Google重組凸顯AI人才荒創三年新高

Alphabet 2026 年 6 月的重組揭示一個結構性真相：AI 產業擁有大量研究人員，但幾乎沒有工程師曾將生產系統規模化。

Alphabet Inc. 於 2026 年 6 月重組其 AI 部門，此舉暴露了科技業一個日益嚴重的瓶頸：曾建構並大規模部署人工智慧系統的工程師，全球僅數百人，儘管 AI 研究人員的數量已成長至超過 30 萬人。

「我們的 AI 研究人員數量比以往任何時候都多，但真正將生產級 AI 系統大規模交付上線的人數，全球仍然只有幾百人，」一位熟悉此次重組的 Google 資深高階主管表示。由於內部討論屬機密，該主管要求匿名發言。

此次重組將多個 AI 研究團隊整合到單一工程領導架構之下，優先考量產品部署而非純研究產出。Google 的舉措反映了整個產業的模式：微軟、亞馬遜和 Meta Platforms 在過去 18 個月內均至少重組過一次 AI 團隊，每一次都將重點從研究突破轉向生產工程。這種模式反映了一個市場現實：推論成本、延遲要求和可靠性標準所需的技能，是大多數學術研究人員和應屆畢業生所缺乏的。

人才瓶頸帶來了直接的財務後果。根據彭博行業研究的數據，全球 AI 市場預計到 2032 年將達到 1.3 兆美元。無法組建生產級 AI 團隊的公司，可能會將市占率拱手讓給有能力做到這點的競爭對手。對投資人而言，這種稀缺性表明，AI 領域的領導地位將越來越不取決於研究論文，而是取決於營運執行力——這一轉變有利於擁有現有工程基礎設施的公司，而非純研究實驗室。

百萬美元工程師

經驗豐富的 AI 基礎設施工程師極度稀缺，已將薪酬推至驚人水準。根據 Levels.fyi 的數據，曾建構並運營大規模 AI 訓練叢集或推論管線的資深工程師，在頂尖科技公司的年薪總額現已超過 100 萬美元。這大約是同一公司資深軟體工程師薪酬中位數的三倍。

這種溢價反映出一種供需失衡，且毫無緩解跡象。大學雖已快速擴張 AI 研究所課程——史丹佛大學的 AI 研究生入學人數在過去兩年成長了 40%——但課程內容仍側重於模型架構和訓練技術，而非將這些模型可靠部署到生產環境所需的系統工程。擁有機器學習博士學位的畢業生可能曾在單一 GPU 伺服器上訓練過模型，但從未操作過橫跨 10,000 個加速器的分散式訓練叢集。

Google 的重組直接針對這一差距。新的組織架構將研究科學家嵌入產品工程團隊，而非將其留在獨立的研究單位中，迫使設計模型的人與部署模型的人更緊密合作。這項變革跟進了 OpenAI 和 Anthropic 的類似舉措——OpenAI 於 2025 年底重組了其研究和產品團隊，而 Anthropic 則在其最大項目中穩步提高了基礎設施工程師與研究科學家的人員比例。

併購淪為人才爭奪戰

人才短缺正在重塑 AI 領域的交易經濟學。AI 初創公司的收購價格已根據團隊組成而非單純的技術產生嚴重分化。根據 PitchBook 的數據，創始團隊包含曾在 Google、Meta 或 OpenAI 等公司擁有生產級 AI 實戰經驗工程師的初創公司，其收購溢價是僅有研究背景創始人之同類公司的 3 至 5 倍。

Alphabet 本身就是最活躍的收購方之一。該公司在過去 12 個月內完成了至少七筆與 AI 相關的收購，其中數筆被業界普遍視為人才收購而非技術採購。這種模式也延伸至整個產業：微軟 2024 年以 6.5 億美元收購 Inflection AI 的交易，主要是為了引進執行長 Mustafa Suleyman 及該初創公司約 70 名員工；亞馬遜在 2024 年中收購 Adept AI 也遵循了相同的策略。

對於公開市場的投資人而言，人才稀缺性為既有 AI 領導者構築了護城河。已經建立了龐大 AI 工程組織的公司——Google、微軟、Meta、亞馬遜和 Nvidia——能夠透過規模、品牌和股票薪酬來留任並吸引人才，這是初創公司無法比擬的。這種動態有助於解釋為何過去兩年來，五大科技公司的表現遠超大盤：期間 NYSE FANG+ 指數上漲了 78%，而標普 500 指數僅上漲 32%。

投資人面臨的問題是，人才瓶頸最終是否會連最大的參與者也受到制約。Google 的重組表明該公司認為自己已達到那個臨界點。如果業界最大的 AI 人才雇主都在重組以解決人力配置問題，那麼這個制約是真實存在的——它可能是當今 AI 投資中最被低估的風險。

本文僅供資訊參考，不構成投資建議。