DeepMind遭指前沿AI梯隊！拆解Google人才出走潮：優先賣算力賺快錢，是好主意還是無奈之舉？|數位時代 BusinessNext

美國時間 2026 年 8 月 5 日，Google 宣布近年幅度最大的一次 AI 高層重組。DeepMind 共同創辦人 Demis Hassabis 交出日常營運權，改任 DeepMind 主席與 Alphabet 首席科學家；技術長 Koray Kavukcuoglu 升任資深副總裁，接掌 Gemini 模型、前沿研究與開發者業務。

同一天，任職 Google 27 年的首席科學家 Jeff Dean 與資深研究員 Sanjay Ghemawat 離開公司，成立科學研究新創 Discovery Loop，就連 DeepMind 副總裁 Oriol Vinyals 與 Google Brain 創始成員 Quoc Le 也加入這家新公司；而前東家 Google 不只成為創始投資人，也將擔任它的雲端合作夥伴。

但市場反應很現實，這則消息仍讓 Alphabet 當天盤中一度重挫約 5%，終場收跌約 4%。

這種「人才出走、Google 入股」的安排並非首例。半導體研究機構 SemiAnalysis 指出，David Silver 在 2025 年 11 月離開 Google 創辦 Ineffable Intelligence 時就走過一次：頂尖研究員離開 Google，向外部投資人與 Google Ventures 募資，再把錢拿去 Google Cloud 上租輝達（NVIDIA）GPU。人才走了，算力帳單繞一圈回到 Google 自己的帳上。

官方把這次異動描述為讓 Hassabis 專注 AGI 與科學的安排；科技媒體《Pathfounders》卻引述匿名業界消息稱，Hassabis 原先想與 Dean 同期離開，最後才接受主席職位。這項爆料尚未獲 Google 或其他獨立來源證實，卻讓原本像是「升任」的人事公告，多了一層權力重組的味道。

SemiAnalysis 為何認定 DeepMind 落隊？

SemiAnalysis 給出的判斷相當重。他們認為，DeepMind 已不再是前沿 AI 實驗室，Gemini 也很難重新追上 Anthropic 與 OpenAI。研究團隊流失、旗艦模型進度不如預期，以及算力長期分配不足，被視為同一個問題的不同表徵。

但 Google 並非缺乏技術。包括 Transformer、TPU 與多項深度學習成果都出自 Google 體系，DeepMind 也曾在 ChatGPT 問世前開發對話式 AI。然而，Google 過去更擔心產品失控或衝擊搜尋等既有業務，技術從研究走到市場的速度，往往慢於更敢承擔風險的競爭者。

SemiAnalysis 進一步主張，Gemini 團隊與 Google Cloud 長期爭奪同一批算力，而這場內部競爭由 Google Cloud 勝出。Google 把大量 TPU 容量提供給 Anthropic 等外部客戶，固然能換來長約與營收，卻也等於把稀缺資源交給自家模型的直接對手。

不過，「Gemini 已經出局」仍是 SemiAnalysis 的分析，而非確認的結果。

Google 在 7 月 22 日法說會表示，Gemini 3.5 Pro 仍在測試，也已啟動 Gemini 4 的預訓練；Gemini 應用程式月活躍用戶達 9.5 億，第一方模型 API 每分鐘處理約 220 億個 token，較前一季的 160 億個增加約 38%。

上述數字雖不足以證明 Google 擁有最強模型，但也很難支持 Gemini 已失去商業影響力的說法。

DeepMind 的算力缺口，正是 Google Cloud 的成長來源

同一批算力，在 DeepMind 與 Google Cloud 的帳上有完全不同的意義。對研究團隊而言，TPU 是訓練下一代模型的必需品；對雲端部門而言，它是能夠出租、出售並綁住長期客戶的商品。

Alphabet 2026 年第二季財報顯示，Google Cloud 營收達 248 億美元（約新台幣 7,986 億元，匯率以 8 月 10 日 1 美元兌 32.2 元計，以下同），年增 82%；未履約訂單增至 5,140 億美元（約新台幣 16.55 兆元）。公司把成長歸因於企業 AI 解決方案、AI 基礎設施與核心雲端服務需求。SemiAnalysis 則估計，其中約 12 億美元（約新台幣 386 億元）來自 TPU 系統銷售，但這是該機構的模型推估，Alphabet 並未單獨揭露。

這讓 Google 面前出現一個現實的取捨：繼續把更多算力押在成本高昂、領先時間可能很短的旗艦模型，或把算力賣給所有想訓練與部署 AI 的公司，包括競爭者。Google Cloud 執行長 Thomas Kurian 過去把 TPU 定位為「通用基礎設施」，也曾表示，平台公司為 Anthropic 提供算力十分自然。

