Ang Pagbabago sa Talentong AI noong 2026 ay Tanda ng Paglipat patungo sa Kompetisyon sa Pwersa ng Organisasyon

Ang paglipat ng mga propesyonal sa AI noong tag-init ng 2026 ay nagmarka ng pagbabago mula sa simpleng “kompetisyon sa kakayahan ng modelo” patungo sa “kompetisyon sa kapangyarihan ng organisasyon at pagkakalagay ng talento”.

May-akda at pinagmulan: 0x9999in1, ME News



• Mula sa Hunyo hanggang Agosto 6, 2026, ang pinakamakabuluhang paglipat ng talento sa industriya ng AI ay hindi karaniwang pagbabago ng mga tagapagpaganap, kundi ang pagpili muli ng mga platform ng mga kilalang tao sa arkitektura ng modelo, agham ng AI, infrastraktura ng computing power, at seguridad at pamamahala.
• Ang Google ay ang pinakamalinaw na pinagkukunan ng mga talento: ang Noam Shazeer ay lumipat sa OpenAI, ang John Jumper, Jonas Adler, at Alexander Pritzel ay umalis sa Anthropic; noong Agosto, ang mga mahahalagang siyentipiko tulad ni Jeff Dean ay umalis mula sa Google upang magtatag ng Discovery Loop.
• Ang Anthropic ay naging pangunahing net inflow ng mga talento sa pag-aaral; habang ang OpenAI ay nag-aabot ng mga talento sa arkitektura ng modelo, matematika, at seguridad, habang patuloy na nagdudulot ng pagbabago sa pamamahala ng misyon, seguridad, at komersyalisasyon.
• Ang pakikidigma para sa mga talento ay nagsimula nang umabot mula sa pag-aaral ng modelo patungo sa mga chip, software, data center, deployment ng negosyo, at pamamahala ng organisasyon. Ang pagdedesisyon kung saan pupunta ang mga lider sa talento ay hindi na lamang batay sa suweldo, kundi sa kapangyarihan sa pagkontrol ng computing power, kalayaan sa pag-aaral, potensyal na pagtaas ng equity, at kung makakapagpangunawa nang tunay ang isang indibidwal sa isang teknikal na direksyon.
• Ang aking pangunahing pagtataya ay: Ang paggalaw ng mga propesyonal sa AI noong tag-init ng 2026 ay nagmarka ng paglipat ng kompetisyon sa industriya mula sa simpleng “paligsahan sa kakayahan ng modelo” patungo sa “paligsahan sa kapangyarihan ng organisasyon at pagkakaloob ng tao”.

Hindi ito karaniwang propesyonal na manager, kundi isang “high-leverage individual” na makakapagbabago sa direksyon ng R&D, istruktura ng organisasyon, o efisiyensiya ng kapital na gastos.

Ayon sa pag-aaral ng SignalFire sa mga data ng higit sa 650 milyong propesyonal at 80 milyong organisasyon, mula noong paglalabas ng ChatGPT, tumataas ang porsyento ng AI at machine learning engineers sa tech talent ng 39%, habang tumataas ang porsyento ng research engineers ng 28%. Samantala, ang kabuuang paghinga sa malalaking tech companies ay patuloy na 25% mas mababa kaysa sa 2019, ngunit ang software engineers ay nagsisilbing 55% ng kanilang bagong paghinga, na mas mataas kaysa sa 46% noong 2019.

Ibig sabihin nito na ang tech industry ay hindi lamang nagbabawas ng pagsisikap sa talento, kundi aktibong pinipigil ang mga entry-level position, general position, at coordination layers, at pinagsasama ang budget para sa mga taong direktang nagpapalago sa model training, infrastructure development, at product deployment.

Ang kakayahan ng modelo ay maaaring makasunod sa pamamagitan ng patuloy na pagtuturo, ang computing power ay maaaring bilhin sa pamamagitan ng matagalang kontrata, at ang data ay maaaring muli ayusin at i-organize, ngunit ang mga tao na talagang nauunawaan ang arkitektura ng modelo, ang training recipe, ang sistema ng pag-e-evaluate, at ang malawakang inhenyerong koordinasyon ay hindi maaaring kopyahin sa maikling panahon.

