谷歌「地基元老」Jeff Dean 離職創業,新公司瞄準 AI4S

重點摘要
1999年,Jeff Dean 加入 Google 時,公司僅有 20 名員工,辦公室位於 Palo Alto 一家 T-Mobile 門市樓上。27 年後,他已是 Google 首席科學家,其背後是 MapReduce、Bigtable、Spanner、TensorFlow、TPU 與 Gemini 等一系列核心基礎設施——幾乎每一項支撐 Google 運轉的關鍵技術,都與他的名字緊密相連。
1999年,Jeff Dean 加入 Google 時,公司僅有 20 名員工,辦公室位於 Palo Alto 一家 T-Mobile 門市樓上。27 年後,他已是 Google 首席科學家,其背後是 MapReduce、Bigtable、Spanner、TensorFlow、TPU 與 Gemini 等一系列核心基礎設施——幾乎每一項支撐 Google 運轉的關鍵技術,都與他的名字緊密相連。8 月 5 日,Jeff Dean 正式宣布離開 Google,並與三位長期合作夥伴共同創立新公司 Discovery Loop。消息公布當日,Alphabet 股價下跌約 5%。
市場的反應相當直接:離開的不僅是一位高階主管,而是支撐公司營運的「承重柱」。Discovery Loop 的目標,根據創始團隊的說明,是「自動化機器學習、科學與工程的實驗循環」。科學研究的核心流程本質上是一個循環:提出假設、設計實驗、執行實驗、檢驗結果,然後根據結果提出新假設,再重複整個過程。人類數百年來依賴這個循環推動科學進步,但問題在於,這個過程極度依賴人工,速度受限於人類的精力與時間。Discovery Loop 希望利用 AI 模型與大規模算力,將這個循環自動化,並能同時平行執行成千上萬個實驗。他們的具體發展路線分為三個步驟。
第一步,先從機器學習研究本身著手,利用 AI 自動進行 AI 研究,包括自動提出實驗方案、自動執行評估、自動迭代模型。這是最務實的起點,因為機器學習研究的反饋循環最短、評估指標最清晰、數據也最現成。第二步,用這套能力優化自身的技術棧,讓自己成為第一個客戶。第三步,將這套系統推廣至更廣泛的科學與工程領域,包括硬體設計、藥物發現與清潔能源。公司註冊為公益公司,與 OpenAI、Anthropic、xAI 及 Ilya Sutskever 創立的 SSI 採用相同的治理模式。
種子輪由 Radical Ventures 與 Khosla Ventures 聯合領投,Lightspeed、Kleiner Perkins、Doerr Capital 以及 Alphabet 本身都有參與投資,但具體金額與估值未對外揭露。值得注意的是,Google 不僅出資,還將作為雲端合作夥伴,為 Discovery Loop 提供至少第一年的算力支援。這個細節意味深長:老東家願意提供算力資源,扶持一家由自己核心員工創立的外部公司,在矽谷並不常見。Discovery Loop 的創始團隊僅有四人,但這四人的經歷加起來,幾乎就是一部現代計算與 AI 基礎設施的簡史。
Jeff Dean 是 Google 第 30 號員工,27 年資深元老。他與 Sanjay Ghemawat 共同創造了 MapReduce、Bigtable、Google File System 與 Spanner,這些並非花俏的應用層產品,而是讓 Google 能夠處理全球規模數據的底層「作業系統」。沒有這些系統,就沒有 Google 搜尋、Gmail 與 Google Ads。之後,他領導了 Google Brain,推動 TensorFlow 開發與 TPU 晶片設計,並在 2023 年 Google Brain 與 DeepMind 合併後擔任首席科學家。
Sanjay Ghemawat 是 Google 高級研究員,也是 Dean 超過 20 年的搭檔。在 Google 內部,兩人被視為傳奇組合,幾乎總是同時出現在最重要的論文與專案上,甚至有人開玩笑說他們共享一個大腦。Oriol Vinyals 是 Google DeepMind 研究副總裁,也是 Gemini 的技術負責人之一,在 DeepMind 期間參與了 AlphaStar 與 AlphaCode 等標誌性專案。Quoc Le 是 Google Brain 共同創辦人,也是 AutoML 的開創者之一,在序列到序列學習領域做出了奠基性工作。
