近期，Google DeepMind解散了开发AlphaFold的专职团队，大量研究人员被调往Gemini、AI编程等基础模型方向，部分核心成员离开公司。

AlphaFold曾经代表大厂AI研究院模式最成功的例子，现在却需要重新寻找自己在AI体系中的位置，这被外界广泛讨论。

事实上不止是硅谷大厂，中国互联网大厂AI研究院这个原本风光无限的组织，也正在退出人们的视线。

今年3月腾讯撤销了AILab，相关人员调配至大语言模型部和产学研合作中心。阿里达摩院没有名义上宣布解散，但还在挂在研究院的科学家已所剩无几。

和DeepMind类似。过去十年，阿里达摩院、腾讯AI Lab、百度研究院、京东AI研究院等机构，承担的是“探索未来技术”的角色。今天，这些大厂的研究院正在从一个独立组织，变成基础模型竞争体系的一部分。

一位AI产业的人士认为，这不是研究价值下降，而是竞争关系和分工方式变了。

“今天AI模型本身正在成为产品，模型能力的提升来自于研究员对AI领域的认知、判断和快速试错，研究和工程必须要合在一起。像OpenAI这种公司，研究和工程完全绑在一起，没有中间转化，这样才能迭代得更快了。”

过去研究院承担的是技术源头创新。研究员出了一个新的技术方向，要经历论文、专利、实验代码、工程化、产品集成、规模化应用，逐步完成从研究到商业价值的转换。这种模式下，研究员不需要直接负责最终产品，而是通过成熟的工程体系完成技术放大。

大模型时代改变了这种关系。AI竞争核心，也从单点技术突破转向基础模型能力。一个领先的模型需要同时具备：算法能力、数据能力、算力能力、训练能力、工程能力、产品反馈能力，模型能力提升不再依赖某一个实验室，而依赖整个组织形成高速循环。

相比Anthropic等AI原生公司，它们从成立开始就围绕模型建立组织，没有传统研究院和产品部门之间的转换成本。研究、工程和产品天然围绕模型迭代。

而Google、阿里、腾讯这样的成熟公司，过去分散在不同研究团队中的AI能力，就需要被重新组织。（本文作者长期关注AI大厂以及电商行业，欢迎添加微信 qqw_501 一起交流。）

Google近几年的组织调整，本质上就是在适应这种变化。此前，Google内部有DeepMind和Google Brain两套重要AI力量。

DeepMind长期保持较强独立性，更偏前沿人工智能探索；Google Brain诞生于Google内部，更接近互联网公司的机器学习研究体系，在Transformer、TensorFlow等基础技术上贡献突出。

两支团队虽然都在做前沿AI研究，但长期拥有不同的组织文化、研究方向和资源体系。

但大模型时代，Gemini成为Google新的AI中枢。2023年，Google将DeepMind和Google Research旗下的Brain团队合并，成立Google DeepMind，由Demis Hassabis统一领导。

Google回顾这次调整时明确提到，合并Brain与DeepMind加速了Gemini模型的研发。在这之后，整合范围开始从研究团队扩大到模型基础设施、开发者工具和产品团队，Google统一了机器学习基础设施和机器学习开发团队，希望让算力分配和技术决策更快。

2024年，又把部分负责模型开发的Google Research团队进一步并入Google DeepMind，同时将Responsible AI团队纳入DeepMind体系。

Google DeepMind由此不再只是一个传统意义上的前沿研究机构，而逐渐成为Google基础模型研发的组织中枢。

更明显的变化发生在Gemini从模型走向产品之后。2024年10月，Google把原本属于Knowledge & Information体系的Gemini App团队转入Google DeepMind，由Hassabis领导。给出的理由很直接：让产品团队与模型团队靠得更近，缩短模型研究、后训练和产品反馈之间的循环。

同一次调整中，面向设备和家庭场景的Assistant团队则被划入Platforms & Devices，让应用团队靠近最终硬件和产品场景。

Google实际上开始按照一条新的逻辑重新划分组织边界：与基础模型演进高度相关的能力向DeepMind集中，而具体设备和应用场景则围绕产品端重新整合。

2025年，这种集中继续向开发者生态延伸。负责Google AI Studio以及Gemini API的团队也被并入Google DeepMind。

过去从研究模型，到提供API，再到开发者使用，中间横跨多个组织；整合之后，模型研究、开发者平台和部分产品开始进入同一个组织体系。

2025年，Google宣布逐步用Gemini替代Google Assistant，并把Gemini扩展到手机、平板、汽车、耳机、手表以及家庭设备。

此时，Gemini已经不只是DeepMind训练的一组模型，而开始成为Google跨产品、跨设备的统一AI底座和入口。

AlphaFold团队被解散，不意味着Google放弃科学研究。相反，DeepMind仍然在推进生命科学、数学、天气预测、机器人等大量长期研究，但这些研究越来越多地开始共享Gemini这一基础模型平台。