Ang pangunahang ari-arian ng mga kumpanya ng AI ay nagbabago: hindi na lamang mahalaga kung gaano karaming empleyado ang mayroon ka, kundi kung kayang i-retain ang mga pinakamahalagang ilang dosenang mananaliksik at mga pinuno ng inhinyero, at bigyan sila ng sapat na kapasidad sa pagcompute, budget, at awtoridad sa paggawa ng desisyon.

Ang pinakamakabuluhang pagbabago noong Hunyo ay galing sa Google.

Ang isang tagapagtatag ng papel na Transformer at co-lead ng Gemini, si Noam Shazeer, ay nag-anunsyo ng kanyang pagpapalit sa OpenAI. Ibinalik siya ng Google sa kanilang kompanya noong 2024 sa pamamagitan ng isang transaksyon sa teknolohiya at talento na halos milyon-milyon dolyar, ngunit sa loob ng higit sa dalawang taon, lumabas muli si Shazeer.

Para sa OpenAI, hindi ito lamang pagdaragdag ng isang kilalang researcher, kundi pagkuha ng isang arkitekturang talento na nagkakaroon ng pag-unawa sa Transformer, hybrid expert models, chat products, at ang paraan ng pag-organisa ng mga pag-aaral sa pinakamodernong model. Ang mga teknolohiya na nilikha ni Shazeer ay naging pundasyon ng mga modernong malalaking model, at ang kanyang paghuhusga sa landas ng model at efficiency ng pag-train ay maaaring mas may halaga kaysa sa isang karaniwang research team.

Agad, si John Jumper, na kakaibang tagapagtatag ng AlphaFold at tagapagwagi ng Nobel Prize sa Kimika noong 2024, ay nagbalita ng pagpapalit sa Google DeepMind, kung saan siya ay nagtrabaho nang halos siyam na taon, at pumunta sa Anthropic. Pagkatapos, ipinahayag na si Jonas Adler at Alexander Pritzel, mga pangunahing siyentipiko ng Gemini, ay lumipat din sa Anthropic.

Ang pagkawala ng mga eksperto sa foundational models, AI for Science, code models, at training systems ng Google sa maikling panahon ay nagpapakita na ang problema ay hindi lamang ang mas mataas na sahod na iniaalok ng mga kalaban.

Ayon sa pampublikong ulat, ang ilang mga yunit ng computing power na pinanagutan ni Shazeer ay nakare-allocate muli. Para sa mga lider sa pag-aaral, ang bilang ng GPU na mayroon ang kumpanya ay hindi ang pinakamahalaga; ang tunay na mahalaga ay kung gaano karaming computing power ang kayang kontrolin ng isang tao, at kung saan nakakapila ang kanyang proyekto sa prioridad ng organisasyon.

Ang OpenAI at Anthropic ay makakapagbigay ng mas maikling chain ng desisyon, mas direkta na pag-asa sa equity, at mas malinaw na personal na impluwensya. Sa mga tradisyonal na malalaking kumpanya, ang mga pinakamataas na researcher ay maaaring tanging bahagi lamang ng isang malaking organisasyon; sa mga nangungunang laboratorio na nasa mabilis na paglago, mas malamang silang maging tunay na tagapag-ugnay ng isang teknikal na direksyon.

Hindi biglang lumabas ang atraksyon ng Anthropic sa mga talento sa pananaliksik. Ayon sa nakaraang pag-aaral ng SignalFire, ang proporsyon ng mga empleyado na nanatili pa sa Anthropic noong ikalawang taon pagkatapos makasali ay humigit-kumulang 80%, na mas mataas kaysa sa 78% ng Google DeepMind, 67% ng OpenAI, at 64% ng Meta.

Mas malinaw ang pagkakaiba sa paggalaw ng mga talento: ang posibilidad na mag-move ang mga inhinyero mula sa OpenAI patungo sa Anthropic ay halos 8 beses ang dami kaysa sa reverse flow, habang ang ratio ng paggalaw mula sa Google DeepMind patungo sa Anthropic ay malapit sa 11:1.

Ang mga pagbabago sa personnel noong Hunyo ay nagpapalit lamang sa matagal nang trend ng net inflow sa isang mas direktang industriyal na signal: sa merkado ng mga talento sa mga unang yugto ng modelo, hindi na lamang si Anthropic ang nagtatryo na makasunod sa OpenAI, kundi nagkaroon na ng sariling atraksyon sa kultura ng pananaliksik, pagpapanatili ng mga talento, at pagsasalaysay ng misyon.

