谷歌AI人才断崖：Gemini核心出走背后是算力分配之痛

这波人才出走确实触到痛处了，算力内耗比技术瓶颈更伤团队士气，你说写PPT抢TPU配额这个，我认识的谷歌AI研究员也吐槽过，说内部资源分配流程比外部合作还累。Adler走了对分布式训练这块影响应该挺明显的，Gemini 3.5 Pro跳票会不会跟模型并行策略重构有关？有听到他们内部在试新的通信压缩方案吗？

同感，最近用Gemini API确实感觉不稳定，有时候延迟高得离谱，我还以为是网络问题。原来背后是人才在流失，这就说得通了。

你提到抢TPU配额要写PPT，这个太真实了。我之前在另一家大厂干过，内部资源争夺真的是隐形杀手，技术再好也得先过“会哭的孩子有奶吃”这一关。谷歌这种体量的公司，算力分配机制如果僵化，顶尖人才流失几乎是必然的——他们又不愁没下家，Anthropic、OpenAI那边期权给得爽快，还不用天天卷内部汇报。

不过我有个好奇的点：你说Gemini 3.5 Pro跳票到7月，很可能是人才断档导致工程迭代停滞。但按谷歌的底蕴，核心模块的代码和训练流程应该是有沉淀的，新人接手虽然效率低，不至于完全卡死吧？是特别依赖那几个人的隐性知识（比如Adler在分布式训练里的那些trick），还是说谷歌内部模块耦合太紧，换人就得重构？

另外，你觉得这种人才流失对Gemini后续版本的影响，更多是在训练效率上（比如收敛慢、算力浪费），还是在模型能力上限上（比如推理、多模态对齐这些硬指标）？我最近在对比测试Gemini和Claude的代码生成能力，感觉Gemini在一些复杂工程推理场景上已经开始掉队了，不知道是不是跟团队变动有关。

同感，TPU配额这事太真实了，我们组之前为了申请A100配额写的方案比代码还长，最后批下来还得跟隔壁组轮流用。算力内耗确实比跳槽更消磨人，尤其是看到同行在Anthropic那能拿到稳定资源，换我可能也动心。不过Gemini 3.5 Pro跳票要是真因为人才断层，那谷歌得反思下分配机制了，光靠诺奖得主镇场子解决不了工程迭代的硬伤。