John Jumper 轉職揭露 AI 留才漏洞

John Jumper 從 DeepMind 轉去 Anthropic，剛好把 AI labs 留才這件事講得很直白。

我盯 AI lab 的人事流動有一陣子了，老實說，越看越像同一齣戲重播。大公司、重 compute、demo 很漂亮，結果過沒多久，又有一位資深研究員安靜地走人。大家很愛把這種事包裝成正常流動，但如果你是那個要扛 roadmap 的人，這根本不正常。你最怕的不是少一個 headcount，是最會把模型往前推的人，一個接一個被別家挖走。

這篇 Reuters 報導在 reuters.com 提到，John Jumper 會離開 Google DeepMind，加入 Anthropic。Reuters 沒有給我什麼 star 數、bookmark 數、社群轉發數，這些花俏數字它本來就沒提供；但它給了我真正有用的訊號：一個具名的資深研究員，從最顯眼的 AI lab 之一，轉去另一家同樣顯眼的 lab。

這不是一個人的跳槽，是重心在移動

Senior research scientist John Jumper said on Friday he would leave Google DeepMind to join AI startup Anthropic, the latest high-profile departure at the Big Tech giant's AI lab.

翻譯一下就是：AI 研究的重心還在移，而且懂模型的人知道自己站哪邊比較有機會做出成果。資深研究員離開，重點不是「有人換工作」而已，而是「他判斷另一邊的工作、夥伴、影響力比較值得押」。

我以前很常聽到團隊把這種事講成薪資問題。當然，錢一定有影響，但如果只是錢，頂尖 lab 之間不會這樣一個接一個互挖。真正拉扯人的通常是幾個東西：研究方向、自治權、發表自由、以及你做的事會不會被產品政治蓋掉。

我自己看過一個團隊，整天說「我們資源比較多」。結果人才一直跑。後來那些人去的小公司，牌子沒那麼大，但方向更清楚、決策鏈更短、做事更像在做事。那句「對，我們資源比較多，但我用不到」真的很刺，因為通常是事實。

實操寫法很簡單：如果你是 AI 團隊負責人，不要把留才當年度調薪會議。你要先回答一個問題：一個資深研究員為什麼要留下來，把最無聊的中段 roadmap 也做完？如果你一句話講不清楚，你就已經在流失人才了。

DeepMind 和 Anthropic 賣的是兩種不同的認真

DeepMind 仍然是 AI 研究裡最重要的名字之一，Anthropic 則把自己包裝成偏安全、偏模型行為、研究身份很明確的公司。這個差異不是公關文案而已，是真的會影響人怎麼選。研究員不是只挑薪水，他們是在挑一個關於「AI 應該怎麼做」的答案。

也就是說，最好的 lab 不一定是母公司最大那家。很多研究員會覺得，小一點、方向更尖銳的組織，反而比較能讓他們真的改變事情。這種事我在工程圈看太多了：人離開大組織，不是因為不想做大事，是因為大組織層級太多、會議太多、審批太多，最後大家都在假裝自己有策略。

我以前待過一個團隊，老是被更小的公司挖走 senior。大家嘴上都在說「我們資源比較多」，但對方回得更直接：「是啊，可是我在你們這裡沒辦法把資源變成成果。」這句話很難聽，但通常也很準。

• 大 labs 能用規模吸人，但規模也會帶來拖延。
• 小 labs 能用聚焦吸人，但聚焦前提是執行要夠硬。
• 研究員會比較兩邊，然後很快看出哪邊比較能做出有感成果。

實操寫法：把你對研究員的承諾寫成白話，不要寫招募文案。你到底是給 compute、給影響力、給發表空間、給安全研究，還是給更窄但更清楚的 mission？寫給外人看一次，你就知道自己是不是在講廢話。

AI 的真正資產，還是那幾個能改模型品質的人

現在 AI 圈很愛講產品、wrapper、launch 速度。可以，這些都重要。但核心資產還是少數幾個能改 training strategy、模型品質、研究方向的人。Reuters 把 John Jumper 寫成 senior research scientist，不是隨便的 title；這種角色在這個產業裡，影響力通常比外界想像的大很多。

翻譯一下就是：AI labs 不是只在搶使用者，它們是在搶能讓模型變強的人。這才是所有漂亮 demo 背後那個不太好看的真相。你如果少掉這些人，後面的 product roadmap 很容易開始依賴別人的突破。

我看過不少團隊想用「補人」來處理人才流失。通常會發生三件事：第一，開始瘋狂面試；第二，補進來的人很強，但不等價；第三，大家嘴上不說，路線圖默默變保守。最後你會發現，一個資深研究員其實背了很多組織沒承認的知識密度。

實操寫法：把你團隊裡真的會影響品質的人圈出來，不要看 title，看誰的判斷會改結果。然後給他們留下來的理由，不要只剩年薪。要有 scope、有 ownership、有可以持續做出成果的空間。

這種人事流動為什麼一直發生

Reuters 說這是 Google DeepMind「latest high-profile departure」，這句話很重要。它代表這不是單一事件，而是 pattern。只要大家開始把它當 pattern，行為就會跟著 pattern 走，因為 pattern 本來就是真的。