Discovery Loop 官網介紹指出,這個團隊包含了 AI 領域被引用次數最多的三位研究者,以及分散式系統領域被引用次數最多的兩位研究者。仔細檢視 Jeff Dean 的職業生涯,會發現一個貫穿始終的關鍵詞——基礎設施。他在 Google 所做的從來不是面向用戶的產品,而是讓別人的工作能被系統性放大的那一層。MapReduce 放大了工程師處理數據的能力,TensorFlow 放大了研究者訓練模型的能力,TPU 則放大了整個行業的算力供給。如今,他要放大的是科學家做研究的能力。工具變了,但角色沒變,Discovery Loop 的本質就是「科學發現的基礎設施」。
Jeff Dean 的離職並非孤立事件。今年夏天,Google DeepMind 經歷了前所未有的人才流失。6 月,諾貝爾獎得主 John Jumper 離開加入 Anthropic,Transformer 論文共同作者 Noam Shazeer 也在不久前離職。僅在 6 月的一週內,就有五位 DeepMind 高級研究員分別投奔 Anthropic 與 OpenAI,Alphabet 市值一度蒸發約 2700 億美元。如今,連打造 MapReduce 的元老也離開了。這並非 Google 一家的問題。
Mira Murati 於 2024 年離開 OpenAI,創立 Thinking Machines Lab,5 個月內融資 20 億美元,估值達 120 億美元。Ilya Sutskever 從 OpenAI 出走後創立 SSI,專注於超級智能安全。Andrej Karpathy 也在今年加入了 Anthropic。一個值得深思的趨勢正在浮現:AI 行業最核心的技術人才,正在系統性地從大公司向創業公司遷移。背後的原因不僅僅是金錢。Anthropic 與 OpenAI 的 pre-IPO 股權確實具有吸引力,但 Jeff Dean 在 Google 並不缺錢。
他自己給出的理由更值得關注:上市公司的季度財報壓力,限制了科學決策的自由度。這句話的潛台詞是,在一個需要向華爾街交代季度收入的體系中,很難進行十年尺度的基礎研究。Discovery Loop 註冊為公益公司,本質上就是在制度層面解決這個問題,讓公司能在追求商業回報的同時,保持受法律保護的使命承諾,不會因股東壓力而被迫將長期科學目標讓位給短期變現。Google 顯然也意識到這個矛盾。Alphabet 投資了 Discovery Loop,並提供第一年算力,這幾乎是在承認有些事在自己體內做不了,但又不想徹底失去這些人。這是一個大公司面對人才外流時的務實選擇,但也暴露了結構性困境。
與此同時,Google 也在內部做出調整。在 Jeff Dean 離職同日宣布的重組中,Demis Hassabis 卸任 Google DeepMind 日常管理,轉任主席兼 Alphabet 首席科學家;技術長 Koray Kavukcuoglu 升任高級副總裁,接管 Gemini 模型開發。Pichai 在內部信中表示,這是為了為 Google 的 AI 工作注入新的動能,但市場讀出的信號可能恰恰相反。分析師注意到,今年夏天從 Google AI 部門離開的標誌性人物,數量超過了公司歷史上任何一個可比時期。離開的不是「在基礎設施上訓練模型的人」,而是「建造基礎設施本身的人」。
這是一個質變。Jeff Dean 今年 6 月在華盛頓大學畢業典禮上曾說過一句話,現在看來像是一個預告。他告訴計算機科學專業的畢業生,值得解決的問題之一是「開發加速科學發現與工程的工具」。他還說了另一句話,或許更能解釋他為何離開:「軟體的美妙之處在於,一小群人就能建造出對世界產生巨大影響的東西。」27 年前,他在一個 20 人的創業公司裡證明了這件事。如今,58 歲的他,希望再證明一次。
Related
相關文章

