DeepMind老兵正在离开伦敦

Google DeepMind 正从学术型研究所转向产品和模型竞赛，这让一批老研究员开始离开伦敦。

DeepMind 曾经靠 DeepMind 的 AlphaGo、AlphaFold 和强化学习研究，建立起一种近乎学术圣殿的气质。现在，随着 Gemini 时代的 Google DeepMind 更深地卷入模型竞赛与产品交付，这种气质正在变淡。

这篇讨论的核心并不复杂：当一家研究机构开始同时承担模型能力、产品节奏和商业压力时，最先感到不适的，往往是那些把它当作长期研究家园的人。伦敦办公室还在，但它所代表的那种身份认同，已经不太像过去了。

从研究圣地到产品机器

DeepMind 最吸引人的地方，从来不只是模型本身，而是它曾经允许研究员做长周期、低噪音、强问题导向的工作。那种环境适合探索强化学习、蛋白质折叠、通用智能路线，也适合培养一种“先把问题想清楚，再考虑怎么落地”的研究文化。

但 Google 现在要的东西更多。Gemini 不只是论文里的分数，它还要进入搜索、Workspace、Android、云服务和广告系统。研究团队一旦和这些产品线绑得更紧，评估标准就会从“这个想法是否漂亮”变成“这个功能能否按季度上线”。

这就是很多老员工感到陌生的地方。组织目标没有错，错的是目标变了之后，原来的工作方式还在被期待继续成立。

• AlphaGo 让 DeepMind 成为 AI 领域最有辨识度的名字之一。
• AlphaFold 让它从“会下棋”变成“能改变科学研究流程”的机构。
• Gemini 时代则要求它同时做前沿模型、平台能力和产品集成。

为什么老研究员会走

离开的原因通常不会只有一个。对很多 DeepMind 老兵来说，最直接的变化是研究自主权变少了。过去可以围绕一个科学问题持续推进几年，现在更常见的是围绕产品目标、模型发布节奏和内部优先级调整工作方向。

另一个变化是组织气质。早期 DeepMind 更像一个由研究兴趣驱动的团队，大家围绕论文、实验和长期目标建立信任。现在它越来越像一个必须和 Google 其他部门协同的核心业务单元，沟通成本更高，决策链条也更长。

“The main thing I’m worried about is that we don’t move too fast and break things.” — Demis Hassabis

这句话来自 Demis Hassabis，他在不同场合都强调过速度与谨慎之间的平衡。问题在于，当整个行业都在追速度时，组织内部想保持研究耐心，本身就会越来越难。

对研究员来说，最难受的不是忙，而是忙得没有研究上的完整闭环。你可能在做一个很强的模型组件，却很少有机会看到它如何从科学问题一路走到产品价值。

• 更少的长期自由课题，更多的里程碑和交付节点。
• 更强的产品耦合，更多的跨团队协调。
• 更高的外部关注度，更多的绩效和曝光压力。
• 更清晰的商业目标，也意味着更少的“纯研究”空间。

Gemini 时代的 DeepMind 到底变了什么

如果说 AlphaGo 和 AlphaFold 时代的 DeepMind 追求的是“证明某件事能被 AI 做到”，那么 Gemini 时代更像是在回答“这件事如何被稳定地放进 Google 的产品体系里”。这两个问题都重要，但它们对应的是两种完全不同的组织逻辑。

前者更像研究机构，后者更像平台型公司内部的核心引擎。前者奖励新想法，后者奖励可复制、可发布、可维护的能力。前者让研究员享受探索，后者让研究员面对现实约束。对于习惯了前一种环境的人，后一种环境很难不让人想离开。

这也解释了为什么外界常把 DeepMind 的变化看成“人才流动”，但更准确的说法其实是“文化再定义”。不是每个离开的人都在否定 DeepMind，很多人只是觉得自己熟悉的那家机构已经不在了。

从公司战略看，这种变化并不意外。OpenAI、Anthropic 和 Google 都在争夺同一批前沿模型能力、同一类开发者心智，以及同一批企业客户。研究机构如果不把成果尽快接入产品，就会在竞争中失去回报。

但从组织管理看，代价也很明确：一个曾经靠理想主义凝聚人的团队，一旦被要求同时承担商业化和模型竞赛，就很容易出现认同感松动。老研究员离开伦敦，不一定是因为伦敦这座城市，而是因为他们不再确定自己还能在这里做多久“真正属于研究的工作”。

这场变化会把 DeepMind 带向哪里

短期内，Google DeepMind 还会继续吸引顶级人才，因为它仍然能提供世界级算力、顶级研究问题和极高的行业影响力。对很多年轻研究员来说，这些条件依然足够诱人。

但长期看，组织内部会出现更明显的分层：一部分人接受平台化、产品化和更强的协同节奏；另一部分人则会把职业重心转向更独立的研究实验室、初创公司，或者更纯粹的学术环境。这个分化已经在发生，而且很难逆转。

如果你把 DeepMind 当成一家普通 AI 公司，你会觉得这只是正常的人才流动。如果你记得它曾经是什么，你就会明白，真正值得关注的不是谁离开了，而是这家公司还愿不愿意给“长期研究”留出足够大的空间。

接下来最值得观察的不是某一位明星研究员的去向，而是 Google DeepMind 是否还能同时满足两种互相拉扯的需求：一边继续产出足以改写学界认知的研究，一边把这些能力快速塞进 Google 的产品机器里。只要这两个目标继续并存，离开的人就不会少。

对于外部观察者来说，问题也很直接：当一家机构从“做出惊艳结果”转向“持续交付能力”时，它还能保留多少原来的灵魂？