繁體
  • 简体中文
  • 繁體中文

熱門資訊> 正文

谷歌之困、大廠之病與AI破局之機

2026-07-06 07:29

陳永偉

2026年6月,谷歌發生了一場足以改寫行業格局的人事地震。短短一周之內,Transformer架構共同發明者、Gemini項目聯合負責人諾姆·沙澤爾(NoamShazeer)投奔OpenAI,2024年諾貝爾化學獎得主、AlphaFold核心創始人約翰·江珀(JohnJumper)加盟Anthropic,Gemini兩大主力研究員喬納斯·阿德勒(JonasAdler)、亞歷山大·普里策爾(AlexanderPritzel)同步出走。數天之內,DeepMind的五位頂級AI科學家集體離職,而奠定一個時代AI技術基礎的論文《注意力就是你需要的全部》(AttentionIsAllYouNeed)的八人作者團隊,至此已全員離開谷歌體系。

在人才大規模出走的背后,是谷歌肉眼可見的業績壓力。2026年最新財報數據顯示,谷歌母公司Alphabet營收雖保持增長,但自由現金流同比暴跌47%,千億級AI算力資本開支持續吞噬利潤,全年盈利預期大幅下調。曾經手握全球最頂級人才、最充沛算力、最充裕資本、最海量數據的AI霸主,正陷入「越投入、越平庸,越招人、越流失」的困局。

值得注意的是,類似的困境並非谷歌獨有。隨着AI大戰日趨激烈,國內外不少平臺巨頭都顯出了疲態,績效滑坡、行業競爭力下降、關鍵人員出走等問題層出不窮。那麼,這些巨頭究竟出了什麼問題?這些問題究竟純屬偶然事件,還是具有某種必然性?它們又該如何破解困境、保持競爭力?

一、谷歌之困

谷歌會陷入現在的困境,多少令人有些意外。在過去很長一段時間里,谷歌都是所有巨頭中AI技術力量最為雄厚的一家。在技術儲備上,谷歌不僅擁有提出Transformer架構、奠定生成式AI革命基礎的研究團隊,還將Deep-Mind等一批極具創造力的技術團隊收入囊中。在產品輸出渠道上,谷歌本身就是雲平臺巨頭,其模型可以直接通過自有平臺向用户提供,不必像純AI企業那樣擔心渠道分利。更為重要的是,谷歌擁有自研的TPU,在算力上不會輕易面臨上游的「卡脖子」問題。這些特徵都讓谷歌在AI競爭的初始階段顯得特別具有競爭力。

雖然ChatGPT的突然面世曾在短時間內讓谷歌陷入戰略恐慌,但憑藉強大的技術儲備,谷歌很快就調整了節奏,推出了競品Gemini。在性能方面,Gemini一度可以匹敵甚至領先於同期的GPT模型。尤其是在NanoBanana接入Gemini之后,用Gemini畫圖曾風靡一時。2026年3月,馬斯克曾在社交媒體上説:「谷歌會贏得西方的AI大戰,而SpaceX則會贏得太空。」雖然這句話多少是在用谷歌給SpaceX作陪襯,但也反映了谷歌在專業人士眼中的行業地位。

但僅僅幾個月后,情況就發生了重大變化。

從業績維度來看,谷歌似乎已經陷入「算力燒錢、增收難增利」的維持性創新陷阱。為維持在全球AI賽道上的身位優勢,谷歌開啟了近乎無上限的算力軍備競賽。根據其資本開支指引,該公司2026年的預計支出金額高達1750億至1900億美元,約為2022年310億美元的5.6至6.1倍。數據中心建設、高端顯存採購、自研TPU迭代,以及電力與運維成本,正在成為谷歌無法規避的剛性支出。

然而,在投入巨資的同時,谷歌卻未能換來對等的技術壁壘與商業回報。在覈心AI產品層面,Gemini系列長期陷入迭代保守、落地滯后的困境,主要停留在參數微調、算力堆疊和功能修補層面,始終未能推出顛覆性的技術範式革新。與Anthropic的Claude和OpenAI的GPT相比,Gemini與二者的差距正越拉越大。谷歌的問題並不只是投入規模過大,而是鉅額投入沒有形成相應的技術回報。

