文 | 划重点 Keypoints，作者｜肖圆，编辑｜重点君
谷歌的 AI 叙事又反转了。
Gemini 4 研发不及预期，已经连续两次推迟发布。原本被寄予厚望的 Gemini 3.5 Pro，也先后错过了 6 月和 7 月中旬的发布时间。
与此同时，谷歌在 5 月和 7 月接连推出 Gemini 3.5 Flash、Gemini 3.6 Flash。但无论哪一版，都没有明显匹敌或超过 Anthropic、OpenAI，设置不如 Kimi、Qwen、DeepSeek 的同期前沿模型。
外界很快意识到，那个一度让 OpenAI 紧急组建 Red Code 的谷歌，这次又落后了。
与模型延期同步出现的，是谷歌 AI 核心层接连发生的人事动荡。DeepMind 首席执行官席位空缺；原首席科学家 Jeff Dean 带领多名顶尖研究者出走创业；Hassabis 卸任 DeepMind 首席执行官；Koray Kavukcuoglu 则从首席技术官升任高级副总裁，接手日常运营，并直接向谷歌 CEO Pichai 汇报。
技术掉队与人事动荡，都指向谷歌长期存在的组织矛盾。
谷歌自身的全栈策略，要求谷歌在芯片、云、框架、模型、应用、硬件等都有布局，并且处于前沿。
本该成为搜索、云等业务"引擎"的 DeepMind，与这些部门，尤其是谷歌云，在产品与资源上，始终存在多重竞争。
偏偏 DeepMind 又是这套体系中最特殊的部门。它是一家被谷歌收购的研究机构，有自己的使命、文化，也长期围绕 Hassabis 这样的强势科学家运转。谷歌曾经需要这种特殊性，但当 Gemini 变成整个公司的基础设施，这种特殊性也开始制造越来越多的摩擦。
不可避免的人事动荡
最近 DeepMind 的一系列人事动荡，正是内部矛盾持续激化的结果。
Jeff Dean 带着三位来自谷歌的顶尖研究者离开，成立 Discovery Loop。他们给新公司的目标，是用 AI 自动解决机器学习、科学和工程中的重要问题。
这样的研究，DeepMind 有没有能力做？当然有。问题在于，它今天还有多大的空间去做。
备注：Discovery Loop 创始团队，从左到右分别是 Oriol Vinyals、Sanjay Ghemawat、Jeff Dean、Quoc Le。
在最近发表的 CEO 公开信里，Pichai 表示 DeepMind 会"高度聚焦于那些仍需改进的领域"。
这里的"聚焦"，指向模型能力的提升，以及模型与产品更紧密的结合。有限的研究人员和算力，需要流向 Gemini 最急迫的能力短板和谷歌最重要的产品。
Jeff Dean 的离开对 DeepMind 也许是损失，但对于谷歌云或母公司投资部门来说，就不一定了。Alphabet 成为 Discovery Loop 的创始投资者，谷歌云则为它提供计算基础设施。
DeepMind 自己的权力结构也在同时变化。
Hassabis 不再担任 DeepMind CEO，转任 DeepMind 董事长和 Alphabet 首席科学家，继续留在伦敦；原首席技术官 Koray Kavukcuoglu 则升任高级副总裁，负责日常运营，常驻加州，并直接向 Pichai 汇报。
谷歌保留了 Hassabis 的科学权威，又收回了他对 DeepMind 的管理权。
人事动荡，绝对不是 Hassabis 想看见的。
今年年初接受《财富》采访、回顾 Gemini 3 的成功时，Hassabis 说，他们花了一年到一年半，终于让 DeepMind 找到了作为整个谷歌"引擎室"的工作方式：DeepMind 负责制造引擎，再交给公司其他部门使用。
他当时反复强调三个词：速度、聚焦，以及尽量少的纷争。
元股证券:ygzq.hk半年之后，DeepMind 速度慢了下来，纷争却多了起来。
强人们正在离开，但在 Pichai 眼中，这可能是重塑这个组织所必然付出的代价，一个更可控、更聚焦、更靠近产品的 DeepMind，或许比保留原来的 DeepMind 更重要。
全栈是护城河，也是纷争的起源
