Gemini 4 连续两次推迟，首席科学家 Jeff Dean 带队出走，DeepMind 掌门人 Hassabis 卸任 CEO。当模型竞争进入白热化，谷歌引以为傲的全栈布局，正成为拖慢自身脚步的结构性矛盾。
谷歌的 AI 叙事又反转了。Gemini 4 研发不及预期，已经连续两次推迟发布。原本被寄予厚望的 Gemini 3.5 Pro，也先后错过了 6 月和 7 月中旬的发布窗口。
那个一度让 OpenAI 紧急组建 Red Code 的谷歌，这次落后了。
注：Gemini 4 原定发布时间点以公开报道披露为准，具体发布计划谷歌官方未公开确认。Discovery Loop 创始团队含 Oriol Vinyals、Sanjay Ghemawat、Jeff Dean、Quoc Le。
2014 年谷歌收购 DeepMind 后，长期容忍其相对自治。Hassabis 用关于 AGI、科学突破与长期主义的叙事吸引全球顶尖研究者，让他们在短期回报不明确的项目上协同工作。
当时的谷歌，需要一个内部无法复制的 AGI 实验室。
但 Gemini 越成功，DeepMind 原有的气质与工作方式就越难维持。当 Gemini 从研究项目变成整个公司的基础设施，模型何时发布、获得多少算力、优先提升哪些能力，就不可能再只由研究团队决定。
围绕 Hassabis 的个人权威运转，科学家决定探索方向，容忍高风险长周期研究，拥有高度自治权。
CEO 空缺，掌权者驻加州向 Pichai 汇报，研究者须集中精力于主项目，算力由跨部门委员会统一分配。
谷歌保留了 Hassabis 的科学权威，又收回了他对 DeepMind 的管理权。Hassabis 年初反复强调的三个词是：速度、聚焦，以及尽量少的纷争。半年后，速度慢了下来，纷争却多了起来。
Pichai 在二季度财报电话会上被问及护城河，答案是全栈。从芯片、数据中心、云，到模型、开发框架、应用和硬件，谷歌覆盖了 AI 技术栈的每一层。客户买的通常是完整解决方案，模型只是其中一部分。
但这些业务共享算力、模型和客户，又有各自的收入目标。
注：橙色条为全栈各层覆盖范围，红色条标记与 DeepMind 存在资源或利益冲突的层级。条宽仅作示意，不代表精确占比。
去年 12 月，谷歌成立了新的算力分配委员会：云、DeepMind、搜索与广告负责人及 CFO 共同决定有限算力优先分给谁。谷歌云把算力分给 Anthropic 等客户意味着明确的合同与收入；DeepMind 训练下一代 Gemini 的投入产出却不存在稳定关系。
谷歌云既是 Gemini 最重要的商业出口，又是其他 AI 模型公司的基础设施供应商——Anthropic 深度使用谷歌云和 TPU。于是出现了一种结构性不对等：
与 Gemini 抢算力，并把抢来的算力卖给 Gemini 的竞争对手。Anthropic 签下多年合同，账面清晰可算。
绕过谷歌云，在竞争对手的云上自由销售 Gemini。北美大型云厂商中仅 Oracle 原生支持 Gemini 系列。
这种断裂在 Coding 与 Agentic 能力上尤为致命。要提升 Claude Code 这类 Coding Agent 体验，需要持续获得企业开发者的一线反馈——客户与数据掌握在谷歌云手里，负责模型与开发者产品的 DeepMind 却难以及时获取。
相比 Anthropic 与 OpenAI 围绕单一模型收口产品线，Gemini 的基础模型、个人产品、开发者工具与企业应用，并没有完全收拢在同一个部门甚至同一个人手里。
Pichai 在公开信中要求 DeepMind「高度聚焦于那些仍需改进的领域」，并在 Q2 财报会上提出「接近每月一次」的模型发布节奏。
这很可能是个伪目标。
新模型能力的提升有 benchmark 可追——把 Coding、推理或长上下文的分数再抬高一点，就足以构成一次发布。但引领行业的模型研究需要灵光一现，需要无法计量成本的探索，也需要研究者在一段时间里做一些看起来没有直接产出的事情。
谷歌也许能得到更稳定的发布节奏、更易管理的研发流程，以及更快进入产品的模型；但也可能失去 DeepMind 原本最珍贵的那部分能力——允许一些人偏离主线，并最终找到一条所有人都未曾预料的路。
当一家公司要求 AI 研究像产品迭代一样按月交付，它得到的将是一台稳定的发布机器，失去的却是通向未知的那扇门。谷歌的全栈护城河，正在用组织效率的尺子，丈量本不该被丈量的探索。