本來,作為多元化巨頭,如果其他業務運作良好,即使AI業務十分「燒錢」,谷歌也可以覆蓋這筆開支。但不巧的是,谷歌的基本盤同樣出現了問題。在廣告業務上,受生成式AI分流影響,谷歌搜索廣告流量增速逐步放緩。爲了逆轉這一局面,谷歌將生成式AI與搜索整合,推出了「搜索生成體驗」(SearchGenerativeExperience,簡稱SGE),試圖提升流量並拉動廣告營收。但實踐證明,SGE並未顯著增加廣告收入,反而大幅提升了算力成本。

與此同時,谷歌雲業務增速持續低於微軟Azure,政企AI解決方案落地能力不足,也導致大客户流失。Waymo自動駕駛等創新業務則長期虧損,無法實現規模化盈利,持續消耗集團現金流。多重壓力疊加之下,谷歌陷入「投入擴張、利潤收縮」的經營狀態。雖然營收增幅依然可觀,但難以跟上AI開支的膨脹速度,自由現金流的下滑已經說明了問題。

比業績困境更致命的,是頂級科研人才的成建制流失。2026年谷歌的人才流失並非普通員工的正常流動,而是核心技術圈層的整體性斷裂。Trans-former初代團隊全員離場,AlphaFold諾獎級科研團隊解體,Gemini核心研發骨干批量跳槽至Anthropic、OpenAI等直接競品。谷歌損失的不只是執行層員工,而是決定其AI技術高度、影響未來技術方向的頂層創新者。雖然其工程、運營與商業化團隊依然強大,可以維持現有技術體系迭代,但原創能力已經受到明顯削弱。

二、巨頭何病?

谷歌的危機並非個案,而是全球AI大廠正在面臨的共同問題。根據DINQLabs的統計,2025—2026年間,全球頭部AI大廠核心研發人才的兩年流失率普遍突破25%,AIGC核心崗位年度離職率升至28%,遠高於傳統互聯網行業均值。硅谷頭部AI機構的人才留存率分化也十分明顯:谷歌Deep-Mind核心人才兩年留存率為78%,OpenAI為67%,Meta低至64%;反觀Anthropic、DeepSeek等新鋭企業,核心團隊留存率穩定在80%以上,部分優質初創企業的核心人才離職率甚至低至3.7%。

這些人才數據的強烈反差,直觀地印證了一個事實:大廠困境早已超越單一企業的經營問題,成為席捲全球AI產業的普遍性危機。

那麼,究竟是什麼因素導致了這一輪大廠危機呢?最直觀的解釋是,全行業內卷引發了投入異化。隨着通用人工智能賽道競爭進入白熱化,頭部企業為守住市場身位、追趕迭代節奏,被迫捲入無休止的算力軍備競賽。在「不跟進即出局」的壓力下,沒有任何一家巨頭敢停下投入。一旦縮減算力、削減研發開支,就可能在模型迭代和技術落地中被競品超越。

這種被動內卷讓整個AI行業陷入集體燒錢的怪圈:算力採購、芯片自研、數據標註和模型訓練的成本不斷攀升,營收增長無法覆蓋資本開支擴張,最終形成「利潤被算力投入侵蝕」的普遍困境。AI巨頭看似收入可觀,但大部分利潤流向了英偉達、美光等上游「賣鏟人」。對資本市場而言,AI行業正在從「高增長、高回報的創新賽道」,變成「高投入、低效率、高度不確定」的重資產賽道。

不過,算力內卷以及由此引發的利潤下滑和人才流失,只是AI大廠病的外在表現。深入其內部,至少還可以看到四種「病」。

第一種是「算力官僚病」,即將核心生產資料行政化,扼殺科研試錯空間。

傳統互聯網時代,企業的核心生產資料是資金、流量與渠道;到了AI時代,算力與數據成為科研創新的基礎。不同於初創企業扁平化、靈活化的資源調配機制,谷歌等巨頭將行政層級和管理制度深度嵌入算力分配體系,使核心創新資源官僚化、層級化。

