DeepMind找來策略長，Google在盤算什麼

Alphabet 說，2026 年資本支出可能衝到 1750 億到 1850 億美元。看到這個數字，你大概就知道 Google 對人工智慧不是喊口號而已。錢砸到這種等級，每一個高階人事都不只是換名片。

最新一筆安排，是 Google DeepMind 找來 Jasjeet Sekhon 擔任 chief strategy officer，也就是策略長。他不是典型產品經理出身，也不是只會寫論文的學者。他做過 Harvard、UC Berkeley、Yale 教授，也在 Bridgewater Associates 待了 8 年，碰過金融、AI、決策系統，這個組合很少見。

講白了，DeepMind 現在缺的不是再多一個會講模型參數的人。Google 缺的是能把研究、產品、政策、商業化、算力投資串起來的人。Sekhon 這次加入，剛好踩在這個點上。

這個職位，為什麼現在特別重要

DeepMind 過去一年丟出不少東西。像 Gemini 3 Series、Gemini Deep Think、AlphaGenome、Nano Banana、SpeciesNet，名字很多，方向也很多。問題是，研究成果多，不代表市場執行就會順。

Google 現在面對的局面很直接。外面有 OpenAI 搶開發者，有 Anthropic 搶企業客戶，裡面還要跟自家 Search、Cloud、Android、Workspace 的節奏對齊。你如果沒有一個能跨部門講同一套語言的人，最後很容易變成每個團隊都很強，但整體速度不夠快。

Sekhon 這種背景就有意思了。他不是只懂學術，也不是只會做財務模型。他在 Bridgewater 做過 AI 與金融決策，還參與 AIA Labs。這表示他大概很習慣面對高不確定性、高風險、又要算投資回報的場景。AGI 策略剛好就是這種麻煩事。

• 新職位：Google DeepMind 策略長
• 合作對象：直接與 CEO Demis Hassabis 協作
• 學術經歷：任教於 Harvard、UC Berkeley、Yale
• 產業經歷：在 Bridgewater 待 8 年，做過 chief scientist 與 AI 相關工作

我覺得這個任命最值得看的一點，是 Google 終於把「策略」拉到檯面上。以前大家談 DeepMind，焦點常放在模型能力、論文、基準測試。現在多了一個正式角色，專門處理研究之外的事，這代表公司知道真正的瓶頸不只在實驗室。

還有一個現實面。當 AI 公司一年要花上千億美元蓋資料中心、買晶片、擴網路、養伺服器時，策略就不是 PowerPoint。它會直接影響哪些模型先上線、哪些產品先包裝、哪些市場先推、哪些監管議題先回應。每一步都很花錢。

Google 想要的人，必須能跟研究員對話，也能跟高層、政策圈、投資人說清楚。一般產品主管未必有這種混血能力。Sekhon 看起來比較接近這個需求。

DeepMind把 AGI 當治理問題，不只是技術問題

這次人事案有趣的地方，不只在人選，也在說法。Sekhon 提到，他相信 DeepMind 最有機會安全地發展 AGI，並幫助人類。Hassabis 的說法也差不多。他談的是影響很大，但難度和複雜度也很高。

這些話你可能會覺得很官腔。老實說，科技公司高層發言本來就常常長這樣。但如果把它放進這次職位安排來看，訊號就清楚了。DeepMind 想讓策略長碰的，不只是產品路線圖，還包括治理、商業化節奏、政策應對。

AGI 走到今天，問題早就不是「模型會不會更強」而已。真正麻煩的是，模型變強之後，你要怎麼部署、怎麼定價、怎麼控風險、怎麼回應政府、怎麼讓企業願意買單。技術只是其中一塊，治理和協調才是現在最容易卡住的地方。

“The impact will be profound, but the challenges and complexities are also enormous.”

