真正留住人才，不是留住工牌：谷歌这次AI大调整，给所有公司上了一课

如果有一天，你公司里最厉害的技术大神跑来跟你说：

“老板，我不想干现在这条业务线了，我想带几个人出去做一个完全不同的方向。”

你会怎么办？

大多数公司的答案，其实只有两个。

要么服从组织安排。

要么离职。

但最近谷歌做了一件很有意思的事。

它给出了第三个答案：

你可以离开公司，但不一定要离开我的生态。

我觉得，这可能比“谷歌又走了几个AI大神”重要得多。

因为AI时代真正的人才战争，正在从“谁能开出更高工资”，变成另一个问题：

一个公司，到底能不能容纳那些和公司当前路线不完全一致的人？

---

一、8月5日，谷歌AI组织突然换了一套打法

2026年8月5日，谷歌宣布调整Google DeepMind的领导架构。

最引人关注的变化，是德米斯·哈萨比斯（Demis Hassabis）不再负责Google DeepMind的日常运营。

但注意，他并没有离开谷歌。

他转任Google DeepMind主席，同时担任Alphabet首席科学家，把更多精力放到AGI、科学研究以及长期战略上。

原Google DeepMind CTO科拉伊·卡武克奥卢（Koray Kavukcuoglu）则成为Google DeepMind高级副总裁，直接向桑达尔·皮查伊汇报。

谷歌官方对他的职责写得非常具体：

Gemini模型开发、前沿AI研究、Gemini应用以及开发者团队，都由他统筹。

哈萨比斯自己则在内部信中说，他决定交出Google DeepMind的日常运营职责，把时间和空间留给更长期的问题。

乍一看，这很像普通的大公司人事调整。

一个人负责“仰望星空”，一个人负责“打仗交付”。

但同一天发生的另一件事情，让整个故事变得完全不一样了。

---

二、谷歌一下走了四位大神，其中还有Jeff Dean

Jeff Dean离开谷歌了。

如果你不是做技术的，可能对这个名字没什么感觉。

但在程序员和AI研究者眼里，这个人几乎属于谷歌工程文化的“活化石”。

他在谷歌工作了接近27年，和Sanjay Ghemawat一起参与构建了大量支撑谷歌早期搜索和计算基础设施的核心系统，后来又参与创办Google Brain，并担任Google DeepMind和Google Research首席科学家，同时还是Gemini的技术负责人之一。

这次离开的不只是Jeff Dean。

还有Sanjay Ghemawat、Oriol Vinyals和Quoc Le。

四个人一起创办了一家公司：

Discovery Loop。

这家公司要干什么？

一句话概括：

让AI自动做实验。

传统科研大概是这样的：

提出假设。

设计实验。

运行实验。

分析结果。

发现不对。

修改假设。

再跑一次。

Discovery Loop想做的，就是把这整个循环自动化。

让AI提出实验方案、实施或者运行评测、读取结果，再根据结果自动设计下一轮实验。

而且不是一次跑一个。

未来希望能够同时运行成百上千甚至数千个实验循环。

Discovery Loop自己的官网明确表示，他们会首先从机器学习研究和工程开始，把自己当成第一个客户，再逐渐扩展到药物、能源、工程和其他科学领域。

如果这件事情真的做成，它解决的其实不是“AI帮科学家提高一点效率”。

而是：

AI开始成为实验循环本身的一部分。

这也是现在越来越重要的AI for Science方向。

但真正让我觉得有意思的，并不是Jeff Dean创业。

而是谷歌接下来的动作。

---

三、最反常的一幕出现了：人走了，谷歌却没有松手

按照传统公司的逻辑，几个核心技术人员集体出去创业，通常是什么场面？

竞业协议。

律师。

知识产权审查。

挽留失败。

甚至直接把他们视作潜在竞争对手。

但谷歌最后选择了另一种关系。

Google不仅投资了Discovery Loop，还成为它的Cloud合作伙伴，并计划继续围绕机器学习系统和相关基础设施开展研究合作。

《Wired》进一步报道，谷歌还会为Discovery Loop提供第一年的计算资源。

所以你仔细看，会发现一个很奇怪的状态。

Jeff Dean他们确实离职了。

工牌没了。

汇报关系没了。

组织架构图里也没有他们了。

但是——

资金还连着。

算力还连着。

云还连着。

研究合作还连着。

未来的技术收益，也可能继续连着。

于是我突然觉得：

谷歌这次真正调整的，可能不是几个高管的位置。

它调整的是公司的边界。

过去所谓“留住人才”，意味着：

我要把这个人留在公司里。

现在可能变成了：

哪怕这个人不再属于我的组织，我还能不能让他继续属于我的生态？

这两个问题，差别非常大。

---

四、这让我重新理解了一个问题：什么叫真正的“留人”？

今年6月，Google的Gemini联合负责人Noam Shazeer宣布加入OpenAI。

他是2017年Transformer奠基论文《Attention Is All You Need》的作者之一，也是谷歌在2024年花费巨额成本重新招回的重要AI研究者。