例如,在谷歌內部,算力配額由高層統一管控、跨部門調配,核心科研團隊的訓練資源隨時可能被優先級更高的項目徵用,長期研發節奏也可能被行政決策打斷。頂尖研究員需要花費大量時間匯報、審批和爭取資源,而不是專注於模型迭代與基礎研究。

AI科研本身是高度不確定的試錯過程,需要靈活的資源支持、寬松的容錯空間和長期穩定的研發環境,而算力官僚化則剝奪了基礎創新的生存土壤,讓科研人員只能做穩妥、安全、短期可見成果的微迭代,逐漸放棄高風險、高價值、顛覆性的原創探索。

第二種是「戰略搖擺病」,即短期商業化KPI綁架長期顛覆性研究。

短期資本市場訴求與長期科研創新規律經常衝突,AI巨頭為兼顧兩者,普遍存在戰略反覆、路線搖擺的問題。覆盤谷歌AI發展歷程可以看到,謝爾蓋·布林(SergeyBrin)領導的研發團隊與DeepMind團隊不斷分合,組織架構頻繁調整。Gemini的產品定位也反覆切換,時而對標消費級ChatGPT,時而聚焦企業級科研服務。至於模型究竟開源還是閉源,也始終搖擺不定。

所有這些戰略搖擺,根本上都是巨頭過度追求短期商業收益、迎合資本市場預期造成的。在財報壓力、營收KPI和市值管理的多重約束下,企業管理層天然傾向於見效快、收益穩、風險低的商業化項目,而會主動放棄周期長、投入大、不確定性高、具有行業顛覆性的基礎研究。久而久之,巨頭便會喪失進行顛覆性創新的戰略耐心,陷入同質化迭代和內卷式競爭。

第三種是「組織內耗病」,即資源冗余引發內卷,創新效率系統性下滑。

在傳統認知中,資金、人才和算力充沛,是企業的核心優勢。但在AI巨頭體系內,資源過剩反而可能成為創新的枷鎖。比如,谷歌內部盛行多團隊平行競賽,讓多個團隊同步研發同類模型、攻堅同類技術。這種「賽馬」機制雖然可以激勵研發人員,卻也可能造成重複研發、資源浪費和人力內耗。

與此同時,部門壁壘森嚴,數據、技術和算力無法高效流通,優質科研成果被存量業務壓制,無法落地轉化。資源冗余帶來的最大問題,是用內卷替代創新。當企業擁有充足算力、資金和人才時,團隊不再追求技術突破,而是推崇「力大磚飛」,強調通過堆疊資源、擴大投入和增加人力來完成KPI。由此,創新不再是「突破邊界」,而變成了「完成指標」,組織效率和研發轉化率持續走低。

第四種是「激勵錯位病」,即創新價值分配失衡,導致進取精神流失。

AI頂尖科研人才的核心訴求,不只是薪資回報,還包括科研自主權、成果主導權、創新成就感與價值認同感。固定薪資、穩定股權的激勵模式,難以匹配AI創新帶來的爆發式價值,也讓科研人員無法充分分享創新成果的長期收益。在谷歌等巨頭體系內,頂尖科學家逐漸從「創新創業者」變成「職業化打工人」。與此同時,層級固化、層層審批和嚴苛的合規管控,也使他們喪失創新主導權。

優秀的技術構想隨時可能被管理層否決、擱置或修改。財富回報的不匹配,以及職業成就感的缺失,共同造成了巨頭內部創新熱情的持續消退。這一點,是造成其創新能力衰退的重要原因。

這些大廠病是否具有必然性?在某種意義上,答案是肯定的。熊彼特在《資本主義、社會主義與民主》中指出,當企業發展到一定規模后,出於管理需要,必然要建立官僚化體系。但這種體系往往會扼殺創業初期的試錯勇氣與創新活力,讓企業從行業顛覆者變成舊秩序的維護者。

克里斯坦森在《創新者的窘境》中則從另一個角度解釋了大企業的僵化。他指出,成熟企業爲了維持短期高利潤、服務主流市場,會主動放棄高風險、長周期的顛覆性創新,從而給新興企業留下市場空間。最終,新興企業可能通過開闢新賽道,以弱勝強,實現對舊巨頭的超越。

