一边踩油门，一边有人离场！DeepMind新掌门官宣Gemini4进入后训练，谷歌要把TPU芯片送上太空测试，工程师却因AI迭代太快选择辞职

AI赛道的拉扯，在谷歌DeepMind身上体现得淋漓尽致。就在最近的AI Agenda峰会，新任DeepMind掌门科拉伊·卡武克奥卢对外明确表态，Gemini4已经进入后训练早期阶段，团队目标不再追求打磨到完美再亮相，计划尽快推出可用版本，后续通过快速迭代持续优化模型能力。几乎同一时间，谷歌公布了大胆的太空算力计划，联合卫星企业Planet，准备将自研TPU芯片发射入轨，在太空轨道开展AI算力验证。但戏剧性的一幕随之而来：一名DeepMind工程师，因为担心AI发展速度过快，选择递交辞呈。

这一系列消息叠加在一起，勾勒出当下全球AI行业最真实的矛盾：巨头们拼命加速模型与算力突破，而身处一线的技术人员，已经开始警惕狂奔背后潜藏的风险。

很多普通读者不理解，什么叫“后训练阶段”。大模型基础底座训练完成之后，后训练就是对齐、调优、引导模型遵循指令、减少幻觉的环节，是从“原始大模型”走向可以对外商用产品的关键一步。按照卡武克奥卢的说法，团队已经看到Gemini4的初步效果，信心充足，优先放出早期版本，而不是闭门打磨，等待一个面面俱到的成品。

这是DeepMind战略思路的重大转向。在哈萨比斯主政时期，DeepMind更看重AGI通用人工智能的长远探索，愿意为基础研究放慢产品上线节奏。新掌门上台之后，思路明显切换。他直言，无休止讨论AGI终极问题，不是当下最重要的话题。面对OpenAI、Anthropic持续更新模型的竞争压力，谷歌选择把产品落地放在第一位，以快速发布、持续迭代的模式抢占市场。

为了支撑新一代大模型，谷歌把算力的想象力延伸到地球之外。这个代号为“Project Suncatcher（日晷捕手）”的项目，和Planet卫星公司合作，准备把搭载4颗Trillium TPU的实验卫星送入低轨道。核心设想很诱人：地面数据中心耗电惊人，冷却成本高，而太空可以获取源源不断的太阳能，把AI算力搬到轨道上，有望破解地面算力的电力瓶颈。

当然，这还只是早期验证试验，远不是打造太空数据中心。太空真空环境没有空气对流，芯片高负载运行15分钟，就必须停机散热；宇宙辐射、火箭发射震动，都会对芯片造成干扰。本次发射，首要目标只是验证TPU能不能扛住太空恶劣环境，测试在轨运行可行性。如果试验取得进展，谷歌计划在2027年再发射两颗卫星，测试卫星之间的激光高速互联。这是一次面向远期的前沿探索，短期很难产生商业收益，却是谷歌为下一代AI算力寻找新出路的尝试。

就在全公司上下开足马力加速研发的氛围里，DeepMind硬件工具工程师Robert O’Callahan选择辞职。他在社交平台上解释，自己负责开发的工具，作用是加速新一代AI芯片的设计，降低AI算力成本。这套技术落地，会进一步推快AI迭代速度。他认为AI发展已经跑得太快，安全对齐跟不上能力增长，风险正在累积。他曾经申请转岗，换到和AI加速无关的岗位，申请没有获批，最终只能选择离开。

这不是孤例。近几个月，DeepMind已有多名安全方向研究员离职，理由高度相似：AI能力爆发的速度，超过人类对风险管控的准备。一边管理层喊着加快发布、拓展算力边界；一边内部技术人员心生不安，不愿继续助推AI加速。这种内部撕裂，比技术参数本身，更值得我们深思。

很多人简单理解这场博弈：谷歌加速，只是为了和OpenAI抢用户。但深层逻辑不止于此。AI的竞争，已经是模型、芯片、算力基础设施三位一体的战争。Gemini4抢着上线，是产品层面的正面交锋；TPU上太空，是在探索未来算力的第二增长曲线。谷歌想跳出地面电力、土地的束缚，寻找算力扩容的新路径。

但速度的代价，就是安全测试被压缩。快速迭代模式，意味着模型带着瑕疵先上线，在海量真实用户使用中持续修正。优点是迭代快，抢占先机；隐患是未知风险可能暴露在真实世界。这正是离职工程师最担心的地方：能力越强的模型，一旦对齐不完善，潜在影响范围也会更大。

我们不用把AI风险渲染成末日叙事，也不能轻视技术狂奔带来的隐患。技术本身没有善恶，但是研发节奏，需要人类自主把控。巨头的逻辑是市场竞争不进则退，对手不停推出新模型，自己不敢停下脚步；而安全派研究者的观点是，如果管控体系跟不上能力升级，跑得越快，踩坑的概率越高。这两种立场，没有简单的对错之分，却是当下全球AI行业绕不开的争论。

现在整个行业都陷入这种两难：技术红利诱惑巨大，可潜在风险也如影随形。谷歌这三件事放到一起看，就是AI时代的真实缩影：资本和企业不断踩下油门，而少数亲历一线的工程师，选择踩下属于自己的刹车，转身离场。