谷歌大跌5%背后：被“部门墙”困住的Gemini，与AI“全能神话”的破灭
7月17日，一则来自彭博社的报道让资本市场神经紧绷：谷歌最强旗舰AI模型Gemini 3.5 Pro的发布已较原计划推迟数月，直接导致谷歌盘中跳水，股价大跌5%。
官方的说辞是“为了收集早期测试反馈，优化长文本处理和Agent能力”，但剥开这层体面的公关外衣，内核却异常残酷——谷歌在代码编写这一核心能力上进展不如预期，甚至在上月底紧急更换训练数据后，测试结果依然令人失望。
作为以代码和搜索起家的科技巨无霸，谷歌在AI编程能力上被OpenAI和Anthropic接连超越，这本身就是一个极具讽刺意味的信号。但如果我们仅仅将这次延期归结为“技术瓶颈”或“算力不足”，那就太低估了这场AI竞速背后的深层逻辑。
透过Gemini 3.5 Pro的延期，我们看到的不仅是一个模型的难产，更是传统科技巨头在AI浪潮中遭遇的“组织复杂性”反噬，以及AI大模型竞争范式正在发生的隐秘转移。
一、“烧开一片海洋”：被组织复杂性拖垮的敏捷性
为什么拥有全球顶尖算力和人才的谷歌，会在编程工具的开发上陷入泥潭？前员工的一个比喻一针见血：“这就像是在试图烧开一片海洋。”
在AI时代，模型迭代需要的是极致的敏捷和单点突破，但谷歌庞大的产品矩阵却成了沉重的枷锁。据知情人士透露，Gemini的发布流程涉及多层利益相关方，AI能力需要被强行整合进搜索、地图、YouTube等错综复杂的产品线中。这种“大包大揽”的协同机制，本身就在制造巨大的时间损耗。
更致命的是内部的“部门墙”与派系林立。Google Cloud、DeepMind和安卓团队都在各自为战，开发面向程序员的AI编程工具；内部甚至存在路线之争——以谢尔盖·布林为代表的激进派主张加快抢占市场，而另一批保守派工程师则坚持“重要代码必须全部由人类编写”，甚至在AI推广初期限制员工使用Gemini编写代码，理由是“担心内部专有代码泄露进训练数据”。
当防御性思维大于进攻性思维，当内部流程与KPI考核凌驾于技术创新之上，大厂的“组织复杂性”就成了扼杀敏捷性的最大元凶。6月份Gemini联合负责人、Transformer论文核心作者Noam Shazeer跳槽OpenAI，表面上是人才流失，深层原因何尝不是对这种内部内耗与统筹断层的用脚投票？
二、从“全能选手”到“偏科生”：AI竞争范式的隐秘转移
除了组织层面的拖累，Gemini 3.5 Pro的延期还揭示了一个更值得玩味的行业趋势：大模型竞争已经彻底告别了“全能选手”的时代，进入了“偏科生”单点爆破的新纪元。
从近期泄露的信息和开发者社区的反馈来看，Gemini 3.5 Pro呈现出极度割裂的“偏科”特征：
- 前端与视觉生成“无敌”：它的设计品味接近专业设计师，SVG矢量图形能一次画对且精度极高，仅凭一句提示词就能生成完整页面，在前端任务上对竞品形成了压制（开发者甚至用“mogging”来形容这种碾压）。
- 硬核推理与工程“拉胯”：在Agent任务、仓库级软件工程、长链路复杂推理上，它依然打不过Fable 5，也追不上GPT-5.6。
这解释了为什么谷歌会陷入“推翻原有基座、从零重新预训练”的漫长周期。旧底座在前端视觉上有优势，但在硬核逻辑上补不上，谷歌试图用传统的“大力出奇迹”打造一个完美的、能兼顾所有场景的“全能旗舰”。
然而，现实的市场反馈是残酷的。对于政企大客户和硬核开发者而言，他们不需要一个“什么都会一点但都不精”的万金油，他们需要的是能在仓库级深度调试、高难度架构改造上解决痛点的“尖刀”。OpenAI和Anthropic正是通过在特定高价值细分赛道上的集中突破，建立起了护城河。
谷歌的“慢”，恰恰是因为它还在用PC和移动互联网时代“大而全”的平台思维，去应对AI时代“专而精”的垂直需求。
结语：巨头的转身与“尖刀”的突围
谷歌大跌的5%，是资本市场对巨头“创新者窘境”的一次重新定价。
Gemini 3.5 Pro的延期，给整个行业敲响了警钟：在AI的下半场，决定胜负的不再仅仅是谁的参数更多、谁的算力更强，而是谁的组织架构更扁平、谁的内部协同更高效、谁对细分场景的痛点抓得更准。
当“烧开一片海洋”变得不再可能时，或许学会在特定的海域掀起风暴，才是科技巨头们在AI时代真正需要补上的一课。至于那些试图用庞大身躯去掩盖局部短板的“全能神话”，终究会在现实的代码测试中，露出疲态。
本文作者为izhu，转载请注明。