Демис Хассабис сложил с себя пост генерального директора Google DeepMind. Нобелевский лауреат становится председателем лаборатории и главным научным сотрудником всей Alphabet, оставляя за собой только руководство биотех-стартапом Isomorphic Labs. Место у штурвала DeepMind занял Корай Кавукчуоглу — бывший технический директор лаборатории, которого внутри компании называют главным архитектором ИИ Google. Теперь он старший вице-президент с прямым подчинением главе Alphabet Сундару Пичаи.
Перестановка вышла куда шире одной замены в кресле CEO. Вместе с Хассабисом свои посты покидают сразу несколько ключевых людей компании: главный научный сотрудник Google Джефф Дин, проработавший там 27 лет, его давний коллега Санджай Гемават (один из архитекторов внутренней инфраструктуры компании), вице-президент DeepMind Ориол Виньялс (соруководитель разработки Gemini) и один из основателей Google Brain Куок Ле. Вся группа не уходит в никуда — она запускает Discovery Loop («петлю открытий»), организацию с публично-полезной миссией, нацеленную на автоматизацию научных и инженерных открытий. Google становится ее соучредителем-инвестором и облачным партнером, то есть отпускает людей в собственный сателлит, а не к конкурентам.
Рынок отреагировал нервно — акции Alphabet просели больше чем на 4%. Перестройка случилась на фоне месяцев кадрового оттока и растущего давления конкурентов. Компании нужно закрыть разрыв с OpenAI и Anthropic не только в отдельных научных исследованиях, но и в скорости, с которой лаборатория превращает разработки в продукт. Разрыв этот особенно заметен из-за задержек очередного поколения Gemini, в то время как конкуренты выпускают одну сильную модель за другой.
Хассабис — фигура, которую в индустрии не нужно представлять отдельно. В 13 лет он достиг уровня мастера в шахматах, автор культовой игры Theme Park в 17, выпускник Кембриджа с докторской работой по когнитивной нейронауке. Один из основателей DeepMind в 2010 году и возглавил ее как CEO с момента покупки компании Google в 2014-м. Под его руководством родились AlphaGo, обыгравший в 2016 году живую легенду китайской игры го Ли Седоля, и AlphaFold — система, решившая полувековую задачу предсказания формы белков по последовательности аминокислот. За нее Хассабис вместе с коллегой Джоном Джампером получил Нобелевскую премию по химии в 2024 году.
Кавукчуоглу — фигура другого типа. Тринадцать лет в Google, один из тех, кто с первых дней собирал команду глубокого обучения и стоял у истоков WaveNet и DQN, соавтор методов обучения с подкреплением, на которых построен AlphaGo. По описанию коллег, именно он последние годы держал темп разработки Gemini, пока Хассабис все больше времени тратил на переговоры с регуляторами и вопросы безопасности ИИ. Сам он объяснил решение просто: освободившееся время потратит на «большую картину» Общего искусственного интеллекта (AGI) — по его собственной оценке, эта цель отстоит от нас на пять-десять лет, ориентировочно к 2030 году.
Если компания теряет темп в продукте, значит ли это, что она теряет позиции и в фундаментальной науке? Ответ не такой прямой, как кажется. В продуктовой гонке Google действительно сдает — Gemini задерживался несколько раз подряд, а Anthropic и OpenAI весь год забирали внимание разработчиков новыми релизами. Но наука — другая история, и именно здесь у компании оставался самый сильный козырь: AlphaFold как доказательство, что лаборатория умеет превращать ИИ в открытия мирового значения, а не только в чат-бота.
Проблема в том, что этот козырь теряет актуальность буквально на глазах. В июне лабораторию покинул сам Джон Джампер (коллега и соратник Хассабиса, лауреат Нобелевской премии), он перешел в Anthropic после почти девяти лет в DeepMind. Следом туда же ушли исследователи Йонас Адлер и Александр Прицель, тоже связанные с ключевыми работами по AlphaFold и Gemini. По данным Financial Times, DeepMind к тому же расформировала исходную команду AlphaFold целиком: часть людей перевели на Gemini, геномику и термоядерный синтез, часть — в Isomorphic Labs, а заметная доля просто уволилась.
Так что ответ двойной. Инфраструктурно Google по-прежнему в уникальном положении — свои чипы TPU, собственное облако и данные такого масштаба нет ни у одного конкурента. Но именно тот пласт, который делал компанию лидером не только в продукте, но и в чистой науке, размывается быстрее всего остального. И этим во многом объясняется, зачем Alphabet вообще понадобилась такая заметная перестройка руководства.
