Googleが2024年にCharacter.AIとの大型取引で呼び戻したNoam Shazeer氏が、今度はOpenAIへ移る。Business Insider、Axios等が2026年6月18日に報じた。Shazeer氏はGoogleでGeminiモデルを共同で率いた人物であり、2017年の論文「Attention Is All You Need」に名を連ねた研究者でもある。今回の移籍は、AI業界の人材争奪戦という見出しでは収まらない。Googleがスタートアップの技術利用権と研究チームの一部を取り込むために組んだ高額な構造が、中核人材をどれだけ長くつなぎ留められるかを示す出来事だ。
Business Insiderによると、Shazeer氏はXで、Googleを離れる決断は難しかったと述べた。そのうえで、チームと築いたものへの誇りを示し、OpenAIのチームと働くことを楽しみにしていると書いた。OpenAIのSam Altman CEOもXで、OpenAI創業当初から最も一緒に働きたいと思っていた人物の一人だと迎えた。正式な役職、担当モデル、報酬、着任日は公開されていない。それでも、Altman氏が10年越しの採用として受け止めたことは、この移籍がモデル開発の中核に近い人材獲得であることを示している。
27億ドル規模の取引は、2年で揺さぶられた
Shazeer氏は2000年にGoogleへ入社し、検索のスペル修正など初期の重要な技術に関わった。その後、Google内で会話AIに取り組み、Daniel De Freitas氏とともにCharacter.AIを創業した。Character.AIはユーザーが作ったキャラクターと会話できる消費者向けサービスとして急成長したが、フロンティアモデルを自前で訓練し続けるには資金負担が重かった。
2024年、GoogleはCharacter.AIの技術を非独占で利用する契約を結び、Shazeer氏とDe Freitas氏、研究チームの一部をGoogle DeepMind側へ迎え入れた。Financial Timesは当時、GoogleがCharacter.AIの創業者らを採用し、同社のモデルをライセンスしたと報じた。Business InsiderはWall Street Journalの報道として、この取引額が27億ドル規模だったと伝えている。Character.AI自体は別法人として残り、Googleが丸ごと買収したわけではない。
この構造は、2024年以降のAI業界で増えた「買収に近いが、法的には買収ではない」取引の典型だった。巨大企業は、スタートアップを完全に取得すると競争当局の審査を受けやすい。一方でスタートアップ側は、モデル訓練費用の膨張で単独の資金調達だけではフロンティア競争を続けにくくなった。技術ライセンス、研究者の移籍、既存サービスの存続を組み合わせる取引は、この二つの事情から生まれた。
ただし、この仕組みが守れるものは限定的だ。Axiosは今回の移籍について、買収型の人材獲得では最も価値のある資産がリテンション期間の後に去り得ることを示したと指摘した。GoogleはCharacter.AIの技術利用権と一部人材を得たが、Shazeer氏本人は2年足らずでOpenAIへ移った。AI開発の競争力が少数の研究者の判断と実装力に強く依存するほど、契約で囲い込めるものと囲い込めないものの差は広がる。
Shazeer氏の価値は、モデルを動かす経験にある
Shazeer氏が重く扱われる理由は、Geminiの共同リードだったからだけではない。2017年6月に投稿された「Attention Is All You Need」は、現在の大規模言語モデルの土台となったTransformerを提案した論文だ。著者にはAshish Vaswani氏、Shazeer氏、Niki Parmar氏、Jakob Uszkoreit氏、Llion Jones氏、Aidan Gomez氏、Lukasz Kaiser氏、Illia Polosukhin氏が並ぶ。
この論文は、再帰型ネットワークや畳み込みに頼らず、注意機構だけで系列変換を行うアーキテクチャを示した。WMT 2014の英独翻訳で28.4 BLEU、英仏翻訳で41.8 BLEUを達成し、大きなモデルでも8基のGPUで3.5日訓練したと論文は報告している。現在のLLM、画像生成、マルチモーダルモデルの多くは、この発想の延長線上にある。
Wiredの2024年のオーラルヒストリーは、Shazeer氏がTransformerチームに加わった場面を詳しく描いている。共同研究者たちは、Shazeer氏の実装力が理論的な仕組みを実際に動く形へ引き上げるうえで重要だったと振り返っている。大規模モデルの競争では、論文上のアイデアだけでなく、学習を安定させ、計算資源を無駄にせず、性能を引き出す実装の勘所が差を生む。
