GoogleはAI人材を失ったのか～「Google卒」の研究者たちが生み出す、次のAI産業
生成AIをめぐる報道では、「Googleから著名研究者が相次いで流出している」といった見出しが目立つ。
確かに、Google BrainやGoogle DeepMindを支えてきた研究者の一部が、Googleを離れて新会社を設立したり、競合企業へ移ったりする動きは起きている。2026年8月には、Jeff Dean、Sanjay Ghemawat、Quoc Le、Oriol VinyalsというGoogleを代表する4人の研究者・技術者が、Discovery Loopを共同創業することも明らかになった。
しかし、これを単純に「Googleの衰退」や「人材流出」とだけ捉えると、AI業界で起きている、より大きな変化を見落としてしまう。
いま注目すべきなのは、Googleを離れた人数ではない。
Google内部で培われた技術、人材、研究思想が社外へ広がり、科学研究、創薬、ロボット、3D空間、企業業務、AIエージェント、国家レベルのAI基盤といった新しい分野に枝分かれしていることである。
GoogleはAI人材を一方的に失っているというより、現代のAI産業を生み出す巨大な「母体」になっている。
本稿では、Google、Google Brain、Google DeepMind、Google Cloudなどで活動した人材が設立した主要企業を取り上げ、それぞれが何を目指し、AI業界にどのような新しい流れを生み出しているのかを整理する。
なお、本稿でいう「Google系企業」とは、Googleから正式に分社化された会社だけを意味しない。GoogleまたはDeepMindで重要な研究・事業経験を積んだ人物が創業した会社を、広い意味で「Google系」として扱っている。
Googleが生んだ「Transformer人材」の拡散
Googleと現在の生成AI産業との関係を考えるうえで、2017年にGoogleの研究者8人が発表した論文「Attention Is All You Need」は避けて通れない。
この論文で提案されたTransformerは、現在の大規模言語モデルの基礎となった。ChatGPT、Gemini、Claude、Llamaなど、今日の主要な生成AIの多くがTransformerまたはその派生技術を利用している。
興味深いのは、この論文の著者たちが、その後Googleの外に出て、それぞれ異なる会社を設立したことである。
Aidan GomezはCohere、Llion JonesはSakana AI、Ashish VaswaniとNiki ParmarはEssential AI、Jakob UszkoreitはInceptive、Noam ShazeerはCharacter.AIを共同創業した。
同じTransformerという技術を生み出した研究者であっても、進んだ方向はまったく異なる。
企業向けAIを選んだ人もいれば、日本を拠点に「AIがAIを研究する仕組み」を作ろうとする人もいる。創薬に進んだ人、消費者向けのAIキャラクターを作った人、オープンな基盤モデルを作ろうとする人もいる。
Googleで生まれた一つの技術が、複数の産業へ分裂しながら成長しているのである。
Discovery Loop――Googleの「頭脳集団」が挑む科学研究の自動化
2026年8月、GoogleのAI研究を長年支えてきたJeff Dean、Sanjay Ghemawat、Quoc Le、Oriol Vinyalsの4人が、Discovery Loopを共同創業した。
Jeff DeanとSanjay Ghemawatは、Google検索を支える分散コンピューティング技術の構築に深く関わった人物である。Quoc LeとOriol Vinyalsは、深層学習、ニューラルネットワーク、機械学習、大規模モデルの研究をけん引してきた。
Discovery Loopは、単に新しいチャットボットを作ろうとしている会社ではない。
同社が掲げる中心的なテーマは、AIを使って研究開発の反復過程そのものを高速化することである。研究者が仮説を立て、実験を設計し、結果を分析し、その結果をもとに次の仮説を作る。この一連のサイクルをAIによって継続的に回すことを目指している。
研究開発は、通常、一度の計算で答えが出るものではない。
