很多人对谷歌突然出现的一系列高调离职感到措手不及，谷歌股价对这一消息的反应也非常负面——

从纸面上看，谷歌本应是智能体AI竞赛中遥遥领先的赢家。他们拥有完整的栈、声誉、人才，以及足以与Anthropic和OpenAI（其两大最大竞争对手）打昂贵消耗战的资金。他们有着强大的研究文化，孕育出整个科技领域一些最有前景的想法。

我们一直在讨论DeepMind/谷歌更深层的结构性问题，以及你应该预期因此出现一些非常引人注目的离职。例如，回顾二月份的直播，当时Gemini 3.1 Pro发布，所有人都盯着基准测试数字——ARC-AGI-2上77.1%，Artificial Analysis上排名第一。我对整件事并不那么兴奋——

六个月后，以下是一些值得关注的新闻：

旗舰模型停滞不前。Gemini 3.5 Pro错过了目标窗口期，内部报告指出在复杂编码工作流中持续失败。

冗余团队在构建重叠工具。DeepMind、谷歌云和Android在过去一年里一直在构建相互竞争的AI编码助手。Gemini CLI和Code Assist现在被强行合并到Antigravity中，只是为了阻止内部自相残杀。

内部摩擦正在外泄。DeepMind和谷歌云之间一直存在激烈的拉锯战，高管争斗甚至出现在科技媒体上。

关键人才正在流失。构建核心Transformer和Gemini基础的高级研究人员正纷纷离开，加入精简、单一产品的AI初创公司。谷歌究竟有什么地方让那些高自主性的建设者感到疏远（这种模式远比那些名人更深层）？

领导层不得不介入

谷歌刚刚对DeepMind的运营领导层进行了非常引人注目的组织重组。

所有这些故事都指向同一个根本原因：谷歌作为一个机构，正因内部多种关于其应有面貌的相互冲突的理念而从内部撕裂。这意味着，尽管个别团队和工程师可能做出出色的工作，但由于缺乏更深层次的身份认同，谷歌很难朝着有意义的长期目标迈进。

这篇文章将是对谷歌最坦诚、最深入的剖析之一，探讨这家本应万事俱备的公司为何屡屡出错。虽然我的社交圈中确实有不少谷歌高层内部人士的评论（正是通过他们，我才能告诉大家，DeepMind 的 Demis 派系并不像一些工程师想象的那样干净，他们正试图进行强力游说，将 Demis 定位为下一任谷歌 CEO），但我将把文章的大部分内容集中在容易核实的公开事实和报道上，以避免陷入无益的他说她说之争。

DeepMind、Cloud、Android 和 Workspace 多年来一直朝着不同的目标努力，常常重复建设工具，争夺产品所有权和 TPU 访问权限。

谷歌一再未能发挥自身的优势。它埋没了多模态嵌入，让 TPU 的采用变得不必要的困难，分裂了其编码代理，并解雇了开发出爆款 Workspace CLI 的工程师，而另一个团队却在重建同样的东西。

同样的激励机制也扭曲了 Gemini。基准测试为研究团队提供了自主性和轻松的内部认可；而可靠的代理则需要模型、工具、权限、基础设施和产品之间进行混乱的协作。因此，谷歌不断产出在图表上看起来比在实际工作流中感觉更好的智能。

这些激励机制也赶走了高自主性的建设者。谷歌培养出卓越的研究人员，却在他们在尝试交付时加以阻挠，然后眼睁睁看着他们创建竞争对手——或者花费数十亿美元将他们请回来。

近期围绕Antigravity和Koray Kavukcuoglu的整合表明，谷歌已决定将Google Cloud作为其首要的冠军。这或许可行。真正的考验在于，这种权力的集中能否促成更深层次的协同一致，还是会让谷歌最杰出的人才沦为机械执行者。