企業史表明,這兩種病因普遍存在,也解釋了為什麼多數企業在做大后難以避免走向衰落。相較於互聯網、軟件、硬件等傳統科技行業,AI產業的特殊性還會讓大廠病變得更嚴重。

首先,AI創新高度依賴不確定性試錯,基礎模型迭代、新算法探索和範式革新都沒有固定流程,也難以用KPI量化,對容錯率要求極高。而AI大廠普遍建立官僚化管理體系,強調標準化、流程化和管控化,這與AI創新的要求背道而馳。

其次,AI技術研發中的資源需求隨時變化,只有及時適應,創新纔可能取得成果。但在AI大廠中,算力、數據和人才等關鍵資源依賴行政化分配和層級化管控,很難跟上需求變化。

再次,AI技術迭代以月為單位,遠快於傳統科技行業以年為單位的周期,組織官僚化、戰略搖擺和資源內耗的負面效應可能即時顯現,技術研發的長期佈局也可能隨時遭到破壞。

最后,AI頂尖人才具有高度自主、高認知水平和高流動性的特質,很難滿足於大廠僱傭制體系,更追求科研自主權與創新價值的對等分配。傳統大廠的層級管理和固定激勵體系,很難適配這類人才的訴求。

三、祛病之策

通過以上分析可以看到,AI巨頭的內卷、虧損、人才流失和創新停滯,並非單一經營問題,而是組織、資源、激勵和戰略的系統性失靈。降本增效、招人留人、算力擴容等表層對策很難根治病灶,唯有從根本上改革,才能跳出創新死亡循環。

第一,應進行制度重構,建立科研與商業化的隔離機制,破解存量業務枷鎖。

大企業最大的創新桎梏,是短期商業化訴求壓倒長期基礎研究,這也是克里斯坦森所説的創新者窘境的核心。因此,AI巨頭要走出困境,就必須切割存量盈利業務與前沿科研體系,避免讓短期KPI、財報壓力和客户需求綁架顛覆性創新。

與此同時,要建立完全獨立的基礎科研院,實行獨立預算、獨立人事、獨立算力池和獨立考覈體系。科研團隊不以營收、落地場景和短期收益為評價標準,而應以技術範式突破、原創理論創新和模型能力躍遷為核心指標。此外,還要設立專項創新容錯機制,對基礎研究的試錯失敗、長線項目虧損予以制度豁免,從根源上解決巨頭「只敢微迭代、不敢大突破」的保守弊病。

第二,應推進組織去官僚化,精簡行政層級,恢復內部創新活力。

針對AI巨頭算力行政化、審批冗余和團隊內耗等問題,必須打破科研體系的行政壁壘。一方面,要推行算力主權機制,廢除高層隨意劃轉、跨部門挪用算力的制度,為核心科研團隊配置穩定、自主支配的算力資源,由一線研究員主導實驗立項、迭代試錯和資源調配。

另一方面,要精簡冗余中層和審批環節,建立技術問題由技術人員決策、商業問題由商業人員決策的分離機制,減少行政人員對技術路線、科研選題和模型迭代的干預。同時,清理內部同質化賽馬和重複研發項目,整合人才與算力資源,破解「資源越多、效率越低」的資源詛咒。

第三,要革新人才機制,從僱傭制轉向創新合夥制,緩解核心人才流失。

當前巨頭人才批量出走的核心原因,是創新收益分配失衡和科研自主權缺失。對此,巨頭需要改變傳統僱傭模式,建立適配AI科研人才的合夥機制。一是推行科研成果與股權綁定製度,設立長期創新股權池,讓核心研究員分享技術成果的長期商業收益,縮小與初創企業原始股權之間的激勵差距。二是充分下放項目主權,讓頂尖科學家擁有項目立項、團隊組建和技術路線選擇的自主權。三是實行分層差異化考覈,基礎科研團隊重原創突破和長期積累,工程落地團隊重商業化效率和場景落地,避免用單一商業化KPI約束科研人才。

第四,要進行戰略糾偏,終結無效算力內卷,迴歸技術範式創新。

利潤被算力持續侵蝕,根源在於巨頭戰略被動跟風,只能依靠資本堆疊維持行業身位。破局的關鍵是主動去軍備化、去內卷化。企業應收縮單純追求規模、依靠資源堆砌的無效算力資本開支,削減參數堆疊、場景復刻等低價值投入,將核心資源集中投向AI新架構、基礎理論、通用推理和前沿算法等顛覆性賽道,用技術範式突破替代資源內卷。

