8 月 7 日，三条消息在 24 小时内先后落地。
第一条，Jeff Dean 离开谷歌。27 年老将，MapReduce、BigTable、Spanner、TensorFlow 的设计师，谷歌基础设施和 AI 能力的基石建造者，在 2026 年选择出走，联合创立了 AI 研究公司 Discovery Loop（来源：知乎热榜/FT，Horizon 8/7 简报 #17）。
第二条，Financial Times 独家报道，字节跳动正在预训练一个参数量高达 10 万亿（10T）的 AI 模型，约为 Kimi K3 的 3 倍，比外界估算的 Anthropic Mythos 5（约 8T）还要大（来源：FT/Techmeme，8/7）。
第三条，Financial Times 和 New York Times 同日报道，谷歌将 AI 控制权移交给联合创始人谢尔盖·布林，DeepMind 负责人 Demis Hassabis 退居二线。FT 的分析直接点明了方向：从科学研究导向转向紧迫的产品开发（来源：FT/NYT，Horizon 8/7 简报 #63、#77）。
三条消息看似各不相干，底层指向同一个判断：AI 前沿模型的竞赛，不是谁更聪明的问题了，是谁还付得起入场费的问题。
Jeff Dean 走了
Jeff Dean 在谷歌的履历，基本等于半部现代互联网基础设施史。1999 年加入时，谷歌还只是一个搜索引擎创业公司。他参与设计的系统，从 MapReduce（分布式计算框架）到 BigTable（分布式数据库），从 Spanner（全球数据库）到 TensorFlow（机器学习框架），几乎每一项都成了后来整个行业的基础设施（来源：Wikipedia 条目“Jeff Dean”）。
在谷歌内部，关于 Jeff Dean 有一个流传甚广的梗：编译器不给 Jeff Dean 报错，是 Jeff Dean 给编译器报错。这个梗说明了一件事：他不是一般意义上的工程师，是谷歌技术信仰体系的精神支柱。
他的离开，不是因为薪酬，不是因为权力斗争，至少从公开信息看不出来。更可能的解释是：谷歌的 AI 研究文化，已经容不下他这样的人了。
SemiAnalysis 在 8 月 7 日的分析中给出了更残酷的诊断：Google DeepMind 已经失去前沿模型的动能。诊断依据不是情绪，是人才流向：领导层和强化学习（RL）团队的核心研究人员持续流失。讽刺的是，SemiAnalysis 认为这场人事动荡的受益者不是竞争对手，是 Google Cloud，因为 Google Cloud 有更多的算力，而在当前的 AI 竞赛中，算力比人才更稀缺（来源：SemiAnalysis/Techmeme，8/7）。
这个判断如果成立，意味着一件深刻的事。谷歌曾经最引以为豪的资产，是它能吸引世界上最好的研究人才。现在，这个优势正在贬值。不是因为人才不重要了，是因为光有人才不够了。
布林回来了
Jeff Dean 离开的同一周，谷歌做了一个更醒目的人事调整：谢尔盖·布林接管 AI 领导权，Demis Hassabis 让位。
Hassabis 不是普通人。他是 DeepMind 的联合创始人，AlphaGo 和 AlphaFold 的缔造者，2024 年获封爵士，同年获得诺贝尔化学奖（来源：NYT，Horizon 8/7 简报 #77）。让他退居二线，在任何正常年份都是不可想象的。
但 2026 年不是正常年份。FT 的报道透露了一个关键信息：谷歌高管对 Hassabis 的不满已经积累了数月。不满的核心不在技术能力，在节奏。Hassabis 的 DeepMind 是典型的研究型组织：追求突破，发表论文，拿诺贝尔奖。但谷歌面临的竞争压力需要的不是论文，是产品，是能跟 OpenAI 的 GPT-5.6 正面竞争的产品，是能让搜索广告业务不被颠覆的产品。
杰夫·贝索斯在《本质》一书中反复强调一个框架：Day 1 与 Day 2。Day 1 是创业心态：客户至上、快速决策、拥抱外部趋势。Day 2 是停滞：官僚化、流程拖沓、为内部政治消耗能量。贝索斯的判断是，Day 2 是停滞，随之而来的是停滞的意义丧失，然后是死亡（来源：贝索斯 2016 年致股东信，《本质》收录）。
谷歌正在经历一次 Day 2 的恐慌。布林回归一线，本质是一次 Day 1 自救。创始人的直接介入绕过了层层官僚，把 AI 战略从研究部门的 KPI 拉回到公司生存层面的紧急程度。FT 用了 seismic shift（地震级变化）来形容这次调整，说它是 months in the works（酝酿数月），不是临时起意（来源：FT，Horizon 8/7 简报 #63）。