«Общий искусственный интеллект» звучит как флаг для инвесторов, но за термином стоит конкретная цель: система, которая переносит знания между разными областями, самостоятельно осваивает незнакомые задачи и действует в новых условиях примерно с гибкостью человека, а не только в одной заранее заданной специализации. Современные модели вроде Gemini, GPT или Claude уже универсальны по интерфейсу и знаниям, но ненадежны в автономном планировании и не умеют стабильно обучаться на новых задачах без ручной донастройки. Узкий ИИ вроде AlphaFold, наоборот, невероятно силен в одной задаче, но не переносит эту силу никуда за ее пределы. AGI как цель — система, которая сочетает широту больших языковых моделей с надежностью и обучаемостью узких.
Гонка за такой системой имеет смысл сразу по нескольким причинам. Экономическая — автономные агенты для кода, аналитики и R&D способны резко снизить стоимость интеллектуального труда. Научная — AlphaFold уже показал, как ИИ ускоряет открытия в биологии, и то же самое можно повторить в материаловедении, климате, поиске лекарств. Рыночная — тот, кто контролирует модели, чипы, облако и корпоративную платформу, получает роль, похожую на ту, что Microsoft играла в эпоху персональных компьютеров. Геополитическая — ИИ уже стал стратегической инфраструктурой наравне с энергией и полупроводниками. И, наконец, эффект маховика: если система заметно ускоряет написание кода и эксперименты, она сокращает цикл создания следующего поколения себя самой. Ради этого потенциального рывка лаборатории готовы терять людей и деньги.
При этом даже если AGI останется далекой или расплывчатой целью, нынешние модели уже создают измеримую ценность. По оценке Stanford HAI, годовая потребительская польза от генеративного ИИ в США достигла 172 миллиардов долларов к началу 2026 года, а частные инвестиции в отрасль за прошлый год составили почти 286 миллиардов. Поэтому крупные игроки соревнуются уже сейчас не только за далекий AGI, но и за вполне измеримые вещи — лучшего агента для кода, самый дешевый инференс, интеграцию в поисковики и корпоративный стек.
Сэм Альтман в июле назвал текущий момент «сингулярностью», но имел в виду постепенный вход в эпоху, где ИИ быстро ускоряет собственную разработку, а не то, что AGI уже создан и подтвержден. Илон Маск формулирует прогноз жестче: по его словам, ИИ может стать умнее любого отдельного человека уже к концу 2026 года, а превзойти суммарный интеллект всего человечества — к 2030–2031-му, хотя его сроки по AGI за последние годы не раз сдвигались. Сам Хассабис в этом смысле заметно осторожнее обоих — он говорит о «подножии сингулярности» и ориентируется на 2029–2030 годы как на горизонт, где AGI может появиться, а не на уже пройденный рубеж.
Формально ни одна публично доступная система пока не демонстрирует одновременно самостоятельное освоение широкого спектра новых задач, надежное многошаговое планирование в реальном мире, перенос навыков между доменами на уровне сильного человека и воспроизводимую автономную научную работу без плотного контроля людей. Модели сильны в коде, математике и мультимодальных сценариях, но все еще галлюцинируют и требуют тщательно выстроенных инструментальных контуров. Корректнее говорить не про свершившийся факт, а про ранние признаки ускорения. У руководителей компаний при этом есть и прямой стимул говорить о переломном моменте — так проще привлекать капитал, таланты и политическое внимание, и это не делает их слова ложью, но требует отделять видение от измеренного результата.
Около года назад Meta купила почти половину компании Scale AI за 14,3 миллиарда долларов и поставила ее основателя Александра Вана во главе новой лаборатории Суперинтеллекта. Марк Цукерберг лично обзванивал исследователей из OpenAI, DeepMind и Anthropic, предлагая компенсационные пакеты, которые пресса сравнивала по масштабу с контрактами звезд спорта.
Google сейчас движется в обратную сторону. Компания не скупает чужую команду и не переманивает звезд щедрыми контрактами — она перераспределяет уже имеющихся людей и отпускает часть из них во внешний, но дружественный проект вроде Discovery Loop, оставаясь его инвестором и облачным партнером. При этом реальный отток кадров у Google идет не к себе, а от себя — именно в Anthropic, ту же лабораторию, куда годом раньше пыталась переманивать людей и Meta. Параллель работает только на уровне заголовка «крупная перестройка ИИ-руководства». По механике это разные истории: Meta покупала концентрацию таланта деньгами, Google сейчас пытается удержать то, что уже есть, разделив стратегию и операционку между двумя людьми, которые тринадцать лет проработали бок о бок.
Следующая проверка ставки придет вместе с новым поколением Gemini, которое, по словам Хассабиса, уже «в надежных руках» Кавукчуоглу и его команды. Если релиз ускорится, будет понятно, что перестройка сработала. Если нет — отток исследователей в Anthropic перестанет быть кадровой деталью и станет главным риском для Alphabet.
