Thinking Machines 联创 Barret Zoph 一年内三度跳槽,OpenAI 留人战再败

· 科技资讯

OpenAI 在 8 个月内第二次输掉了一场关键的高管争夺战:Thinking Machines Lab 联创、前 CTO Barret Zoph 已经被 Google DeepMind 招致麾下,职位是研究副总裁。WSJ、Reuters、TechCrunch 在 8 月 27 日同时报道。这是 Zoph 在不到一年时间里的第三次工作变动——他先和 Mira Murati 闹翻离开 Thinking Machines,回到 OpenAI 不到半年,又转身跳到 Google。

Thinking Machines 联创 Barret Zoph 一年内三度跳槽,OpenAI 留人封面

一份典型的”AI 高管档案”

把 Barret Zoph 的履历拉直了看:

2017-2023:在 Google Brain(后来并入 Google DeepMind)做了 6 年研究科学家

2023-2024:在 OpenAI 做研究副总裁,牵头把模型推给企业客户

2024-2025:和 Mira Murati 一起创办 Thinking Machines Lab,任 CTO

2025-2026:从 Thinking Machines 离职,回到 OpenAI 短暂复出

2026 年 8 月:跳回 Google DeepMind,第二次加入

一句话总结:他已经在 OpenAI 和 Google 之间”往返跑”了一次完整循环,现在重新回到起点,但身份从”研究科学家”升到了”研究副总裁”。

OpenAI 这次为什么没留住

三个信号值得注意:

1. Mira Murati 的 Thinking Machines 仍在”流人”

年初 Zoph 离开 Thinking Machines 的时候,坊间就传他是因为”内部纠纷”出走。后续 Thinking Machines 的另一名联创 Luke Metz 也回到了 OpenAI。现在 Zoph 又跳走,说明 Thinking Machines 的人才”反向回流”还在继续。这家公司做”前沿模型对标”的故事,正在被它自己的创始人用脚投票质疑。

2. Google 在 AI 研究上重新加注

DeepMind CEO Dennis Hassabis 本月刚刚”退居二线”,Google 顺势把研究条线重新做了人事梳理。Zoph 这次加入的时机,正好赶上 DeepMind 需要”新鲜血液”补位——他们最近一年失去了多位核心研究员,Zoph 是 DeepMind 老兵(6 年资历),回来是”轻车熟路”。

3. Zoph 的真实诉求是”做出可商业化的研究”

他在 OpenAI 期间最显眼的标签是”把 AI 模型卖给企业”。这个定位和 OpenAI 现在重点推的 ChatGPT Enterprise、API to B 战略一致,但和 Google DeepMind”先把研究做到极致”的传统路线有冲突。一个有意思的解读是:Google 给他的 VP of Research title,可能意味着 Google 也开始为 DeepMind 寻找”研究 + 商业”双轨路径。

对 OpenAI 的人才战略意味着什么

坏消息:这是 OpenAI 在 8 月第二次丢高管。8 月 25 日 TechCrunch 刚报道 OpenAI 数据中心 VP Malone 离职,现在是 Zoph。一个月内连失两位 VP 级别人物,对仍在快速扩张的 OpenAI 来说是真实的内伤。

更深层的问题:OpenAI 的人才战略和它的商业模式一样,面临”扩张太快,组织没跟上”的挑战。Anthropic、xAI、Google 都用更激进的薪酬包抢人,OpenAI 2024 年那波”全员股权兑现”的红利期已经过去。

对中文 AI 圈的实际影响

对正在做”模型即服务”的中国公司:这是一面镜子。Zoph 的”一年三跳”和 OpenAI 的”留人难”,说明当行业进入”模型层相对稳定、应用层爆发”的新阶段时,AI 公司之间的竞争从”谁家有明星研究员”转向”谁能把研究变成可持续的商业产品”。

对国内 AI 从业者:Zoph 走的是”在 2-3 家顶级实验室之间切换”的路径,这条路在国内并不常见。智源、阿里、字节、月之暗面、DeepSeek 之间的研究员流动比海外少很多,这既是中国 AI 圈的优势(团队稳定),也是劣势(人才激活不足)。

对研究者个人:Zoph 的故事传递了一个信号——单一公司的”股权兑现 + 长期绑定”已经不是顶级研究员的默认选项,研究产出的可见度比”长期归属感”更被看重。

对 AI 行业格局的判断:当 OpenAI、Google、Anthropic、xAI 四家都在”抢人”和”防被挖”上同时加大投入,2026 年下半年到 2027 年的 AI 模型迭代速度,可能不会因为这些人事变动而放缓——但模型层之外的”应用层差距”会因为人才聚集度的不同而进一步拉开。

🔥 关注 LC 智趣厅,第一时间解读 AI 行业人事变动。

👇 关注不错过下一波 AI 高管争夺战。


— END —
LC 智趣厅 · 科技与生活的交点
ihygg.cn

Scroll to Top
微信公众号:LC智趣厅

扫码关注微信公众号
LC智趣厅