《財富》採訪、回顧Gemini 3的成功時，Hassabis說，他們花了一年到一年半，終於讓DeepMind找到了作為整個谷歌“引擎室”的工作方式：DeepMind負責製造引擎，再交給公司其他部門使用。他當時反覆強調三個詞：速度、聚焦，以及儘量少的紛爭。半年之後，DeepMind速度慢了下來，紛爭卻多了起來。

強人們正在離開，但在Pichai眼中，這可能是重塑這個組織所必然付出的代價，一個更可控、更聚焦、更靠近產品的DeepMind，或許比保留原來的DeepMind更重要。

全棧是護城河，也是紛爭的起源

谷歌引以為傲的護城河，是全棧。從晶片、資料中心、雲，到模型、開發框架、應用和硬體，谷歌覆蓋了AI技術棧的每一層。但這些業務共享算力、模型和客戶，又有各自的收入、產品和競爭目標。全棧因此也成了紛爭的起源。

在Alphabet二季度財報電話會上，分析師問Pichai：在新的模型戰爭中，谷歌的護城河是什麼？即便擁有同樣的模型能力，支撐持續增長的優勢又在哪裡？Pichai給出的答案是全棧。“全棧路線的價值之一就在這裡：客戶來找我們，買的通常是完整的解決方案，”Pichai補充，“模型只是解決方案的一部分。”他隨後強調了雲業務的全棧能力與強勁需求：“當然，擁有自己的模型，可以讓我們更深入地最佳化這些解決方案，提供更加一體化的產品。但與此同時，我們也會在這些解決方案中提供其他公司的模型，也會把基礎設施能力整合進去。”

Gemini的領先固然重要，但谷歌的商業勝利，並不完全以Gemini始終領先為前提。DeepMind和谷歌雲的利益在算力分配上正面相撞。據The Information報道，去年12月，谷歌成立了新的算力分配委員會：雲、DeepMind、搜尋與廣告的負責人，以及CFO坐到一起，共同決定有限算力究竟應該優先分給誰。

算力分配本來就是大廠的老問題，但AI把它推向了空前嚴峻的程度。谷歌目前明顯算力不足。今年計劃投入910億至930億美元資本開支，接近2024年的兩倍；但資料中心建設和晶片製造都需要時間，今天能用的算力，很大程度取決於幾年前的投入。現在多花的錢，只能緩解未來，解決不了當下。

從市場趨勢看，推理負載的增長正在超過訓練負載。也就是說，當模型真正進入產品、被大量使用者呼叫後，消耗的算力可能比研發模型本身更多。谷歌既擁有搜尋、YouTube、Gmail等數十億使用者產品，又是大型雲廠商，恰好承接了這種結構性變化。與此同時，谷歌雲還是其他AI模型公司的基礎設施供應商。Anthropic就深度使用谷歌雲和TPU。對谷歌雲而言，把算力分給這些客戶意味著明確的合同、收入與增長預期：如果一個大客戶願意簽下多年合同，即便谷歌需要先承擔幾個月的高成本，這筆賬也很容易算清。

DeepMind的賬則沒這麼好算。訓練下一代Gemini當然重要，但前沿研究的投入與產出之間並不存在穩定關係。這種競爭會一路傳導到普通研究者。The Information報道稱，DeepMind要求研究者把大部分時間集中在一個主專案上，再由組織為該專案配置算力；專案用完額度後，研究者可能需要向其他團隊“借”算力，並以未來的人情、除錯支援或其他資源償還。

而云與DeepMind的競爭，遠不止爭奪算力這麼簡單。谷歌雲同時也是Gemini模型最重要的商業出口。開發者可以在Google AI Studio購買API額度，這部分產品由DeepMind負責，但模型執行依然建立在谷歌的雲基礎設施之上。到了企業市場，Gemini的套餐、定價、合規與銷售體系，則更直接掌握在谷歌雲手裡。

於是，一種不對等關係出現了：谷歌雲可以與Gemini搶算力，並把搶來的算力賣給Gemini的競爭對手；DeepMind卻無法繞過Cloud，在競爭對手的雲上自由銷售Gemini。北美大型雲廠商中，只有Oracle成功與谷歌雲達成合作，原生支援Gemini系列模型；即便亞馬遜和微軟並不自研模型，Amazon bedrock和Microsoft Foundry也沒有對Gemini的原生支援。