仮説を立て、失敗し、条件を変え、もう一度実験する。その繰り返しによって知識が生まれる。Discovery Loopという社名には、まさにこの「発見の循環」を自動化する意図が込められている。
同社の強みは、創業者がAIモデルだけを知っているのではなく、分散処理、計算基盤、モデル開発、Google規模のサービス運用までを経験している点にある。
AIに研究をさせるためには、高性能なモデルだけでは足りない。大量の実験を並列実行し、結果を管理し、失敗から学習し、計算資源を効率的に配分するシステムが必要になる。
この点で、AI研究者と分散システムの専門家が同じ創業チームにいることは大きな意味を持つ。
もっとも、Discovery Loopは設立直後であり、現時点では実績のある製品企業ではない。研究構想は壮大だが、どの分野で最初の成果を出すのか、収益モデルをどう構築するのかは今後の課題である。
それでも、GoogleのAIと計算基盤を支えた人物たちが、次のテーマとして「研究するAI」を選んだこと自体が重要である。
Sakana AI――日本から「AIがAIを作る」仕組みを目指す
Google系企業の中でも、日本にとって特に重要なのがSakana AIである。
Sakana AIは、元Google BrainのDavid Ha、Transformer論文の共著者であるLlion Jones、伊藤錬の3人によって2023年に東京で設立された。David HaはGoogle Brainの日本チームを率いた経験を持ち、Llion JonesはTransformerの開発者の一人である。
Sakana AIの研究思想は、単に巨大なモデルを一つ作るというものではない。
魚群や生態系のように、複数の異なるモデルが協調し、競争し、組み合わさりながら、全体として高度な知能を生み出すことを目指している。
その代表的な成果が「The AI Scientist」である。
The AI Scientistは、研究アイデアの生成、コード作成、実験、結果の分析、図表の作成、論文執筆、査読まで、機械学習研究のライフサイクルをAIによって自動化しようとするシステムである。2026年には、この研究成果をまとめた論文がNatureに掲載されたとSakana AIが発表している。
もう一つ注目されるのが、Darwin Gödel Machineである。
これは、AIエージェントが自らのコードを書き換え、改良案を実際の課題で評価し、性能の高いエージェントを残していく仕組みである。生物進化のような探索過程を利用し、AIが自らを改善することを目指している。
ここには、現在のAIとは異なる発想がある。
通常のAIは、学習を終えた段階で能力がほぼ固定される。それに対してSakana AIは、運用開始後もAIが研究し、改良し、新しいAIを生み出す循環を構築しようとしている。
同社は研究だけでなく、日本企業や公共部門との応用にも力を入れている。金融、防衛、インテリジェンス、製造など、日本固有の産業知識や暗黙知をAIに取り込むことを掲げている。Google、NVIDIA、日本の金融機関や製造企業なども出資者に名を連ねており、2026年にはGoogleとの戦略的パートナーシップも発表された。
Sakana AIの魅力は、「米国企業と同じ巨大モデルを日本で作る」ことにあるのではない。
複数モデルの協調、研究自動化、自己改善、日本の産業知識という独自の組み合わせによって、別のAI開発経路を作ろうとしている点にある。
Cohere――消費者向けではなく、企業が所有できるAI
Cohereは、Transformer論文の共著者Aidan Gomez、Nick Frosst、Ivan Zhangによって2019年に設立されたカナダ発のAI企業である。
Aidan Gomezは、Google Brainでのインターン時代にTransformer論文へ参加した。Cohereは、ChatGPTのような一般消費者向けサービスよりも、企業や政府が安全に利用できるAI基盤に重点を置いている。
同社の特徴は、企業内部の文書やデータに接続し、検索、要約、分析、業務処理を行うAIを提供していることである。
企業向けAIでは、「モデルがどれほど賢いか」だけでは不十分である。
社外秘データを外部へ送ってよいのか、アクセス権限をどう管理するのか、回答の根拠を確認できるのか、既存システムと接続できるのか、オンプレミスや閉域環境で動かせるのかといった問題がある。
Cohereは、こうした企業固有の要件を事業の中心に置いている。