Hulyo: Ang pakikidigma para sa talento ay bumaba sa organisasyon, kalakasan, at seguridad. Ang mga pagbabago sa personnel ng OpenAI ay ipinakita ang mga pagkakamali sa organisasyon pagkatapos ng pagpapalawak.

Ipinahayag ng pangunahing futurist ni OpenAI, si Joshua Achiam, na nagtatapos na pagkatapos ng mahigit sa siyam na taon ng paglilingkod.

Si Achiam ay nagtataglay ng responsibilidad sa pagpapalapat ng misyon ng OpenAI at mahabang panahon ay nakikilahok sa mga diskusyon ng kompanya tungkol sa kaligtasan at pangmatagalang estratehiya. Nang umalis siya, hindi niya isinahad ang kanyang bagong employer, ngunit nagpahayag lamang na ang pagpapalaya sa misyon ng AI ay hindi kailangang gawin sa loob ng mga lab na nasa harap.

Dalawang araw mula ngayon, si Fidji Simo, na responsable sa pag-deploy ng AGI, ay nagpapahinga sa kanyang posisyon bilang full-time at nagiging part-time na konsultant dahil sa matagal nang problema sa kalusugan, at ang kanyang mga tungkulin ay hahatiin ng iba pang mga senior manager.

Magkaiba ang mga dahilan ng pag-alis ng dalawa, at hindi maaaring maipaliwanag nang simpleng “nawalan ng kontrol si OpenAI” o “muli ang pagtatakas ng security team.” Ngunit kapag isasama ang dalawang pangyayari, makikita ang structural na problema na kinakaharap ni OpenAI: naging malaking teknolohiya ngayon ito na nag-aalaga ng consumer-grade products, enterprise income, infrastructure, policy lobbying, security governance, at potensyal na presyon mula sa capital markets.

Habang lumalaki ang organisasyon, mas mahirap pangatwiran ang malinaw na hangganan ng mga posisyon na batay sa misyon. Dapat mag-negosyasyon nang patuloy ang mga taong responsable sa kaligtasan, pangmatagalang panganib, o sosyal na epekto sa bilis ng produkto, kita ng negosyo, at presyong pangkalahatan.

Mas matagumpay ang isang pioneering lab, mas maraming katulad ito sa mga tradisyonal na tech giant. Ayon sa SignalFire, sa komposisyon ng puwersa ng trabaho sa mga pioneering AI lab, ang mga posisyon sa human resources at pag-recruit ay umabot sa halos 9.2%, ang mga posisyon sa pagsasapalaran ay 5.1%, at ang mga posisyon sa legal ay 2.3%.

Ang mga proporsyon na ito ay nagpapakita na ang mga nangungunang laboratorio ay hindi na lamang isang koleksyon ng mga siyentipiko at inhinyero. Ang equity incentive, pagbili ng computing power, pagtugon sa regulasyon, mga kaso tungkol sa talento, at pagpapalit ng empleyado sa pagitan ng mga kumpanya ay nagpapataas ng kumplikadong kalikasan ng organisasyon.

Ang pag-alis ng mga talento ay minsan ay hindi dahil sa pagiging hindi na mahalaga ng kompanya, kundi dahil sa pagkakaroon ng mas kaunting pagkakataon para magdesisyon sa isang organisasyon na mabilis na lumalawak.

Ang head of infrastructure ay nagsimula na na magkaroon ng parehong halaga kasama ang mga scientist ng model.

Nakikita ang malakas na paggalaw ng talento noong Hulyo patungo sa mga paa ng computing power at komersyal na pagpapalaganap.

Ang AWS Senior Vice President ng Computing at Machine Learning, Dave Brown, ay umalis sa Amazon, kung saan siya ay naglingkod ng halos 19 taon, upang lumipat sa Meta at makilahok sa pagpapalawak ng data center; ang dating software lead ng Google TPU, Robert Hundt, ay sumali sa Amazon upang pamahalaan ang Neuron software stack; samantala, ang Chief Operating Officer at head of security products ng Google Cloud, Francis deSouza, ay inihalal bilang bagong CEO ng Scale AI at plano niyang magsimula noong Agosto 10.