Demis Hassabis

這句話是 Hassabis 在 LinkedIn 上談 Sekhon 加入時寫的。你可以把它當成高層發文模板，但它確實點出現在所有大型 AI 實驗室的矛盾。大家都想更快推出能力更強的模型，但每往前一步，政府、客戶、媒體、研究員的壓力也會一起變大。

Sekhon 自己的說法也很類似。他把 AGI 描述成能推動科學、醫療、效率的技術，同時強調要有責任感地管理。這種語言在 AI 產業很常見，差別在於，Google 這次不是發一篇研究部落格就算了，而是給了一個正式的策略職位。

說真的，這才是重點。當公司開始把這種論述綁到組織設計上，代表它想讓「安全、政策、商業化」一起進入決策核心。不是研究做完後，再請公關和法務來收尾。

1850億美元 capex，代表 DeepMind 壓力很大

如果沒有 Alphabet 那個誇張的支出計畫，這次人事案的份量可能還沒那麼重。問題是，Alphabet 已經把數字講得很白。2026 年資本支出可能落在 1750 億到 1850 億美元之間。這不是一般科技公司可以隨便跟的數字。

同一時間，Alphabet 2025 年第四季營收 1140 億美元，年增 18%。Google Cloud 單季營收 177 億美元，年增 48%。Sundar Pichai 還說，Google Cloud 在 2025 年底的年化營收跑速超過 700 億美元，AI 需求是主要推力。

這些數字放在一起看，意思很清楚。Google 已經把人工智慧當成核心投資主軸，而且是全公司等級。資料中心、晶片、網路設備、軟體堆疊，全都要跟上。這種規模下，DeepMind 的每一次模型發布，都會牽動 Cloud 使用率、企業銷售、產品整合和監管風險。

• Alphabet 2025 年 Q4 營收：1140 億美元
• 年增率：18%
• Google Cloud 2025 年 Q4 營收：177 億美元
• Google Cloud 年增率：48%
• 2025 年底 Google Cloud 年化營收跑速：超過 700 億美元
• Alphabet 2026 年資本支出預估：1750 億到 1850 億美元

你如果是 Google 管理層，看到這種支出規模，腦中第一個問題不會是「模型排行榜第幾名」。你會先問，這些投資怎麼回收，哪些產品能拉動需求，哪些模型能撐住雲端營收，哪些服務能把客戶綁久一點。

所以 DeepMind 現在需要更強的策略協調，很合理。以前 AI 可能還像一個研究押注，做出好成果就很有價值。現在不是。現在 AI 已經直接接到公司的資本支出與收入結構，研究和商業之間不能再各跑各的。

還有一個常被忽略的點。capex 拉這麼高，也代表內部容錯空間變小。每個大型模型專案都會消耗大量 GPU、TPU、伺服器機櫃、網路頻寬。你如果產品節奏抓錯，或是市場包裝太慢，成本就會很難看。這時候策略長的工作，就是避免公司自己把自己拖慢。

對上 OpenAI、Anthropic，Google 缺的是轉換速度

Google 的問題從來不是沒有技術。DeepMind 和 Google Research 手上的人才、論文、基礎建設，放到全產業都還是很硬。問題在於，技術優勢怎麼變成市場優勢，這件事 Google 沒有每次都做得漂亮。

OpenAI 現在最強的是消費者心智。ChatGPT 幾乎變成一般人接觸生成式 AI 的入口，開發者也很熟它的 API。Anthropic 則走得更精準，主打企業市場、安全論述、程式能力，很多公司買單就是因為它看起來比較穩。

DeepMind 則卡在一個很尷尬的位置。它背後有 Search、Workspace、Android、Cloud，分發能力和基礎設施都很猛。可是很多時候，研究成果轉成產品聲量和商業結果的速度，沒有外界想像中快。這點 Google 自己應該也知道，不然不會補一個策略長進來。

• OpenAI 優勢：消費者品牌強，開發者採用廣
• Anthropic 優勢：企業定位清楚，安全訊息一致
• Google 優勢：Search、Workspace、Android、Cloud 的分發能力，加上超大基礎設施預算
• DeepMind 挑戰：研究成果轉產品與營收的速度還能更快