さらに同年1月、Shazeer氏は「Outrageously Large Neural Networks: The Sparsely-Gated Mixture-of-Experts Layer」の筆頭著者としても論文を出している。この論文は、入力ごとに一部の専門家ネットワークだけを動かすMixture-of-Experts層を扱い、最大1370億パラメータの構成を示した。計算効率の低下を小さく抑えながらモデル容量を1000倍以上に広げられるというのが論文の主張であり、スパース化や専門家モデルの発想は現在も計算コストと性能を両立させる選択肢であり続けている。
OpenAIが欲しかったのは、Geminiの看板より訓練の経験だ
OpenAIにとって、Shazeer氏の採用は人材リストに大物の名前を加える以上の意味を持つ。フロンティアモデルの性能競争は、より大きな計算機を用意するだけでは決まらない。学習データの構成、事前学習の設計、推論能力を伸ばす訓練、推論時の計算配分まで、複数の層が絡む。Shazeer氏の過去の仕事は、そのうち基盤モデルの構造とスケーリングに近い。
Shazeer氏はGoogleでVice President of Engineeringを務め、Jeff Dean氏、Oriol Vinyals氏とともにGeminiモデルを共同で率いており、特に事前学習領域で評価されるトップ研究者の一人と位置づけられている。高額なGPUクラスタを持っていても、どの実験に賭けるかを誤れば時間と資金を大きく失う。少数の研究者の判断が訓練費用全体の効率を左右する局面では、その経験の重みが変わる。
今回の移籍がどのモデルや製品に直結するかは公表されていない。Shazeer氏がOpenAIで研究リードになるのか、特定のモデルファミリーに入るのか、長期的なアーキテクチャ探索を担うのかは未確認だ。事前学習の効率化、推論モデルの強化、スパース化、マルチモーダル統合のいずれに振るかで、この採用の意味は変わる。
Googleに残る厚い組織力と人材流出リスク
Google側への影響も、単純には語れない。GeminiはShazeer氏一人のプロジェクトではない。Google DeepMindにはDemis Hassabis氏、Jeff Dean氏、Oriol Vinyals氏らを含む厚い研究とエンジニアリング組織があり、検索、Android、Workspace、Cloudといった巨大な配布面もある。モデル開発だけでなく、既存サービスへの統合、専用チップ、データセンター運用まで自社で抱える強みは残る。
それでも、今回の退職がGoogleにとって軽いとは言いにくい。GoogleはTransformerを生んだ会社でありながら、その著者たちの多くを社外へ送り出してきた。Wiredは2024年3月時点で、Transformer論文の8人全員がGoogleを離れていたと報じている。研究環境を作る力ではなお強いが、研究成果を次の商用モデル競争へつなげる速度では、OpenAIやAnthropicのような専業ラボと違う制約を持つ。
2024年のCharacter.AI取引は、その制約を埋めるための手だった。外へ出た研究者を戻し、同時にスタートアップの技術も取り込む。Shazeer氏がOpenAIへ移ることで、その手が恒久的な解決ではなく期限のある補強だったことが見えてきた。AIの研究者市場では、過去の貢献、現在の役割、将来のモデル開発機会が重なった人物ほど、企業間を動く力を持つ。
AI競争は計算資源から人材の定着へ広がる
計算資源は巨大な資本投下で増やせる。データセンターは時間がかかるが建てられる。だが、どのモデル設計が次の性能向上につながるかを判断できる人材は、資本だけでは短期間に増やせない。TransformerやMoEのような基盤的な発想に直接関わった研究者は、採用市場でほとんど代替がきかない。
そのため、大手AI企業の競争は買収、出資、ライセンス、採用の境界をまたぐようになった。MicrosoftはInflection AIの主要人材を取り込み、AmazonはAdeptのチームと技術に近い形で動き、Metaは報じられたScale AIへの143億ドルの投資とAlexandr Wang氏の移籍でAI組織を組み替えた。GoogleのCharacter.AI取引も、その流れの一つだった。Shazeer氏のOpenAI移籍は、そうした複合取引が人材の長期定着を保証しないことを示している。
次に見るべき点は、OpenAIがShazeer氏にどの領域を任せるか、GoogleがGeminiの技術リード体制をどう補うか、そしてCharacter.AI型のライセンスと人材取引が今後も有効な選択肢として使われ続けるかだ。フロンティアAIの競争は、モデル名やベンチマークだけでなく、誰がどの環境で次の訓練を設計するかへ重心を移している。
