由 Demis Hassabis 领导的谷歌 AI 团队决定改变论文发布方法，意味着研究人员将更难对外公布成果。
为了在蓬勃发展的 AI 行业中夺取主导地位、保持竞争优势，谷歌旗下 AI 部门 DeepMind 一直在刻意推迟其研究成果的发布速度。
据谷歌 DeepMind 七位前任及现任研究科学家介绍，该团队由诺贝尔奖获得者 Demis Hassabis 爵士领导，引入了更加严格的审查程序及官僚审批机制，旨在拉高 AI 工作成果的发布门槛。
三位前研究人员表示，该团队一直不愿分享那些可能被竞争对手利用的创新论文，也会刻意保留可能令谷歌自家 Gemini AI 模型落后于其他同类竞品的技术成果。
种种变化代表着 DeepMind 的运营思路发生了重大转向，不再坚持长久以来通过发布开创性论文及培养最顶尖 AI 科学家所维持的良好行业声誉。
但正是在当初的背景下，谷歌研究人员取得了一系列重大突破——特别是 2017 年发布的“Transformers”论文为大语言模型提供了底层架构，最终成为掀起生成式 AI 浪潮的核心力量。
而从那时起，DeepMind 在其母公司眼中成为利用前沿技术获利的重要抓手——因为投资者们认为这位科技巨头拱手将自身早期领先地位让给了开发出 ChatGPT 的 OpenAI 及其他同业厂商。
一位现任研究人员表示，“现在氛围完全变了，我们再也不会把 Transformer 这样的论文对外公开了。”
DeepMind 的重大发布政策变化之一，就是强制要求在发布与生成式 AI 相关的“战略性”论文之前，必须经过六个月的等待期。两位知情人士表示，现在研究人员需要频繁游说上司、强调发表论文的好处。
一位了解 DeepMind 内情的人士透露，这些变化是为了鼓励研究人员投身于短期来看对战略或者竞争优势无益的工作。他们还补充称，DeepMind 每年仍会发表数百篇论文，并且是各大 AI 顶会的领先贡献者之一。
由于担心谷歌在 AI 竞赛中落后，总部位于伦敦的 DeepMind 已经于 2023 年正式同总部位于加利福尼亚州的 Brain AI 部门合并。从那时起，双方发布 AI 融合产品的速度开始显著加快。
一位前 DeepMind 研究科学家表示，“公司明显开始更多关心产品，而不是将研究成果用于公共利益。这跟我加入公司的初衷有所冲突。”
DeepMind 方面表示，其“一直致力于推进 AI 研究，我们也在持续更新自身政策，以保持团队发表论文并为广泛研究生态系统做出贡献的能力。”
据知情人士透露，虽然发布审查流程在 DeepMind 与 Brain 合并之前就已经存在，但如今整套机制正变得愈发官僚化。
多位前员工指出，新流程抑制了商业敏感类研究成果的发布，希望避免泄露潜在创新。有人说，如今发表关于生成式 AI 的论文已经“几乎不可能”。
据另一位现任员工介绍，DeepMind 曾经明显阻止一项研究的发表，因为结果表明谷歌 Gemini 语言模型在能力与安全性方面不及竞争对手（特别是 OpenAI 的 GPT-4）。
但这位员工也补充称，该公司还冻结了一篇揭露 OpenAI ChatGPT 漏洞的论文，理由是担心发表此论文可能引发针锋相对的冲突情绪。
不过，一位熟悉 DeepMind 内情的人士提到，该公司并不会冻结讨论安全漏洞的论文，并提到该公司通常会根据“负责任披露政策”来发表此类研究。根据政策条款，研究人员必须让公司有机会在公布缺陷之前先行修复。
无论如何，这样的限制已经令部分员工感到不安，毕竟他们长久以来一直是通过在顶级科学期刊上发表文章来证明自身价值。知情人士表示，新的审查流程已经导致部分员工离职。一位前研究员表示，“如果无法发表论文，那么研究人员的职业生涯将会晦暗无光。”
另外几位前员工则补充称，在针对数据集和算力资源的内部争夺当中，专注于改进 Gemini AI 产品套件的项目越来越受到重视。
过去几年间，谷歌推出了一系列 AI 产品，并给市场留下了深刻印象。其中包括改进搜索结果上方显示的 AI 摘要，以及推出能够根据视频、音频及文本查询实时做出应答的“Astra”AI 智能体。
过去一年间，该公司股价上涨了三分之一。不过几近几周受到美国关税新政可能打击科技股的担忧，其涨幅有所回落。