护城河的自我破坏

在商业领域，护城河是指任何能阻止新竞争者进入你业务领域的事物。例如，如果我想创办一家与可口可乐竞争的软饮公司，我就得建立自己的分销伙伴关系，并找到一群可以压榨的穷人。护城河为现有企业提供了巨大的稳定性和应对竞争的时间；因此，投资者和产品经理都钟爱护城河。

作为一家组织，谷歌在构建这些护城河方面（除了其核心搜索和广告业务外）有一种独特的自我破坏技能。这家大公司热衷于将本应强劲的开发、测试和改进迭代循环变成一幅幅杰克逊·波洛克式的混乱之作。

我们关于此事的第一个案例研究将是编程代理的混乱局面。

考虑以下情况——OpenAI和谷歌都推出了各自的CLI产品，试图分得Claude Code巨大成功的一杯羹。Codex和Gemini CLI在初期都远逊于CC。但它们的结局却大相径庭。

如今，Codex已缩小了与Claude Code的差距，并实现了自身的病毒式增长。此外，同一个核心Codex引擎无处不在：在CLI中、嵌入IDE、网页界面以及跨云环境中。每一次修复、每一次状态跟踪增强、每一次上下文窗口优化，都汇聚到同一个平台层。

谷歌则采取了相反的策略。看看这里的这段话——

“谷歌联合创始人谢尔盖·布林等人曾主张谷歌加快步伐，抓住AI编程领域的机遇，但他们的努力因公司内部派系争斗而受阻，两位前员工表示。云计算部门谷歌云、研究实验室谷歌DeepMind以及负责Android操作系统的团队都在为开发者构建AI编程工具，部分消费产品团队也参与其中，知情人士透露。”

为了消除内部摩擦，谷歌正将这些并行的开发工作整合进Antigravity项目，以便一个团队在状态追踪改进、工具使用优化和上下文管理方面的成果，最终能在所有界面间流通。

这……显然，这正是你想要的。这也是为什么我们教导一年级工程师，软件开发是团队协作的艺术。但谷歌却花了数月时间才意识到这一点。（平心而论，鉴于其规模，多个团队同时启动代理构建是可以理解的；但不可接受的是，他们花了这么久才实现整合。）

这揭示了谷歌与更精简的AI实验室之间的根本差异。OpenAI和Anthropic会做出糟糕的产品决策，但一旦某种架构模式被证明有效，它们会集中组织资源全力支持。而谷歌则让相互竞争的实施方案并存、重复，甚至碎片化。

有时，这种碎片化导致了冗余的产品SKU。其他时候，它则催生出结构上怪异且自我毁灭的极端案例。

贾斯汀·波内尔特在谷歌担任工程师近七年，期间他开发了一款面向人类和AI代理的开源Google Workspace命令行工具。该工具通过标准API调用，为代理提供了一种结构化、低延迟的协议，使其能直接与Gmail、Google Drive和Google Calendar交互。它迅速登顶Hacker News，一夜之间吸引了数千名活跃开发者用户。

谷歌解雇了他。

内部报告显示，尽管个别工程团队希望采用他的工具，但其他部门对外部品牌标识和未经批准的发布渠道提出了担忧。在他被解雇的两天前，谷歌已公开宣布将推出官方的Workspace命令行工具。

将这一回应与OpenAI得知JP被解雇时的反应相比——

一句对高能动性的简单赞赏，以及进一步交流的邀请（来自OpenClaw的创始人，他本人也曾被OpenAI挖角）。

因此，公司内部的一位构建者发现了智能体执行中的巨大摩擦点，构建了一个可用的原型，并在生产环境中验证了用户需求。谷歌的企业结构非但没有吸收这一工具、标准化其安全边界并加以推广，反而将这一举措视为治理违规——解雇了这位工程师，而另一个团队则从零开始复制完全相同的功能集。