2026年Google DeepMind发布的AI Co-Scientist，就是建立在Gemini之上的多智能体科学研究系统。过去，AlphaFold、AlphaGo、机器人、语言模型可能分别拥有自己的模型和技术栈；现在，Google越来越试图让一个通用基础模型吸收不同研究领域积累的能力，再把这些能力重新输出到科学、产品和开发者生态中。

Google这几年的组织变化，不是简单地把几个部门合并，而是在改变AI研发的基本组织单位。

过去的基本单位是“研究方向”：围棋有AlphaGo团队，蛋白质结构有AlphaFold团队，语言模型有Brain团队，产品端有Assistant、Bard等不同组织。每个团队可以形成自己的技术路线和组织文化。

现在，越来越多团队围绕Gemini这一个基础模型体系重新排列。

类似Google的变化，也正在中国互联网公司内部发生。

过去几年，阿里的达摩院、腾讯的AI Lab，都代表中国大厂研究院模式。大模型时代到来后，它们也面临同一个问题：如何让研究能力进入基础模型竞争主线。

阿里和腾讯采取了不同路径，阿里更像是研究力量向模型体系集中，腾讯则是在重建模型、平台、数据和应用之间的闭环。

早前，阿里达摩院下属有机器智能、量子实验室、5G/6G实验室、芯片实验室、区块链实验室、卫星通信、无人驾驶等。

一位知情人士告诉雷峰网，阿里每一任高层对达摩院的认知和目标是不一样的。逍遥子希望达摩院是作为基础研究而存在，而行癫希望做应用研究。这种情况下，每个实验室负责人各自的风格不一样，研究路线也不一样。

在大模型路线形成之前，阿里内部也经历过技术路线探索，其中包括黄非负责的AliceMind团队，以及智能计算实验室推进的M6项目。

2022年前后，AliceMind团队在赛马中被淘汰，相关人员合并到M6项目，文本和多模态大模型团队开始融合，形成后来Qwen（千问）的核心体系。这一过程意味着：阿里开始从按照技术领域组织团队，转向围绕基础模型组织人才。

差不多同一时间，达摩院发生巨震。达摩院副院长金榕、NLP负责人司罗、城市大脑实验室负责人华先胜、XR实验室负责人谭平、达摩院自动驾驶实验室负责人王刚等相继离职。

2023年随着“1+6+N”组织调整推进，阿里进一步重组AI力量。原机器智能和应用相关的团队被打破重组，除了决策智能实验室外，语言、视觉、NLP等团队从达摩院剥离出来，一起并入到了阿里云的通义实验室。

此后通义体系不断获得更高战略位置，Qwen成为阿里基础模型核心。但阿里并没有停留在“做一个大模型”阶段，而是在继续调整模型、云、应用之间的组织关系。

2024年底，通义的C端产品与工程团队从阿里云拆出，划入吴嘉负责的智能信息事业群。通义实验室继续留在云体系，研究模型的人专注模型能力，夸克、UC等用户产品团队负责AI应用和入口。

这套分工背后的逻辑是：模型团队负责提升能力，产品团队负责寻找用户场景。但随着AI竞争进一步深入，阿里开始重新收拢AI链路。

2025年12月，阿里成立千问C端事业群，将千问App、夸克、AI硬件、UC和书旗等业务放入同一体系，希望打造AI时代的新入口。

变化比想象的要快，没多久阿里又开始进一步收拢AI业务。

2026年3月，千问核心负责人林俊旸离职。周靖人继续负责通义实验室，并成立基础模型支持小组。十多天后，阿里进一步成立ATH，通义实验室、MaaS、千问、悟空以及AI创新等业务进入同一体系。4月，通义实验室升级为通义大模型事业部，与未来生活实验室合并为Token Foundry事业部。