曝字節訓10億參數大模型,或超Mythos 5,張一鳴、梁汝波先後發聲
字節跳動正在訓練一個參數量高達10萬億的AI模型,規模可能超越Anthropic的Mythos 5。創辦人張一鳴在內部會議中強調編程的關鍵地位,並反對模型蒸餾,認為這只能複製而非超越對手。字節跳動在AI領域持續加大投入,同時在產品端與訓練端採取雙線進攻策略。

AI 需求擠爆雲計算,消息稱 AWS 要求工程師關閉閒置服務器減少資源浪費
因AI需求導致算力緊缺,亞馬遜AWS要求工程師關閉閒置的EC2實例,以減少資源浪費。數據顯示約65%的EC2實例在30天內平均CPU利用率低於20%,AWS因此升級計算優化器自動標記低使用率虛擬機。此外,AWS過去一年新增3.8吉瓦電力容量,仍難以應對GPU雲端實例的龐大需求。
使用 NVIDIA NeMo Retriever、託管 NIM、LanceDB、重新排序與基於事實生成建立多模態 RAG 管線
在本教學中,我們將使用 NVIDIA NeMo Retriever 建立一個先進的多模態檢索增強生成管線。首先設定 Python 3.12 環境、安裝必要套件,並在無需 GPU 或外部 API 金鑰的情況下進行離線 PDF 文字提取。接著,我們透過託管的 NVIDIA NIM 端點來偵測頁面元素、提取表格、圖表與資訊圖形、產生稠密向量嵌入,並將處理後的內容儲存至 LanceDB。最後,我們實作了稠密檢索、視覺語言重新排序、後設資料過濾搜尋、附行內引用的基於事實回應生成,以及輕量級的 recall-at-k 評估,以驗證跨多模態文件內容的檢索品質。
NVIDIA AI 推出 NOOA:將 AI 代理轉化為單一 Python 類別的物件導向框架
NVIDIA 實驗室開源了 NOOA(NVIDIA 物件導向代理),這是一個與模型無關的 Python 框架,用於建構 AI 代理。傳統的代理開發分散在提示模板、工具架構、回呼程式碼和工作流程圖中,而 NOOA 將所有這些整合到一個 Python 類別中:方法代表模型可採取的動作,欄位代表代理狀態,文件字串作為提示,型別註解則是執行時期強制執行的合約。主體為「...」的方法由 LLM 驅動的迴圈在執行時期完成,而具有正常主體的方法則保持確定性的 Python 程式碼。開發者與模型因此共享同一介面,使代理行為能像一般軟體一樣進行測試、追蹤、重構和版本控制。NVIDIA 報告在 SWE-bench Verified 上達到 82.2%,在 CyberGym L1 上達到 86.8%,平均 RHAE 為 85.1%。

六巨頭定AI插件新標準,撞臉Claude,Anthropic沒上桌
六大科技巨頭(AWS、Anysphere、GitHub、微軟、OpenAI、Vercel)聯合發布AI智能體插件統一開放規範Agent Plugins 1.0.0,旨在統一插件打包格式,減少開發者重複勞動。該規範的結構與Anthropic的Claude Code插件系統高度相似,但Anthropic並未參與制定,而是繼續經營自己的封閉生態。

DeepSeek重啟融資,三年市值對齊騰訊?
DeepSeek重啟第二輪融資,以5000億元人民幣估值尋求籌集80億美元,但網傳一份由小型醫藥私募發起的專項基金募資材料引發網友質疑,後經DeepSeek員工證實部分數據屬實。該公司近期宣布API大幅漲價,可能打破其以低價換規模的估值邏輯,面臨客戶流失風險。市場關注其能否從「價格屠夫」轉型為價值提供商,以及三年內市值能否對齊騰訊等巨頭。