並且，這種不對等在未來未必會緩和。按谷歌最新任命，DeepMind的掌權者Koray負責Gemini模型研發、前沿AI研究，以及Gemini app與開發者團隊；而與模型相關的企業業務仍歸屬谷歌雲。這種“模型團隊”和“模型產品”的分離，還可能引發更多問題。

DeepMind早已不只是模型研發部門：基礎模型、Gemini App，以及對標Claude Code的Antigravity等開發者工具，都由DeepMind負責；Gemini衍生出的NotebookLM、Google Flow等應用則位於Google Labs；企業端的Gemini Enterprise Agent Platform（原VertexAI）與Gemini Enterprise，又屬於谷歌雲。這意味著，Gemini的基礎模型、個人產品、開發者產品與企業應用，並沒有完全收攏在同一個部門，甚至同一個人手裡。

相比之下，Anthropic與OpenAI的產品收口更集中。Claude App、Claude Code與企業產品圍繞Claude模型演進，產品反饋能更直接回流到模型與工具團隊。這些斷裂，可能也是谷歌在Coding與Agentic能力上落後的原因之一。要提升Claude Code這類Coding Agent的體驗，需要持續獲得企業開發者的一線反饋，例如他們如何操作程式碼庫、在哪些環節失敗、怎樣把Agent接入真實工作流。而這些企業客戶與資料多掌握在谷歌雲，負責模型與開發者產品的DeepMind卻難以及時獲取。

DeepMind正在失去研究自主權

當DeepMind與其他部門的矛盾無法靠增加算力、加強協作來化解時，谷歌只能從組織上改造它。谷歌需要DeepMind更聚焦、更貼近產品，更服從全公司的資源分配與釋出節奏，並更直接地納入Pichai的管理線之下。近期的人才流失，也發生在這場改造過程中。

而谷歌最初需要的DeepMind，恰恰是一個“不太像谷歌”的組織。在雙方最初的甜蜜期裡，DeepMind提供了一種谷歌內部團隊難以複製的能力：一個圍繞AGI使命組織、由強勢科學家創始人領導，能夠持續把高風險研究做成標誌性突破的“研究機構”。這也是為什麼Google自2014年收購DeepMind之後，長期容忍其相對自治。Demis Hassabis能用關於AGI、科學突破與長期主義的敘事吸引全球頂尖研究者，並讓他們在短期回報並不明確的專案上協同工作。

當時的谷歌需要一個內部無法複製的AGI實驗室，因此可以容忍它的自治、使命感，以及Hassabis極強的個人權威。但Gemini越成功，DeepMind原有的氣質與工作方式就越難維持。當Gemini仍是研究專案時，谷歌可以讓研究者決定探索方向；但當Gemini成為搜尋、雲等業務的共同基礎設施後，模型何時釋出、獲得多少算力、優先提升哪些能力，就不可能再只由研究團隊決定。它必須適應搜尋產品的更新節奏，滿足雲的企業客戶，也要在競爭對手釋出新模型時迅速給出答案。

在題為The next chapter of our AI momentum的公開信中，Pichai強調DeepMind要保持在前沿，同時又要“高度聚焦於那些仍需改進的領域。”模型競爭視窗越來越短，谷歌必須把有限的研究人員和算力集中到最關鍵的方向。但這裡還需要指出一點：Pichai對模型團隊“更聚焦”的新預期，可能會讓Gemini離前沿模型越來越遠。

在Q2財報會議上，Pichai說：“加快節奏、以接近每月一次的頻率釋出模型，已經成為Gemini 4路線圖的一部分。”這當然能讓公司保持更新速度，也符合模型生命週期不斷縮短的現實，但它很可能是個偽目標。新模型的能力提升有benchmark可追。做過研究和產品的人都知道，把Coding、推理或長上下文的分數再抬高一點，就足以構成一次釋出。但引領行業的模型研究需要靈光一現，需要無法計量成本的探索，也需要研究者在一段時間裡做一些看起來沒有直接產出的事情。

隨著谷歌對DeepMind的要求越來越“聚焦”，這種探索空間正在縮小。谷歌也許能得到更穩定的釋出節奏、更易管理的研發流程，以及更快進入產品的模型；但也可能失去DeepMind原本最珍貴的那部分能力——允許一些人偏離主線，並最終找到一條所有人都未曾預料的路。