Ang mga pagbabagong ito ay nagpapakita na ang bottleneck sa kompetisyon sa AI ay nagsalikod mula sa “mayroon ba kang model”, patungo sa “kakayahan mong magbigay ng tiyak na supply ng computing power, pag-train at pag-deploy ng mga model, at pagpapalit ng mga teknikal na demo sa mga production system”.

Ang head ng pag-aaral ang nagdedesisyon sa limitasyon ng kakayahan ng modelo, ang head ng infrastruktura ang nagdedesisyon sa bilis ng pag-unlad at unit cost, at ang head ng operasyon ng negosyo ang nagdedesisyon kung kaya bang i-convert ang modelo sa kita. Noong noon, ang tatlong uri ng talento na nasa iba’t ibang merkado ng paghahanap ng trabaho, ay ngayon ay ipinapakilala sa iisang tseke ng tawiran.

Inililipat ng Meta ang isang mataas na opisyales mula sa Amazon na may mahabang karanasan sa compute business, at hindi lamang ang tradisyonal na karanasan sa cloud computing, kundi kung paano pamahalaan ang pagbuo ng data centers na may halagang milyon-milyon dolyar, ang pagbibigay ng mga server, at ang pag-deploy ng mga chip. Ang pagkuha ng Amazon sa mga propesyonal sa software ng Google TPU ay para mabawasan ang hadlang sa paggamit ng kanilang sariling chip na Neuron at mabawasan ang pagkakasalalay ng kanilang AI business sa ecosystem ng NVIDIA.

Samantay, ang 2026 Fields Medalist na si Jacob Tsimerman ay nagpahayag ng pagpapahinga mula sa University of Toronto upang sumali sa OpenAI para sa pag-aaral sa AI safety.

Nagpapakita ito na ang mga lider sa laboratorio ay nagpapalawak ng kanilang hangganan sa talento sa parehong direksyon: isa sa mga ito ay ang mga data center, software ng chip, at enterprise deployment, habang ang iba ay ang matematika, teoretikal na agham, at pangmatagalang seguridad. Ang merkado ng AI talent ay hindi na limitado sa tradisyonal na mga mananaliksik sa machine learning, kundi nagtatanggap ng halos lahat ng mataas na kasanayan na makakapagpapabuti sa kakayahan, katiyakan, at efisiyensiya ng pagpapalaganap ng mga modelo.

Sabay nito, ang mga pampublikong pagbabago sa pagpapalitan ng tauhan sa mga Chinese AI company ay mas malapit sa pagrereorganisa ng kapangyarihan kaysa sa malawakang paglipat ng mga sikat na propesyonal mula sa isang kumpanya patungo sa isa pa.

Sa July, pinagsama ng Tencent ang departamento ng dami ng wika na modelong Hunyuan at ang departamento ng multimodal na modelo sa ilalim ng Base Model Department, na pinamamahalaan ng Chief AI Scientist Yao Shunyu. Ang ByteDance naman ay pinagsama ang team ng produkto ng Feishu at ang team ng produkto ng Doubao, na pinamamahalaan ni Zhao Qi, ang tagapamahala ng Doubao; ang GTM system ng Feishu para sa merkado at ang Volcano Engine ay karagdagang pinagsama, na pinamamahalaan ni Tan Dai para sa enterprise market, sales, at customer service.

Ang dalawang pagbabagong ito ay nagtuturo sa parehong direksyon tulad ng paggalaw ng mga dayuhang talento: hindi na pinapayagan ang pangmatagalang paralel na pagpapatakbo ng mga pangunahing modelo, mga produkto sa AI, at mga koponan sa komersyalisasyon; ang kapangyarihan sa organisasyon ay umaabot sa mga taong makakapag-uugnay ng modelo, produkto, computing power, at kita.

Noong nakaraan, maaaring magpanatili ang mga malalaking kumpanya ng maraming mga koponan sa pag-aaral upang ang iba’t ibang departamento ay magsaliksik sa magkakaparehong direksyon. Ngunit kasunod ng mabilis na pagtaas ng gastos sa pagtatrain, ang pagkakatulad ng kakayahan ng mga modelo, at ang paghingi ng pamamahala na agad na mabuo ang kita mula sa AI, bumababa ang pagtitiyagang magkaroon ng paulit-ulit na pagbuo.

