在过去几年里，AI 人才市场看起来更像职业体育选秀，而不是传统招聘周期。资金充裕的实验室开出更常见于职业运动员的薪酬，以及能让早期员工成为亿万富翁的股权方案。改变人生的高薪诱惑，促使顶尖研究人员以惊人的速度在竞争对手实验室之间流动。

曾经是许多这类研究人员首选去处的 Google DeepMind——尤其是在欧洲——如今却发现自己处于这场竞争的下风，这一结论来自一份仅与 Fortune 共享的工程人才流动概览。英国数据情报公司 Zeki Data 的一项新分析显示，在 OpenAI 和 Anthropic 于 AI 人才市场不断扩大优势的同时，Google DeepMind 以及在一定程度上的 Meta 正在落后。

对数名现任和前任员工的采访显示，DeepMind 不断变化的身份削弱了其历史吸引力的一部分。随着 Google 努力缩小与 OpenAI 和 Anthropic 的差距，该实验室的组织重心愈发转向改进和商业化 Gemini——一些研究人员认为，这正在取代曾使 DeepMind 对学术界极具吸引力的开放式、长周期研究。

三名现任和两名前 DeepMind 员工告诉 Fortune，最近这一波离职潮源于多重因素：Meta 和 Microsoft 等竞争实验室以高额现金报价积极挖角、Google 内部对其在 AI 竞赛中的位置日益不满、士气下滑，以及 OpenAI 和 Anthropic 等公司上市前股票的吸引力。

仅在本月，Google DeepMind 就失去了 Jeff Dean，这位公司长期首席科学家、拥有 27 年资历的老将，以及高级研究员 Sanjay Ghemawat 和研究人员 Oriol Vinyals、Quoc Le，后两人离职创办了一家名为 Discovery Loop 的初创公司。同一天下午，DeepMind 联合创始人兼首席执行官 Demis Hassabis 表示，他将从实验室的日常管理中退后，转任董事长和 Alphabet 首席科学家，将运营控制权交给 CTO Koray Kavukcuoglu。

Zeki 的新数据表明，这些公开离职只是更广泛逆转的一部分。例如，DeepMind 在欧洲、中东和非洲的研究与高级工程岗位招聘占比，从 2022–23 年的 49% 降至 2025–26 年的 18.6%，这是 Zeki 在任何地区记录到的主要 AI 实验室中最剧烈的市场份额下降。

“他们在欧洲长期占据主导地位，然后开始从一个非常高的基数上逐步流失，”Zeki Data 创始人 Tom Hurd 告诉 Fortune。“Microsoft AI Superintelligence 和 Meta Superintelligence 正在蚕食他们的市场份额，另外还有 OpenAI 和 Anthropic。”

在当下高度竞争的 AI 市场中，招募并留住顶尖人才的代价极高。能够训练并改进推动 AI 热潮的前沿模型的，是相对少数的研究人员和工程师。他们的工作决定实验室改进模型的速度、能否将研究突破转化为产品，以及吸引下一波人才的可信度。过去几年里，即便是资金最雄厚的公司，也发现招聘并留住这些顶级工程师十分困难。

从全球范围看，DeepMind 仍在招聘的研究和高级工程岗位人数多于流失人数。不过，根据 Zeki 的数据，其入职与离职比——衡量招聘相对于流失的指标——已大幅下降，从 2023 年第二季度的约 12 比 1 降至 2026 年第三季度的约 2 比 1。也就是说，如今这些岗位每离开 1 人，只新增约 2 人，而不是原先的约 12 人。相比之下，报告显示，Meta 2025 年的比例为 3 比 1，OpenAI 为 5.7 比 1，Anthropic 为 22 比 1。

Anthropic 已成为离开 DeepMind 的研究人员和高级工程师的主要去向。根据 Zeki 的数据，在过去 12 个月离开 DeepMind 的人中，25% 去了 Anthropic，21% 去了 Meta，14% 去了 OpenAI。

Google DeepMind 的代表未回应就 Zeki 发现置评的请求。

Hurd 表示，DeepMind 人才流动恶化的同时，实验室也收紧了发表规则；Zeki 研究人员认为，这可能削弱了该实验室对以研究为导向员工最重要的吸引力之一。The Financial Times 最早在 2025 年 4 月报道，DeepMind 为阻止竞争对手从其研究中获益，引入了更严格的内部审查流程，并对部分战略敏感的生成式 AI 论文设置了 6 个月禁发期。

FT 报道称，这种新做法让研究人员更难发表研究，尤其是那些可能暴露产品弱点或揭示具有商业价值技术的工作。DeepMind 当时表示，公司仍致力于研究发表，并正在更新政策，以维护团队为更广泛研究生态系统作出贡献的能力。