朋友们，这是一种病态。一种冷漠与衰败的病态，公司无法识别并重视内部正在进行的卓越工作。

接着讲第三个故事：多模态嵌入

谷歌在Vertex AI中有一个多模态嵌入模型，能够将文本、图像和视频嵌入到同一语义空间中。视频嵌入在2024年初已普遍可用。你实际上可以获取视频，从中生成嵌入，并执行诸如语义视频检索之类的操作。

那不是笔误。谷歌在2024年初确实实现了功能性视频嵌入。这些嵌入效果并不理想（使用起来简直是噩梦，因为被限制在Vertex平台后面，而且无法处理音频），但无论如何这都应该是个大新闻。当时的前沿模型是Gemini 1.5、GPT-4 Turbo（你还记得这个吗？）和Claude 3。再补充一点背景——那时GPT-4o甚至还没发布。

那为什么几乎没人谈论这件事呢？简单来说，就是太难接触到了。这项功能藏在Vertex AI里，没有与谷歌的主要开发者框架、开发者营销或更高级的SDK进行清晰整合。他们的开发者关系团队写了一些技术文档，发布了示例笔记本，然后就把它埋在云平台菜单里，让开发者只能偶然发现。实际使用起来更糟糕，因为你需要跳过五道关卡，还得费尽口舌去求最近的谷歌云支持代表，因为正确配置一切实在太难了。

结果呢？大多数人根本不知道这东西的存在，谷歌损失了一大笔钱，因为其他嵌入模型在语义检索系统中占据了中心舞台，他们不得不花1亿美元从定价过高且被高估的Contextual AI那里授权技术，试图在这个领域占有一席之地（但到目前为止也失败了）。

其实本不必如此。如果营销得当、获取门槛更低，再加上更顺畅的发布流程和生态整合，他们本可以在直接嵌入领域以及由此衍生的间接产品（如OCR、批量文档/视频处理，或将其与知识图谱服务和生成式AI捆绑，打造一款严肃的文件问答竞品——这个市场目前正被Codex和Claude Cowork蚕食）中掀起不小的波澜。

这并不容易，也可能最终仍会失败。但至少他们会是在为抢占世界上一块有价值的版图而尝试中失败，而不是因为缺乏总体目标、四处乱撞而失败。

无论如何，这种模式都令人不安：谷歌往往忽视自家组织内部那些前景可观的工作。有时是因为这些工作出自一个不懂如何吸引关注的小团队；有时是因为这些工作与谷歌的议程（本身常由竞争对手主导）不完全一致，从而遭遇注意力盲区；有时则仅仅是因为谷歌确实做了大量优秀工作，导致人们不知该聚焦何处，往往默认选择那些最显眼的方向——而更糟的是，他们的团队是博士（不研究行业、不考虑生态系统）和MBA（几乎不怎么思考）的奇怪混合体。

TPU的错位与代价

无论哪种情况，都导致许多极具潜力的想法被长期忽视，直到有人最终占领那个市场，谷歌才意识到自己不得不追赶。为了把这个模式讲透，这里有个最典型的例子：TPU。

整个行业中，工程团队在评估AI基础设施时几乎只盯着NVIDIA的硬件，往往把谷歌的自研芯片（TPU v5p和Trillium）视为谷歌内部的一个细节，而非一个可行的云硬件平台。这种市场认知源于谷歌内部组织硬件访问的方式。多年来，谷歌云并未完全掌控其最重要产品之一的供应。销售TPU的团队隶属于谷歌核心工程组织，而大部分芯片则保留给内部使用。2022年，Thomas Kurian成功游说将该团队划入云部门。在此之前，据报道，谷歌云在向客户提供TPU容量之前，需要获得谷歌其他部门的批准。

这次严重拖延的重组对谷歌的市场地位造成了相当灾难性的后果。TPU最初设计用于运行谷歌专有框架（JAX和XLA），而更广泛的机器学习社区则标准化在PyTorch上。由于TPU主要供内部使用，谷歌推迟了PyTorch与TPU编译器栈之间深度、原生的集成。