谷歌引以为傲的护城河，是全栈。从芯片、数据中心、云，到模型、开发框架、应用和硬件，谷歌覆盖了 AI 技术栈的每一层。
但这些业务共享算力、模型和客户，又有各自的收入、产品和竞争目标。全栈因此也成了纷争的起源。
在 Alphabet 二季度财报电话会上，分析师问 Pichai：在新的模型战争中，谷歌的护城河是什么？即便拥有同样的模型能力，支撑持续增长的优势又在哪里？
Pichai 给出的答案是全栈。"全栈路线的价值之一就在这里：客户来找我们，买的通常是完整的解决方案，" Pichai 补充，"模型只是解决方案的一部分。"
他随后强调了云业务的全栈能力与强劲需求："当然，拥有自己的模型，可以让我们更深入地优化这些解决方案，提供更加一体化的产品。但与此同时，我们也会在这些解决方案中提供其他公司的模型，也会把基础设施能力整合进去。"
Gemini 的领先固然重要，但谷歌的商业胜利，并不完全以 Gemini 始终领先为前提。
配资网上开户DeepMind 和谷歌云的利益在算力分配上正面相撞。
据 The Information 报道，去年 12 月，谷歌成立了新的算力分配委员会：云、DeepMind、搜索与广告的负责人，以及 CFO 坐到一起，共同决定有限算力究竟应该优先分给谁。
算力分配本来就是大厂的老问题，但 AI 把它推向了空前严峻的程度。谷歌目前明显算力不足。今年计划投入 910 亿至 930 亿美元资本开支，接近 2024 年的两倍；但数据中心建设和芯片制造都需要时间，今天能用的算力，很大程度取决于几年前的投入。现在多花的钱，只能缓解未来，解决不了当下。
从市场趋势看，推理负载的增长正在超过训练负载。也就是说，当模型真正进入产品、被大量用户调用后，消耗的算力可能比研发模型本身更多。谷歌既拥有搜索、YouTube、Gmail 等数十亿用户产品，又是大型云厂商，恰好承接了这种结构性变化。
与此同时，谷歌云还是其他 AI 模型公司的基础设施供应商。Anthropic 就深度使用谷歌云和 TPU。对谷歌云而言，把算力分给这些客户意味着明确的合同、收入与增长预期：如果一个大客户愿意签下多年合同，即便谷歌需要先承担几个月的高成本，这笔账也很容易算清。
DeepMind 的账则没这么好算。训练下一代 Gemini 当然重要，但前沿研究的投入与产出之间并不存在稳定关系。
这种竞争会一路传导到普通研究者。The Information 报道称，DeepMind 要求研究者把大部分时间集中在一个主项目上，再由组织为该项目配置算力；项目用完额度后，研究者可能需要向其他团队"借"算力，并以未来的人情、调试支持或其他资源偿还。
而云与 DeepMind 的竞争，远不止争夺算力这么简单。
谷歌云同时也是 Gemini 模型最重要的商业出口。开发者可以在 Google AI Studio 购买 API 额度，这部分产品由 DeepMind 负责，但模型运行依然建立在谷歌的云基础设施之上。到了企业市场，Gemini 的套餐、定价、合规与销售体系，则更直接掌握在谷歌云手里。
于是，一种不对等关系出现了：谷歌云可以与 Gemini 抢算力，并把抢来的算力卖给 Gemini 的竞争对手；DeepMind 却无法绕过 Cloud，在竞争对手的云上自由销售 Gemini。
北美大型云厂商中，只有 Oracle 成功与谷歌云达成合作，原生支持 Gemini 系列模型；即便亚马逊和微软并不自研模型，Amazon bedrock 和 Microsoft Foundry 也没有对 Gemini 的原生支持。
并且，这种不对等在未来未必会缓和。按谷歌最新任命，DeepMind 的掌权者 Koray 负责 Gemini 模型研发、前沿 AI 研究，以及 Gemini app 与开发者团队；而与模型相关的企业业务仍归属谷歌云。
这种"模型团队"和"模型产品"的分离，还可能引发更多问题。
