Google 正在掉队——AI 巨头洗牌背后的三个真相
奠定了整个大模型时代的 Transformer 架构——它的发明者，离开了 Google。用 AI 破解了蛋白质结构、拿下诺贝尔化学奖的 AlphaFold 的负责人，也走了。2016 年横空出世、击败围棋世界冠军李世石的 AlphaGo——它的缔造者，又走了。
几周之内，Google 连失三位改写了 AI 历史的人物。
而最耐人寻味的是——他们并没有去同一个地方。一个去了 OpenAI，一个去了 Anthropic，一个选择了创业。不是某一家在挖人，是 Google 自己出了问题。
四位人才：Google 正在失去什么
Google 最近几周密集流失了四位重量级人物。
第一位，Noam Shazeer。 Google DeepMind 副总裁、Gemini 联合技术负责人。6 月 18 号正式宣布离开 Google，加入 OpenAI。
Noam 在 AI 领域的地位极高。2017 年，他是那篇改变世界的论文"Attention Is All You Need"的联合作者——这篇论文提出了 Transformer 架构，今天的 ChatGPT、Claude、Gemini、DeepSeek 全部建立在这个架构之上。同年，他还是 MoE（混合专家模型）论文的第一作者。现在前沿模型动辄万亿参数，但每次推理不可能把全部参数跑一遍。MoE 的做法是把参数分区，每次只激活一部分，速度快、消耗小。今天所有顶级大模型背后基本都是 MoE 架构。
这个人，是现代 AI 最底层两个核心架构的奠基人之一。
他 2000 年就加入了 Google，是最早一批 AI 研究员。2021 年从 Google 离职创办了 Character.AI。2024 年 Google 花了 27 亿美元把他买回来——结果不到两年，他又走了，直接去了 OpenAI。
第二位，John Jumper。 2024 年诺贝尔化学奖得主，AlphaFold 的负责人，此前在 Google DeepMind 工作了近 9 年。AlphaFold 用 AI 预测蛋白质结构，是生物学领域几十年来最重要的突破之一。过去科学家要花几年搞清楚一个蛋白质的结构，AlphaFold 几分钟就能做到，直接推动了新药研发和疾病研究的加速。他离开 Google 后加入了 Anthropic，将领导 AI for Science 方向的研究。他自己说，Anthropic 是一个能让他"用 AI 真正推动科学发现"的地方。
第三位，David Silver。 AlphaGo 和 AlphaZero 背后的首席研究员。2016 年 AlphaGo 击败围棋世界冠军李世石，是很多人第一次真正感受到 AI 的强大。后来 AlphaZero 更进一步，不用任何人类棋谱，纯粹从零自学，就超越了所有人类在围棋、国际象棋和将棋上的积累。他离开 Google DeepMind 后选择了创业。
第四位，Addy Osmani。 在 Google 工作了整整 14 年。Chrome DevTools、Lighthouse——这些全球几百万开发者每天在用的工具，都是他参与建设的。最近他的职位是 Gemini 的开发者体验负责人。一个深耕了 14 年的人，也走了。
Transformer 的奠基人去了 OpenAI，诺贝尔奖得主去了 Anthropic，AlphaGo 的缔造者去创业，负责 Gemini 开发者生态的也离开了。四散各奔东西——这不是被某一家定向挖角，而是 Google 自身在持续失血。
竞争格局剧变：从回答问题到跑 Agent
要理解 Google 的处境，得先看清 AI 行业的竞争到底在比什么。
AI 时代已经进入了第二阶段。第一阶段从 ChatGPT 发布到 2025 年，大概三年时间，所有模型厂商竞争的核心是怎么更好地回答人类的问题。但从 2025 年底开始，竞争的重心发生了根本性的迁移——从"回答问题"变成了"运行 Agent"。
Agent 的意思是，AI 不再只是回答问题，而是自己动手做事。给它一个目标，它自己去规划、调用工具、反复尝试，直到完成任务。
大模型要跑好 Agent，需要两个关键能力。
第一，超长上下文。Agent 执行一个任务可能产生几百次甚至上千次工具调用，每次调用的结果都要塞进上下文里。去年 32K、64K 就够用了，到今年主流前沿模型——Claude Opus、DeepSeek、智谱 GLM——全部上了 100 万 token 的上下文。实际用下来，256K 跑着跑着就满了要压缩，100 万才够用。