为什么这一切重要？因为由于这一延迟，开发者们选择支付NVIDIA的硬件溢价，而不是在史上最大的芯片需求热潮期间为JAX重写他们的模型代码。

花点时间想想这有多愚蠢。谷歌十多年前构建TPU，是因为他们意识到所有现有硬件对神经网络来说效率低下。他们是帮助Gen AI成为主流的人之一。而自始至终，没有任何一个聪明人想到让他们的TPU易于客户使用。他们的团队忙于在论文附录中撰写效率提升的内容而自我陶醉。那是一次代际级别的、卢卡库首触球般的失误，这反映在Nvidia和谷歌云的业务增长上（请记住，下图是Nvidia数据中心对比整个谷歌云）——

到2025年底，谷歌被迫投入大量工程资源专门用于TorchTPU，以解决阻碍客户采用其硬件的软件摩擦问题。这将极大促进其硬件普及。

即便经过结构性调整，这些内部摩擦点依然存在。谷歌云高管继续直接与DeepMind领导层就受限TPU集群的分配进行谈判。硬件供应虽在同一家公司内部，但不同业务部门却像对待第三方供应商一样，就内部转移价格和计算资源访问进行协商。此外，还有一大批研究人员力主TPU留在内部，以便用于实验。这造成了大量不必要的冲突。

正是这种冲突，推动了谷歌近期的决裂。如果你还没注意到，这其中蕴含着谷歌两大耀眼愿景——

TPU之争指向一个更大的问题：DeepMind和谷歌云并非在追求同一场胜利。DeepMind希望Gemini成为全球无可争议的最强模型，而谷歌云则希望谷歌云赢得企业市场。

这两个目标有很强的重叠性，但并非严格意义上的同一回事。Cloud并不需要Gemini在每个排行榜上登顶，而Kurian甚至并不严格需要他的企业客户使用Gemini。如果一家财富500强银行想要Anthropic的Claude，Cloud会很乐意通过Vertex AI向他们出售Claude，在Google硬件上托管工作负载，将其接入BigQuery、Cloud Spanner和Google IAM，并从整个周边平台中赚取利润。

最后那句话听起来可能像是异端邪说，但我这里直接引用Kurian的话。Cloud积极将自己定位为中立的多元模型平台，并直接从Anthropic聘请了高级领导层来推动这一进程。

正如你可能想象的那样，这一策略在DeepMind一些更纯粹主义的成员中并不受欢迎。但尽管这本身已经够棘手了，还有另一个更深的裂痕正在引发内部军备竞赛。它没有那么引人注目，因此很大程度上被媒体和讨论所忽视，但在我看来，它有趣得多，因为它暗示了模型开发和研究未来的方向。要看清这一点，让我们回到Gemini与Cloud的互动关系上。

理论上，尽管Gemini并非让谷歌云赚大钱的必要条件，但它依然可以极其有用。在专有TPU上运行像Gemini这样的自研模型，消除了第三方利润率税，让谷歌云能在推理定价上低于竞争对手，并捕获OpenAI或Anthropic无法触及的经济效益。在这种情境下，谷歌云与DeepMind之间的关系理应紧密。那为何并非如此？

这是因为，要让这一愿景成真，谷歌并不需要Gemini成为最佳，甚至不需要它排进前三。它只需要在价格极具竞争力的同时，性能足够好。本质上，它需要将Gemini的训练重心从智能转向单位美元的智能。

如果你能找到一种方法，让Gemini在抽象推理基准上牺牲5%的性能，但作为回报，它能无缝连接BigQuery，处理企业权限而不产生访问令牌幻觉，并在20轮对话中执行确定性API调用，那么库里安会在GCP总部为你建一座神庙。

