Thinking Machines 共同創辦人 Barret Zoph 加入 Google DeepMind：頂尖 AI 人才再度洗牌

全球頂尖 AI 實驗室之間的人才流動再出現一筆重要轉會。Thinking Machines Lab 共同創辦人、前 OpenAI 研究副總裁 Barret Zoph 宣布加入 Alphabet 旗下 Google DeepMind，並將擔任 Vice President of Research，也就是研究副總裁。

這看似只是一項高階研究主管的人事異動，但 Zoph 過去十年的職涯幾乎橫跨 Google、OpenAI 與新創 AI 實驗室的核心研究體系，因此這次回歸 Google，實際上也反映目前前沿人工智慧競爭的一個重要現象：真正稀缺的不只是 GPU，而是曾經實際參與大型模型訓練、強化學習與後訓練流程的研究人才。

Zoph 並不是第一次加入 Google。

在加入 OpenAI 以前，他曾經在 Google 擔任研究科學家約六年，主要隸屬於 Google Brain。Google Brain 過去是 Google 最重要的人工智慧研究團隊之一，後來在 2023 年與 DeepMind 整併，最終形成現在的 Google DeepMind。

因此，從組織歷史來看，Zoph 此次加入 DeepMind，其實某種程度上可以被視為重返原本的 Google AI 研究體系。

Zoph 在 Google 時期已經參與多項機器學習研究，但真正讓他成為近年 AI 產業重要人物的階段，是加入 OpenAI 之後。

他後來在 OpenAI 擔任 Vice President of Research，並參與模型 Post-training，也就是大型語言模型完成大規模預訓練之後，進一步透過人類回饋、強化學習、指令調校、安全調整與模型行為優化，使模型真正變成可部署產品的訓練階段。

OpenAI 公開的 GPT-4 貢獻名單顯示，Zoph 曾參與資料基礎建設、ChatML、模型安全、拒絕機制以及大型模型訓練等工作。這些工作並不是單純設計模型架構，而是涵蓋如何把龐大的基礎模型轉變為可以可靠與使用者互動的 AI 系統。

而這類 Post-training 能力，目前正逐漸成為大型 AI 實驗室最重要的競爭核心之一。

早期大型語言模型競賽主要集中在參數數量、資料規模與 GPU 訓練集群，但隨著 OpenAI、Google、Anthropic、Meta 與其他實驗室的基礎模型能力逐漸接近，模型最後能否表現出更好的推理、工具使用、Agent 行為與指令遵循能力，越來越依賴後訓練階段。

換句話說，Pre-training 決定模型『知道多少東西』，Post-training 則很大程度決定模型『如何使用這些能力』。

這也是為什麼 Zoph 的加入對 Google DeepMind 特別值得注意。

Google 對外表示，公司期待 Zoph 回歸 Google，並把他在 Reinforcement Learning，也就是強化學習，以及 Post-training 方面的專業經驗帶入 Gemini。

Gemini 已經成為 Google AI 戰略的核心平台，從搜尋、Workspace、Android、Cloud 到 Agent 系統，都逐漸圍繞 Gemini 模型建立。因此，模型如何在完成基礎訓練之後進一步提升推理、工具調用與自主執行工作的能力，將直接影響 Google AI 產品未來的競爭力。

Zoph 的職涯同時也折射出近兩年 AI 產業極為劇烈的人才流動。

2024 年底，包括 Zoph 在內的一批 OpenAI 研究人員離開公司，與前 OpenAI CTO Mira Murati 共同成立 Thinking Machines Lab。

Thinking Machines Lab 在 2025 年 2 月正式公開亮相，創辦團隊集合多名 OpenAI 前研究人員，包括 Mira Murati、Barret Zoph、John Schulman、Lilian Weng、Andrew Tulloch 與 Luke Metz 等人，一度被視為 OpenAI 最具技術背景的新興競爭者之一。

Thinking Machines 的研究方向並不是單純打造另一個聊天機器人，而是希望開發更容易理解、客製化，而且能與人類共同工作的 AI 系統。公司成立後迅速吸引大量資本，並在早期融資階段募集約 20 億美元，估值一度達到約 120 億美元。

然而，創辦團隊隨後開始出現明顯的人才流失。

2025 年，Andrew Tulloch 離開 Thinking Machines 加入 Meta；到了 2026 年 1 月，Barret Zoph、另一名共同創辦人 Luke Metz，以及研究人員 Sam Schoenholz 又相繼離開。