也就是說，AI labs 現在不是靠名氣就能鎖住人。大名牌可以把人帶進門，但不一定留得住。只要另一家 lab 提供更清楚的研究身份、更順的決策路徑、或更少的內耗，品牌效應就會被打回原形。這是很多 leader 不想面對的事，因為它等於在說：品牌不是留才。

我在更小的公司也看過一樣的事。創辦人很愛說「大家是因為 mission 來的」。可能沒錯，但當競爭對手拿出更好的研究環境、更短的決策鏈、更少的內部阻力，mission 會被很快拿去測試，然後常常測不過。

• 人會走，是因為工作速度比預期慢太多。
• 人會走，是因為看不到研究怎麼真的影響產品。
• 人會走，是因為別的 team 給了更清楚的身份和更少的層級。

實操寫法：不要等到有人提離職才問他們在忍什麼。直接做一次很粗暴的檢查：他們每週最煩的是什麼？哪個流程你們早就把它正常化了？先砍掉一個高摩擦步驟，效果通常比再寫一封激勵信大。

Anthropic 的強項是把故事講得很像樣

Anthropic 很會讓自己對研究員和工程師變得可理解。它一直把安全、模型行為、部署節奏講得很清楚，這種身份感很強。對研究員來說，這很重要，因為他們想知道自己加入的是哪一種機構，不只是 title 好不好看。

翻譯一下就是：在 AI 招募裡，敘事不是裝飾品，它是操作系統的一部分。公司故事如果很模糊，大家就會默認內部策略也很模糊。故事如果夠清楚，別人才想得出自己的工作怎麼嵌進去。這對招人真的很有差，而且很多大公司還是低估這件事。

我以前跟一些團隊吵過這題，他們很愛說「我們就是在做最好的技術」。這句話幾乎沒用，因為大家都會講。更好的問法是：最好的技術，是為了什麼？在什麼限制下？Anthropic 至少在這題上比多數 lab 更容易回答，研究員當然會注意。

實操寫法：幫你的研究組寫一句真的能拿去對外講的身份句。不是 slogan，是一個 senior engineer 會願意原封不動轉述給候選人的句子。寫不出來，就代表你的招募難度被自己搞高了。

一般開發者也該看懂這件事

如果你不是在管 frontier lab，很容易把這種新聞當成名人跳槽八卦。我不建議你這樣看。真正值得抄走的，是人才會往哪裡流：去那些工作有意義、結構能用、而且看起來真的有機會贏的地方。這件事對 AI 研究員是這樣，對 backend engineer 也是這樣。

也就是說，留才本質上是架構問題。薪資重要，但不是唯一設計。清楚度也重要，速度也重要，還有一件很現實的事：人到底是在做決策，還是在被審到沒力氣。

我看過太多團隊一邊高薪挖人，一邊慢慢把人悶死。這句話很難聽，但是真的。你可以招得很漂亮，最後還是會因為日常體驗太爛，把人逼走。最強的人不會只因為你曾經很會面試就留下來。

實操寫法：用三個問題幫你的團隊做體檢。資深的人能不能在這裡做出有意義的事？他能不能看見成果？他能不能撐過內部摩擦？只要其中一題是否定的，那就是你的 retention bug。

可抄的模板

# AI 團隊留才備忘錄模板

## 發生了什麼
一位資深研究員離開，加入競爭對手。

## 這代表什麼
這代表我們現在的 mission、自治權、執行速度，還不夠留住頂尖技術人才。

## 我先檢查這幾件事
- 團隊裡的人是否真的懂我們的研究主張？
- 資深成員有沒有足夠 ownership 去改變結果？
- 我們是不是新增摩擦的速度，比消除摩擦還快？
- 我能不能一句話說清楚，為什麼有人應該留下而不是跳去別家？

## 這個月我要改的事
1. 找 3 位資深技術成員聊一次，問他們最卡的是什麼。
2. 拿掉一個每週都在阻礙研究速度的審批步驟。
3. 用白話重寫團隊的一句 mission。
4. 列出離職會最傷模型品質的 5 個人。
5. 給每個人一個具體留下來的理由：scope、autonomy、impact 其中至少一個。

## 對外招募版本
我們做 [具體模型或產品領域]，因為 [具體 mission]。
資深技術人才在這裡拿到的是 [真實 ownership]，不是流程。
我們重視 [研究價值]，而且團隊夠小，做事不會卡死。

## 內部提醒
品牌可以把人吸進來。
日常體驗才會把人留下來。

這段模板是我整理的，不是 Reuters 原文。靈感來源是 Reuters 對 John Jumper 離開 Google DeepMind、加入 Anthropic 的報導，但裡面的留才檢查、候選人版本、內部提醒，都是我自己拆出來的工作版。

來源我放在這裡：Reuters 原文、Google DeepMind、Anthropic。我這篇是基於報導做方法論拆解，原始事實來自 Reuters，後面的框架和模板是我自己的整理。