谷歌DeepMind研究人员出走，云计算协议限制内部算力访问

谷歌在业内打造了最强大的AI基础设施体系——自研芯片、蓬勃发展的云业务，以及与竞争对手签订的数十亿美元供应协议。然而，这一成功本身却造就了一个内部悖论：公司自己的研究人员反而无法获得足够的机器使用时间。

彭博社周一报道，谷歌DeepMind的研究人员正在争抢算力资源，而这些资源同时也在被公司出售给外部客户。这一局面已导致多位知名科学家选择离职，自立门户。

资源挤压

这一结构性问题源于合同约束。谷歌已向Anthropic承诺提供高达400亿美元的基础设施支持，协议内容包括五年内提供5吉瓦的TPU算力，以及最多100万块第七代Ironwood芯片的使用权。另有一项单独协议涵盖Meta。这些承诺锁定了大量算力，导致内部模型团队若不排队等候便无法使用。

DeepMind首席执行官杰米斯·哈萨比斯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，才能在足够大的规模上探索新想法"。硬件瓶颈在一定程度上超出了谷歌的掌控范围——主要受制于三星、美光 和SK海力士 高带宽内存供应不足的问题。但内部算力分配决策则另当别论。

离职潮

Andrew Dai 在谷歌工作长达14年，曾共同主导 Gemini 的数据工作，并领导 PaLM 2 的预训练。他于2026年1月离职，联合创立了多模态推理实验室 Elorian，并已融资5500万美元。Ioannis Antonoglou 是 DeepMind 的创始工程师之一，参与构建了 AlphaGo 和 MuZero，他联合创立了 ReflectionAI，该公司迄今已募集20亿美元，致力于构建开放权重的前沿模型。Anna Goldie 曾联合主导 AlphaChip 项目，也是前 Gemini 研究员，她于2025年底创立了 Ricursive Intelligence，以40亿美元的估值融资3亿美元，专注于将 AI 应用于芯片设计领域。

三人均从一家单季度资本支出近140亿美元的公司离职——然而据他们透露，在外部获取算力资源反而更加便捷。

谷歌面临的行业普遍问题与其特有困境

前艾伦人工智能研究所所长奥伦·埃齐奥尼将这一现象描述为内部市场机制的必然结果——在这种机制下，算力资源的分配取决于管理层级，而非单位成本经济学。谷歌并未对彭博社的报道框架提出异议，而是着重强调了自身更宏观的基础设施投入，并指出算力紧缺是整个行业的普遍状况。

此言不虚——每家主流模型厂商的算力资源相对于其研究雄心而言都显得捉襟见肘。然而，谷歌的处境有其独特之处：它在成为主要竞争对手最大基础设施供应商的同时，自家研究人员却还要排队等待算力资源。