第二，海量的真实 Agent 运行数据。过去训练大模型用的主要是互联网上公开的人类对话和文本，但这些数据对训练 Agent 能力几乎没用——Agent 不是在聊天，它是在执行任务。你需要的是 Agent 在真实环境下跑出来的数据：怎么规划、怎么调用工具、怎么处理反馈、怎么完成任务。这种数据，只有当你有一个被大量用户真正使用的 Agent 产品之后才能收集到。
这两件事加在一起，形成了一个全新的竞争逻辑——模型和 Agent 之间的数据飞轮。模型越好，Agent 就越强；Agent 越强，用的人就越多；用的人越多，真实运行数据就越多；数据越多，模型就能进一步升级。飞轮一旦转起来，后面的人就很难追了。
那现在谁在第一梯队？
第一个把飞轮转起来的是 Anthropic。它推出了 Claude Code——一个编程 Agent，给它一个编程任务，它自己读代码、定位问题、写修复方案、跑测试验证，几乎不需要人类介入。大量开发者每天用 Claude Code 写代码，给 Anthropic 带来了海量的真实 Agent 运行数据。这些数据推动 Claude 模型快速升级，升级后的模型又让 Claude Code 更强，更强的产品又吸引更多用户。左脚踩右脚，飞轮就这么转起来了。Anthropic 的年化收入，一年前只有大约 40 亿美元，到今年 5 月已经飙到接近 500 亿美元。一年翻了 12 倍。
第二个跟上的是 OpenAI。它做了一个非常果断的决定——砍掉 Sora。Sora 是那个曾经轰动一时的 AI 视频生成工具，但 OpenAI 意识到自己在 Agent 赛道上落后了，果断砍掉 Sora 和其他分支项目，集中所有资源做 Codex。Codex 在很多场景下已经接近甚至超越了 Claude Code。
第一梯队很清楚：Anthropic 和 OpenAI。共同特点是 all in，公司全部赌注压在 AI 上，没有其他业务分散精力，而且都已经跑通了飞轮。
第二梯队？Google。曾经的 AI 领头羊，掉了下来。
后起之秀？SpaceX。花 600 亿美元收购 Cursor，补齐了飞轮最后一环——算力（COLOSSUS 数据中心）加模型（Grok）加 Agent（Cursor），三位一体。甚至 Meta 也下场了，推出了 MetaCode。编程 Agent 是所有巨头必争的入口，而 Google 是冲得最慢的那一个。
Google 掉队的三个原因
第一，产品战略：船大难掉头。
Google 太大了。主营业务是搜索、GCP 云、YouTube 广告——每年几千亿美元的营收，AI 在整体盘子里占比还很小。AI 战略必须服从公司整体的营收大盘，没办法像 OpenAI 和 Anthropic 那样 all-in Agent。
它也不是没尝试。花了 24 亿美元收购 Windsurf 团队，改名 Antigravity，做了自己的 AI 编程工具。结果很惨——上线后差评如潮，开发者抱怨高推理模型被限流降级，定价策略四个月改了四次，长时间使用还有内存泄漏。有用户直接管它叫"20 美元的摆设"。
Google 更多的精力放在了把 AI 和已有产品线结合——Google Docs 加 AI 写作、Gmail 加智能回复、NotebookLM 做 AI 笔记。这些做得确实不错。但你仔细想想，AI 加强型产品和 AI 原生产品，是两条完全不同的路。往已有产品里"加 AI"不难，从零打造一个 Agent 平台、跑通数据飞轮，需要整个公司 all-in 的决心。Google 做不到。
第二，领导者路线：科学家的理想 vs 工业的搏杀。
Google DeepMind 的 CEO Demis Hassabis 是英国人，剑桥高材生，从小是国际象棋神童，2024 年也拿了诺贝尔化学奖。他本质上是一个科学家。看他的访谈和演讲，关注点大多在"怎么用 AI 造福人类"——AI for Science，用 AI 做科学发现、攻克疾病、解决气候变化。这些当然都是好事、大事。
但 AI 行业已经进入了刺刀见红的搏杀阶段。Anthropic 疯狂迭代 Claude Code，OpenAI 砍掉一切非核心业务拼 Codex，SpaceX 600 亿砸下来买 Cursor。这是一场 Agent 基础设施的工业竞争。领导者的兴趣如果不在这里，Agent 赛道就会跑得慢。AI for Science 很重要，但你得先把 Agent 的基础设施建好，否则连用 AI 做科研的底座都会被别人抢走。