查尔斯·汉迪在《第二曲线创新》中提出了一个概念：任何组织在第一曲线（现有业务模式）到达顶峰之前，必须启动第二曲线（新的增长引擎）。如果等第一曲线已经开始下滑才寻找第二曲线，资源已经不够，时间已经来不及（来源：《第二曲线创新》）。谷歌的第一曲线是搜索广告，这条曲线仍然是印钞机，但 AI 的崛起让它看到了终点。第二曲线是 AI 产品化，这条曲线需要不同的能力：不是发论文，是做产品。Hassabis 擅长前者，布林需要的是后者。
理论的解释力需要停一下。汉迪的第二曲线理论是为一般性的组织转型设计的，假设组织有足够的时间窗口来完成转型。AI 竞赛的时间窗口不是“足够”，是极度压缩的。OpenAI、字节、Anthropic 都在以季度为单位迭代产品，谷歌可能没有“在顶峰前从容启动第二曲线”的窗口。布林的紧急介入恰恰说明，谷歌已经不在从容这个区间了。
字节的十万亿
Jeff Dean 的离职和布林的回归，说的是谷歌内部的权力转移。字节跳动 10 万亿参数模型的消息，说的是外部竞争格局的加速。
FT 的独家报道援引消息人士称，字节跳动正在预训练一个参数量高达 10T 的模型。这个数字的含义需要做一个横向对比：Kimi K3（月之暗面）的参数量约为 3.5T（待核实），Anthropic 的 Mythos 5 外界估算约 8T（来源：FT/Techmeme，8/7）。字节的 10T 如果属实，将是人类历史上参数量最大的 AI 模型。
为什么参数量重要？这个问题在 AI 社区有激烈争议。一派认为，scaling law（规模法则）的红利正在递减，参数量不再是决定模型能力的关键变量。另一派认为，在当前的技术范式下，参数量仍然是最直接的暴力解。
布莱恩·阿瑟在《复杂经济学》中提出的收益递增理论，提供了一个有用的分析框架。阿瑟的洞见是：在技术竞争中，先发者获得的不是线性优势，是递增的优势。规模越大，成本越低，数据越多，生态越完善，后来者追赶的难度不是线性递增，是指数递增。一旦锁定形成，追赶者的处境不是“差一点”，是“差一个时代”（来源：《复杂经济学》，阿瑟“收益递增锁定”）。
但阿瑟的理论有一个前提：收益递增锁定发生在网络效应显著的市场里。软件平台、社交网络、通信协议，这些市场的特点是用户越多价值越大。AI 模型的参数量是否构成同等量级的锁定效应，目前没有定论。10T 参数的模型训练成本可能在数十亿美元量级（来源：FT 估算），这个成本本身就是一个进入壁垒，但它是否像社交网络的网络效应一样不可逾越，是另一个问题。还有一个维度值得追问：AI 模型的数据飞轮（用户越多，使用数据越多，模型越强，吸引更多用户）是否构成类似网络效应的锁定。如果是，参数量竞赛就不只是烧钱，是在建立未来难以逆转的生态壁垒。但数据飞轮的锁定强度目前仍在争议中，尚无定论。
字节选 10T 这个数字，与其说是技术判断，不如说是战略信号。就在前一天（8 月 6 日），字节内部传出一道命令：严禁对开源模型做蒸馏，不用别人的输出换榜单排名（来源：ithome/36kr，8/6 快讯）。同一周，DeepSeek 宣布大幅上调 API 定价，投前估值 5000 亿元（来源：36kr/Bloomberg，8/6 快讯）。
三条消息合在一起：字节不白嫖别人的模型了，自己做最大的；DeepSeek 不再贱卖 API 了，要赚钱了；谷歌的研究灵魂走了，要转向产品了。这不是三件独立的事，是同一个趋势的三个切面：AI 的免费午餐收摊了，前沿模型的牌桌正在缩编。
硬件的护城河
如果模型层的竞赛变成资本竞赛，那么真正的护城河不在模型，在硬件。
8 月 7 日的信源里，至少有四条指向纵向整合的信号。
第一条，Anthropic 宣布将为 Claude 设计自研硬件（来源：Horizon 8/7 简报 #12，9.0/10 评分）。一个做模型的公司开始做芯片，这个路径跟谷歌（TPU）和 Meta（MTIA）完全一致。
第二条，特斯拉与 SpaceX 宣布在得州建设价值 168 亿美元的 Terafab AI 芯片工厂（来源：Horizon 8/7 简报 #16，9.0/10 评分）。马斯克在同日表示，硬件制造除中国外无对手，将用火箭技术造数据中心（来源：36kr 快讯，8/7）。
第三条，AMD 收购 Taalas，将 AI 模型直接植入硅片以提升推理性能（来源：Horizon 8/7 简报 #18，8.0/10 评分）。
