Jeff Dean 創業路演 PPT，驚現 34 位創始人，谷歌系人才佔領半壁江山

楊植麟也是 Jeff Dean PPT 中列出的谷歌系創始人名單中的一位。 作者丨高允毅 鄭佳美 編輯丨岑 峰 聚是一團火，散是滿天星，這句話用在谷歌當年的核心實驗室 Google Brain最合適不過。今早，谷歌傳奇人物，首席科學家兼 Google Brain 創始人之一 Jeff Dean官宣離職創業，作為谷歌老人，他已經加入谷歌工作 27 年。據 Jeff 深情回憶，當初谷歌才 25 人，如今已經發展到 19 萬多人，不僅成為全球技術創新的中心，還是全球 AI 人才的“黃埔軍校”。其中，Jeff 與吳恩達、Greg Corrado 當年著手創辦 Google Brain，迅速擴張到 1001 人，走出的頂級人才在如今的 AI 創業大潮中已自成一派，不少人成為了AI領域不同公司創始人。在 Jeff 的創業路演PPT中，這份名單得以曝光。不得不說，含金量高的驚人，比如Anthropic創始人Dario Amodei，SSI創始人Ilya Sutskever。能孕育如此驚人的創造力，得益於 Jeff 在 2016 年親自開創的 Brain Residency（谷歌大腦駐留計劃）。他打破了科技界“非頂級名校 AI 博士不可”的隱形門檻，破格錄取了大量毫無計算機、甚至毫無學術背景的“跨界異類”。因為隨著 AI 爆發，Jeff Dean 意識到傳統的學術培養速度太慢，於是，他重新劃定了人才篩選標準：1.極強的“量化思維與編程潛力”（Quantitative Aptitude）你不一定學過 AI，但你必須在某個需要高度邏輯、數學或編程的領域證明過自己。考核的不是你的 AI 論文數量，而是你解決複雜邏輯問題的底層思維。2.對人工智能的“狂熱與自驅力”（Passion for AI）團隊非常看重候選人是否在業餘時間自己折騰過開源項目、寫過小算法，或者在 GitHub 上有過活躍的貢獻。3.非凡的“跨界視角”（Diverse Perspectives）Google Brain 認為，當所有研究員都是清一色的計算機博士時，思維容易陷入死衚衕。引入完全不同學科的頂級大腦，往往能用全新的視角解決 AI 算法的瓶頸。正是在這樣的篩選背景下，不少物理學、理論數學家，有生物學與醫學背景的人，傳統硬件或非計算機工程師，優秀的本科生與輟學者紛紛加入該計劃。他們加入後會獲得谷歌全職員工的薪資和無限的算力支持，每個人都會被分配給 Jeff Dean、Geoffrey Hinton 或 Quoc Le 這樣的泰斗級人物直接指導，還可以自由選擇任何前沿的 AI 課題進行攻堅。Jeff 這種不拘一格的包容心與對人才的極度信任，不僅為後來的 Google DeepMind 聯合軍團打造 Gemini 系列大模型奠定了底座，更在過去十幾年間，為整個現代 AI 行業播下了最重要的火種。順著這份名單，我們做了一個整理。01四位聯創，曾是 Google 的半壁江山▎Jeffrey Adgate Dean如今作為 Discovery Loop 聯合創始人的 Jeff Dean，當初曾是 Google Brain 的精神圖騰與領航者。Jeff Dean 是當代計算機科學界與人工智能領域的殿堂級科學家與工程師。他被譽為谷歌的 “基礎設施之神” 和 “AI 教父”，和一眾搭檔搭建起支撐現代互聯網大數據以及大模型 AI 時代的底層架構。Jeff Dean 本科就讀於明尼蘇達大學計算機科學與工程專業，後於華盛頓大學取得計算機科學博士學位，師從 Craig Chambers，博士階段的研究方向聚焦編譯器優化，長期深耕計算機底層技術理論，為後續大規模工程系統研發打下了紮實的學術根基。1999 年， Jeff Dean 加入谷歌，是公司第 30 號員工。在谷歌，以 2010 年為界，他的職業生涯完美地分為了兩大半場：大數據與分佈式系統之神（1999‑2010）與現代深度學習與大模型奠基人。在 AI 爆發前，Jeff Dean 主要深耕大數據與分佈式系統領域，與他的 “黃金搭檔” Sanjay Ghemawat，在 2003 年至 2006 年間發表的三篇劃時代的技術論文，俗稱“谷歌三駕馬車”。