同社は企業向けAIプラットフォーム「North」などを展開し、企業データに基づく検索や業務エージェントを提供している。また、企業や政府が自ら管理できる「ソブリンAI」の需要にも力を入れている。
Cohereが示しているのは、AI市場が必ずしも一般消費者向けチャットサービスだけではないということである。
機密性、管理性、導入支援、既存業務との統合を重視する企業向け市場では、最大のモデルを持つ会社が必ず勝つとは限らない。
Mistral AI――Google DeepMindの技術が「欧州AI主権」へ向かった
Mistral AIは、元Google DeepMindのArthur Menschと、Meta出身のGuillaume Lample、Timothée Lacroixによって2023年にフランスで設立された。
Arthur Menschは、Google DeepMindで大規模モデルの研究に携わった後、Mistral AIを共同創業した。
Mistral AIの特徴は、高性能で効率的なモデルを開発するだけでなく、企業や政府がモデルを自ら管理し、用途に応じて変更できることを重視している点にある。
同社は当初、比較的小型で効率の高いオープンモデルによって注目された。その後は、基盤モデル、開発ツール、業務アプリケーション、計算インフラまでを提供するフルスタック企業へと領域を広げている。
2025年には17億ユーロを調達し、調達後評価額は117億ユーロと発表された。この資金調達を主導したのは半導体製造装置大手のASMLであり、Mistral AIは製造、半導体、エネルギー、金融、公共部門などへの展開を強めている。
Mistral AIの存在意義は、単に「欧州版OpenAI」を作ることではない。
米国企業のクラウドとモデルに依存せず、欧州企業や政府が自ら管理できるAIを持つという、技術主権の問題と結び付いている。
AIは検索サービスや文書作成ツールにとどまらず、行政、国防、製造、金融、研究開発の基盤になりつつある。そうなれば、「最も高性能なモデルは何か」だけでなく、「誰が管理し、どの国の法律に従い、どこにデータを保存するのか」が重要になる。
Mistral AIは、この需要を事業に変えた代表例である。
Essential AI――Transformerの開発者が再び「オープンなAI」を目指す
Essential AIは、Transformer論文の主要著者であるAshish VaswaniとNiki Parmarによって2023年に設立された。
両氏はGoogle時代にTransformerの開発に参加した近い共同研究者であり、設立時にはGoogle、NVIDIA、AMDなども出資した。
Essential AIは当初、企業の複雑な業務を理解し、単純作業を自動化する「企業の頭脳」のようなAIを構想していた。
その後、同社はオープンなAI開発を前面に打ち出し、2025年12月に「Rnj-1」という基盤モデルと命令調整モデルを公開した。
Essential AIが重視しているのは、単なる会話能力ではない。
コードを理解し、ツールを利用し、ソフトウェアや計算機と協調しながら、人間が複雑な仕事を進めるための「知的な道具」を作ることである。
GoogleやOpenAIのような巨大企業と正面からモデル規模を競うのではなく、効率、オープン性、コード、ツール利用、実際の仕事との接続に価値を置いている。
Essential AIはまだ大規模な商用サービスを展開する成熟企業ではないが、Transformerを生み出した研究者が、再びオープンな基盤技術へ向かっている点は象徴的である。
Reflection AI――AlphaGoの技術思想を自律型ソフトウェア開発へ
Reflection AIは、元Google DeepMindのMisha LaskinとIoannis Antonoglouによって2024年に設立された。
Ioannis AntonoglouはDeepMindの初期メンバーとしてAlphaGoなどの開発に関わり、Misha LaskinもGoogle DeepMindでGeminiを含む研究に携わった。
同社が最初に取り組んだのは、自律型のソフトウェア開発である。
現在のコーディングAIの多くは、人間が指示した関数を書いたり、エラーを修正したりする補助ツールである。Reflection AIは、その先にある、計画、実装、テスト、修正、再設計を長期間にわたって自律的に行うAIを目指している。