換句話說，Google 未必需要每一次都做出榜單第一名的模型，才能從 AI 浪潮中獲利。只要企業使用 Google 的晶片、資料中心、資安工具與代理平台，不論底層選擇 Gemini、Claude 或其他模型，Google Cloud 都有機會收費。

Google 的「西屋電氣賭注」：最強發明未必帶來最大市場

科技出版業者 O'Reilly Media 創辦人 Tim O'Reilly 提出另一種歷史類比。19 世紀末，愛迪生是電燈與商用發電的明星發明家，但他的直流電系統傳輸距離有限；西屋電氣買下 Nikola Tesla 的交流電專利，讓電力得以跨越更長距離，再進入工廠、商店與家庭。

愛迪生站在發明前沿，西屋電氣則贏得電力普及的競賽。O'Reilly 援引學者 Jeff Ding 對多次工業革命的研究指出，通用技術真正改變經濟的關鍵，往往不只是哪個國家或公司率先發明，而是技術能否迅速擴散到各行各業。

套回 AI，Google 的優勢也許不只在 DeepMind。它同時控制 TPU、Google Cloud、搜尋、Android、Chrome 與 Workspace，擁有把 AI 放進日常產品與企業流程的分發管道。此外，Gemini Flash 這類較小、成本較低的模型，也可能比昂貴的旗艦模型更適合大量部署。

Google 若把自己定位成 AI 時代的「電網」，競爭目標便從製造最聰明的模型，轉為承載最多人的 AI 工作，未必如 SemiAnalysis 所述那樣悲觀。

換跑道不代表沒有輸，Google 仍可能付出長期代價

這套解讀最大的破口是，資源轉向雲端可能是主動選擇，也可能只是前沿競賽受挫後的次佳方案。Google 官方仍強調要留在 AI 前沿，沒有證據顯示公司已正式放棄模型領導權。因此將財報成長直接解讀為完整戰略，也有言過其實的可能。

事實是，失去前沿能力也可能傷害平台生意。因此若最好的模型與開發者生態長期掌握在 Anthropic、OpenAI 等公司手中，Google Cloud 可能逐漸被壓縮成算力供應商。當競爭者能在 AWS、Azure 或自建資料中心部署模型時，Google 的議價能力未必穩固。

所以要判斷這次重組是否成功，不能只看 Google 賣出多少 TPU。更重要的指標是：Gemini 能否重新縮小模型差距，Google Cloud 能否在硬體銷售之外維持高利潤，以及搜尋、Android、Chrome 與 Workspace 是否真的讓 AI 進入更多人的工作流程。

Google 或許正在換跑道，但這不代表上一場競賽沒有失分。真正的賭注是，當模型領先幅度愈來愈短，控制算力、平台與分發管道，最終能否創造比「全球最強模型」更持久的價值。

延伸閱讀：Google人事地震！DeepMind執行長Hassabis轉任主席，27年元老科學家Jeff Dean離職創業

本文初稿為AI編撰，整理．編輯/ 李先泰

隨著全球淨零轉型浪潮持續推進，企業不僅要許下減碳承諾，更得拿出可以被量測、驗證的實際成果，這也驅使企業加速導入智慧能源管理系統。早在 2017 年便投入此領域的思納捷，從桃園出發，透過工業園區與公共建築等在地場域的部署經驗，持續打磨技術與解決方案，隨後更在桃園市政府青年事務局「桃園天際線加速器」協助下，逐步將市場版圖延伸至海外。如今，思納捷全球累積超過 1,000 個應用實績，不僅成功將台灣智慧能源解方推向海外，更成為全球企業推動綠色轉型不可或缺的關鍵夥伴。

從桃園場域開始淬鍊：思納捷把「失敗經驗」變成難以複製的競爭力

思納捷總經理莊棨椉原先在資策會從事能源與物聯網相關研究，當時，他從歐美市場發展看見智慧能源管理的趨勢，於是，團隊從資策會獨立出來、成立思納捷，將過去累積的研發能量帶向市場。而技術落地第一站，就是從工業聚落密集的桃園開始，思納捷運用 IoT 技術管理工業園區的路燈、空氣品質、排水與交通等公共設施與環境，也進一步走進園區工廠，協助企業掌握與管理用電。

然而，從研究機構走向市場後，莊棨椉很快發現，「做得出來」與「真的能用」之間，還隔著一段不小的距離。許多從技術角度來看完全可行的做法，在進入真實場域後，反而出現各種從未想過的問題。

