科学家的AI纯真年代结束了

本文来自微信公众号： 万有逻辑 ，作者：昭昭

2026年这个异常高温的夏天，世界线好像再次偏移了轨道。8月5日，谷歌在一天之内发了两条人事消息。

第一条，哈萨比斯（DemisHassabis）不再担任GoogleDeepMind的CEO，转任董事长，同时兼任Alphabet首席科学家，日常运营交给了自己的副手；第二条，谷歌传奇工程师杰夫·迪恩（JeffDean）宣布离职创业，还带走了三位核心研究员。

杰夫·迪恩的社交媒体公告

1999年，杰夫·迪恩加入谷歌时，整个公司才二十几个人，他的工号是30。

此后27年里，他和搭档桑杰·格马瓦特（SanjayGhemawat）先后拿出了MapReduce和BigTable——今天全世界处理海量数据的方式，基本沿用他们当年定下的范式。2011年他参与创办谷歌大脑，后来又有了深度学习框架TensorFlow，以及专门为神经网络设计的芯片TPU。

硅谷程序员圈子里流传过一个段子："世界上有两种算法：一种是计算机科学证明做不出来的，另一种是杰夫·迪恩顺手写出来的。"段子归段子，说的是同一件事——过去二十年互联网的底层，有很大一部分是这位大神搭建的。

消息落地当天，母公司Alphabet股价盘中一度跌去4%到5%。

外界的解读迅速归到了一处：在和OpenAI、Anthropic缠斗得最凶的当口，谷歌一天里失去了两位最有分量的人，而它的旗舰模型Gemini新版本据传因为Coding功能不及预期，已经比原定6月的发布计划推迟了数月。

但如果只把这看作一次高管调整，其实是浪费了这条新闻。实际上，打造这场世界AI风潮的科学家们，正在逐渐转换战线。

"智能到底是什么？"这个问题人类尚未能解答，曾经提出问题的人却慢慢走远了。

科学家打不了仗？

这次变动里，哈萨比斯的新头衔是Alphabet首席科学家，而这个头衔上一任的主人正是同一天离职的杰夫·迪恩。

在2023年谷歌的那次重组中，为了迎战OpenAI，迪恩交出了自己参与创办的谷歌大脑，得到的正是这个称呼。同一枚勋章，三年之内在两位最有分量的科学家之间传了一手。而每一次交接，几乎都意味着又一个人从指挥链上退了下来。

这当然不是虚职。迪恩当首席科学家的这三年里，谷歌做出了用AI设计芯片布局的AlphaChip，以及能自己改进算法的AlphaEvolve。

但有件事我们可以很清楚看到：这个位子不管人、不管预算、不管交付日期。它负责去构想更宏大的愿景，但不负责眼前的这场鏖战。

真正打仗的位子交给了科拉伊·卡武库奥格鲁（Koray Kavukcuoglu）。而卡武库奥格鲁早年在纽约大学的导师是杨立昆（YannLeCun）——也就是说，深度学习三巨头之一的学生，现在接管了哈萨比斯一手带出来的实验室。

这位从导弹工程转行计算机的土耳其人，最为人熟知的身份是技术运营掌舵者——一个能将前沿科研成果转化为成熟产品并按时交付的操盘手。此前他管理着超过20条汇报线，是整个Google Brain与DeepMind产品化的幕后推手。当然，他的学术底色同样硬核：在让机器学会打雅达利（Atari）游戏的DQN，以及突破性的语音合成模型WaveNet中，他都是核心作者之一。

去年卡武库奥格鲁已经从伦敦搬到山景城，开始同时向哈萨比斯和皮查伊（Sundar Pichai）汇报——现在回头看，这一步早有安排。

科雷·卡武克库奥卢（Koray Kavukcuoglu）Google DeepMind研究与技术副总裁

英国皇家工程院院士（FREng）图源：英国皇家工程院（RAEng）

他的头衔不是Google DeepMind的CEO，而是高级副总裁，直接向总部汇报，这意味着DeepMind独立了十二年的指挥权，似乎就此被收回了。

同一天走的迪恩，和老搭档格马瓦特，以及奥里奥尔·维尼亚尔斯（Oriol Vinyals）、乐国（Quoc Le）一起创办了一家公司，叫Discovery Loop，目标是把科学研究本身自动化——让AI提出假设、跑实验、评估结果，再自己迭代出更好的方案。