近年来，Hassabis 在谷歌领导人希望将突破性成果转化为商业收益的愿景、与他本人试图打造通用人工智能（AGI，即能够媲美甚至超越人类能力的 AI 系统）的人生使命之间找到了新的平衡。
一位现任员工总结称，“任何阻碍他实现这一目标的东西，都会被他踩在脚下。他曾反复强调 DeepMind 是一家公司，而不是大学研究室。如果想要搞纯学术，最好趁早离开。”
Hassabis 于 2010 年与他人共同创立了了 AI 公司 DeepMind，2014 年该公司被谷歌以 5 亿多美元收购。2017 年，他发明了 AI 算法 AlphaZero，它只需要国际象棋规则和四个小时的自对弈，就能成为有史以来最强的国际象棋选手，击败人类国际象棋大师。
2024 年，Hassabis 与同为诺贝尔化学奖得主的 DeepMind 总监约翰·江珀 (John Jumper) 共同获得了诺贝尔化学奖，获奖原因是他创建了一个 AI 模型 AlphaFold2，该模型可以在几分钟内准确预测几乎所有 2 亿种蛋白质的复杂结构。AlphaFold 蛋白质结构数据库免费提供这些蛋白质结构，目前已覆盖 190 个国家的 200 多万用户，为帕金森病治疗和抗生素耐药性等领域的高级研究铺平了道路。
Hassabis 强硬的管理手腕，或许与他从小时候就征战国际级围棋大赛的经历有关。
Hassabis 的 AI 之旅有一个意想不到的开始：他早年对国际象棋的掌握。在获得 2024 年诺贝尔化学奖之前，Hassabis 就是一名儿童国际象棋冠军，他从四岁起就开始下棋。到 13 岁时，他已经是一名国际象棋大师，在国际比赛中与成年人一较高下。
本月早些时候，在剑桥大学的一次演讲中，现年 48 岁的 Hassabis 解释说，国际象棋让他“思考思考本身”，或者说探索复杂思维背后的心理过程。
“我们的大脑是如何想出这些计划和想法的？”Hassabis 问道。“对我来说，比起我玩的游戏，这背后的实际心理过程可能更令人着迷。”
Hassabis 在孩童时期第一次接触编程是通过一台电子象棋计算机，这是一块可以与人类棋手下棋的实体棋盘。尽管 Hassabis 打算在计算机上测试不同的象棋策略，但他更感兴趣的是计算机的工作原理以及有人如何对其进行编程以使其下象棋。
“我记得当时我被这样一个事实所吸引：有人能对这块无生命的塑料进行编程，让它能够和你下棋，而且下得非常好，”Hassabis 说。“我对如何做到这一点以及有人如何编写这样的程序感到非常着迷。”
十几岁的时候，Hassabis 就开始尝试在早期的家用电脑 Amiga 500 上自己构建人工智能程序。从那时起，他就“迷上”了 AI，并决定用他的整个职业生涯来推动该领域的进步。
2023 年 4 月，谷歌 Brain 宣布与 DeepMind 合并，统一归由 Hassabis 领导，从那时起，一批又一批 DeepMind 研究员陆续离开公司。
对许多 AI 工程师而言，DeepMind 仍是简历上金光闪闪的一笔——但顶尖研究员正纷纷自立门户，且数量明显攀升。根据 Sifted 对 LinkedIn 数据的分析，仅 2023 年就有超过 10 名前 DeepMind 员工创办企业。
在 Hassabis 领导下宣布离职的研究员包括 AI 研究产品公司 Reka AI 联合创始人 Cyprien de Masson d’Autume，以及加拿大隐身模式 AI 初创公司 Artificial.Agency 联合创始人 Michael Johanson。二人此前均担任 DeepMind 高级研究员。
这种顶尖人才外流现象与谷歌在 AI 人才保留方面的历史如出一辙——许多重大突破的核心研究者已相继离开。过去八年里，20 位参与里程碑论文的核心研究员或创办了 Character AI、Cohere、Adept 等公司，或加入 Meta、Hugging Face、Anthropic 等 AI 实验室。
最引人注目的流失案例当属 Arthur Mensch——这位巴黎 AI 初创公司 Mistral AI 的联合创始人，近期刚完成 1.05 亿欧元巨额种子轮融资，被视为欧洲最有望打造 GPT-4 级别大模型的竞争者之一。他直言离开 DeepMind 是因公司”创新不足”，而 Mistral 仅用三个月就发布了自研语言模型。