然而，DeepMind会因对你的热情而推高巫毒娃娃的价格。他们的关注点和内部文化以追求前沿能力为导向，要么在基准测试中登顶，要么进行酷炫且下一代的研究。这本身并非坏事，但当这种文化（正如研究密集型组织常见的那样）对使模型在组织内变得无聊可靠所需的管道/枯燥工程工作产生敌意时，就会引发极端问题。此时，只有两条前进之路：

要么全力投入研究，仿效贝尔实验室的巅峰时期。谷歌拥有自由现金流、核心业务护城河和人才密度（还有多样性；一旦你超越LLM研究领域的标准出版物，他们实际上有一些疯狂的项目在酝酿）。

你将研究转化为改进产品、滋养业务的方式（亚马逊在这方面做得非常出色）。在这里，Cloud 可以充当 DeepMind 的巨型现实世界试验场。当 Gemini 在 BigQuery 中搞砸 SQL 查询或未能通过企业 IAM 边界时，这些失败遥测数据应直接回流至伦敦，指导下一轮训练后的检查点。

这两个方向都可行，但都需要承诺，以及明确界定的优先级顺序。同一时间只能有一个王者，而这不是谷歌迄今愿意做出的决定。因此，两个部门多年来在开发者工具、产品边界和 TPU 分配上陷入了官僚地盘之争。《The Information》记录了 AI Studio 如何在 Cloud 和 DeepMind 之间被来回转手。路透社报道称，Cloud 高管公开欢迎 Koray Kavukcuoglu 接管 DeepMind 的运营控制权，因为他具有商业头脑，并且真正专注于产品执行。

从这个角度来看，领导层改组是一个明确的信号：谷歌已经看到 DeepMind 在确立主导优势上的挣扎，考虑到 Cloud 季度增长 82%、积压订单增长 390%，并决定 Google Cloud 是值得押注的那匹马。

希望这次整合能解决谷歌最大的问题之一：公司在 AI 热潮中花费了大量精力，优化那种“拍照好看但见面失望”的智能。为什么这么说呢？撇开 Gemini 2.5 Pro 不谈，Gemini 未能像 Claude 和 OpenAI 那样吸引更广泛社区的关注。

需要明确的是，Gemini 并非差劲的模型。它在数学、抽象推理和多模态基准测试上经常能与 OpenAI 和 Anthropic 匹敌甚至超越。每隔几个月，谷歌就会发布一个检查点，并附带一小片森林般的图表，显示那条线又上升了。回想 3.1 Pro 发布时，它被寄予厚望，旨在对行业其他对手形成压倒性优势。数字令人信服，网红们疯狂追捧，整个生态系统都屏息以待。然而，人们试用片刻后，几乎所有人都回到了 Claude Code 或 Codex 去完成实际工作。

为何会这样？为何谷歌的发布未能激发与其他公司同等的敬畏，即使基准测试告诉我们应当喜爱这些模型？

如果你熟悉这个行业，你会知道答案在于“基准测试优化”（我们在此处也详细分析过）。更有趣的问题是，为何谷歌似乎特别受基准测试优化的冲击？

在像谷歌这样的组织中，基准测试是终极的政治货币。一个研究团队可以训练模型、运行评估脚本、在 X 上发布分数，而无需应对内部政治或与邮件/云端硬盘团队协商访问权限。换句话说，围绕基准测试进行优化，在企业环境中提供了两个圣杯般的结果——

自主性：团队可以独立工作，无任何阻碍。

可读性：中层管理者可以指向基准测试的胜利，从而继续证明自身存在的价值。如果他们取得特别好的结果，甚至还能在生态系统中获得可见度。

几乎从定义上讲，这与智能体系统所需背道而驰。在智能体循环中表现出色的模型必须能够协调不同的工具模式/输出，必须极其可靠，以免因输出的细微差异而产生截然不同的结果，并且必须在40步内保持复杂的工作流程/状态。就谷歌而言，这项工作横跨云、Workspace、安全、基础设施和产品团队。由于一个团队的失败可能让所有人蒙羞（而功劳也是共享的，模型团队是最高调的受益者），损失厌恶使得团队之间无法正常协调。