Zoph 離開後，Thinking Machines 由資深 AI 研究員 Soumith Chintala 接任 CTO。

特別值得注意的是，Zoph 當時並不是直接轉往 Google，而是先短暫回到 OpenAI。

今年 1 月 OpenAI 宣布 Zoph 回歸，他重新擔任高階主管職務，之後一度負責企業 AI 業務相關工作。然而這段回歸並沒有持續太久，到今年年中 Zoph 已再次離開 OpenAI。

因此，如果把他的近年職涯排列起來，可以看到一條相當少見的人才遷徙路線：Google Brain → OpenAI → Thinking Machines Lab → OpenAI → Google DeepMind。

這條路線也幾乎串起目前 AI 產業最核心的幾個研究中心。

對 Google DeepMind 而言，招募 Zoph 的價值並不只在於增加一位研究主管，而是取得一名同時熟悉 Google 與 OpenAI 大型模型訓練文化的人才。

他既理解 Google Brain 長期偏向基礎研究與大規模機器學習系統的研究文化，也直接參與過 OpenAI 將大型語言模型轉變成 ChatGPT 等產品所需的 Post-training 流程。

而 Google 現在面臨的問題，恰好是如何把強大的基礎模型能力更快速地轉化成產品競爭力。

Gemini 系列已經在多模態理解、長上下文、程式設計與推理等領域快速進步，但 OpenAI、Anthropic 與其他 AI 公司也持續推進 Agent、Computer Use、Coding Agent 與強化學習能力。

因此，模型最後階段的訓練方法正在成為 AI 實驗室競爭的新戰場。

另一方面，這次人事異動的時間點也相當敏感。

Reuters 報導指出，Google DeepMind 本身正處於一輪組織調整之中。部分原本隸屬 DeepMind 的團隊正在轉移至 Google 公司其他部門，而 DeepMind 的管理與研究架構也正在重新安排。

因此，Zoph 加入 Google 並不只是單純補進一名研究員，而可能是 Google 在重新配置 AI 研究與產品組織時，引進具有大型模型實戰經驗的重要主管。

這也凸顯目前 AI 產業另一個值得注意的現象：頂尖 AI 研究員正在變成類似職業運動中的明星球員。

幾年前，AI 公司之間最大的競爭焦點可能是誰擁有最多 GPU、最大資料集或最強模型架構；如今，曾經真正操作過 Frontier Model 訓練流程的人數仍然非常有限。

一名研究員如果曾參與 GPT、Gemini 或其他最前沿模型的大型訓練，往往掌握大量難以單純透過論文複製的 Know-how，包括訓練穩定性、資料混合方式、Reward 設計、模型評估、RL pipeline，以及模型部署後出現問題時如何重新調整行為。

這些能力並不像硬體可以直接採購，因此 Meta、Google、OpenAI、Anthropic 與各家新創公司近年都願意投入極高成本爭奪少數核心研究人才。

Zoph 的轉職因此更像 AI 人才市場最新的一枚棋子移動。

對 Thinking Machines Lab 而言，他早已不是公司現任管理層，因此這次加入 Google 並不代表 Thinking Machines 又出現一次新的即時高層離職；真正值得觀察的是，這家由大量 OpenAI 前員工組成的新創公司，在成立不到兩年後，已有多位原始核心成員分散至 OpenAI、Meta 與其他大型 AI 實驗室。

對 OpenAI 而言，Zoph 第二次離開也再次反映公司高階人才持續流動的現象。

而最大的受益者可能是 Google DeepMind。

Google 原本就擁有全球最大規模的 AI 研究團隊之一，也掌握 TPU、自有資料中心、搜尋、YouTube、Android、Chrome 與 Workspace 等龐大產品入口。如果再補上曾經直接參與 OpenAI Post-training 與大型模型產品化的人才，Gemini 未來的競爭焦點可能會更加集中在強化學習、Agent 與模型行為優化。

因此，Barret Zoph 加入 Google DeepMind 表面上是一則人事新聞，背後反映的卻是前沿 AI 競賽正在進入下一個階段。

GPU 依然重要，模型規模依然重要，但真正能讓模型從『會回答問題』進一步變成『能推理、能操作工具、能執行任務』的 Post-training 與 Reinforcement Learning 人才，正在成為 Google、OpenAI 與其他 AI 實驗室爭奪的新核心資源。