另一位由研究员转型创业的前员工透露，鉴于 AI 领域发展速度，他们选择 2023 年离职创办更敏捷的公司：“作为上市公司，谷歌对发布不完美产品存在诸多顾虑。而在外部，你能更快迭代、更快获得反馈——这正是我的主要动机。”
时间推回到现在，就在今天，据外媒 Semafor 消息，负责谷歌 AI 聊天机器人发布的谷歌高管 Sissie Hsaio 将辞去 Gemini 应用程序负责人一职。该媒体看到的一份备忘录显示，谷歌实验室副总裁 Josh Woodward 将接替她的职位。
谷歌 DeepMind 首席执行官 Demis Hassabis 在备忘录中表示，此举将“让我们更加关注 Gemini 应用的下一次发展” 。谷歌发言人 Alex Joseph 证实了 Semafor 的报道，但拒绝发表评论。
Hsaio 在谷歌工作了近 20 年，2006 年首次加入该公司，担任搜索和文档产品经理。谷歌于 2021 年任命 Hsaio 为 Gemini 应用负责人，她最引人注目的是帮助推出了该公司对 ChatGPT 的回应，最初名为 Bard。据 Semafor 报道，Hsaio 的备忘录称，她将“短暂休息”一段时间，然后回到谷歌担任新职位。
另一位责 DeepMind 的工程 / 研究成果的负责人 Tim Zaman 也离开了谷歌，入职了 OpenAI。
过去两年，Tim Zaman 一直在 Google DeepMind 工作，他说他“负责 DeepMind 的工程 / 研究成果”。
在加入谷歌之前，Tim Zaman 曾在特斯拉担任人工智能基础设施主管四年，负责组建公司的人工智能基础设施和人工智能平台团队。
在埃隆·马斯克公司的最后一年，他还帮助 Twitter/X 并领导了 xAI 第一台超级计算机的构建和设计。
“我加入了 OpenAI！”Zaman 在 X 上表示。“我们将建造和推出最大的（也是最令人惊喜的）超级计算机，为前沿人工智能研究提供动力。
“DeepMind 显然非常强大，而且达到了顶峰；我度过了一段愉快的时光——但我怀念在 OpenAI 中找到的一支规模更小、更紧密的团队。”
而上月中旬，DeepMind 机器人技术关键研究员离开谷歌，英伟达已为其秘密创业公司提供资金支持。
据 TechCrunch 获悉，曾就职于 DeepMind 并从事机器人和人工智能研究的一位高级研究科学家已离开谷歌，创建了自己的机器人初创公司 Generalist AI，并且已经获得了英伟达的投资。Pete Florence 被列为 Generalist AI 的联合创始人兼首席执行官。
Pete Florence 向 TechCrunch 表示：“我们基本上仍处于隐秘状态”，并解释说，这家初创公司的使命是“让通用机器人成为现实”。
根据他的 LinkedIn 个人资料，Florence 一年前离开了 DeepMind。根据 Ghasemipour 的 LinkedIn，DeepMind 学生研究员 Kamyar Ghasemipour 也加入了 Generalist AI，成为创始技术人员。
除了这些以外，更早时候，还有不少 DeepMind 员工也陆续离职，都创立了自己的公司。
早在 OpenAI 凭借 ChatGPT 惊艳全球之前，DeepMind 就已声名显赫。这家 2010 年成立于伦敦的公司，从英国顶尖大学招募了一支研究团队，先后开创了多项举世瞩目的 AI 突破——包括 2020 年发布的蛋白质结构预测系统 AlphaFold，以及 2016 年击败人类冠军的围棋程序 AlphaGo。
2014 年，谷歌以 4 亿美元将其收入囊中，这笔当时欧洲规模最大的科技收购案之一，让 DeepMind 在此后近十年间保持着高度独立运营——既能享用母公司提供的资金与硬件资源，又能在生成模型、强化学习、机器人技术、AI 安全及蛋白质折叠等领域自由开展前沿研究。2021 年，公司还分拆出专注将蛋白质折叠技术应用于药物研发的独立实验室 Isomorphic Labs。
但当 Meta、微软和亚马逊等科技巨头如今纷纷押注 AI 时，谷歌终于意识到竞赛已经开始。2023 年 4 月，谷歌宣布其内部 AI 实验室 Google Brain 将与 DeepMind 合并，目标直指”打造全球首个通用人工智能（AGI）”的竞赛桂冠。
