---
layout: post.njk
source: https://blog.qiaomu.ai/2026-05-19-pbhmp6
speaker: 向阳乔木
title: 他在谷歌深耕14年，亲手种下GPT的种子，却只能看OpenAI收割 · 乔木博客
date: '2026-05-19'
summary: 谷歌 AI 老将 Andrew Dai 在谷歌深耕 14 年，深度参与了 Transformer 及多模态大模型研发，但因大厂组织官僚体系错失先机。文章探讨了模型架构与数据质量对 AI 竞争的关键作用，以及 Andrew Dai 离职后创立 Aloran AI，试图通过“语言逻辑+视觉推理”的中间路线探索视觉 AGI 的前沿方向。
area: tech-engineering
category: ai-ml
tags:
  - ai-research
  - mixture-of-experts
  - visual-agi
  - data-quality
  - language-model
people:
  - Andrew Dai
  - Noam Shazeer
  - Geoffrey Hinton
companies_orgs:
  - Google
  - OpenAI
  - Aloran AI
  - Google Brain
  - DeepMind
products_models:
  - GPT
  - Transformer
  - PaLM 2
  - Gemini
  - GLaM
  - GPT-3
  - GPT-4
media_books: []
draft: true
status: evergreen
---

乔木博客

全部

AI工具

AI教程

AI生成

AI资讯

健脑房

播客解读

论文学习

# 他在谷歌深耕14年，亲手种下GPT的种子，却只能看OpenAI收割

播客解读

·

2026年5月19日

·

28 次阅读

·

约 6 分钟

2015 年，谷歌的一位研究员在偶然间发现，如果先预训练一个语言模型，再去微调监督数据，效果会出奇地好。

两年后，Transformer 模型问世。

这位研究员立刻建议原作者把两者结合，但对方正忙于图像处理，没能顾上。

OpenAI 却看到了这个潜力，将其融合，最终做出了惊艳世界的 GPT 系列。

这位眼睁睁看着风头被抢走的研究员，是 Andrew Dai。

他在谷歌深耕 AI 长达 14 年，主导了 PaLM 2 和 Gemini 等多模态大模型的研发，却在近期选择离开，创立了自己的新公司。

透过他的职业轨迹，我们能清晰地看到，大厂内部有着怎样的博弈，以及下一代 AI 真正的突破口究竟在哪里。

## 创新的诅咒：当自由变成散漫

在 GPT-3 横空出世前，Google Brain 是研究员的天堂。

那里有着极高的研究自由度，有人研究视觉，有人研究怎么用 AI 写歌。

但这恰恰成了致命伤。

因为缺乏强有力的领导者来集中所有资源押注一条赛道，这种散漫的自由让谷歌错失了先机。

当 OpenAI 在疯狂扩展大语言模型时，Andrew 正身处 Google Health 部门，试图用预训练模型预测病人的未来疾病。

现实给他上了一课。

医疗行业的壁垒极高，医生群体有自己传承百年的行医准则，他们对庞大科技公司的 AI 产品充满警惕甚至抗拒。

这说明，一项技术如果没有在对的时间切入对的市场，技术再好也无法强行推进。

## 强扭的瓜与被拖慢的步伐

时间来到 2021 年，GPT-3 的成功终于让谷歌内部感到了实打实的竞争压力。

为了反击，Andrew 联合主导了 GLaM 的开发，他们极具前瞻性地将 MOE（混合专家模型）架构与预训练结合，做出了跑分超越 GPT-3 的模型。

接下来的 PaLM 2 模型训练极其顺利，整个过程一次都没有停机重启，不到一年就完成了开发。

但就在团队准备发布时，谷歌庞大的官僚体系按下了暂停键。

管理层坚持要等到 Google I/O 大会再统一发布。

结果，在毫无秘密可言的硅谷里，OpenAI 精准卡位，提前发布了各项指标更优的 GPT-4，直接抢走了 PaLM 2 的风头。

这让谷歌彻底坐不住了。

管理层决定强行合并 Google Brain 和 DeepMind 两个互不服气的团队。

这场合并极其痛苦。

为了表面上的公平，每一个技术部门都要设立双领导制，两边各派一个负责人。

这种机制导致大量时间被浪费在扯皮上，许多受不了内部摩擦的核心人员纷纷离职。

最终，为了赶上圣诞节的发布 Deadline，由这个新拼凑团队研发的 Gemini 1.0 被迫仓促上线。

由于根本没时间做 MOE 架构的优化，1.0 版本只能采用稠密模型，甚至在部分小语种上表现糟糕。

## 算力同质化时代，得数据者得天下

直到 Gemini 1.5 发布，谷歌才终于用上了几年前就在研发的 MOE 架构。

随着竞争深入，各大前沿实验室在模型架构和基础设施上的差距正在缩小。

现阶段拉开差距的核心，是数据。

这不是指谁能爬取更多的互联网语料，而是谁能更好地清洗垃圾信息，并用好合成数据。

如果合成数据中带有某个高频错误词汇，或者数学逻辑有误，模型就会原封不动地学过去。

这证明了，喂给模型的数据纯度，直接决定了智能的天花板。

在这期间，传奇人物 Noam Shazeer 的回归也给了团队极大的助力。

他拥有极其恐怖的技术直觉，不需要真正跑模型，只需看一眼架构代码，就能判断梯度下降的效果和最终的训练走向。

## 寻找视觉 AGI 的中间路线

Gemini 3.0 顺利推进时，Andrew 却选择了辞职创业。

原因很简单，数千人参与、耗费巨量算力的项目，注定只能选择最保守、最安全的方法。

这不符合他想探索激进技术的本意。

他创立的 Aloran AI 迅速拿到 5500 万美元融资，直奔视觉 AGI 而去。

当前市面上有两种主流路线，但 Andrew 认为它们都无法通向终极的智能。

第一种是大语言模型派。

通过不断堆叠文本数据来提升逻辑能力。但这套逻辑在物理世界常常失效，目前的语言模型连桌上有几个杯子都会数错。

第二种是纯粹的世界模型派，极度迷信视觉。

自然界中的老鹰，通过视觉就能完美计算风速、重力和猎物的逃跑轨迹。

但老鹰并不懂得人类发明的数学公式和化学常数。

如果只靠纯粹的物理视觉，机器同样无法理解人类构建的复杂概念。

Andrew 赌的是中间路线：将人类的语言逻辑，强行注入到视觉推理中。既要拥有老鹰对物理世界的感知，也要有人类的深度思考能力。

## 结语：研究品味决定胜负

在拥有无尽资源的谷歌，试错成本几乎为零。

但在一家需要自负盈亏的初创公司，一次方向错误的实验，消耗掉的算力和时间永远无法挽回。

这就极其考验一个从业者的研究品味。

这是 Andrew 从导师 Geoffrey Hinton 那里学到的最重要的一课：要知道什么时候死磕一个方向，更要知道什么时候果断放弃。

随着 AI 编程工具的普及，技术执行的门槛正在肉眼可见地降低。

对于每一个技术从业者来说，未来最值钱的不再是敲代码的手速，而是对技术演进方向的敏锐嗅觉。

在这个瞬息万变的时代，找准属于你的那条关键赛道，比盲目挥洒汗水要重要得多。

© 2026

·

向阳乔木