兩位天才離職，谷歌市值蒸發1.6萬億：AI大戰變天了

6月22日，Google母公司Alphabet股價收跌5.08%，盤中最大跌幅超過7%，單日蒸發約2250億美元市值，創下公司歷史最大單日市值損失。導火索看起來很簡單：短短三天時間里，Google DeepMind連續失去兩位頂級AI大牛。

一位是諾姆·沙澤爾，Transformer論文共同作者、MoE路線核心奠基人、Gemini聯合負責人。2024年，Google剛剛花費27億美元把他從自己創辦的Character.AI重新買回，結果不到兩年再次出走；另一位是約翰·江珀，AlphaFold核心領導者、2024年諾貝爾化學獎得主，在DeepMind效力九年后選擇加盟Anthropic。隨著兩人的離開，Transformer論文的8位原作者已全部離開Google。

（左：諾姆·沙澤爾，右：約翰·江珀）

表面上看，市場似乎給兩位科學家標出了超過兩千億美元的價格，但華爾街真正恐慌的顯然不是兩個人本身，而是擔心人才流失導致Gemini技術迭代延緩。有媒體報道說Gemini內部部分成員對模型進展不滿意，在編程、推理和Agent能力與OpenAI、Anthropic的差距并未如預期縮小。隨著AI競爭進入按月迭代時代，Google正面臨前所未有的壓力，這也是兩位大牛相繼離職的原因之一。

過去一年谷歌跟硅谷巨頭一樣在AI基礎設施上投入高歌猛進，資本支出已達千億美元規模，華爾街的估值模型建立在一個前提之上：算力投入與頂尖人才綁定，才能維持企業在AI賽道的頭部排位。硬件的錢砸下去了，大牛卻走了，算法搞不起來，這套邏輯就斷了，資本市場恐慌合情合理。

這引出AI行業一個被反復討論的問題：AI大牛對科技大廠到底重不重要？

如果不重要，為什么Google會因為兩個人離職蒸發2250億美元？如果重要，那么過去幾年幾乎聚集了全球最多AI科學家的Google，為什么依然沒有徹底壓制OpenAI和Anthropic？

答案可能介于兩者之間。

AI大牛當然重要。對于大模型公司來說，他們不僅代表技術能力，更代表人才號召力、工程經驗和研發方法論。一個頂級研究員的加入，帶來的往往不是一個人，而是一個能搞出一流模型的團隊和一整套技術路徑和組織經驗。Meta開出上億美元薪酬包挖人，騰訊、小米重金引進明星科學家，本質上都是在購買這種稀缺資源，花大錢、補大課。

沒有羅福莉，小米的大模型團隊可能根本搭不起來，搞出來的東西更不可能迅速沖上模型榜單。挖大牛本質是買經驗，梁文鋒對此有極清醒的認識——他在首輪外部融資時明確要求投資協議中包含“禁挖人”條款，投資機構不得從深度求索挖角員工。梁文鋒反感被挖人，不是DeepSeek離開了某人不能轉，而是其被現實上了一課：大廠每挖走一個研究員，就帶走了一套經驗，這是核心資產。

但大廠過度強調“AI大牛”的作用也有不少弊端。

大牛頻繁出席論壇、接受采訪和“坐冷板凳”潛心解決技術難題本就矛盾，更隱蔽的代價是影響團隊士氣。2025年多家巨頭的匿名職場論壇已經顯示出一個清晰的信號：“大牛在聚光燈下拿獎，團隊在辦公室內背鍋”的怨氣正在導致中層骨干加速流失。當所有榮譽和資源向一個人傾斜時，那些執行細節、拼命干活的人會怎么想？

還有人力成本的內卷。Meta發起的人才狙擊戰把AI行業的薪酬推到令人瞠目結舌的高度：扎克伯格親自致電24歲的研究員戴特克，初始報價四年1.25億美元，被拒后翻倍至2.5億美元；為挖走蘋果的AI模型團隊負責人Ruoming Pang，開出了超過2億美元的薪酬包。不計代價不說，還有“三顧茅廬”的誠意。扎克伯格憑一己之力帶壞行業風氣，奧特曼曾公開抱怨Meta試圖用1億美元簽約獎金挖走OpenAI員工。還有大牛薪酬暴漲導致了整個AI鏈人才成本攀升。

單點依賴的風險肉眼可見。大牛一旦因理念不合、更好的offer或其他任何原因離職，公司將直接面臨技術斷檔的窘境。谷歌的遭遇就是最鮮活的案例，這跟MCN公司依賴單一超級主播沒有本質區別，離開了李子柒微念沒得玩了，科技大廠的“AI大牛依賴癥”會不會上演類似的故事？

也有些大廠并不強調AI英雄——至少沒有對外宣傳。Anthropic沒有刻意包裝某個人，OpenAI的奧特曼更多是CEO而非技術代言人，deepseek、智譜、百度、字節同樣沒有將某個研究員推到聚光燈下，這些公司當然不缺大牛，AI技術也在持續迭代，其中智譜市值更是超過萬億港元。

過去兩年的行業發展已經證明了一件事：AI競爭早已不是個人英雄主義定勝負的階段。Meta AI一坨翔的結果足以表明，單靠挖大牛并不能解決AI技術問題。

很多人喜歡把AI行業講成英雄史詩：某位天才提出了Transformer，某位科學家創造了AlphaFold，某位研究員寫出了改變世界的代碼，但現實根本不是這么回事，特別是在今天。

大模型研發已經演變成全球最復雜的工程體系之一。從預訓練到后訓練，從強化學習到推理優化，從數據治理到基礎設施建設，每一個環節都需要龐大的團隊協同完成。一個天才能提出新的方向，卻無法獨自訓練一個GPT；一個科學家能設計新的算法，卻無法一個人完成數萬張GPU的調度和部署。

更重要的是，AI發展階段變了，行業最大挑戰不再是基模本身，而是AI技術產品化、產品商業化以及技術場景化落地，每一點都需要不同專業的人協同完成。

所以Google這一波會引起科技大廠反思甚至警惕“AI英雄主義”，弱化大牛作用、強化體系化能力。行業將會重新審視一個問題：AI時代最稀缺的資源，到底是天才，還是組織天才的能力？