這三項技術不僅拯救了當時處於數據崩潰邊緣的谷歌，更直接開創了全球大數據與雲計算時代。其中，GFS 作為分佈式文件系統，把成千上萬臺普通的計算機連接起來共同存儲海量數據，解決了單臺機器裝不下、硬件易損壞的問題；MapReduce 作為大規模分佈式計算系統，確立了現代大數據的通用計算範式，也成為開源 Hadoop 生態的重要技術啟發；BigTable 作為面向海量數據的分佈式結構化存儲系統，支撐了谷歌海量網頁索引業務，也是現代 NoSQL 數據庫的技術源頭。他還設計並重構了谷歌前五代搜索索引系統及廣告系統（AdSense）的底層邏輯，夯實了 Google Ads & Search 的核心技術架構。並且，他主導研發了全球級分佈式數據庫 Spanner，依託自研的 TrueTime API 與原子鐘技術，首次在全球範圍內完美解決了分佈式系統的強一致性難題。2011 年開始，Jeff Dean 將目光全面轉向人工智能。他與吳恩達、Greg Corrado 共同創立 Google Brain，搭建起谷歌核心的人工智能研發團隊。2012 年，他帶領團隊調用上萬個 CPU 核心搭建神經網絡，基於 YouTube 視頻未經標註的畫面幀，讓計算機在沒有人工干預的情況下自主學會了識別 “貓”。這一里程碑式的無監督學習實驗轟動了科技界，成功證明了大規模算力堆砌神經網絡的巨大潛力，拉開了深度學習工業化浪潮的序幕後續他陸續產出多項關鍵成果，主導並推出了當下全球影響力頂尖的開源深度學習框架 TensorFlow，為全球機器學習研發提供了通用工具底座。為了解決 AI 算力不足，他又打造了谷歌自己的芯片 TPU，成為了谷歌對抗英偉達 GPU 的核心算力底牌。2023 年 4 月，谷歌完成 Google Brain 與 DeepMind 的整合，成立統一的 Google DeepMind 團隊。Jeff Dean 則出任谷歌首席科學家（Chief Scientist），全力投入並統籌 Gemini 大模型的架構迭代與預訓練攻堅工作，Gemini 系列也隨之成為全球頂尖大模型之一。直至 2026 年 8 月 5 日，Jeff Dean 結束了他的谷歌生涯；此番高層人事震盪，連帶引發了谷歌母公司 Alphabet 的股價大幅波動。下一站，Jeff Dean 盯上了 AI for Science 賽道。他與 Sanjay Ghemawat、Oriol Vinyals、Quoc Le 等谷歌核心成員，共同創立 AI 初創公司 Discovery Loop，希望能實現機器學習、科學發現和工程開發的全面自動化。這也切合了當下的核心賽道—— “遞歸自我改進”，將這種 “自動化 AI 科學家” 封裝為工具。未來，一個只有幾個人的科學家團隊，可以通過租用他們的服務，在研發效率上超越全球最龐大的科研機構。▎Sanjay GhemawatDiscovery Loop 另一名聯創 Sanjay Ghemawat，曾是谷歌分佈式系統之神與幕後基建泰斗。Sanjay Ghemawat 與 Jeff Dean 是黃金搭檔，他倆是首批加入谷歌的前 75 名核心員工中的兩位。他與 Jeff Dean 聯手搭建起撐起全球大數據、雲計算時代的整套底層軟件架構。Sanjay Ghemawat 本科就讀於康奈爾大學，之後於麻省理工學院（MIT）取得計算機科學博士學位，師從圖靈獎得主、傳奇計算機科學家 Barbara Liskov。博士階段他主攻數據庫存儲管理，長年深耕操作系統、分佈式存儲底層理論，為後續超大規模集群系統研發築牢了深厚的學術根基。1999 年年末，Sanjay Ghemawat 緊隨 Jeff Dean 加入谷歌。在硅谷，他與 Jeff Dean 的“結對編程”是一段流傳了二十年的極客神話。在兩人的合作中，Sanjay 往往是那個坐在鍵盤前、將天才構想轉化為一行行絕無 Bug 的工業級 C++ 代碼的操盤手。他堅信“硬件必會損壞”的基建哲學，硬是用軟件算法將成千上萬臺最廉價的普通服務器，組裝成了堅不可摧的超級集群，在早期為谷歌省下了數十億美元的機房預算。在深度學習浪潮到來以前，他一心紮根分佈式系統與海量數據基建。