Alphabet会是它的创始投资人之一，同时是它的云服务商。看起来，钱转一圈也许会再次回到谷歌的账上。

在离职声明里，迪恩解释得很委婉：他1999年加入时公司只有25个人，现在是19万人——一句话涵盖了过去的二十七年。

同样的动作，我们看到在过去两年里发生了不止一次。

2023年，“深度学习教父”辛顿（Geoffrey Hinton）从谷歌辞职，理由是想能公开谈论AI这项技术的危险，他曾经是帮助谷歌招揽AI人才的精神旗帜。2025年，杨立昆传出要离开效力十二年的Meta自立门户。深度学习三巨头里唯一没进过大厂的约书亚·本吉奥（Yoshua Bengio）依然留在蒙特利尔，近几年掉头研究AI安全，想给这门技术装上刹车。

而战场那边的日程表，解释了更多。

就在刚刚过去的一个多月里，OpenAI在7月9日一口气推出三款GPT-5.6，旗舰版主打的是长时程智能体任务；同一时间xAI发布Grok-4.5；Anthropic的Fable 5全面开放；月之暗面拿出Kimi K3，DeepSeek的V4也在7月24日转正。

对手每隔几天就有新牌上桌，而谷歌手里那张最重要的牌，还停在"推迟数月"的状态里。

牌局到了这个节奏，人也守不住。就在不久前，与哈萨比斯同享诺贝尔化学奖的约翰·江珀（John Jumper），已经被大模型竞争对手Anthropic挖走。

一家巨头在这种时候需要什么样的人，其实答案不难猜。它需要的是能把Gemini按时发出去的人，不是能问出"智能到底是什么"的人。

他们或许都是自己选择走的，或许是被挪到了一个更为体面的位置上——那个位置有勋章，有资源，有随时可以发表的自由，唯独没有方向盘，也不需要和对手真刀实枪地打仗。

十年前被疯抢的科学家们

2019年3月，计算机领域的最高荣誉图灵奖，颁给了辛顿、杨立昆和本吉奥。获奖理由是他们在深度神经网络上的贡献，让这项技术成了现代计算的关键部件。这三个人也因此有了一个流传更广的称呼——深度学习三巨头。

而在拿奖之前，他们已经在同一条路上熬了三十多年。

深度学习，在人工智能并不算长的发展史上，是两种路线里比较不讨喜的那一种。

路线一是符号派（逻辑派），主张自上而下：智能就是规则，人的思维无非概念加推理，那就把人懂的知识一条条写给机器。

路线二是自下而上，神经网络派（统计派）认为人脑本身就是如何实现智能的答案——人脑是上千亿神经元连成的网，那就用数学搭一个简化版出来，通过投喂例子，让它从海量数据中自己长出判断。

1969年，"人工智能"奠基人之一的明斯基（Marvin Minsky）写了一本书，叫《感知机：计算几何学导论》（Perceptrons），用数学证明当时那种单层的神经网络连"异或"（XOR）这么简单的逻辑都算不出来——异或就是"两个条件只能满足一个"，小学生都懂的规则，机器学不会。

这一击相当致命：此后三十年间，神经网络派成了学界的笑话，政府资助机构逐渐停止了对这个方向的支持，这条路线的领军人物罗森布拉特，1971年在自己43岁生日当天溺亡遇难。

神经网络长时间被主流排挤，能熬下来的都成了后来开宗立派的人物，三巨头就是其中的佼佼者——而他们熬出来的东西，今天全世界都在用。

1987年辛顿从卡内基梅隆搬去加拿大多伦多，理由是不愿意接受美国军方的研究经费"。1986年他和同事发在《自然》上的《通过反向传播误差学习表征》，讲的是怎么让网络在算错之后回头调整每一根连接的权重——这套叫反向传播的方法，是今天所有神经网络训练的地基，没有它就没有后面的一切。