第四条，Alphabet 发行 250 亿美元投资级债券，峰值需求约 1150 亿美元，市场分析认为这笔融资与 AI 基础设施支出直接相关。Morgan Stanley 预测，2026 年 AI 相关债券发行规模将达到 5700 亿美元（来源：Techmeme/Horizon 8/7 简报 #100，8/7）。
四条消息的共同指向：前沿 AI 的竞争正在从“谁的模型更好”下沉到“谁的芯片更便宜、谁的电力更稳定、谁的供应链更可控”。模型是软件，软件可以被复制。芯片是硬件，硬件需要工厂、需要稀土、需要电力、需要地缘政治的配合。这两个壁垒的量级完全不同。
Alphabet 发债 250 亿、需求峰值 1150 亿这个数字尤其值得注意。投资者对 AI 基础设施的胃口几乎是无限的，前提是你讲得清楚这笔钱投在哪里。但这也意味着，如果有一天市场对 AI 基础设施的回报率产生怀疑，这 5700 亿美元的债务将成为引爆“AI 债务明斯基时刻”的引信。这一点，8 月 5 日的那篇文章已经讨论过（来源：8/5 blog“AI 债务的明斯基时刻”）。
谁还留在牌桌上
把一周的新闻串起来看，AI 前沿模型牌桌上的玩家身份正在改变。
谷歌：从研究驱动的 Day 1 公司，变成了产品焦虑的 Day 2 公司。布林回归是自救，Jeff Dean 离开是代价。DeepMind 的研究独立性被削弱，Hassabis 被边缘化，赢的不是某个团队，是 Google Cloud 的算力。
字节：从 AI 竞赛的追随者，变成了 all-in 参数军备的挑战者。10T 参数是信号，禁蒸馏是决心，张一鸣的亲自干预是态度。
Anthropic：从模型公司向芯片公司延伸。自研硬件的逻辑不是做更好的芯片，是控制成本结构。当模型层的差异化越来越难，硬件层的成本控制就成了生死线。
OpenAI：GPT-5.6 Luna 向免费用户开放不限量文本对话（来源：Horizon 8/7 简报 #21，8/7），用免费碾压抢分发渠道。这跟 DeepSeek 涨价形成镜像：一个在求活，一个在碾压。
留在牌桌上的门槛正在急剧抬高。不是 AI 能力不够，是 AI 能力够了但你付不起训练成本、付不起推理成本、付不起硬件投入、付不起人才争夺战的溢价。牌桌正在缩编。
这个判断有一个关键的脆弱点。如果 scaling law 真的撞墙了，如果 10T 参数的模型跟 3T 参数的模型能力提升微乎其微，那么字节的 10T 就不是军备竞赛，是军备浪费，谷歌的布林回归也救不了产品竞争力。这个可能性不能排除。目前关于 scaling law 是否减速的争论，双方都没有决定性的证据。
以下信号出现，说明上述判断方向错了。第一，字节 10T 模型的评测结果显著低于现有 3T 到 5T 模型，说明参数规模不再是有效壁垒，scaling law 实质撞墙。第二，谷歌在布林接管后 6 个月内发布的前沿模型在公开评测中重回第一梯队，说明研究文化不是瓶颈，组织效率才是。第三，AI 基础设施投资回报率在 2027 年出现系统性恶化，Alphabet 等巨头的债券评级被下调，说明“AI 债务的明斯基时刻”从预言变成现实。
最后一条值得多说一句。如果第三条触发，牌桌上剩下的不是谁的模型最好，是谁的资产负债表最厚。到那一步，AI 竞赛就不再是技术竞赛，是金融竞赛。牌桌不会空，但坐在牌桌前的人，手里拿的不再是论文，是债券。
Sources
- Jeff Dean 离职：Horizon 8/7 简报 #17（知乎热榜/FT）
- 字节 10T 参数模型：FT 独家/Techmeme（8/7）
- 谷歌 AI 控制权移交布林：FT 独家，Horizon 8/7 简报 #63
- 谷歌重组 AI 部门 Hassabis 获新职：NYT，Horizon 8/7 简报 #77
- Google DeepMind 失去前沿动能：SemiAnalysis/Techmeme（8/7）
- Anthropic 自研硬件：Horizon 8/7 简报 #12
- 特斯拉 SpaceX Terafab：Horizon 8/7 简报 #16
- AMD 收购 Taalas：Horizon 8/7 简报 #18
- Alphabet 发债 250 亿：Techmeme/Horizon 8/7 简报 #100
- OpenAI GPT-5.6 Luna 免费：Horizon 8/7 简报 #21
- 字节禁蒸馏：ithome/36kr 快讯（8/6）
- DeepSeek 涨价 + 估值 5000 亿：36kr/Bloomberg 快讯（8/6）