同社は、ソフトウェア開発を自律化できれば、コンピューター上で行われる他の多くの知的作業にも展開できると考えている。
この発想の背景にはAlphaGoがある。
AlphaGoは、人間の棋譜を単純に模倣しただけではなく、強化学習や自己対戦によって、人間が十分に探索してこなかった戦略を発見した。
Reflection AIは、同じような探索と自己改善の仕組みを、囲碁ではなくソフトウェア開発に持ち込もうとしている。
同社はその後、オープンな基盤モデルを重視する方向を打ち出している。2025年には20億ドルを調達し、評価額が80億ドルになったと発表された。
米国の主要AI企業が最先端モデルを非公開にする傾向を強める中、Reflection AIは、開発者がモデルを保有、変更、運用できる「オープン・インテリジェンス」を事業上の差別化要因としている。
Inceptive――Transformerを生命の言語へ応用する
Inceptiveは、Transformer論文の共著者Jakob Uszkoreitが共同創業したAI創薬企業である。
同社が扱うのは、人間の言語ではなく、生命を構成する配列の「言語」である。
mRNA、siRNA、アンチセンス核酸、ペプチドなどの配列型医薬品は、文字列のような配列によって機能が大きく変わる。Inceptiveは、生命科学の大規模データを学習した基盤モデルを用いて、新しい医薬品候補の配列を設計しようとしている。
Inceptiveの重要な特徴は、AIによる計算だけで完結しないことである。
社内に実験設備を持ち、AIが設計した分子を実際に実験し、その結果を再びモデルの学習に利用する。
つまり、
AIによる設計
→実験室での検証
→実験データの取得
→モデルの改善
→次の分子設計
という循環を構築している。
これは、Discovery LoopやSakana AIが目指す「研究ループの自動化」を、創薬という具体的な産業に実装したものと見ることもできる。
2026年には、RNA干渉医薬の大手Alnylam Pharmaceuticalsとの戦略的提携が発表された。AlnylamはInceptiveに現金と株式で3000万ドルを先行提供し、開発や販売の進展に応じた支払いを含めると最大20億ドル規模になり得ると報じられている。
この提携は、AI創薬が研究段階のデモンストレーションから、実際の製薬パイプラインへ入り始めていることを示す事例である。
World Labs――言葉を作るAIから、世界を作るAIへ
World Labsは、スタンフォード大学教授のFei-Fei Liらによって設立された空間知能の会社である。
Fei-Fei Liは2017年から2018年にかけてGoogleの副社長およびGoogle CloudのAI・機械学習担当チーフサイエンティストを務めた。
現在の生成AIの中心は言語である。
しかし、人間の知能は言葉だけで成り立っているわけではない。物体の大きさ、距離、奥行き、重力、遮蔽、移動可能な経路など、三次元空間についての理解を持っている。
World Labsは、AIが三次元世界を認識し、生成し、推論し、操作する能力を「空間知能」と呼んでいる。
同社の最初の製品「Marble」は、文章、画像、動画などから、空間的に一貫性のある三次元世界を生成する。生成された世界は、単なる一枚の画像ではなく、内部を移動したり、編集したり、別のシステムへ出力したりできる。
この技術は、ゲームや映像制作だけに使われるものではない。
建築設計、製造シミュレーション、デジタルツイン、ロボット訓練、自動運転、都市設計、科学シミュレーションなど、三次元空間を扱う多くの産業に波及する可能性がある。
2026年にはWorld Labsが新たに10億ドルを調達したと発表され、ロボット学習への利用も具体化している。
World Labsが示しているのは、生成AIの出力単位が「文章」や「画像」から、「操作可能な世界」へ変わり始めていることである。
Physical Intelligence――さまざまなロボットを動かす共通の頭脳
Physical Intelligenceは、元Google DeepMindのKarol Hausmanらが設立したロボットAI企業である。
Karol HausmanはGoogle DeepMindでロボット操作の研究に携わり、同社設立前はStaff Research Scientistを務めていた。
同社の目標は、「あらゆるロボットに、あらゆる作業を行わせるモデル」を作ることである。