杨立昆则在贝尔实验室和纽约大学。他1998年的论文《基于梯度的学习在文档识别中的应用》里，有一个叫LeNet-5的网络，是卷积神经网络的成名作，后来成了计算机视觉的底座。它当年最实在的用途是替美国的银行识别支票上的手写数字——一门后来价值万亿的技术，第一份工作是看支票。

本吉奥留在蒙特利尔。他2003年那篇《一种神经概率语言模型》，第一次让机器用向量而不是词典去理解词与词的关系，是后来所有大语言模型的祖师爷；而他团队2014年提出的注意力机制，让机器翻译时学会了盯住原文里最相关的那几个词，而沿着这条线索再走三年，就是谷歌那篇《注意力就是你所需要的一切》。

三个人在北美的三个角落，各自守着同一个没人相信的假设。

后来他们合力从加拿大政府拿到一笔研究经费，把这条路吊住了命——今天这门全世界最烧钱的技术，当年是靠一个“中等国家”的科研基金撑过了漫长的冬天。

巨头们对科学家的争夺战开始于2012年。

辛顿和他的两个学生用几块打游戏的GPU训练出一个叫AlexNet的网络，参加ImageNet图像识别大赛，把top-5错误率从上一年的26%直接压到了15%出头，甩开第二名十个百分点，这次突破直接也让英伟达原地飞升。

辛顿和两名学生合作完成的论文

持续了三十年的嘲笑，几个月内变成了对AI人才持续性的大抢购。

同年12月，加州和内华达州交界的太浩湖，一家赌场酒店里，65岁的辛顿来参加一年一度的神经信息处理系统大会，顺便把自己刚成立一个月的公司卖掉。

这家名叫DNNresearch的公司一共三个人——他和两个学生伊尔亚·苏茨克维（Ilya Sutskever）、亚历克斯·克里泽夫斯基（Alex Krizhevsky），没有产品，没有收入，官网是一块空白的黑屏，唯一的资产是这三个人脑子里的东西。

辛顿咨询过律师，律师给了他两个选项：要么请一位专业谈判代表，要么办一场拍卖。他选了后者，规则简单到有些潦草——出价通过Gmail发送，每次加价不低于一百万美元。

有四家参与：谷歌，微软，百度，还有一家位于伦敦的，刚刚成立两年的小公司——DeepMind。

谷歌工程负责人尤斯塔斯（Alan Eustace）亲自驾着自己的双引擎飞机飞到湖边，随行的正是杰夫·迪恩，两人请辛顿师徒三人在顶楼的牛排馆吃了一顿饭，那天也是辛顿的生日。

微软中途抱怨过一句，说出价走的是Gmail，而谷歌本身也是竞标者，它有能力读到这些邮件——抱怨归抱怨，最后大家也就把这事放下了。

DeepMind的问题更实际一些：其实它拿不出现金，只能用自家公司的股份出价，很快跟不上节奏，早早退出了竞价。而退出之后，创始人哈萨比斯给辛顿打了个电话，说了一句相当有用的话：我觉得你的公司值五千万美元。

辛顿有了信心，价格最终停在四千四百万美元，赢家是谷歌。神经网络在冷板凳上坐了三十年，翻身只用了半天。

一年之后，几个人的角色就对调了。

2013年底，谷歌创始人佩奇（Larry Page）决定买下DeepMind。为了做尽职调查，辛顿和迪恩一起坐上私人飞机飞往伦敦；辛顿的腰椎有老毛病，坐不了普通座椅，湾流飞机的座椅被改造成了一张床铺，他是躺着飞过去的。