几乎同一时期，AlphaFold核心研究者、2024年诺贝尔化学奖得主John Jumper也宣布离开Google DeepMind，前往Anthropic。

再加上Jeff Dean等四个人创业，外界很自然地会形成一个故事：

谷歌留不住AI人才了。

这个故事当然很刺激。

但我越来越觉得，它把问题说简单了。

因为对于真正顶尖的人才来说，钱当然重要，资源当然重要，品牌当然也重要。

可到了某一个级别以后，他们真正稀缺的东西，可能不是资源。

而是：

对资源的决定权。

注意，这两个东西完全不一样。

公司告诉你：

“我们有一万张GPU。”

和公司告诉你：

“这里有500张GPU，你决定拿它们研究什么。”

对于顶尖研究者来说，是两种完全不同的工作体验。

---

五、理解这一点，就必须回到十多年前的DeepMind

前段时间，我又翻了一遍Sebastian Mallaby写DeepMind和哈萨比斯的新书《The Infinity Machine》的笔记。

里面有个故事我一直印象很深。

当年DeepMind还是创业公司时，哈萨比斯真正想做的事情并不是搞一个聊天机器人，也不是做广告推荐。

他的目标一直很大：

AGI。

但AGI有个巨大的现实问题。

贵。

你需要顶级人才。

你需要算力。

你需要长期烧钱。

你甚至不知道多少年才能看到结果。

2013年前后的DeepMind，根本没有今天AI公司的融资环境。

于是Larry Page在说服哈萨比斯加入Google时，问了一个非常厉害的问题：

为什么不直接利用我已经创造出来的一切？

这个问题后来成为DeepMind加入Google非常重要的一部分逻辑。

既然哈萨比斯真正的人生目标是AGI，那么他为什么还要先花二三十年重新造一家Google，积累资本、数据中心、工程团队和基础设施，然后再开始研究AGI？

直接使用Google已经建立好的机器，不是更快吗？

我觉得这其实就是Google与DeepMind之间最早的一份“隐形合同”：

你把最疯狂的问题带进来。

我给你大公司才拥有的资源。

但还有一个隐藏条件：

我最好尽可能保留你像创业者一样定义问题的权力。

问题也恰恰出在这里。

资源进入大公司以后，就必然涉及控制权。

---

六、DeepMind后来真正争夺的，其实一直是“谁能做决定”