Sekhon 的背景，某種程度上就是衝著這個問題來的。Bridgewater 很重視系統化判斷，學術界又很重視因果推論。這兩種訓練加在一起，對大型組織做高風險決策其實很有用。因為現在 DeepMind 最難的，不是單一技術選擇，而是一連串取捨。

例如，模型要先衝能力，還是先壓成本。要先開 API，還是先包成 Cloud 方案。要先推消費者產品，還是先強化企業功能。要先跟政策單位溝通，還是先讓市場看到成果。每個選項都會影響收入、品牌、監管和內部資源配置。

我覺得 Google 現在最需要的，不是再來一場關於 AGI 願景的演講。它需要的是把 DeepMind 跟 Alphabet 其他部門的節奏拉齊。策略長如果只是多一層審核，那很煩。策略長如果能拆掉內部摩擦，這個職位就有價值。

政策面也是一樣。各國政府對先進 AI 系統的監管只會更多，不會更少。DeepMind 需要能同時理解技術、商業、政策語境的人，去面對這些討論。Sekhon 有學界和金融業背景，至少看起來不會在這種場合裡只講空話。

補一下背景：Google為什麼一直被嫌慢

很多人會問，Google 明明很早就做 Transformer，為什麼這波生成式 AI 反而常常被說慢半拍。答案其實不複雜。大公司包袱多，產品線多，風險也多。你今天丟一個模型上線，不只影響聊天機器人，還可能影響 Search 廣告、雲端客戶、法務風險和品牌形象。

OpenAI 的優勢是船比較小，能快速試。Anthropic 的優勢是定位集中，先把企業客戶吃下來。Google 的難處是，它每一步都要考慮整個生態系。這聽起來很合理，但副作用就是節奏容易拖。

DeepMind 併入 Google 後，外界一直在看一件事：研究實力能不能更順地變成產品結果。Gemini 的推出，某種程度上就是在回答這個問題。但到目前為止，市場對 Google 的評價大概還是「技術很強，執行有時候不夠俐落」。這句話有點刺，但不算冤枉。

再往產業面看，現在 AI 競爭也不是只有模型本身。還有晶片供應、資料中心建設、企業銷售、API 定價、法規溝通、內容授權、開發者生態。你只要有一塊掉鏈子，整體就會慢。這也是為什麼策略職能開始變重要。

換句話說，Sekhon 的加入不是單點補人。它比較像是 Google 承認，AI 競爭已經進入組織戰、資本戰、政策戰一起打的階段。研究還是核心，但光靠研究不夠。

接下來看什麼，才知道這人事案有沒有用

最簡單的觀察方式，是看未來 12 個月內，DeepMind 跟 Google 其他部門的配合有沒有變順。你可以盯幾個點。第一，Gemini 後續版本進 Cloud 的速度。第二，企業方案包裝有沒有更清楚。第三，Google 對 AGI 安全和治理的公開說法，有沒有更一致。

如果這個職位真的有實權，你應該會看到研究成果更快變成可賣的產品，也會看到政策訊息更有系統。反過來說，如果一年後還是模型很多、命名很多、整合很慢，那這個任命大概就只是組織圖上多一格。

我自己的判斷是，Google 2026 年會很積極把這個閉環收緊。capex 都喊到 1850 億美元了，DeepMind 一定會被要求拿出更直接的商業連結。到時候，別只看模型 benchmark。去看 Google Cloud 的企業方案、Workspace 的 AI 功能、Search 的整合方式，這些才是真正的成績單。

如果你是開發者，建議你接下來多觀察 Google API 與 Cloud 套餐怎麼變。價格、Token 配額、模型分級、企業控管功能，這些都比行銷口號更有參考價值。你如果是投資人或產業觀察者，就看一件事：Google 能不能把研究優勢穩定轉成收入，而不是偶爾靈光一現。

最後一句話。Sekhon 這次加入，表面上是高階人事，實際上是在回答一個更大的問題：Google 到底要怎麼把 AGI 研究，接到真實世界的產品、政策和錢。這題很難，但也躲不掉。