DeepMind 早已不只是模型研发部门：基础模型、Gemini App，以及对标 Claude Code 的 Antigravity 等开发者工具，都由 DeepMind 负责；Gemini 衍生出的 NotebookLM、Google Flow 等应用则位于 Google Labs；企业端的 Gemini Enterprise Agent Platform（原 VertexAI）与 Gemini Enterprise，又属于谷歌云。
这意味着，Gemini 的基础模型、个人产品、开发者产品与企业应用，并没有完全收拢在同一个部门，甚至同一个人手里。
相比之下，Anthropic 与 OpenAI 的产品收口更集中。Claude App、Claude Code 与企业产品围绕 Claude 模型演进，产品反馈能更直接回流到模型与工具团队。
这些断裂，可能也是谷歌在 Coding 与 Agentic 能力上落后的原因之一。
要提升 Claude Code 这类 Coding Agent 的体验，需要持续获得企业开发者的一线反馈，例如他们如何操作代码库、在哪些环节失败、怎样把 Agent 接入真实工作流。而这些企业客户与数据多掌握在谷歌云，负责模型与开发者产品的 DeepMind 却难以及时获取。
DeepMind 正在失去研究自主权
当 DeepMind 与其他部门的矛盾无法靠增加算力、加强协作来化解时，谷歌只能从组织上改造它。
谷歌需要 DeepMind 更聚焦、更贴近产品，更服从全公司的资源分配与发布节奏，并更直接地纳入 Pichai 的管理线之下。近期的人才流失，也发生在这场改造过程中。
而谷歌最初需要的 DeepMind，恰恰是一个"不太像谷歌"的组织。
在双方最初的甜蜜期里，DeepMind 提供了一种谷歌内部团队难以复制的能力：一个围绕 AGI 使命组织、由强势科学家创始人领导，能够持续把高风险研究做成标志性突破的"研究机构"。
这也是为什么 Google 自 2014 年收购 DeepMind 之后，长期容忍其相对自治。Demis Hassabis 能用关于 AGI、科学突破与长期主义的叙事吸引全球顶尖研究者，并让他们在短期回报并不明确的项目上协同工作。
当时的谷歌需要一个内部无法复制的 AGI 实验室，因此可以容忍它的自治、使命感，以及 Hassabis 极强的个人权威。
但 Gemini 越成功，DeepMind 原有的气质与工作方式就越难维持。
当 Gemini 仍是研究项目时，谷歌可以让研究者决定探索方向；但当 Gemini 成为搜索、云等业务的共同基础设施后，模型何时发布、获得多少算力、优先提升哪些能力，就不可能再只由研究团队决定。它必须适应搜索产品的更新节奏，满足云的企业客户，也要在竞争对手发布新模型时迅速给出答案。
在题为 The next chapter of our AI momentum 的公开信中，Pichai 强调 DeepMind 要保持在前沿，同时又要"高度聚焦于那些仍需改进的领域。"
模型竞争窗口越来越短，谷歌必须把有限的研究人员和算力集中到最关键的方向。
但这里还需要指出一点：Pichai 对模型团队"更聚焦"的新预期，可能会让 Gemini 离前沿模型越来越远。
在 Q2 财报会议上，Pichai 说："加快节奏、以接近每月一次的频率发布模型，已经成为 Gemini 4 路线图的一部分。"
这当然能让公司保持更新速度，也符合模型生命周期不断缩短的现实，但它很可能是个伪目标。
新模型的能力提升有 benchmark 可追。做过研究和产品的人都知道，把 Coding、推理或长上下文的分数再抬高一点，就足以构成一次发布。
但引领行业的模型研究需要灵光一现，需要无法计量成本的探索，也需要研究者在一段时间里做一些看起来没有直接产出的事情。
随着谷歌对 DeepMind 的要求越来越"聚焦"，这种探索空间正在缩小。
谷歌也许能得到更稳定的发布节奏、更易管理的研发流程短线失败原因，以及更快进入产品的模型；但也可能失去 DeepMind 原本最珍贵的那部分能力——允许一些人偏离主线，并最终找到一条所有人都未曾预料的路。
实盘股票配资｜品牌化杠杆炒股服务平台提示：本文来自互联网，不代表本网站观点。