“随着 OpenAI 的竞争出现，加上人们意识到 AGI 可能成为史上最赚钱的产品，谷歌已没有必胜把握，”一位要求匿名的 DeepMind 前研究工程师向 Sifted 透露。
资源整合后的首个成果 Gemini 即将面世——这个大型语言模型采用了部分 AlphaGo 的问题解决技术，预计未来数月内发布。与此同时，谷歌正面临 AI 人才争夺战：顶尖研究者们比以往拥有更多选择——无论是自主创业还是加入其他资金雄厚的大型 AI 实验室。
对这家在 AI 领域独树一帜的公司而言，与 DeepMind 的合并标志着重大转型。2010 年代期间，DeepMind 从欧洲顶尖学府网罗了大量机器学习精英。
“DeepMind 实质上‘买下了学术界’，”一位曾就职于伦理团队的前员工表示，“它吸收了众多本该进入学术界的顶尖教授和毕业生，打造出这个研究枢纽。最初的承诺是只做研究，不涉及盈利。”
据 AI 搜索初创公司 Zeta Alpha 研究显示，2022 年全球被引用次数最多的 AI 论文中，DeepMind 贡献了 12%，领先于微软、斯坦福和加州伯克利，仅次 Meta 和谷歌。
DeepMind 主要通过两种渠道创收：既为母公司 Alphabet 集团提供内部服务，也承接外部合作项目——例如与英国国家医疗服务体系（NHS）建立的伙伴关系。该公司自 2020 年起实现盈利，但最新财报显示其利润率正持续承压。
这正是 Gemini 项目的战略意义所在。面对 OpenAI 大语言模型产品 2023 年飙到了超 10 亿美元的营收规模，谷歌亟需推出更具颠覆性的产品。Gemini 融合了 2016 年击败人类围棋冠军的 AlphaGo 核心技术，在多项基准测试中，Gemini 的性能都超越 OpenAI 的 GPT-4——该模型将大语言模型的暴力统计预测能力，与强化学习（AlphaGo 采用的机器学习方法）的智能决策优势相结合。
谷歌还掌握着令业界艳羡的算力资源。在 AI 训练领域，专用芯片的获取能力是打造强大模型的关键因素。半导体行业媒体 SemiAnalysis 在 2023 年将谷歌评为“全球算力储备最雄厚的企业”，2024 年年底，其计算基础设施性能达到了 OpenAI 的近 20 倍，且在去年年底发布了量子芯片 Willow，证明了自己在科技界不可撼动的地位。
尽管谷歌 DeepMind 正全力整合语言模型与强化学习技术打造 Gemini，但 DeepMind 与 Brain 的合并对那些专注于基础研究、远离商业化的科研人员来说并不是件好事。
前员工向 Sifted 透露，虽然 DeepMind 研究产品化的长期影响尚不明确，但部分人已选择离开，而非观望等待。
“向产品导向的转变，让一些前沿研究领域的人士气低落，”GenAI 初创公司 Finster AI 创始人、曾在 DeepMind 工作七年的 Sid Jayakumar 表示，“我们当初招募了许多顶尖的资深工程师和研究员，本质上是让他们在工业界复现学术环境——这在当时是独一无二的，也是打造 AlphaGo 和 AlphaFold 这类突破的必要条件。”
“在我看来，公司不再只是学术导向是合理的。但如果你当初是冲着学术环境来的，现在可能会觉得，‘这不太妙——我们被雇来做的事已不再是优先事项了。’”Jayakumar 补充道。
一位前研究科学家告诉 Sifted，他离开 DeepMind 的原因之一，就是不确定自己参与的基础研究项目能否在实验室产品化的浪潮中存活。
“我们研究的是相当基础的东西，很难说它们能否适应这种转变，”他表示，“我个人的担忧是，当公司更强调商业影响时，这些基础研究项目会面临什么命运？”
时至今日，仍然有很多人选择继续留在这里，而这些尚未离开的人也持续被猎头追逐。一位接近公司的投资人表示：“很多人只是在蛰伏酝酿创意，实际打算离开。要知道，DeepMind 研究员正接到猎头电话，开价‘轻松拿到 70 万或 80 万美元年薪’。”
但前员工 Jayakumar 指出，仍有大量人才愿意留下：“谷歌 DeepMind 拥有且始终保持着最顶尖的 AI 团队。谷歌从未像现在这样快速行动，这种紧迫感前所未有…… 如果他们仍只专注天马行空的基础研究而不推进产品化，我反而会更担忧。”
（文：AI前线）