又一名 Google DeepMind 研究员离职，称近期构建超级智能 AI「本质上不负责任」

Google DeepMind 研究员 Robert O'Callahan 已离职，并公开表示当前 AI「变化速度过高」，在近期构建超级智能 AI 是「本质上不负责任的」。他此前从事芯片设计工具相关工作，这些工具让 AI 训练与推理更便宜、更快，他称自己如今无法再为这类贡献辩护。他还表示，许多同事有类似担忧，但很少公开发声。

此前业界对 AI 风险的讨论多来自外部批评者或安全研究人员，而这次发声者来自 Google DeepMind，且其工作直接提升了 AI 的效率与成本优势。内部核心贡献者公开否定自身工作的正当性，使「加速能力建设」与「安全顾虑」之间的张力从外部争论变为内部人表态。

芯片设计工具处于 AI 能力供给链的上游，它降低单位算力成本、缩短迭代周期，从而间接加快模型规模与能力扩张。因此，从事这类工具研发的人并不直接训练模型，却在持续放大整个系统的推进速度。当个人认为速度本身构成风险时，其唯一可控的手段就是退出该环节，而公开辞职则把这种退出转化为信号。

对产品与研发团队而言，这类表态可能加剧高端 AI 人才在算力基础设施、芯片工具和安全方向之间的流动与招聘难度。企业需要更明确地说明效率优化工作的用途边界与安全约束，否则相关岗位的招募与留存成本可能上升，内部异议也更可能外溢为公开事件。

• 在 AI 算力与芯片工具团队中建立可对外说明的安全与用途审查流程，降低关键人员流失风险。
• 针对 AI 从业者推出离职与职业转型支持服务，覆盖安全研究、政策与评估类岗位。
• 为投资方与采购方提供 AI 基础设施团队的治理与离职风险尽调清单。
• 面向企业客户提供 AI 效率提升项目的内部沟通与伦理审查模板，减少团队内部争议。

• 该研究员离职是否伴随其他未公开的同事离职或内部调整？
• 他所说的许多同事有类似担忧，是否有更多证据或公开表态支持？
• 这一表态是否已影响 Google DeepMind 的招聘、项目排期或对外沟通策略？
• 芯片设计工具与超级智能风险之间的因果链条，是否有更具体的说明或评估依据？