従来の産業用ロボットは、特定の工場、特定の部品、特定の動作に合わせてプログラムされることが多い。
一方、Physical Intelligenceが開発する「π0」などのモデルは、画像、言語、ロボットの動作をまとめて学習するVision-Language-Actionモデルである。
人間が「テーブルを片付けて」「洗濯物を畳んで」と指示すると、モデルが視覚情報を理解し、必要な手順を考え、ロボットの関節を動かすための命令を直接出力する。
同社はπ0のコードとモデルを公開し、その後も、異なる環境への一般化、経験からの学習、長期・短期記憶、精密操作などの研究を進めている。
LLMが、個別の文章生成プログラムを一つの汎用言語モデルに置き換えたように、Physical Intelligenceは、ロボットごとに個別開発されてきた制御ソフトウェアを、汎用的なロボット基盤モデルへ置き換えようとしている。
実現すれば、ロボット産業の構造そのものが変わる可能性がある。
Sierra――AIエージェントを「成果」で販売する
Sierraは、元Google幹部のClay Bavorと、Google Mapsの共同開発者として知られるBret Taylorによって設立された。
Clay BavorはGoogleでGoogle Workspace、Google Lens、AR・VR、Project Starlineなどの事業を率いた。Bret TaylorはGoogleでGoogle Mapsの開発に関わった後、Facebook、Salesforce、Twitterなどで経営を経験している。
Sierraが作っているのは、企業の顧客対応を行うAIエージェントである。
単に質問に答えるだけではない。
予約の変更、返金、本人確認、商品の交換、契約手続き、トラブル解決など、企業のシステムを操作しながら、顧客の目的を最後まで達成することを目指す。
Sierraで特に興味深いのは、AIの販売方法である。
従来のクラウドAIは、利用したトークン数やAPIの呼び出し回数に応じて料金を取ることが多い。それに対してSierraは、顧客の問題を実際に解決した場合に料金を受け取る、成果ベースの価格体系を打ち出している。
これは、AIを「ソフトウェアの利用権」として販売するのではなく、「仕事の完了」を販売する考え方である。
Sierraの事例からは、AIエージェント時代にはソフトウェア企業の収益モデルまで変わる可能性が見えてくる。
Character.AI――巨大モデル競争から、AIエンターテインメントへ
Character.AIは、元GoogleのNoam ShazeerとDaniel de Freitasによって2021年に設立された。
両氏はGoogleで対話型AIの研究に携わり、Noam ShazeerはTransformer論文の共著者でもある。
Character.AIは、汎用的な質問応答AIではなく、架空人物、有名人風のキャラクター、相談相手、物語の登場人物などと会話する「AIキャラクター」の市場を切り開いた。
この会社の価値は、最も正確な答えを出すことではない。
ユーザーが長時間会話したくなる人格、関係性、ストーリー、没入感を作った点にある。
2024年、GoogleはCharacter.AIのモデル技術について非独占ライセンスを取得し、Noam Shazeer、Daniel de Freitasと一部研究者はGoogleへ戻った。Character.AI自体は独立企業として残った。
この取引後、Character.AIは巨大な基盤モデルをゼロから学習することよりも、外部モデルも利用しながら、パーソナライズされたAIエンターテインメント、キャラクター体験、会話品質に経営資源を集中する方針へ転換した。
https://www.ft.com/content/f2a9b5d4-05fe-4134-b4fe-c24727b85bba
これは、AIスタートアップが必ずしも基盤モデルからアプリケーションまで、すべてを自社で持つ必要はないことを示している。
基盤モデルが一定程度コモディティ化すれば、ユーザー体験、コミュニティ、キャラクター設計、継続利用の仕組みの方が重要になる。
Inflection AI――スタートアップの研究チームがMicrosoft AIへ移った
DeepMind共同創業者のMustafa Suleymanは、Googleを離れた後、Karén Simonyan、Reid HoffmanとともにInflection AIを設立した。