讽刺的是什么？John Jumper，在 Google DeepMind 做出 AlphaFold、拿了诺贝尔奖的那个人，想做 AI for Science——他跑去了 Anthropic。他觉得 Anthropic 才是能让他"用 AI 真正推动科学发现"的地方。Google 在 Agent 工业竞争上输给了 OpenAI 和 Anthropic，在 AI for Science 这条自己本来最有优势的路上，也开始输了。两头都在丢人。
第三，组织官僚化：大象转身。
这是大公司的通病，但 Google 尤其严重。
Noam Shazeer 的故事是最好的注脚。他在 Google 内部主导开发了一个对话机器人，效果非常好，但高层觉得发布风险太大，直接否掉了。他愤而离开，创办了 Character.AI——后来成了全球最火的 AI 聊天应用之一。2024 年 8 月，Google 意识到失去他是巨大的损失，花了 27 亿美元把他和团队买回来，给了 Gemini 联合技术负责人的位置。这已经是 Google 能给出的最高级别待遇了。
结果呢？不到两年，他又走了。27 亿美元买来的人，连两年都没留住。Sam Altman 说了一句话："Noam 是我从 OpenAI 成立第一天起就最想合作的人之一。筹备了十年，今天终于梦想成真了。"
这不是个案。光是 2025 年，Google 就至少有 11 名 AI 和云计算高管流失到微软等竞争对手。大公司的官僚体制，决策链太长、内部政治太多、创新空间太小。对顶尖人才来说，在 Google 做事，远不如在 OpenAI、Anthropic 或者自己创业来得痛快。
模型迭代数据：最客观的证据
说完三个根本原因，再看一组数据。模型迭代的速度，是判断谁在领先最客观的证据。
Anthropic，从 2025 年 5 月到今年 6 月，13 个月时间：Opus 4、4.1、4.5、4.6、4.7、4.8，六个大版本。6 月 9 号又一口气发了 Fable 5 和 Mythos 5，直接开了一个比 Opus 更高的新模型系列。13 个月，7 次重大更新，平均两个月一次。
OpenAI，GPT 5.5 今年 4 月 23 号发布，编程和推理能力都有明显提升。GPT 5.6 据报道本周即将发布，上下文窗口扩展到 150 万 token，专门为多小时 Agent 会话做了优化。
Google 呢？Gemini 3.5 Flash 今年 5 月发布——但这是一个 Flash 模型，追求速度和成本的轻量版。Google 真正的前沿旗舰模型，上一次让人眼前一亮是什么时候？很难说出一个明确的时间点。Coding Agent 方面就更明显了——Claude Code 一直在稳步进化，Codex 快速追上来了，而 Antigravity 发布以来几乎是原地踏步。
Google 不是没有优势。TPU 算力业务卖得风生水起，GCP 云收入增长很快。AI 和产品整合方面，NotebookLM 口碑不错，Docs、Gmail 里的 AI 功能用户反馈也好。但核心问题是：模型层面的差距在拉大，Agent 赛道在落后。在 AI 时代，模型和 Agent 才是真正的命脉。算力和产品整合是基本盘，但飞轮转不起来，基本盘再好也会被慢慢侵蚀。
Google 会完蛋吗？
不会。
搜索、YouTube 广告、GCP 云——这些都是印钞机，短期内不会有事。TPU 算力业务也是实打实的增长点。
但 Agent 时代的窗口正在关闭。飞轮一旦被先行者转起来，后来者追赶的难度会指数级增长。Anthropic 和 OpenAI 已经跑了一年多了，SpaceX 买下 Cursor 后也在全力加速。Google 现在的位置，有点像当年移动互联网时代的微软——底子很厚，但在新赛道上慢了一步，然后被一步步拉开差距。
而四位顶尖人才的集体出走，就是最诚实的信号。
27 亿美元买不来忠诚。诺贝尔奖也留不住人心。顶尖人才要的不是钱，不是荣誉——是舞台。是一个能让他做出最好工作的环境。当一个组织不再能提供这样的环境，人就会走。
如何判断 AI 行业的格局走向？看三件事：模型迭代够不够快，Agent 产品有没有人在大量使用，数据闭环能不能跑通。这三件事同时满足的公司，就是接下来几年 AI 行业真正的主角。