四十位創辦人與一場早餐會：DeepMind 校友出走潮豪賭後Transformer時代

Google DeepMind 未來最強勁的對手，可能不是 OpenAI，也不是 Anthropic，而是它自己離職的科學家們——而且他們正以業界前所未見的速度募資，押注的卻是明確否定當前主流架構的路線。

Bloomberg 於 9 月 26 日報導，曾在 DeepMind 任職約十年、後轉往微軟的 Nando de Freitas，正在洽談為新創公司 Revolution Labs 募集至少 1 億美元。這家公司的核心主張，是以擴散模型（diffusion models）作為 Transformer 架構的替代方案——而 Transformer 正是當今所有大型語言模型的基礎。據報導，Accel 正洽談領投此輪。

新聞背後的全貌

De Freitas 的募資並非孤例，而是一場系統性人才遷徙的最新篇章：

• David Silver——AlphaGo 背後的強化學習傳奇——已為倫敦新創 Ineffable Intelligence 募得約 10 億美元：今年 4 月宣布的 11 億美元種子輪、51 億美元估值，由 Sequoia 與 Nvidia 領投，刷新歷史紀錄。
• Jack Parker-Holder 創辦的 Emulate（為機器人構建世界模型）正如 Bloomberg 本月稍早報導，洽談募集 7 億美元種子輪。
• 今年夏天離職的 DeepMind 資深科學家 Thore Graepel，正為推理模型新創 Metis Reasoning 尋求大額資金。
• Google 最資深的系統工程師 Jeff Dean 與 Sanjay Ghemawat 共同創辦了估值數百億美元的研究機構 Discovery Loop。
• Andrew Dai 的 Elorian 於 4 月亮相，專攻視覺推理，創辦人主張 Transformer 在此領域效率不彰。

最能凸顯這股趨勢的細節是：十五位現任與前任 DeepMind 員工最近在倫敦市中心共進早餐——實質上是一個「準創辦人互助會」，彼此交流募資心得。根據 Bloomberg 統計，Google 與 DeepMind 已孕育超過 40 位「新實驗室」（neolab）創辦人，多於 OpenAI、Anthropic 與 Meta 的總和。

為什麼「後 Transformer」是核心賣點

這則新聞的技術內涵值得超越募資標題來看。擴散模型——Midjourney、Stable Diffusion 等圖像生成器背後的模型家族——的運作方式並非逐字預測，而是從隨機噪聲出發、反覆去噪逐步成形。應用到語言上，這提供了「由粗到細」的路徑：模型可以並行修正整個答案，而不是從左到右逐 token 生成。

商業驗證其實已經存在。Inception Labs 的 Mercury 系列擴散語言模型每秒可生成超過 1,000 個 token——比同等自回歸模型快上數倍——且推論成本號稱不到一半。本月推出的 Mercury 2.5 在保持速度優勢的同時，將智能基準提升了 40%。並行生成 token 的特性也改變了 Agent 工作負載的經濟學——在 Agent 場景中，連環的模型呼叫會讓延遲與成本成倍放大。

Revolution Labs 的豪賭，正如 Bloomberg 所框架的：擴散模型可以擴展至前沿智能水準，而 Transformer 陣營整套以序列生成為瓶頸的推論架構，將在 Agent 規模下成為戰略負資產。Google 自己也做了對沖：Gemini Diffusion 實驗已證明這個家族能在巨頭的規模上運作。若 Accel 真以成長期資金押注此一論點，將是「後 Transformer 架構」首次獲得種子輪以外認可的硬訊號。

他們自己怎麼說離開的原因

前 DeepMind 首席科學家、現任 Ahren Innovation Capital AI 合夥人的 Janusz Marecki 講得毫不掩飾：「有一股自上而下的壓力，要求你放下手上的所有研究，專注於大型語言模型。那你乾脆離開，沒必要留下。這些都是聰明人、優秀的科學家。」

他也點出市場的失衡：「過去的估值是營收的 10 倍，現在是 200 倍、300 倍。」

已在 8 月將 DeepMind 日常管理交棒給技術長 Koray Kavukcuoglu、轉任 Alphabet 首席科學家的 Demis Hassabis 則反駁出走之說：「各家頂級實驗室之間本來就有大量人才流動，我們也贏得了應有的頂尖人才。我們擁有所有實驗室中最龐大、最全面的研究團隊。」

數據某種程度上支持他：Bloomberg 指出，DeepMind 的進出走人比已從 2023 年第二季的約 12:1 降至 2026 年第三季的約 2:1——流失率確實升高，但離崩塌甚遠，即使 Anthropic 與 OpenAI 持續積極挖角。

為什麼這件事重要

有三層利害關係。

第一，架構多樣性。 除了少數挑戰者，如今每一家前沿實驗室都跑在 Transformer 上。若規模定律進入平原期——或推論成本成為 Agent 部署的硬約束——整個產業的單一架構就是系統性風險。DeepMind 校友測試替代路線的位置得天獨厚：他們多年鑽研世界模型、強化學習與非 Transformer 研究，而這些在 Google 收斂於 Gemini 之後逐漸被邊緣化。

第二，Google 的留才算盤。 Google 是多家離職創辦人新創的創始投資人，這要麼是對顛覆的持久對沖，要麼是在補貼自己未來的競爭對手。「早餐會」效應顯示出走是自我強化的：每一筆破紀錄募資，都降低了下一個人離開的社會成本。

第三，資本紀律。 一家還沒有產品的公司、一條未在大規模驗證的架構路線，1 億美元的輪次要麼是先知的逆向操作，要麼是 Marecki 所描述、200 倍營收泡沫的頂點。誠實的答案是現在沒有人知道——而 Revolution Labs 最終是否成交、以什麼條件成交，將被視為對「擴散模型路線」與「新實驗室模式」的雙重公投。

可以確定的是：AI 界最昂貴的問題——Transformer 之後是什麼？——如今有約四十支資金充裕的 DeepMind 校友團隊在競相回答，而 Silver 的 Ineffable 已經投入至少 10 億美元。Google 建立了業界最深厚的研究班底；它的校友們則在賭：少了 LLM 的枷鎖，他們能建立下一個。