这意味着阿里开始尝试拆开两个目标：一部分组织负责探索模型能力上限，另一部分组织负责把模型能力转化为产品和收入。

不到半年时间里，阿里围绕AI业务不断调整组织边界。模型、云、MaaS、C端助手、多模态和Agent业务被重新拆分、归拢，再重新组合。

背后的目标并不是简单成立更多部门，而是寻找一条更短的链路：基础模型产生能力、云和平台完成分发、产品和业务消耗能力。

腾讯面对的问题有所不同。

如果说阿里解决的是如何把研究力量集中到模型，那么腾讯解决的是：如何把过去分散在实验室、平台部门和业务事业群中的AI能力，重新组织成一个高效率闭环。

过去，腾讯AI Lab承担腾讯人工智能研究的重要任，在计算机视觉、自然语言处理、语音、机器学习等方向，都有长期积累。

但进入大模型时代，传统研究组织开始面临新的问题：研究成果如何进入混元，模型需求如何反馈给研究数据，训练、基础设施如何统一？

混元早期更像一个跨部门协作项目。AI Lab、机器学习平台、大数据等多个团队参与其中，共同提供算法、数据和基础设施能力。

这种方式在传统AI阶段可以运行，但大模型训练需要更高程度的组织协同，数据质量、训练框架、模型架构、强化学习和评测体系，需要持续联动。

因此，腾讯开始围绕混元重新调整AI组织。

腾讯第一步的调整，是把应用和模型拆开。2025年初，腾讯将元宝从TEG技术工程事业群转入CSIG云与智慧产业事业群。随后，QQ浏览器、搜狗输入法、ima等偏应用产品也陆续汇入CSIG。

这一步的核心，是明确两类不同任务：模型研发需要长期投入和统一路线，应用产品需要靠近用户和商业场景快速试错。

拆开之后：CSIG负责更靠近用户和商业化的AI应用，TEG继续聚焦混元基础模型和底层技术。

2025年，腾讯成立大语言模型部和多模态模型部。同时，数据平台相关团队转向大模型数据建设，机器学习平台团队聚焦训练和推理基础设施。

此时的混元不再只是一个模型研发团队，而开始形成覆盖模型、数据、训练、推理和平台的一整套体系。

调整的第三步，是把模型、Infra、数据和评测放入更短责任链。2025年底，腾讯成立AI Infra部、AI Data部和数据计算平台部。同时，前OpenAI研究员姚顺雨加入腾讯，担任首席AI科学家，并负责大语言模型部和AI Infra相关工作。

这一安排释放出一个信号：基础模型负责人需要同时拥有技术方向权和资源调度权。

因为大模型效果不好，很难简单归因。如果这些能力分散在不同部门，就容易出现责任分散。腾讯希望通过缩短链路，让有人能够对模型最终能力负责。

今年撤销AI Lab，把部分人员进入大语言模型部并加入混元体系，彻底结束研究和模型并行发展的双轨结构。

到7月，腾讯进一步合并混元大语言模型部与多模态模型部，成立基础模型部，由姚顺雨统一负责。新的基础模型部覆盖模型结构、数据与训练策略、强化学习、Agent以及多模态等方向。

这一变化意味着，腾讯混元自2025年4月拆分大语言模型部和多模态模型部后形成的算法研发“双轨制”，在运行约15个月后也正式结束。

文字、视觉、多模态、训练基础设施和Agent能力，开始进入同一套基础模型组织。姚顺雨也从大语言模型负责人，成为腾讯基础模型体系的核心负责人。

不过，与阿里不同，腾讯并没有完全结束业务侧AI探索。

腾讯长期以来的组织特点，是集团建设公共能力，业务团队围绕用户场景快速试错。

这一特点在AI时代依然存在。混元负责集团级基础模型能力建设；微信、元宝、企业微信等业务仍然保留一定探索空间。例如，微信团队仍在推进自研模型WeLM，并根据不同任务选择调用不同模型能力。

腾讯形成了一种新的组织结构：底层模型能力逐渐集中，应用层仍然保持一定赛马。这种机制的挑战也很明显：不同部分的业务团队保留自主权，内部协同问题依然会存在。

从Google、阿里到腾讯，一个共同趋势正在出现：AI竞争正在从研究能力竞争，转向组织效率竞争。过去，大厂争夺的是顶级科学家。今天，大厂需要的是能够推动模型持续进化的组织。

这种变化也改变了人才流动规律。过去，AI人才价值更多来自某个领域的专业积累。现在最明显的迹象是，能够连接算法、工程、训练和产品的模型负责人，在大厂里能获得更大影响力。

雷峰网了解到，达摩院的人才流动发生巨大分化，部分大师级别回到了学校、体制内以及电信、移动等AI研究院，部分年轻的技术骨干被其他大厂挖走了，部分年级稍大一点的技术人才则出去创业了。

传统AI科学家寻找位置，年轻模型负责人快速崛起。人才开始从选择公司，转向选择模型平台。

美国更多表现为大厂研究人员流向AI原生公司，Google、Meta、微软人才进入OpenAI、Anthropic等企业。中国则是大厂内部调整、大厂之间竞争，以及大厂和创业公司之间流动。

但无论怎么变化，未来最重要的AI能力，不再属于某一个实验室，而属于能够把科学家组织起来、让技术持续进化的公司。

（转载自：雷锋网）