前一年谷歌刚刚为辛顿的三人公司付出了4400万美元，有了这个参照物，DeepMind的收购价顺理成章高达6.5亿美元。

扎克伯格当时也在谈DeepMind，据报道他开的价更高，但没答应对方提出的条件。买卖告吹之后，小扎很快转向了杨立昆，并且答应了对方留在纽约大学任教的要求：2013年12月，杨立昆去Facebook建起了AI实验室。

而作为DeepMind早期投资人之一、未能阻止谷歌收购的马斯克，认为世界上最强的AI不该攥在一家巨头手里，于是2015年底和奥特曼等人办了OpenAI，专门制衡谷歌，而辛顿的学生伊尔亚，后续则成了OpenAI的灵魂人物。

谷歌最难缠的几个对手，几乎都在那年冬天之后逐一登台亮相，而巨量资金支持下的招兵买马之后，巨头们此后十二年的AI路线也迅速展开。

AI的纯真年代

科学家各为其主的十年，正是这批学术大佬们的黄金年代。

哈萨比斯拒绝了马斯克和扎克伯格后加入谷歌，他和团队终于拿到了地球上几乎毫无短板的钱、算力和数据。

2016年，DeepMind那篇发在《自然》上的《用深度神经网络和树搜索精通围棋》变成了首尔的五盘棋，彻底轰动了世界。全球两亿人一起观看AlphaGo以四比一击败李世石；四年后，AlphaFold在两年一度的蛋白质结构预测大赛CASP14上，把一个困扰生物学界五十年的难题基本做完了——2024年，哈萨比斯因此拿到诺贝尔化学奖。

同一年，进入谷歌大脑团队的辛顿拿了诺贝尔物理学奖。再往前六年，他刚刚和杨立昆、本吉奥一起拿了图灵奖。

一门被嘲笑了三十年的学问，十年之内把人类能给的最高荣誉几乎拿了个遍。

迪恩这边有件事更能说明这批人的处境。2014年，他和辛顿、奥里奥尔·维尼亚尔斯（Oriol Vinyals）合写了一篇关于知识蒸馏的论文，论述的是怎么把一个又大又贵的模型，压成一个又小又便宜、本事却差不多的模型。这篇论文被顶级会议NeurIPS拒了，审稿人的意见是——“不太可能有重大影响”。

十二年后的今天，谷歌卖得最好的轻量模型Gemini Flash，用的还是这项技术。

不过，AI的纯真时代也一片辉煌的光晕中迅速结束了，真正的转折即将到来。

2022年11月30日，OpenAI发布了ChatGPT，五天破百万用户，两个月破一亿。而它的底层架构Transformer，也正是出自谷歌2017年那篇《注意力就是你所需要的一切》——一家守着地基的公司，眼看着别人在上面盖起了楼。

谷歌的反应快得超过以往。ChatGPT上线一个月后，公司内部拉响了"红色警报"。2023年2月，聊天机器人Bard匆忙上阵，宣传视频里答错了一道关于韦伯望远镜的常识题，母公司市值当天蒸发约一千亿美元。一个月后，OpenAI发布GPT-4，考试成绩碾压前代。

2023年4月，谷歌做出了一个此前十年都不可能做的决定：把Deep Mind和谷歌大脑合并成Google DeepMind，由哈萨比斯出任CEO。杰夫·迪恩，那个参与创办谷歌大脑的人，改任了首席科学家。为了纪念这场双强的结合，谷歌把大模型命名为Gemini——双子座。

接下来的三年，是一场没有中场休息的你追我赶。

2023年底谷歌拿出Gemini，号称原生多模态；2024年5月OpenAI用能听会看的GPT-4o抢在谷歌开发者大会前一天发布；2024年9月OpenAI又推出会"思考"的推理模型，谷歌几周内跟上自己的版本；到了2025年，双方的迭代周期已经压缩到以月计，模型编号换得比手机还快。

代价是显性的。今年谷歌的资本开支预计在1950亿到2050亿美元之间，是去年的两倍多。而上季度，谷歌也因资本开支的增加首次出现有记录以来的现金流转负——这些钱大部分变成了机房、电力和芯片。