他深度參與了谷歌前幾代搜索索引底層架構迭代、集群資源調度系統 Borg 的研發，並完善了 AdSense 廣告後端基礎設施。同時，作為核心設計者，他打造了全球級分佈式數據庫 Spanner，配合 TrueTime API 與原子鐘授時方案，攻克了“跨洲際節點下分佈式數據庫強一致性”的行業難題。2011 年之後，伴隨谷歌 AI 板塊崛起，他開始為 Google Brain 團隊搭建深度學習分佈式算力底層。他深度參與了 TensorFlow 的底層架構開發，負責框架內部存儲、內存調度與跨機器集群通信模塊；後續又參與了 TPU 集群調度與大模型 Pathways 異步分佈式數據流架構的研發，為 Gemini 系列大模型的大規模預訓練提供了決定性的集群基礎設施支撐。不僅如此，他隨手開源的 LevelDB 與高速內存分配器 TCMalloc，至今仍是全球互聯網高併發架構的通用底座。儘管斬獲了美國國家工程院院士、ACM 計算獎等行業最高榮譽，但在性格上，Sanjay 卻走向了與 Jeff Dean 截然相反的極致。他一生極度抗拒行政管理，幾十年來拒絕所有帶團隊的晉升機會，只願以最高級研究員（Senior Fellow）的身份死守在代碼一線。這位低調至極的“掃地僧”，正是硅谷純粹極客精神的終極化身。▎Quoc V. LeDiscovery Loop 另一名聯創 Quoc V. Le，曾是 Google Brain 早期功臣與機器學習泰斗。他是當代自動化 AI 研究領域的殿堂級科學家。博士期間他便師從吳恩達（Andrew Ng），並於 2011 年作為初代核心成員加入剛剛組建的 Google Brain，開啟了長達 15 年的傳奇生涯。在全球深度學習爆發之初，Quoc V. Le 便是谷歌大腦標誌性“貓識別實驗”的第一作者與主要負責人。他調用上萬顆 CPU 核心，讓機器在沒有人工干預的情況下自主學會了識別 YouTube 視頻中的貓咪，向工業界證實了大算力深度學習的巨大潛力。往後，他相繼參與發明了 Seq2Seq、Doc2Vec 等劃時代基礎框架。由於該技術徹底重塑了全球語言模型的研發範式，在 2024 年底的 NeurIPS 頂會上，他十年前發明的 Seq2Seq 論文毫無懸念地斬獲了象徵行業最高跨度認可的“時間檢驗獎”。他當初還是月之暗面創始人楊植麟在 Google Brain 期間的直屬導師。此外，他還是谷歌 AutoML（自動機器學習）全系列項目的牽頭人，最早落地神經架構搜索技術，真正實現了“讓機器自主設計神經網絡”；後續更主導了思維鏈提示技術、AlphaGeometry 幾何解題系統等多項重磅成果。在 Google Brain 與 DeepMind 合併後，他全面負責大模型預訓練後的算法優化與數學推理攻堅。就在 2026 年 8 月官宣出走前夕，谷歌最新發布的 Gemini 3 "Deep Think" 推理模型在評測榜上大殺四方，而這背後的算法優化和多步推理功臣，正是 Quoc V. Le 帶領的團隊。他是帶著在老東家的最高技術榮耀，選擇在最高光時刻轉身離開。▎Oriol VinyalsDiscovery‑Loop 聯合創始人之一 Oriol Vinyals，曾是 Google Brain 頂尖的深度學習、多模態方向核心研究者。他是當代多模態、強化學習領域殿堂級科研人員。2013 年，他完成加州大學伯克利分校博士學業，經由 Jeff Dean 的郵件邀約加入 Google‑Brain，自此開啟了長達 13 年的谷歌系科研生涯，並於 2026 年 8 月正式離職，與 Jeff Dean 等人共同創立了 Discovery Loop。前期在谷歌大腦，他和 Ilya Sutskever、Quoc V.Le 共同推出 Seq2Seq 序列‑序列架構，徹底重塑了機器翻譯的技術範式。除此之外，他研發出經典的 Show‑and‑Tell 看圖說話框架，較早打通視覺與語言的跨模態任務，成為現代圖文多模態研究里程碑。2016 年，他前往 DeepMind 任職，出任 Google DeepMind 研究副總裁（Research Vice President）兼深度學習負責人。