2015年前后，Google正在重组Alphabet。

DeepMind内部看到了一次重新获得更高独立性的机会。

于是出现了后来被称为Project Mario的计划。

按照当时讨论的方案，新DeepMind可以拥有一个9人董事会：

3席来自DeepMind。

3席来自Alphabet。

另外3席由独立成员担任。

这个安排的真正关键，不是董事会人数。

而是一个词：

治理权。

谁有权决定AGI怎么开发？

谁有权决定哪些技术可以商业化？

谁有权决定算力和资金投向哪里？

最终，这套方案没有按最初设想落地。

但Sebastian Mallaby披露的细节非常值得今天所有公司管理者重新看一遍。

因为DeepMind后来还发生了一件更夸张的事情。

哈萨比斯曾经秘密组织大约20名研究人员，探索高频交易算法，甚至讨论过和贝莱德合作。

谷歌并不认可这个方向。

这个项目最后被悄悄解散。

这件事情特别能说明问题。

你可以拥有世界级研究团队。

你可以拥有Google级别的计算基础设施。

甚至可以拥有全球最优秀的AI人才。

但最后仍然绕不开一句话：

谁决定这些资源拿去干什么？

---

七、所以顶级人才为什么离开大公司？

很多管理者喜欢把人才流失理解成待遇问题。

工资不够。

期权不够。

职位不够高。

竞争对手挖人。

这些当然都有。

但对于真正处于创造前沿的人，还有一个经常被忽略的变量：

实验权。

也就是：

我发现一个完全不同的技术方向时，有没有资格试一次？

我要申请多少预算？

需要说服多少层领导？

失败一次会不会影响绩效？

结果短期无法商业化，还能不能继续？

能不能自己选人？

能不能暂时不服务主业务？

你会发现，真正决定一个创新型人才能不能留下来的，可能根本不是公司有没有资源。

而是：

他能调用多少资源。

再进一步：

他能决定多少资源。

这也解释了为什么创业公司能够从Google、OpenAI、Meta这样拥有海量算力的大公司里不断挖走顶级研究者。

创业公司算力可能更少。

钱可能更少。

同事也更少。

但它可以提供一个极其昂贵的东西：

决策权。

---

八、这也是为什么2023年的Google必须集中，而2026年的Google又开始重新拆

ChatGPT出现以后，Google面临非常现实的竞争压力。

2023年，Google把原本相对独立的DeepMind和Google Brain合并成Google DeepMind，由哈萨比斯统一领导。

从组织效率角度看，这非常合理。

因为训练前沿模型早已不是几个科学家关起门写论文。

你需要模型团队。

算力。

TPU。

数据。

安全团队。

开发者平台。

搜索。

Cloud。

消费级产品。

如果所有部门都有自己的路线，每个人都拥有否决权，最后可能什么都推不出去。

所以集中管理解决的是一个非常现实的问题：

执行速度。

可组织设计从来没有免费的午餐。

权力越集中，执行通常越快。

但与此同时，非主流路线能够生存的空间，也可能越来越少。

这就是大公司的经典悖论。

主航道越来越强。

旁边的小路越来越少。

于是总有一些最优秀的人开始觉得：

“这条路线也许是对的，但不是我想走的路线。”

然后OpenAI出现了。

Anthropic出现了。

创业公司出现了。

他们开始在组织外面为这些人提供新的实验场。

所以我反过来看2026年8月5日这次调整，突然觉得它并不是一次普通的人事震荡。

它很像Google正在重新尝试回答那个已经困扰DeepMind十多年的问题：

怎样同时拥有大公司的执行效率，又给最强的人足够大的探索空间？

---

九、答案可能不是“留住所有人”

现在Google似乎出现了三种不同的位置。

Koray负责Gemini和现实世界的产品战争。

他需要速度。

需要统一。

需要交付。

哈萨比斯去处理AGI、科学和更长期的问题。

他需要时间。

需要距离。

需要思考那些短期没法写进季度OKR的东西。

Jeff Dean等人则直接走出了公司的组织边界。

他们获得创业公司的自由。

但Google又通过投资、Cloud和研究合作，把这条关系重新接了回来。

你会发现：

这不是一个标准的组织架构。

更像一个生态系统。

而生态系统最大的区别，就是它不要求所有重要节点都归同一个老板管理。

这可能是未来AI公司越来越重要的一种组织能力：

不一定拥有所有人才，但要尽可能拥有和人才继续合作的接口。

---

十、普通公司学不了谷歌的算力，但完全可以学它的这个逻辑

有人看到这里可能会说：

你讲的是Google。

人家有钱。

普通公司哪能给离职员工投资，还送GPU？

确实学不了。

但组织逻辑完全可以学。

我觉得至少可以做四件事情。

第一，把“执行任务”和“探索任务”分开

已经知道答案，只需要更快交付的事情，应该集中管理。

比如：

产品上线。

客户交付。

销售目标。

成本优化。

这些事情需要明确负责人，需要节点，需要KPI。

但另一类事情完全不同。

例如：

一个新的AI Agent架构到底有没有用？

要不要把某个流程彻底AI化？

某种模型能不能替代现有系统？

一个新的商业模式有没有可能？

这些问题的特点就是：

你根本不知道答案。

既然不知道答案，就不应该按照“已知答案型任务”去管理。

否则最后一定会出现一种荒谬情况：

实验还没开始，就要求员工证明ROI。

这就像科研人员还没做实验，财务已经要求他保证论文一定能发表。

---

十一、第二，给不同路线留一个“小型逃生舱”

我觉得未来做AI的公司，可以设计一种非常小的内部创业机制。

比如某个员工说：

“我认为现在主线方向错了，我有另外一套方案。”

不要马上开十个人的评审会。

也不要第一句话就是：

“这个和今年战略不一致。”

给他一个小预算。

允许他找两三个人。

给他三个月。

规定好GPU额度。

定义几个可以检验的指标。

然后告诉他：

去跑一次。

三个月以后拿结果说话。

成功，就扩大。

失败，就结束。

这其实就是给不同意见购买一张“实验彩票”。

成本可能并没有想象中高。

但如果你完全不给这张彩票，最优秀的人最后可能自己出去买彩票。

---

十二、第三，我建议所有AI公司开始统计一个新指标

这个指标不是Token。

也不是模型调用量。

更不是员工每天使用AI多少次。

我觉得真正值得统计的是：

从一个新想法被提出，到第一次真正跑完实验，需要多少天？

我把它叫做：

TTFE——Time to First Experiment，首次实验时间。

比如：

一个工程师提出新方案。

然后找领导审批。

领导找技术委员会。

技术委员会找安全部门。

安全部门找采购。

采购申请GPU。

GPU申请排队。

两个月过去。

实验还没开始。

这种公司的创新速度再怎么喊“AI First”，意义都不大。

因为在AI时代：

审批层级不只是管理成本。

它已经是一种技术成本。

GPU闲置浪费钱。

优秀工程师等待批准，同样浪费钱。

而且后者往往更贵。

---

十三、第四，员工离职以后，不一定非要变成“前员工”

