前Thinking Machines创始人巴雷特·佐夫加盟谷歌，AI高管流动再掀波澜

巴雷特·佐夫的职业轨迹概览

作为AI领域的资深技术管理者，巴雷特·佐夫（Barrett Zoph）在过去几年里经历了多次高层职位的变动。2023 年，他与前 OpenAI 高管米拉·穆拉蒂（Mira Murati）共同创立了Thinking Machines，旨在将强化学习（RL）与大模型后训练技术商业化。该公司在业内获得了不少关注，却在2024 年底出现内部动荡。

2024 年10 月，佐夫离开自创公司，回到 OpenAI 担任企业销售负责人，负责拓展大企业客户。然而，这段复归仅维持了约五个月，2025 年6 月便离职。2026 年8 月，谷歌正式宣布聘请佐夫为研究副总裁，负责其 Gemini 项目的强化学习与后训练方向。

AI 高管频繁更换的行业背景

AI 产业的快速迭代导致人才需求与企业战略的匹配度经常出现偏差，形成了所谓的“高管流动率”。以下因素是主要推动力：

• 技术竞争激烈：从大模型研发到应用落地，企业争相抢夺顶尖人才，以加速产品迭代。
• 融资与上市压力：如 OpenAI 正在为 IPO 做准备，资本市场的期待常使公司在组织结构上进行频繁调整。
• 企业文化冲突：创始团队与成熟企业的管理模式差异，容易导致合作摩擦。
• 个人职业发展：顶尖技术人才倾向于在不同平台寻找更大的技术影响力和资源支持。

佐夫加入谷歌的战略意义

谷歌在2024 年推出的 Gemini 系列大模型，已经在多模态理解和强化学习方面展现出竞争力。聘请拥有强化学习与后训练经验的佐夫，表明谷歌正加大在以下两方面的投入：

强化学习在企业级应用中的落地

佐夫曾在 OpenAI 主导企业销售，熟悉大模型在金融、制造、医疗等行业的商业化路径。他的加入有望帮助谷歌将 Gemini 的强化学习能力转化为可直接卖给企业的解决方案，缩短技术到产品的周期。

后训练技术的系统化研发

后训练（post‑training）是指在大模型预训练后，利用少量特定任务数据进行微调，以提升特定场景下的表现。佐夫在 Thinking Machines 的研发中积累了大量实践经验，谷歌可以借助其专长，完善 Gemini 的微调框架，提高模型在垂直领域的适配度。

对行业的潜在影响

此举可能带来以下连锁反应：

• 人才争夺升级：谷歌的高薪与研发资源将进一步吸引其他 AI 高管，可能导致 OpenAI 与其他竞争对手的人才流失。
• 技术路线趋同：随着核心人才在行业内部流动，强化学习与后训练的研发思路可能在不同公司之间出现“同质化”，促使企业更加注重差异化的产品化能力。
• 市场竞争加剧：谷歌强化企业级 AI 销售的布局，将直接与 OpenAI、Anthropic 等公司的企业解决方案形成竞争，推动价格、服务与创新的多维竞争。

结语

巴雷特·佐夫从创业公司到 OpenAI，再到谷歌的职业路径，映射出 AI 行业高管流动的高频特征。谷歌此番引入具备强化学习与后训练深耕经验的高层，意在加速 Gemini 项目的商业化落地，并在企业市场形成更强竞争力。对行业观察者而言，关注这些高管动向，有助于捕捉技术路线和商业布局的微妙变化。