同時,巨頭還應盤活存量基礎設施優勢,開放算力、數據和雲服務能力,從親自下場進行全賽道內卷,轉向賦能全行業創新,構建「基建託底、前沿突破」的發展模式,以平衡投入與收益,破解增收不增利的困境。

不過,説起來容易,做起來難。理論上指出AI大廠的困境及其破解之道並不困難,但這些對策能否落實,很大程度上取決於決策者的執行力,而這一點存在相當大的不確定性。

四、破局之機

雖然「AI大廠病」可能降低巨頭的創新能力,但如果將眼光放寬到整個AI行業,它反而可能成為重構競爭邏輯、推動產業進入新演化階段的動力。

首先,它可能改變行業的人才格局,推動AI人才與技術的優化配置。所謂「一鯨落,萬物生」,新興創新主體的成長,往往有賴於過往巨頭的資源滋養。從商業史看,很多優秀企業都曾積累大量人才和技術。雖然它們后來在競爭中逐漸出局,但這些人才和技術卻成為推動行業發展的力量。

20世紀70年代,複印機巨頭施樂旗下的帕洛阿爾託研究中心曾開發出大量新奇技術。儘管這些技術沒有轉化為幫助施樂鞏固市場地位的優勢,卻滋養了蘋果、微軟等后來的科技巨頭。

過去十年,AI行業呈現大廠虹吸人才的格局,頂尖科研人員紛紛投奔谷歌、微軟等巨頭,追求優質資源與穩定平臺。這雖然推動了巨頭的技術進步,卻也讓許多技術長期封閉在其內部。隨着大廠病爆發,人才流向開始逆轉。初創企業可以憑藉靈活機制、股權激勵、科研自由和專注賽道等優勢吸引核心人才。這樣一來,巨頭就可能從行業「抽水機」變成「黃埔軍校」,其培養的科研力量和沉澱的技術經驗,最終服務於新的顛覆性創新主體。

其次,它可能重塑行業競爭邏輯,讓組織效率取代資本規模,成為AI賽道的核心壁壘。傳統互聯網與早期AI賽道的競爭,核心是規模、資本、算力和數據的比拼,巨頭憑藉體量優勢便可碾壓初創企業。

但當下AI競爭早已不再只是「誰更有錢、誰的算力更多」,而是「誰的組織更靈活、誰的試錯更自由、誰的戰略更專注、誰的激勵更到位」。輕量化小團隊可以避開體制內耗、資源內卷和KPI束縛,聚焦單一技術賽道持續深耕、快速試錯;臃腫的巨頭團隊則被官僚體系、存量業務和短期業績束縛,資源投入巨大,創新效率卻偏低。由此,效率戰勝規模、靈活性戰勝體量,可能成為AI行業新的競爭法則。

再次,它有望促成行業創新模式分層,形成「巨頭守成、初創顛覆」的產業格局。

當前AI大戰中,無論巨頭還是初創企業,都在多個戰場上混戰,加劇了內卷和資源浪費。如果深陷創新窘境的AI巨頭權衡利弊后,放棄部分高風險顛覆性創新,退守安全、穩定、可落地的存量賽道,轉而專注算力基建、雲服務、商業化落地和模型優化等維持性創新,轉型為AI產業的基礎設施服務商,情況就可能發生變化。

此時,沒有存量包袱的初創企業將成為顛覆性創新的主要承擔者和技術升級的核心力量,而巨頭則負責基礎設施託底與商業化落地。這種新的分工將使兩類主體的比較優勢得到更好的發揮,行業的創新活力也可能因此被重新激活。

風險及免責提示:以上內容僅代表作者的個人立場和觀點,不代表華盛的任何立場,華盛亦無法證實上述內容的真實性、準確性和原創性。投資者在做出任何投資決定前,應結合自身情況,考慮投資產品的風險。必要時,請諮詢專業投資顧問的意見。華盛不提供任何投資建議,對此亦不做任何承諾和保證。