Hindi lamang mas mataas na posisyon ang natanggap ni Yao Shunyu, Zhao Qi at Tan Dai, kundi mas kompletong karapatan sa pagpaplano ng mga yaman. Sa hinaharap, ang pinakakakulang sa mga malalaking kumpanya sa China ay hindi lamang ang mga siyentipiko na makakapagpapalabas ng mga papel, kundi ang mga teknikal na tagapamahala na may kakayahang mag-coordinate sa iba’t ibang departamento at makapagpapalit ng kakayahan ng model sa bilang ng mga user, kita mula sa cloud, at mga korporatibong kliyente.

Kasalungat ito sa lohika ng paghahanap ng mga arkitekto at mga tagapag-ugnay ng imprastruktura sa mga laboratoryo sa Amerika: kailangan ng mga kumpanya ang mga taong makakatugon sa buong resulta, hindi lamang mga eksperto sa isang punto.

Agosto 5, ipinahayag ng Google ang pinakamahalagang pagbabago sa pamumuno sa AI sa mga nakaraang taon.

Hindi na si Demis Hassabis responsable sa pang-araw-araw na operasyon ng Google DeepMind, kundi naging Chairman ng Google DeepMind at Chief Scientist ng Alphabet, at patuloy na nakatuon sa General Artificial Intelligence, agham pananaliksik, at ang Isomorphic Labs.

Ang dating pangunahing teknolohiyang opisyales ng Google DeepMind, si Koray Kavukcuoglu, ay inatahian bilang senior vice president at direktang nagrereport sa pangulo at CEO ng Alphabet, si Sundar Pichai, upang mag-ugnay sa pag-unlad ng Gemini model, ang advanced research, ang Gemini applications, at ang team ng mga developer.

Ang pagbabagong ito ay naghihiwalay nang tunay ang scientific direction mula sa araw-araw na operasyon: patuloy na hahawakan ni Hassabis ang pangmatagalang pag-aaral at scientific vision, habang maging tunay na responsable si Kavukcuoglu sa operasyon ng mga model, produkto, at developer ecosystem.

Sa parehong araw, ang pangunahing siyentipiko ng Google, si Jeff Dean, ay natapos ang kanyang 27-taong paglilingkod sa kumpanya at kasama ni Sanjay Ghemawat ay itinatag ang Discovery Loop. Kasama rin sa founding team ng bagong kumpanya ang mga pangunahing miyembro na matagal nang nakikilahok sa pag-unlad ng Google Brain, sequence models, at Gemini tulad ni Oriol Vinyals at Quoc Le.

Ang layunin ng Discovery Loop ay gamitin ang AI para automatikuhin ang machine learning, agham, at paghahanap sa inhenyeriya. Ang Alphabet ay nakikilahok bilang founding investor at nagbibigay din ng cloud computing support, na nagpapakita na hindi ito isang tradisyonal na pagkakahati, kundi isang bagong uri ng organisasyonal na ugnayan.

Hindi na sinusubukan ng mga malalaking teknolohiya na piliting panatilihin ang lahat ng pinakamahuhusay na talento sa loob ng kompanya, kundi nagpapanatili ng ugnayan sa pamamagitan ng pag-invest, cloud services, at pakikipag-ekosistema. Para sa mga mananaliksik, ang paglisan sa malalaking kumpanya upang magtatag ng sariling negosyo ay nagbibigay ng mas mataas na equity at mas buong kontrol sa pananaliksik; para sa Google, mas madaling panatilihin ang estratehikong ugnayan kung ang mga pangunahing talento ay magtatag ng negosyo sa labas kaysa lubos na lumipat sa OpenAI, Anthropic, o Meta.

Ngunit patuloy itong malaking pagkawala ng talento para sa Google. Ang Dean, Ghemawat, Vinyals, at Le ay nagsasaklaw sa distributed systems, Google Brain, sequence models, reinforcement learning, at Gemini—mga taong kayang mag-impluwensya mula sa paa ng infrastraktura hanggang sa landas ng modelo.

kasama ang mga pangunahing talento na umalis patungo sa OpenAI at Anthropic noong Hunyo, hindi lamang isang o dalawang empleyado ang umalis mula sa Google, kundi ang buong komunidad ng pag-aaral ay na-disband at napapaloob sa mga kalaban at mga bagong startup.