对于一个以 AlphaGo 和 AlphaFold 等公开突破建立声誉的实验室而言，这一变化使得那些本为追求相对不受约束、面向未来的研究而加入的研究人员产生了摩擦。

“在 ChatGPT 之前加入 DeepMind 的大多数老员工，都是为了成为 AI 研究实验室的一员，”一名前 DeepMind 工程师告诉 Fortune。“2023 年之前加入的人都以为自己加入的是一家 AI 研究实验室，结果突然之间，他们被要求为 Google 开发产品。”

一连串高调离职

Zeki 发现，自 2022 年以来，整个行业的研究和工程招聘以 23% 的复合年增长率增长。但这一增长主要流向了更新的前沿实验室。OpenAI 的研究和工程人员规模年增速约为 97%，Anthropic 为 152%，而 Google DeepMind 为 27%。OpenAI 和 Anthropic 的起点小得多，但这些数字显示出它们相对于 DeepMind 的扩张速度有多快。

DeepMind 也正在其长期占据主导地位的地区面临新的竞争。根据 Zeki，Mistral AI 和 Anthropic 是 DeepMind 在欧洲、中东和非洲份额下降的主要受益者。在亚太地区，DeepMind 去年 11 月在新加坡开设了新的研究实验室，当地企业包括 ByteDance、Sakana AI 和 Sarvam AI 正在其历史上投入不足的市场中扩大份额。

这一变化也体现在一长串知名离职名单中。

David Silver 是强化学习领域的先驱，曾参与 AlphaGo、AlphaZero 和 AlphaStar 的研发。他在 DeepMind 工作近 13 年后，于今年早些时候离开，创办了 Ineffable Intelligence；这家伦敦初创公司在完成 11 亿美元种子轮融资后，目前估值 51 亿美元。其他离职的资深 DeepMind 员工包括现任 Fundamental 首席技术官 Wojciech Czarnecki，以及 Lasse Espeholt。

Misha Laskin 和 Ioannis Antonoglou 也于 2024 年离职创办 Reflection AI，其中后者曾直接与 Silver 合作 AlphaGo。

今年夏天又出现了另一轮密集离职。6 月，Google 失去了 Gemini 联合负责人 Noam Shazeer，他去了 OpenAI；以及与 Hassabis 因 AlphaFold 共享 2024 年诺贝尔化学奖的 John Jumper，他转投 Anthropic。随后不久，其他 AlphaFold 研究人员 Jonas Adler 和 Alexander Pritzel 也跟随 Jumper 加入 Anthropic。

“越是研究导向强的人，越会觉得自己也想去别处看看机会，然后你就会看到比平常多得多的人去建立自己的事业，并带上一些朋友一起，”Hurd 说。“久而久之，这就累积成了大量人员流失。”

语言模型和科学团队失去优势

Zeki 的数据表明，损失并不均衡。将过去 12 个月离开 DeepMind 的人员与同期加入者的专业背景进行比较后，该公司发现大型语言模型和多模态系统出现净流失：离职者中 19.2% 专攻这些领域，而新加入者中这一比例为 15.6%。报告还称，公司在计算机视觉领域也失去了优势。

AlphaFold 团队——即开发出 AlphaFold2 的团队，后者是一种可根据基因序列预测蛋白质三维结构的 AI 系统——也遭受了严重流失。根据 Zeki 的数据，AlphaFold2 论文的 29 位署名作者中，已有 13 人此后离开 DeepMind。The Financial Times 在 7 月报道称，DeepMind 在前一年重新分配了原论文的大多数作者，员工被调往与 Gemini 相关的项目，以及酶设计、基因组学、核聚变和 Alphabet 的药物发现子公司 Isomorphic Labs。

不过，DeepMind 在机器人技术、具身 AI 和用于科学的机器学习方面正在取得进展。这些领域反映了公司正在扩展自身能力的方向——在某些情况下，它们争夺人才的对象不仅是其他 AI 实验室，也包括 Nvidia。

Zeki 的分析追踪了 10 家公司中 20,900 名研究和高级工程岗位人员，所用信息收集于 2026 年 8 月且为公开可得。该群体包括研究科学家、研究工程师、机器学习和深度学习工程师、应用科学家以及技术人员；不包括管理人员、高管、实习生、面向客户的岗位和非技术人员。由于分析依赖公开信息，相关岗位总人数可能被低估。

DeepMind 仍然拥有 Google 的算力、资金、声誉和机构影响力来吸引员工。但在一个最优秀的研究人员几乎可以选择任何地方、并从事几乎任何工作的市场中，它过去的一些优势似乎更难维持。

本文最初刊载于 Fortune.com