舉例來說，在幼獅工業園區部署智慧路燈時，思納捷原本採用 Mesh Wi-Fi 網狀網路，讓路燈彼此串聯、逐站傳遞訊號，沒想到實際上線後，路樹上的枝葉竟然擋住了訊號，造成通訊不穩定。為此，團隊重新調整架構，採用 NB-IoT 方式，讓每支路燈直接透過電信網路傳輸資料，降低環境遮蔽物對通訊的影響。

類似的「踩坑」經驗也發生在澎湖馬公港。思納捷與合作夥伴共同佈建智慧路燈，採用 PLC 電力線通訊技術，明明在實驗室與一般道路測試都沒有問題，到了港區卻完全無法傳輸訊號。團隊一路追查才發現，原來地下線路早已受到鹽害侵蝕，為此重新抽換線材，才讓系統得以正常運作。

串設備、整數據、AI 自主管理：思納捷打造 24 小時能源總管

「每一次踩坑，都讓團隊更清楚不同技術的適用邊界，也讓下一次部署少走一段彎路，」莊棨椉說，思納捷運用近十年來走進不同場域、解決各種意外狀況所累積的實戰經驗，形塑出 3 大產品特色。

第一，是物聯網裝置串接能力。
目前思納捷已能串接超過 1,000 種設備，涵蓋電表、水表、空調、冰水主機等不同類型，支援數量為全台最多。無論企業使用何種廠牌的設備，都能快速介接至思納捷的平台，降低設備整合門檻。

第二，是將數據與場域 Know-how 轉化為管理模組，讓企業可以「隨選即用」。
思納捷將多年累積的數據與經驗，轉化為超過 20 種應用模組，企業可以依需求持續擴充功能，一改過去可能要導入多套解決方案，才能管理不同設備的系統孤島問題。

舉例來說，某電子元件代理商在導入思納捷解決方案後，管理人員只要透過一支手機，就能掌握辦公大樓各樓層的設備運轉狀況，包括用電、用水、會議室、電動車充電樁到空調系統。不僅大幅提升管理效率，也能進一步掌握實際用電需求、降低能源耗用，並據此調降契約容量，每月節省約百萬元的電費成本。

第三，是讓能源與設備管理從人工管理走向 AI 自主管理。
思納捷以自家大數據為基礎，結合 AI 提升系統自主判斷與調控能力，持續優化能源管理的成效。「我們的目標，就是打造 24 小時雲端 AI 總管，讓系統可以自己判斷和調整，讓設備隨時維持在最佳運轉狀態，避免造成不必要的能源浪費，」莊棨椉強調。

出海前先看懂市場：桃園天際線加速器降低新創試錯成本

隨著產品逐漸成熟，思納捷也開始把目光投向海外，而進駐桃園天際線加速器，則為團隊提供一個以更低成本探索海外市場、驗證發展方向的機會。

莊棨椉表示，透過加速器安排的韓國、新加坡等國際交流，思納捷得以接觸不同市場的潛在客戶、創投與投資者，了解當地產業環境與實際需求，也能與在地新創交流創業與市場拓展經驗；國際經驗的獲取與海外拓點，都是成本極高的決策，藉由這些機會，思納捷得以用較低成本，去了解國際市場的可能性與風險。

此外，加速器也會安排專業業師分享國際市場經驗，從不同角度刺激團隊思考，重新檢視既有商業模式與海外布局策略。例如，曾經有業師與莊棨椉逐項分析海外上市必須具備的條件，讓他重新盤點公司現階段的優勢與不足，也進一步思考什麼才是最適合思納捷的成長路徑。

「加速器讓我們有機會多看、多聽、多接觸。」莊棨椉說。這些交流的價值，不只是認識多少潛在客戶，而是讓團隊在真正投入大量人力與資金以前，先釐清當地究竟有沒有市場、客戶需求是否成熟，以及既有產品與商業模式能不能直接複製。過去許多只能透過資料或想像判斷的問題，如今都能透過實際走進市場、接觸第一線業者取得更多資訊，降低走錯路的風險與試錯成本。

對思納捷而言，加速器帶來最關鍵的幫助是，透過市場探索、業師輔導與資源媒合，讓團隊在真正投入之前，有更多機會看懂市場、驗證方向，再決定下一步怎麼走。對資源有限的新創而言，這種「先驗證、再投入」的過程，反而能降低海外布局的機會成本，讓每一步走得更精準。

展望下一階段，思納捷團隊將持續聚焦校園、園區、建築與工廠四大場域，持續深化應用，讓「24 小時能源與機電設備雲端 AI 總管」的概念在更多場景落地，同時，當既有台商客戶前往海外設廠、有智慧能源管理需求時，思納捷也會跟隨客戶腳步提供服務。莊棨椉認為，唯有先把技術與服務做深，建立可複製的成熟模式，未來才有機會將台灣累積的智慧能源管理經驗帶向更大的國際市場。