谷歌的那次合并在当时被形容为"集中力量办大事"。但换个角度看，事情很清楚：一个以发论文、攻科学难题为业的研究机构，和一个给公司做基础设施的工程团队，被拧成了一支部队，任务只有一个——把Gemini做出来，追上OpenAI。

就像现在这次“换帅”一样，好像连哈萨比斯这样的大神，也够不上这个时代AI模型疯狂的竞争速度了。

毕竟进入2026年，从大洋两岸的股市到巨头们的财报，从硅谷的工程师到华尔街的金融家，从韩国的股民散户到美国新一代刚刚陨落的股神，当参与的筹码越来越多，那些科学家决心奉献一生去探索终极奥秘的研究，早已经不能仅仅等于研究本身了。

研究"智能"本身不再是目的，研究成了这场战争的弹药。

尾声

每个人离开聚光灯时都有自己体面并且具体的理由：年纪、健康、股票兑现、想陪家人、想做点别的。如果把这些事说成一次集体退场，那是我们的一种主观解读，不是这些科学大佬们的声明。

就在离职前几天，迪恩在一场公开对谈里被问到：当代码都可以由智能体自动生成，未来的工程师最稀缺的技能是什么？他的回答是"核心品味"——决定去做什么问题的能力。

他说，成功解决一个对的问题，远比完美执行一项平庸的研究重要得多。

一个把"科学研究自动化"当成创业方向的人，认为人类最后剩下的价值是"提出一个好问题"。

这大概是这批人共同的姿态：他们把"提问"这件事看得比什么都重，而他们所在的公司，现在最需要的是别的东西。

一门学问从"想搞懂它"变成"想交付它"，通常意味着它已经成熟了。

但也意味着，最初那个把所有人拽进来的问题，也是他们曾经试图向造物主发问的问题——智能到底是什么？——可能从此没有人有空回答了。

资本不问这个问题，资本只问交付的时间。

1950年，图灵写下那篇开创了这一切的论文，最后一句是：我们只能看到前方很短的距离，但足以看到有大量工作要做。

七十六年过去了，当年看清那一小段路的布道者们正陆续退到两侧，而"大量工作"交到了新一批人手里，也交到了机器手里。

说是退场，也许更准确的说法是，他们把问题留在了原地，留给了我们。

-END-

参考资料

[1]Changes to the teams at Google DeepMind,Sundar Pichai,Google官方博客,2026.08.05（同页附Demis Hassabis致全体员工信）

[2]Jeff Dean离职声明与Discovery Loop创立公告,2026.08

[3]Jeff Dean对谈YC Startup School 2026（主持人Diana Hu）视频全场,2026.08

[4]Genius Makers:The Mavericks Who Brought AI to Google,Facebook,and the World,Cade Metz,Dutton,2021（2012年太浩湖拍卖、DNNresearch竞标、伦敦尽调行程底本）

[5]Computing Machinery and Intelligence,Alan Turing,Mind,Vol.LIX,No.236,1950

[6]Learning representations by back-propagating errors,Rumelhart,Hinton&Williams,Nature,1986；Gradient-Based Learning Applied to Document Recognition,LeCun et al.,Proceedings of the IEEE,1998；A Neural Probabilistic Language Model,Bengio et al.,JMLR,2003

[7]Perceptrons:An Introduction to Computational Geometry,Minsky&Papert,MIT Press,1969；ImageNet Classification with Deep Convolutional Neural Networks,Krizhevsky,Sutskever&Hinton,NeurIPS,2012

[8]Mastering the game of Go with deep neural networks and tree search,Silver et al.,Nature,2016；Distilling the Knowledge in a Neural Network,Hinton,Vinyals&Dean,arXiv,2014；Attention Is All You Need,Vaswani et al.,NeurIPS,2017

[9]Alphabet 2026年资本开支指引与季度现金流数据,Alphabet财报及CNBC、Axios报道,2026.08.05

[10]主图:约瑟夫·赖特《发现磷的炼金术士》,1771,英国德比博物馆与美术馆藏