Patuloy pa ring mayroon ang Google sa malaking kapasidad sa pagpapagana, data, mga entry point ng produkto, at mga imbentaryo ng pananaliksik, ngunit ang mga benepisyo sa yaman ng mga malalaking kumpanya ay hindi awtomatikong nagiging katapatan ng mga propesyonal. Kapag naniniwala ang mga mananaliksik na ang mga panlabas na platform ay nagbibigay ng mas mataas na antas ng pagdedesisyon, mas malinaw na personal na kontribusyon, at mas malaking kita mula sa mga bahagi, ang nakaraang reputasyon ay maaari lamang magpabilis sa paggalaw, hindi ito maiiwasan.

Ang pagbabago sa personnel sa panahon ng tag-init ng 2026 ay nagpapakita na ang mga lider sa AI ay naglalayongalis sa tradisyonal na logika ng karera na batay sa "brand ng malalaking kumpanya, mataas na sahod, at pagtaas sa loob ng kompanya."

Mas pinahahalagahan nila ang available computing power kaysa sa kabuuang computing power na nakikita sa balanse ng kumpanya; mas pinahahalagahan nila ang huling pagdedesisyon sa teknikal na direksyon kaysa sa mas mataas na pwesto sa pangalan; ang equity ng kumpanya na malapit na sa pagpapalabas ng kapital, ang pagiging founder ng bagong kumpanya, at ang mga mas may misyon na larangan ng pananaliksik tulad ng AI science at AI safety ay naging mga pangunahing kapalit kaysa sa pondo.

Kaya, upang masukat kung ang isang AI company ay totoo pang malakas, hindi sapat na tingnan ang mga listahan ng modelo, laki ng parameter, at halaga ng pagsasakop; kailangan ding obserbahan ang tatlong tanong.

Una, kung patuloy na nananatili ang mga pangunahing researcher, o kung mabilis silang umalis patungo sa mga kalaban pagkatapos ng paglabas ng modelo.

Pangalawa, may sapat ba ang budget at pagpapasya ng tagapamahala ng imprastruktura upang talagang isama ang mga chip, data center, at software stack.

Ikatlo, kung ang pagpapabilis ng komersyalisasyon ay nagtatayo ng malinaw na hangganan ng kapakanan at responsibilidad bago ito mag-eepekto sa misyon ng pag-aaral.

Ang aking huling pagtataya ay ang tag-araw ng 2026 ay hindi isang pansamantalang galaw ng talento, kundi ang mga punto ng pagbabago kung saan ang industriya ng AI ay lalabas sa “kompetisyon ng modelo” patungo sa “kompetisyon ng organisasyonal na kakayahan”.

Hindi kinakailangang ang pinakamataas na mananawag ang magiging tagapagtagumpay sa hinaharap, kundi ang mga organisasyon na makakapagbigay ng parehong computing power, autonomy, equity, at tunay na responsibilidad sa mga pinakamahuhusay na talento.

Ang mga modelo ay maaaring masabayan, ang mga data ay maaaring bilhin, ang mga chip ay maaaring maabot sa pamamagitan ng pagpila; ngunit ang isang core team na handang magtrabaho nang matagal at may malinaw na hangganan ng kapangyarihan, ay nagsisimula nang maging pinakamahirap kopyahin na ari-arian sa industriya ng AI.

1. SignalFire: Ang State of Talent Report 2026, Iyunyo 22, 2026.
2. SignalFire: Ang State of Tech Talent Report 2025, 2025.
3. Bloomberg, Los Angeles Times: “Nasalubong ng Google ang Bagong AI Brain Drain Habang Poaches ng Anthropic ang Pinakamataas na Gemini Talent”, Iyong Hunyo 29, 2026.
4. WIRED: “Umuwi ang Punong Futurista ng OpenAI mula sa Kumpanya”, 7 Hulyo 2026.
5. Reuters: "Tatawag na mag-step down ang Chief ng AGI Deployment ng OpenAI, Fidji Simo, pagkatapos ng medical leave", Iyong Hulyo 9, 2026.
6. Global TMT, Electronic Engineering Album: "Mga Pagbabago sa Pamamahala ng Mga Kumperensya sa Teknolohiya sa Buong Mundo noong Hulyo 2026", Iyong Hunyo 6, 2026.
7. Google: 《The Next Chapter of Our AI Momentum》，2026年8月5日。
8. Reuters: “Google Shakes Up AI Leadership as DeepMind Chief Shifts Role”, Agosto 5, 2026.