Inflection AIは「Pi」という対話型AIを開発し、単なる質問応答ではなく、ユーザーとの継続的な関係や、共感的な会話を重視した。
しかし2024年、Mustafa Suleyman、Karén Simonyanと多くのInflection AI人材はMicrosoftへ移り、新設されたMicrosoft AIの中核となった。
Mustafa SuleymanはMicrosoft AIのCEOに就任し、Copilot、Bing、Edgeなどの消費者向けAI事業を率いることになった。
Inflection AIは会社として存続したものの、創業チームと主要研究者の多くが大手企業へ移った。
この形は、通常の企業買収とは少し異なる。
大手企業がスタートアップ全体を買収するのではなく、技術ライセンスを取得し、創業者や主要人材を採用する。Character.AIとGoogleの取引も、これに近い構造を持つ。
こうした取引は「リバース・アクハイヤー」などと呼ばれることがある。
最先端モデルの学習には莫大な資金と計算資源が必要になる。スタートアップが独立したまま基盤モデル競争を続けるよりも、大手クラウド企業の内部へ入った方が研究を継続しやすい場合がある。
一方で、通常の買収審査を避けながら、事実上、人材と技術を取り込んでいるのではないかという競争政策上の議論も生じている。
Google系人材から生まれている「五つの新しい流れ」
ここまでの企業を並べると、Googleを離れた人々が、単にGoogleの競合となるチャットAIを作っているわけではないことが分かる。
むしろ、AI産業そのものが複数の方向へ分化している。
第一は、「回答するAI」から「研究するAI」への変化である
Discovery Loop、Sakana AI、Inceptiveに共通するのは、AIに一度だけ答えを出させるのではなく、試行錯誤を繰り返させる発想である。
仮説を作る。実験する。結果を評価する。失敗の原因を探す。次の仮説を立てる。
この循環をAIが回せるようになれば、AIは研究者の補助ツールから、研究プロセスの参加者へ変わる。
AIの次の巨大市場は、文章作成や検索ではなく、科学技術、材料、創薬、半導体、エネルギーなどの研究開発になる可能性がある。
第二は、「万能な一つのAI」から、異なる種類の知能への分化である
Cohereは企業の知識を扱う。
Inceptiveは生命の配列を扱う。
World Labsは三次元空間を扱う。
Physical Intelligenceはロボットの行動を扱う。
Sierraは企業と顧客の間で仕事を完了する。
Character.AIは人格や物語、関係性を扱う。
これらはすべてAIだが、必要なデータ、評価方法、製品設計、事業モデルは異なる。
AI業界は「最も大きなLLMを作った会社がすべてを取る」という単純な構造ではなくなりつつある。
言語、生命、空間、行動、科学、企業業務など、異なる知能の市場が形成され始めている。
第三は、「モデル性能」から「所有と管理」への競争である
CohereやMistral AIが象徴するように、企業や政府はAIの性能だけを見ているわけではない。
データをどこに保存するのか。
モデルを誰が管理するのか。
自社専用に変更できるのか。
国外企業への依存を避けられるのか。
機密環境やオンプレミスで運用できるのか。
AIが社会インフラになるほど、こうした管理権や技術主権が重要になる。
そのため、米国の巨大AI企業とは異なる、カナダ、フランス、日本などを拠点とするAI企業にも事業機会が生まれている。
第四は、「独立」と「大手企業との協力」が両立していることである
Googleを離れて会社を作ることは、Googleとの完全な決別を意味しない。
GoogleはSakana AIへ出資し、戦略的パートナーシップを結んでいる。Essential AIにも出資している。Discovery LoopもGoogleの支援を受ける形で設立されたと報じられている。
反対に、Character.AIのように、創業者がGoogleへ戻り、会社は別の事業モデルへ移行する例もある。
現在のAI産業は、
大企業で研究する
→独立して新市場を開拓する
→大企業が出資や計算資源を提供する
→技術や人材の一部が再び大企業へ戻る
という循環型の構造になりつつある。
第五は、人材が独立しても計算基盤からは独立できないことである
