DeepMind 研究人员因计算资源不足出走

Google 构建了业界最强大的 AI 基础设施——自研芯片、蓬勃发展的云业务，以及数十亿美元的竞争对手供应合同。但这种成功带来了内部矛盾：公司自己的研究人员却无法获得足够的机器时间。

彭博社周一报道称，Google DeepMind 的研究人员正在争夺计算资源，而这些资源同时被出售给外部客户。这一状况已迫使多位知名科学家离职，创办自己的公司。

算力挤压

结构性问题源于合同约束。Google 已承诺向 Anthropic 提供高达 400 亿美元的基础设施，包括五年内 5 吉瓦的 TPU 容量以及多达 100 万颗第七代 Ironwood 芯片。另一项协议覆盖了 Meta。这些承诺锁定了大量算力，内部模型团队需要排队才能使用。

DeepMind 首席执行官 Demis Hassabis 今年早些时候承认了这一压力，指出研究人员“需要大量芯片才能足够大规模地实验新想法”。硬件瓶颈部分由三星、美光和 SK 海力士的高带宽内存供应限制造成，这超出了 Google 的控制。但内部资源分配决策是可控的。

人员出走

Andrew Dai 在 Google 工作 14 年，曾共同领导 Gemini 的数据工作并负责 PaLM 2 的预训练，于 2026 年 1 月离职，共同创立了多模态推理实验室 Elorian，融资 5500 万美元。Ioannis Antonoglou 是 DeepMind 的创始工程师之一，参与过 AlphaGo 和 MuZero 的开发，共同创立了 ReflectionAI，后者已融资 20 亿美元用于构建开放权重前沿模型。Anna Goldie 是 AlphaChip 的联合负责人和前 Gemini 研究员，于 2025 年底创立了 Ricursive Intelligence，估值 40 亿美元并融资 3 亿美元，专注于用 AI 设计芯片。

这三人都离开了在一个季度内资本支出近 140 亿美元的公司——但每个人都表示，在外面获得计算更容易。

行业通病，谷歌特有症结

艾伦人工智能研究所前所长 Oren Etzioni 描述这种现象为可预期的结果：内部市场按管理资历而非单位成本经济学来配给算力。Google 没有反驳彭博社的报道框架，而是指出其更广泛的基建投资，并强调算力约束是整个行业普遍存在的问题。

这没错——每个主要模型提供商相对于自身研究雄心都面临算力限制。但 Google 的独特之处在于其矛盾的现实：它已成为主要竞争对手最大的基础设施供应商，而自己的研究人员却在排队等待。