这是很多公司最值得改变的地方。

我们太习惯把组织关系理解成0和1。

在职。

离职。

自己人。

外人。

但未来的人才关系可能越来越像网络。

员工可以变成创业者。

创业者可以变成供应商。

供应商可以变成投资对象。

投资对象可以重新变成合作团队。

甚至未来还可能被重新并购回来。

Google和Discovery Loop至少提供了一个现实案例：

就业关系结束，不等于价值关系结束。

公司真正应该害怕的，不一定是员工离开。

而是：

一个优秀的人离开以后，从此再也不愿意和你合作。

那才是真的“人才流失”。

---

十四、但千万别把“自由”理解成明星员工想干什么就干什么

说到这里还有一个非常重要的边界。

很多公司一谈创新，就容易走向另一个极端：

高手不服管理？

那就给他一支团队。

他说要预算？

给。

他说项目不能考核？

也给。

这同样危险。

真正有效的探索自由，必须建立在清晰边界上。

多少钱？

多少算力？

多少人？

实验多长时间？

成功标准是什么？

谁来验收？

什么时候扩张？

什么时候停止？

这些都应该提前定义。

所以我越来越认同一句话：

自由的反面不是管理。

真正的自由，恰恰来自明确的边界。

没有边界的自由叫失控。

边界内拥有决策权，才叫授权。

---

十五、所以，怎样才算真正留住人才？

写到最后，我反而觉得答案变得很简单。

真正留住人才，不一定是让一个人在公司干二十年。

也不是把离职率降到最低。

更不是靠竞业协议把所有高手锁住。

真正的人才管理，应该至少有四个层次。

第一层：

留住人。

让他愿意继续工作。

第二层：

留住创造力。

让他在公司里仍然愿意提出不同意见。

第三层：

留住关系。

哪怕他离开组织，还愿意和公司继续合作。

第四层：

留住未来的选择权。

当新的技术路线出现时，公司仍然有机会参与。

如果这样理解，Google投资Discovery Loop就变得特别有意思了。

Google失去了四张员工工牌。

但它没有把双方未来所有的连接同时剪断。

这可能就是AI时代人才管理最值得研究的新变化之一：

公司边界正在变软。

过去管理者问：

“这个人是不是我的员工？”

未来更重要的问题可能变成：

“这个人创造价值的时候，我是不是仍然在他的网络里？”

---

十六、最后一个问题，比“谷歌会不会衰落”重要得多

Google这轮调整究竟是成功还是失败？

截至2026年8月9日，我认为现在根本没法下结论。

Jeff Dean等人的离开当然会造成损失。

新的集中管理，也可能让Gemini的开发和产品交付速度进一步提高。

Discovery Loop如果成功，也可能继续通过投资、Cloud和研究合作给Google带来技术与生态价值。

真正应该看的，是两三年以后。

到那个时候，我不会只看Gemini排行榜排第几。

我更想看一件事情：

Google内部还能不能长出一个最开始没人理解、短期赚不到钱、甚至和主航道关系不大的项目。

一个像当年的AlphaFold一样的项目。

2024年，AlphaFold相关工作最终让Demis Hassabis和John Jumper共同获得诺贝尔化学奖的一半。

这就是为什么真正伟大的研究组织，需要给“暂时没用的东西”留下生存空间。

因为我们今天所谓的创新，很多时候只是昨天某个管理者没有杀掉的异类。

所以，如果现在有人再问我：

怎样才算真正留住人才？

我的答案会是：

不是想办法让所有厉害的人永远留在公司。

而是建立一种组织，让优秀的人在留下的时候拥有探索空间，在离开的时候仍然愿意与你连接，而新的异类想法还能不断从内部长出来。

留住人才的最高境界，从来不是留住工牌。

而是留住创造力，留住关系，留住下一次伟大发现仍然发生在你身边的可能性。

---

关注本站，每天分享跨境电商前沿资讯（ Ctrl + D 收藏本站/收藏为书签 ）

资料依据

本文涉及2026年8月Google DeepMind管理层调整、Jeff Dean等人创办Discovery Loop及Google后续合作关系，主要依据Google官方公告、Reuters、Wired以及Discovery Loop官方信息。

关于DeepMind与Google早期治理关系、Project Mario、3-3-3董事会方案以及高频交易实验，主要依据Sebastian Mallaby于2026年出版的《The Infinity Machine》公开节选。

关于Noam Shazeer加入OpenAI及John Jumper加入Anthropic的信息，依据Reuters报道。

---