国内大厂挖角 Gemini 人才策略纠偏：从硅谷转向伦敦 DeepMind 核心团队
国内互联网大厂在争夺 Google Gemini 预训练专家时，初期因错误锁定硅谷办公室而未能触及核心技术。近期有企业成功引进来自英国 DeepMind 办公室的 L7-L8 级预训练专家，标志着人才争夺战进入更精准阶段。此举旨在获取未被论文公开的预训练优化器选型及数据分布等关键经验，以突破 Scaling Law 瓶颈。
事件概述
据行业消息，一位 Google Gemini 预训练专家近期已加入国内某头部互联网大厂。该研究员职级约为 L7-L8（接近总监级别），长期在英国工作，入职后主要负责预训练相关工作并频繁往返国内。业内观点认为，这是国内大厂在这一轮争抢 Gemini 人才过程中，首次真正“找对”了掌握核心预训练技术的人才。
背景与痛点：预训练的技术壁垒
去年底以来，国内基础模型团队对海外 AI 人才的关注重点明显向“预训练”环节倾斜。此前，国内大模型研发主要依赖堆叠算力和数据规模，但很快遭遇 Scaling Law 的性能天花板。真正拉开差距的关键在于预训练阶段的技术路线选择、数据分布策略以及一二阶优化器的应用方法。
这些策略上的微小失误会导致巨大的时间和算力浪费。例如，各大厂在预训练优化器选型上存在诸多分歧，且许多关于“何时使用何种优化方法”、“如何调整参数”的经验并未公开发表，往往需要通过完整的训练过程才能验证。由于不同训练方案的取舍很少被完整公开，拥有前沿模型训练经验的海外实验室成为国内公司解决技术瓶颈的首选目标，其中 Gemini 因其技术底子厚、人才密度高而备受关注。
策略纠偏：为何硅谷不是最佳目标？
在早期接触中，多家大厂虽引入了多位具有 DeepMind 或 Gemini 背景的人才（如腾讯、字节跳动、阿里等均有相关入职案例），但部分人选并未触及核心预训练内容。有的仅参与边缘环节，有的侧重管理，导致国内公司在预训练上仍需“摸着石头过河”。
知情人士指出，Google 有意将最核心的预训练人才保留在位于英国的 DeepMind 办公室，并与硅谷的高曝光区域隔离，以降低被挖角的风险。因此，虽然硅谷办公室也有科学家，但他们往往未掌握 Gemini 预训练的核心方法。随着竞争深入，国内企业的寻人目标正从硅谷转向藏龙卧虎的英国办公室，以期获取真正的核心技术能力。