Google DeepMind 完成成立以來最重大的一次領導層改組，原技術總監 Koray Kavukcuoglu 升任 SVP，全面接管 Gemini 模型開發、前沿 AI 研究，以及 Gemini 應用與開發者團隊，直接向 Alphabet 行政總裁 Sundar Pichai 匯報，創辦人 Demis Hassabis 退居 DeepMind 主席，同時出任 Alphabet 首席科學家，繼續帶領藥物研發公司 Isomorphic Labs。同一日效力 Google 27 年的 Jeff Dean 宣布離職，與 Sanjay Ghemawat、Oriol Vinyals 及 Quoc Le 合組研究機構 Discovery Loop。分析界把這輪調動解讀成 Google 把 DeepMind 由研究實驗室改造成產品組織的訊號，短期任務是追回與 OpenAI 及 Anthropic 在前沿模型、尤其是編程能力上的落差。Alphabet 股價在公布當日下跌約 4%，但公司在 AI 商業化的成績依然亮眼，令這場改組更像一次執行力校準，而非危機處理。
一場由落差催生的人事調動
Google 在 2025 年 11 月推出 Gemini 3，當時多間投行認為該模型把行業前沿推前一大步，能力超出市場對同代模型的預期，優勢維持不足一年，2026 年 2 月的 Gemini 3.1 Pro 之後，Google 再未推出可以在前沿層面正面交鋒的模型，而 Anthropic 的 Mythos 系列與 OpenAI 的 GPT-5.6 相繼在編程、代理任務等範疇取得突破。旗艦模型 Gemini 3.5 Pro 原定 6 月面世，Bloomberg 報道指公司因為內部編程測試成績未達標而押後發布，至今仍未公布新時間表，消息當時令 Alphabet 股價單日下挫約 4%。
Morningstar 資深股票分析師 Malik Ahmed Khan 向 CNBC 表示，Google 落後的原因在於資源長期傾斜到搜尋、多模態等可即時變現的領域，錯失了編程這個最清晰的殺手級應用場景，而 OpenAI 與 Anthropic 在這方面已經「領先一大截」，CCS Insight 首席分析師 Ben Wood 形容，Kavukcuoglu 上位反映 Google 把重心由學術型項目移向前沿性能與開發者工具。Constellation Research 分析師 Ray Wang 的判斷更直接，認為公司選擇執行力先於深度研究，市場可以預期更快的發布節奏與更貼近產品路線圖的開發模式。
人才流失暴露的結構問題
改組發生在一輪罕見的人才外流之後，2026 年 6 月一星期之內，Gemini 共同負責人 Noam Shazeer 轉投 OpenAI，諾貝爾獎得主、AlphaFold 共同發明人 John Jumper 加盟 Anthropic，編程研究員 Jonas Adler 與預訓練專家 Alexander Pritzel 同樣過檔 Anthropic。Alphabet 市值在兩個交易日內蒸發約 2,700 億美元（約港幣 21,060 億元）。Fortune 與 Axios 引述現職及前員工指出，士氣低落本身已經拖慢發布進度，而 Google 在 4 月組建的內部編程攻堅團隊「Code Strike」把資源集中到商業編程應用，令從事世界模型等長線 AGI 研究的人員感到方向錯配。
Futurum Group 的 AI 主管 Nick Patience 認為，Kavukcuoglu 的首要任務是盡快推出 Gemini 3.5 Pro，再以穩定的發布節奏證明並非一次性成果，同時重建已經流失的編程與預訓練專才，Kavukcuoglu 2012 年在收購前已經加入 DeepMind，參與 DQN、AlphaGo 與 WaveNet 等奠基性研究，資歷足以凝聚團隊；他在升任前已由 London 調往 Mountain View，令 Google 的 AI 決策核心進一步向美國總部集中。Google 發言人強調公司維持對 London 的投入，同時反駁外界指其偏離「解決智能」使命的說法，指出通往 AGI 的路徑涵蓋代理、編程、機械人與世界模型等多條戰線。
模型排名對企業採購決策參考價值下降
Alphabet 第二季收入達 1,198 億美元（約港幣 9,344.4 億元），按年增長 24%，其中 Google Cloud 收入急升 82% 至 248 億美元（約港幣 1,934.4 億元），積壓訂單升至 5,140 億美元（約港幣 40,092 億元）。Pichai 在業績會透露，接近 90% 的 Fortune 100 企業正在使用 Gemini Enterprise，該服務入門定價為每人每月 21 美元（約港幣 HK$163.8），而 Gemini 月活躍用戶已達 9.5 億。《The Infinity Machine》作者 Sebastian Mallaby 指出，模型層面雖然落後，變現層面卻表現極佳。
企業在這個環境下更應該建立多模型策略，把供應商切換成本壓到最低，編程與代理任務可以優先評估 Anthropic 與 OpenAI 的方案，而涉及大規模檔案處理、多模態內容、與 Google Workspace 及 Cloud 深度整合的場景，Gemini 的性價比與部署便利性依然具備優勢。採購團隊也值得把發布延誤納入風險評估，把路線圖承諾與實際交付紀錄分開審視，避免把業務流程綁死在單一未上市的模型版本之上。
產品邏輯取代實驗室邏輯
Forrester 副總裁兼首席分析師 Brian Hopkins 提出一個值得留意的觀察：把模型、應用與開發者團隊收歸同一位主管，是企業組建產品部門的做法，而非經營研究實驗室的做法，而 Google 在產品化這件事上的功力遠勝 OpenAI 與 Anthropic，這種取態意味 DeepMind 未來的成敗指標會由論文與突破，轉向發布頻率、開發者採用率與企業合約規模。
行業正在進入一個新階段，純研究驅動的敘事讓位於工程執行與商業交付的比併，Kavukcuoglu 面前的難題相當具體：在資本開支上調至 1,950 億至 2,050 億美元的前提下，把算力優勢轉換成可以按時交付的模型，並且在編程這個競爭最激烈的戰場重新站穩。Google 手上握有自研 TPU、分銷渠道與企業客戶基礎，這些條件對手難以複製；欠缺的是把研究成果穩定推向市場的節奏。改組能否奏效，市場很快會從 Gemini 3.5 Pro 的實際表現得到答案。
來源：CNBC
