獨家丨BAT 天價挖 Gemini 大牛，可惜都挖錯了

據獨家獲悉，一位 Google Gemini 的預訓練專家，於近期已加入國內某互聯網大廠。該研究員在 Google 的職級或是 L7- L8，接近總監級別，長期在英國工作，入職後主要從事預訓練相關工作，也經常往返國內出差。一位知情人士看來，這可能是國內大廠這一輪爭搶 Gemini 人才以來，第一次真正“找對了人”。上述人士告訴，此前多家大廠均從 Gemini 引入過人才，但部分人選並未觸及核心。他們之中，或只參與預/後訓練邊緣環節，或是隻從事管理工作，職責卻並不覆蓋預訓練最為核心的內容。

01 BAT 挖角 Gemini 人才，害怕在預訓練上犯錯去年底，國內基模團隊對海外 AI 人才的關注，明顯向“預訓練”靠攏。一位業內人士告訴，以前國內大模型的主線是追趕規模——堆算力、堆數據；但堆數字的做法很快就碰到了 Scaling law 的天花板，性能提升變得愈發困難。而真正拉開差距的，是預訓練階段的技術路線選擇、數據分佈策略以及一二階優化器的應用方法。每一個策略上的微小失誤，都會在時間和算力資源上造成巨大浪費。譬如，各大廠及Kimi、智譜等明星大模型公司，光在預訓練優化器選型上，內部就有諸多分歧，各家的優化策略也截然不同。而這類“提升”和“避坑”經驗，很多並不寫在論文裡。

比如，一種優化方法理論上有效，但放到真實的大模型訓練中，究竟什麼時候用、怎麼調整，可能需要經歷完整的訓練過程才能知道。不同訓練方案之間怎麼取捨，也很少會被完整公開。多位大廠基模專家曾向提到，在大模型團隊內部，類似的技術路線選擇，往往會受到團隊過往經驗影響。他解釋道，此前參與 Scaling 相關工作時，就曾接觸過多種訓練技術，但一些方法最終並沒有被完整採用，原因並不只是“技術行不行”，還包括對穩定性、風險和實際收益的判斷。於是，能把模型訓到前沿水平的海外實驗室，成了國內公司挖獵人才的首選目標。Gemini 是其中最典型的目標。

部分公司人員認為，Gemini 的技術底子夠厚、人才密度夠高，而 Google 龐大的組織和頻繁的調整，恰好留出了挖人的窗口。當時一些公司的思路很直接：既然自己的預訓練遇到了瓶頸，那就去找已經把前沿模型訓練出來的人。但在真正接觸之後，他們才發現，能掌握 Gemini 核心預訓練的人少之又少。02為什麼去 Gemini 硅谷大本營，挖人的策略是錯的？一開始，不少人的第一反應是去 Google 的硅谷大本營找。畢竟 Google 的核心 AI 業務長期與美國科技產業中心緊密相連，OpenAI、Anthropic、Meta 等公司的核心團隊也主要集中在美國。

但實際情況有點特殊，硅谷的 AI 預訓練研究員告訴，Google 有意把最核心的預訓練人才留在 Deepmind 英國辦公室，與硅谷的高曝光區隔開，以降低被“挖牆角”的風險。再看國內。從今年7月入職騰訊的田永龍，到此前加入字節的吳永輝、喬思遠，再到阿里的周浩等等，越來越多有 DeepMind 或 Gemini 背景的人，開始進入中國大廠。外界看來，這樣的履歷足夠有分量。但 Gemini 員工向坦言，很多科學家都來自硅谷辦公室，而非英國，因此並沒有真正掌握 Gemini 預訓練的核心方法，所以各家公司只能在預訓練上摸著石頭過河。

這也讓一些國內公司意識到：如果目標是尋找掌握關鍵方法的 DeepMind 預訓練人才，不能只盯著硅谷，天高皇帝遠的英國辦公室，才是藏龍臥虎之地。而近期該互聯網大廠的動作，從硅谷到倫敦，讓高招目標正變得越來越具體。（作者持續追蹤大廠 AI 人才爭奪戰，相關選題正在寫作中。歡迎從業者加微信 Who123start，聊聊你知道的行業一線。）