两位天才离职，谷歌市值蒸发1.6万亿：AI大战变天了

6月22日，Google母公司Alphabet股价收跌5.08%，盘中最大跌幅超过7%，单日蒸发约2250亿美元市值，创下公司历史最大单日市值损失。导火索看起来很简单：短短三天时间里，Google DeepMind连续失去两位顶级AI大牛。

一位是诺姆·沙泽尔，Transformer论文共同作者、MoE路线核心奠基人、Gemini联合负责人。2024年，Google刚刚花费27亿美元把他从自己创办的Character.AI重新买回，结果不到两年再次出走；另一位是约翰·江珀，AlphaFold核心领导者、2024年诺贝尔化学奖得主，在DeepMind效力九年后选择加盟Anthropic。随着两人的离开，Transformer论文的8位原作者已全部离开Google。

（左：诺姆·沙泽尔，右：约翰·江珀）

表面上看，市场似乎给两位科学家标出了超过两千亿美元的价格，但华尔街真正恐慌的显然不是两个人本身，而是担心人才流失导致Gemini技术迭代延缓。有媒体报道说Gemini内部部分成员对模型进展不满意，在编程、推理和Agent能力与OpenAI、Anthropic的差距并未如预期缩小。随着AI竞争进入按月迭代时代，Google正面临前所未有的压力，这也是两位大牛相继离职的原因之一。

过去一年谷歌跟硅谷巨头一样在AI基础设施上投入高歌猛进，资本支出已达千亿美元规模，华尔街的估值模型建立在一个前提之上：算力投入与顶尖人才绑定，才能维持企业在AI赛道的头部排位。硬件的钱砸下去了，大牛却走了，算法搞不起来，这套逻辑就断了，资本市场恐慌合情合理。

这引出AI行业一个被反复讨论的问题：AI大牛对科技大厂到底重不重要？

如果不重要，为什么Google会因为两个人离职蒸发2250亿美元？如果重要，那么过去几年几乎聚集了全球最多AI科学家的Google，为什么依然没有彻底压制OpenAI和Anthropic？

答案可能介于两者之间。

AI大牛当然重要。对于大模型公司来说，他们不仅代表技术能力，更代表人才号召力、工程经验和研发方法论。一个顶级研究员的加入，带来的往往不是一个人，而是一个能搞出一流模型的团队和一整套技术路径和组织经验。Meta开出上亿美元薪酬包挖人，腾讯、小米重金引进明星科学家，本质上都是在购买这种稀缺资源，花大钱、补大课。

没有罗福莉，小米的大模型团队可能根本搭不起来，搞出来的东西更不可能迅速冲上模型榜单。挖大牛本质是买经验，梁文锋对此有极清醒的认识——他在首轮外部融资时明确要求投资协议中包含“禁挖人”条款，投资机构不得从深度求索挖角员工。梁文锋反感被挖人，不是DeepSeek离开了某人不能转，而是其被现实上了一课：大厂每挖走一个研究员，就带走了一套经验，这是核心资产。

但大厂过度强调“AI大牛”的作用也有不少弊端。

大牛频繁出席论坛、接受采访和“坐冷板凳”潜心解决技术难题本就矛盾，更隐蔽的代价是影响团队士气。2025年多家巨头的匿名职场论坛已经显示出一个清晰的信号：“大牛在聚光灯下拿奖，团队在办公室内背锅”的怨气正在导致中层骨干加速流失。当所有荣誉和资源向一个人倾斜时，那些执行细节、拼命干活的人会怎么想？

还有人力成本的内卷。Meta发起的人才狙击战把AI行业的薪酬推到令人瞠目结舌的高度：扎克伯格亲自致电24岁的研究员戴特克，初始报价四年1.25亿美元，被拒后翻倍至2.5亿美元；为挖走苹果的AI模型团队负责人Ruoming Pang，开出了超过2亿美元的薪酬包。不计代价不说，还有“三顾茅庐”的诚意。扎克伯格凭一己之力带坏行业风气，奥特曼曾公开抱怨Meta试图用1亿美元签约奖金挖走OpenAI员工。还有大牛薪酬暴涨导致了整个AI链人才成本攀升。

单点依赖的风险肉眼可见。大牛一旦因理念不合、更好的offer或其他任何原因离职，公司将直接面临技术断档的窘境。谷歌的遭遇就是最鲜活的案例，这跟MCN公司依赖单一超级主播没有本质区别，离开了李子柒微念没得玩了，科技大厂的“AI大牛依赖症”会不会上演类似的故事？

也有些大厂并不强调AI英雄——至少没有对外宣传。Anthropic没有刻意包装某个人，OpenAI的奥特曼更多是CEO而非技术代言人，deepseek、智谱、百度、字节同样没有将某个研究员推到聚光灯下，这些公司当然不缺大牛，AI技术也在持续迭代，其中智谱市值更是超过万亿港元。

过去两年的行业发展已经证明了一件事：AI竞争早已不是个人英雄主义定胜负的阶段。Meta AI一坨翔的结果足以表明，单靠挖大牛并不能解决AI技术问题。

很多人喜欢把AI行业讲成英雄史诗：某位天才提出了Transformer，某位科学家创造了AlphaFold，某位研究员写出了改变世界的代码，但现实根本不是这么回事，特别是在今天。

大模型研发已经演变成全球最复杂的工程体系之一。从预训练到后训练，从强化学习到推理优化，从数据治理到基础设施建设，每一个环节都需要庞大的团队协同完成。一个天才能提出新的方向，却无法独自训练一个GPT；一个科学家能设计新的算法，却无法一个人完成数万张GPU的调度和部署。

更重要的是，AI发展阶段变了，行业最大挑战不再是基模本身，而是AI技术产品化、产品商业化以及技术场景化落地，每一点都需要不同专业的人协同完成。

所以Google这一波会引起科技大厂反思甚至警惕“AI英雄主义”，弱化大牛作用、强化体系化能力。行业将会重新审视一个问题：AI时代最稀缺的资源，到底是天才，还是组织天才的能力？