Antigravity以及对Koray Kavukcuoglu的运营提拔，很可能是为了推动DeepMind最终屈服于商业压力，优化完成的工作，而不是漂亮的基准分数。

这将是有用的，但与此同时，谷歌需要解决其更深层的人类激励机制对齐问题。在官僚机构内部，最安全的职业路径是守好自己的本分，收集跨职能部门的批准，让每位副总裁都来插手方向盘。而高自主性的建设者则相反：他们看到有缺陷的基础组件，绕过委员会，直接交付。

回想一下贾斯汀·波恩利特（那位开发了爆红Workspace CLI后被谷歌解雇的工程师）。像他这样低调却类似的故事，发生的频率远超你的想象。让我们看几个案例：

Transformer原始论文的八位作者全部离开，各自创办或领导了Character.AI、Cohere、Sakana AI、Essential AI、Inceptive和Adept等竞争对手。

诺姆·沙泽尔在2021年因谷歌拒绝发布他构建的聊天机器人而离开，创立了Character.AI，并于2024年通过一笔27亿美元的授权与人才协议回归，共同领导Gemini。不到两年后，他又转投OpenAI。

AlphaFold联合创始人、诺贝尔奖得主约翰·詹珀离开DeepMind加入Anthropic，随后Gemini核心团队也出现资深人员相继离职。

谷歌常常吸引那些推动前沿的人才，却让那些希望将成果产品化的建设者感到挫败，最终当这些受挫的建设者离开时，谷歌又以高昂估值买回他们的初创公司。这带来两个问题：

显然，失去这些高自主性人才令人沮丧。他们带着想法、原型和大量机构知识离开。这些人要么投奔更具攻击性的竞争对手（非常糟糕），要么自己创业。在后一种情况下，他们的个人品牌使他们能以高估值融资，因此谷歌不得不以极高的价格回购。

留下的人则更适应官僚体系（要么是政治型，要么是安于现状型）。随着他们人数增多（并占据更高级职位），他们会加深谷歌内部的“官僚文化”。

谷歌往往是AI实验室最大的挖角来源，这并非巧合（谷歌是大型科技公司中最容易流失资深人才给AI实验室的）。

（此图表未包含DeepMind，若计入，谷歌的数字将更高。）

换言之，谷歌在模型与员工身上都青睐同样的品质：局部可量化的产出、流程合规性以及组织的清晰度。这正是谷歌下一场战役的战场。

当拿破仑在奥斯特里茨遭遇第三次反法同盟时，他面对的是兵力更庞大、士兵经验更丰富且火炮数量远超己方的敌军。他之所以获胜，并非因为每位法国军官都停止思考、静候指令。他的军团能够独立行动、随机应变、自主作战——但他们都朝着同一个目标前进。而同盟的指挥官们则在协调不同的军队、不同的优先事项和不同的指挥体系。这意味着拿破仑的军团既能各自采取最优行动，又始终围绕更大的愿景保持一致（而同盟则常因多重指挥链而陷入瘫痪）。

这才是谷歌真正的考验。将DeepMind、Cloud和产品团队整合在一起，唯有在创造统一方向的同时不要求所有人思维一致，才具有意义。协调不足，谷歌将重蹈此前部门纷争的覆辙；控制过严，其最优秀的建设者要么不再冒险，要么选择离开。若能在赋予Cloud、DeepMind和谷歌建设者共同方向的同时，保留他们自主行动的自由，这家公司或许终能将其非凡优势转化为复利效应。

换言之，问题在于谷歌是成为一支统一的军队，还是仅仅成为一个更大的委员会。就我个人而言，基于与公司内部的交流，我持乐观态度。

感谢你的阅读，祝你拥有美好的一天。