Google DeepMind架构师Koray接任SVP：大模型研发团队的接力交接怎么做

DeepMind管理层变动与AI研发节奏

2026年8月5日，谷歌DeepMind宣布CEO杰米斯·哈萨比斯卸任日常管理职务，转任DeepMind主席兼Alphabet首席科学家。原首席AI架构师科雷·卡武克丘奥鲁（Koray Kavukcuoglu）升任高级副总裁，接管DeepMind大部分运营职责，直接向Alphabet CEO桑达尔·皮查伊汇报。同一时间，在谷歌效力27年的首席科学家Jeff Dean宣布离职创业。这次人事变动涉及谷歌AI体系最核心的三位人物，对大模型研发管线的影响需要拆解。

Koray的技术背景与Gemini模型架构

Koray自2012年加入DeepMind，长期担任哈萨比斯的技术副手，深度参与AlphaGo、AlphaFold等项目的架构设计。在Gemini系列模型的开发中，Koray主导了多模态架构的技术路线选择——从Gemini 1.0的MoE（混合专家）稀疏激活，到Gemini 2.0的原生多模态token融合方案。他对模型训练基础设施的理解，直接来源于这些一线工程实践。

接管运营后，Koray需要面对三个核心议题：一是Gemini后续迭代的技术路线，包括是否继续走MoE路线还是转向Dense+MoE混合架构；二是谷歌内部AI算力资源的分配优先级，TPU v6集群的排期直接决定训练进度；三是与Google Cloud、Android等业务线的模型能力对接节奏。

Jeff Dean离职对TensorFlow生态的后续影响

Jeff Dean的离职象征意义大于实际影响。自2019年转任Google Research负责人后，Dean对具体模型研发的参与度已逐步降低。但他推动的几项基础设施仍在运转：JAX框架已成为谷歌内部模型训练的首选，TPU硬件与软件栈的协同设计逻辑也延续了他倡导的”硬件-算法联合优化”路线。Dean创办的新公司如果聚焦AI基础设施，可能与Google Cloud形成竞合关系。

大模型团队交接的工程经验

从这次交接可以看出，大模型研发团队的leader更替有几条实操经验值得注意：

技术决策权不能真空。Koray升任SVP后，首席AI架构师的职位空缺如何填补，将决定Gemini后续版本的技术方向是否延续。在MoE架构的专家数量、路由策略、负载均衡机制等具体参数上，不同架构师的偏好差异可能产生10%以上的训练效率波动。

训练管线连续性是第一优先级。DeepMind当前至少有三条并行训练管线在跑：Gemini Ultra的下一版本、多模态Agent模型的预训练、以及科学计算专用模型的继续迭代。任何一条管线的配置变更（批量大小、学习率衰减策略、数据混合比例）都需要精确的交接记录，否则训练中断恢复的成本极高。

算力分配从技术决策变成商业决策。Koray直接汇报给皮查伊而非哈萨比斯，意味着TPU集群的分配优先级将更多受商业需求驱动——Google Cloud客户推理需求与内部训练需求的资源博弈，可能让模型训练排期变得不那么可预测。

对AI行业格局的影响

这次人事调整反映出谷歌的一个战略判断：AI研发从”探索性研究驱动”转向”工程化交付驱动”。哈萨比斯转向Alphabet首席科学家，本质上是从运营管理转向技术监督和战略方向把控；Koray接管运营，则是把一个擅长架构落地的工程师推到资源协调的位置上。这种”研究-工程”双轨分离的模式，OpenAI和Anthropic也在做类似尝试。

Jeff Dean离职创业则指向另一个趋势：AI基础设施层的创业窗口正在打开。训练框架、推理优化、算力调度这些方向，谷歌内部方案（JAX/TPU）和开源方案（PyTorch/NVIDIA GPU）之间存在大量中间地带，足够孵化新的技术公司。

给AI团队的实操建议

如果你的团队也在经历核心技术人员离职或岗位调整，以下几项准备工作要提前做：第一，训练配置文件全部版本化，每一个超参数变更都要有commit记录；第二，数据管线的每个环节写清楚SLA——数据清洗、去重、tokenization各自的延迟和吞吐量基线；第三，模型评估benchmark的运行脚本和期望指标要固化成CI流水线，换人后跑一次就能发现指标漂移。大模型训练不像传统软件开发，一个超参数的误删可能导致几周的算力浪费，交接文档的颗粒度必须到参数级别。