AI企業は少人数でも設立できるが、最先端モデルを開発するには大量のGPU、電力、データセンター、クラウド環境が必要になる。
そのため、研究者がGoogleやDeepMindを離れたとしても、NVIDIA、Google Cloud、Microsoft Azure、Amazon Web Servicesなどへの依存は残る。
Sakana AI、Essential AI、Mistral AI、World Labs、Reflection AIなどには、NVIDIAや大手クラウド企業が出資または技術協力している。
したがって、AI研究所が増えるほど、GPU企業やクラウド企業の重要性が低下するわけではない。
むしろ、独立した研究所が増えることで、計算資源を供給する企業の影響力が強まる可能性がある。
Googleは敗者なのか
ここまでを見ると、Googleから多くの重要人物が離れ、社外で新しい会社を作っていることは事実である。
特にDiscovery Loopの創業者4人は、AIモデルだけでなく、Googleの計算基盤や研究文化そのものを支えてきた人物である。Googleにとって影響が小さいはずはない。
しかし、それだけでGoogleを敗者と見るのは早い。
Googleには依然として、Gemini、Google DeepMind、TPU、Google Cloud、検索、YouTube、Android、Workspaceといった巨大な技術・顧客基盤がある。
さらにGoogleは、退職者が作った会社に出資し、クラウドや計算資源を提供し、必要に応じて技術ライセンスや人材を再び取り込んでいる。
この構造では、研究者がGoogleを離れて成功したとしても、その会社がGoogle Cloudを利用したり、Googleから出資を受けたり、Googleと共同開発を行ったりする可能性がある。
Google内部に人材を囲い込むモデルから、Google本体、独立企業、出資先、クラウド利用企業を含む広いエコシステムへ移行している、と見ることもできる。
まとめ――GoogleはAI産業の「母体」になった
Google系人材が作った企業を眺めると、AI業界の次の姿が見えてくる。
Discovery LoopとSakana AIは、AIが研究を行う未来を目指している。
Inceptiveは、AIによる設計と実験を結び付け、創薬の循環を変えようとしている。
World Labsは、言葉や画像ではなく、三次元世界を生成する。
Physical Intelligenceは、さまざまなロボットを動かす共通の頭脳を作ろうとしている。
CohereとMistral AIは、企業や国家が自ら管理できるAI基盤を提供する。
Essential AIとReflection AIは、オープンなモデルと自律型ソフトウェア開発を追求する。
Sierraは、AIの利用量ではなく、仕事の成果を販売する。
Character.AIは、AIを知識ツールではなく、人格、物語、エンターテインメントとして発展させている。
これらの動きを「Googleから人が逃げている」という一言で片付けることはできない。
より本質的なのは、Google内部で生まれたAIの技術、人材、研究思想が、社外で異なる産業へ分化し始めたことである。
かつてGoogleは、検索、広告、クラウド、スマートフォンを変えた企業だった。
現在のGoogleは、それに加えて、次世代AI企業の創業者を大量に生み出す「人材と技術の供給源」になっている。
Googleにとっては優秀な人材を引き留められないという問題である一方、AI業界全体から見れば、Googleで育った人材が独立することによって、新しい研究所、新しい産業、新しい競争軸が次々に生まれている。
Googleから派生した会社がGoogleを倒すのか。
Googleがそれらの会社を再び自らの経済圏へ取り込むのか。
あるいは、Googleとは異なるAI産業が、科学、創薬、ロボット、空間知能、企業業務の各分野で成立するのか。
答えはまだ出ていない。
ただ一つ確かなのは、AIの主戦場が「最も賢いチャットボットを作る競争」だけではなくなったということである。
Google卒の研究者たちは、AIが科学を進め、生命を設計し、三次元世界を理解し、ロボットを動かし、企業の仕事を完了する未来を作り始めている。
そこにこそ、現在のAI人材移動を読み解く本当の面白さがある。
※本稿は2026年8月6日時点の公開情報に基づく。