他牽頭研發星際爭霸 2 智能體 AlphaStar，AI 達到遊戲宗師水準、戰勝頂尖職業選手，成果登上《自然》封面；同時作為核心成員參與 AlphaFold 蛋白質結構預測、AlphaCode 競賽級代碼生成等前沿 AI 科研項目。2023 年 Google‑Brain 與 DeepMind 完成機構合併之後，Oriol Vinyals 出任谷歌旗艦大模型 Gemini 聯合負責人（Co-lead）。他堅持原生多模態架構路線，主導跨模態對齊、複雜推理方向的技術攻堅，是 Gemini 項目最核心的搭建者。02四人背後，是一整代 AI 創始人▎Dario AmodeiDario Amodei，Anthropic 創始人，如今已成為谷歌與 OpenAI 的頭號競爭對手。這位普林斯頓生物物理學博士，曾先後任職於百度與 Google Brain，是現代 Scaling Law（規模法則） 的最早洞察與佈道者。Dario Amodei 於 2014 年 11 月至 2015 年 7 月在百度硅谷人工智能實驗室（SVAIL）任職，參與研發了著名的 Deep Speech 2 模型，這也是他最早察覺到“模型性能隨數據和算力增加而提升”這一規模規律的時期。隨後，他於 2015 年 7 月至 2016 年 7 月在 Google Brain 擔任資深研究科學家（Senior Research Scientist），期間，他深入參與神經網絡表徵學習，積累了在數萬顆處理器上維持大規模神經網絡穩定訓練的工程經驗，進一步驗證並洞察了規模法則。2016 年 7 月，Dario Amodei 正式加入 OpenAI，出任研發副總裁。他親手主導了 GPT-2 與 GPT-3 兩代里程碑模型的研發，並帶領團隊將 RLHF（人類反饋強化學習） 技術成功應用於大語言模型，確立了後世所有大模型對齊訓練的標準範式。2021 年，因與 OpenAI 在 AI 發展安全理念上產生根本分歧，他帶領包括其妹妹 Daniela 在內的 7 位核心成員集體出走，創辦了主打安全與可控的 Anthropic。在他的掌舵下，旗艦大模型 Claude 3.5 系列憑藉在代碼、複雜推理上的卓越表現，在全行業開發者圈中逆襲封神。同時，他在“機械可解釋性”領域斬獲了里程碑突破，首次給 AI 大腦做“核磁共振”，揪出了控制偏見與欺騙的特定神經元。▎Ilya SutskeverIlya Sutskever，SSI（Safe Superintelligence Inc.）創始人。作為當代深度學習與神經網絡架構領域的殿堂級科學家、深度學習三巨頭之一，他深刻奠定了現代生成式大模型的技術根基。Ilya Sutskever 師從深度學習泰斗 Geoffrey Hinton，長年專注循環神經網絡與無監督表徵學習，執著於鑽研神經網絡的底層運行原理。2012 年，他與 Alex Krizhevsky 等人共同完成 AlexNet，在 ImageNet 競賽中碾壓傳統算法，正式引爆了卷積神經網絡浪潮。加入 Google Brain 後，他與 Oriol Vinyals、Quoc V. Le 共同推出了 Seq2Seq（序列到序列）框架，不僅成為機器翻譯與序列生成技術的基石，也為後來 Transformer 架構的誕生埋下了伏筆。隨後，他參與創立了 OpenAI 並擔任首任首席科學家，主導了 GPT-1 到 GPT-4 的整體技術路線。然而，隨著 GPT-4 的發佈，他越來越擔憂 AI 的可控性問題。最終在 2024 年 5 月，因在 AI 發展方向與安全理念上與 OpenAI 管理層產生根本分歧，他選擇決然出走，開啟了全新的創業項目。2024 年，他創立了 SSI 實驗室。與傳統 AI 公司不同，SSI 拒絕商業化干擾，不做 API 或聊天機器人，其唯一的目標和產品就是研發“安全的超級智能（Safe Superintelligence）”，專注於模型對齊與通用推理的底層技術。隨著行業規模法則逐漸觸及天花板，Ilya 敏銳地指出，僅靠擴大現有規模難以實現真正突破，行業必須尋找“新的山峰”，迴歸真正的研究時代。SSI 正是他探索這一新範式的核心陣地。目前，SSI 團隊規模僅維持在 50 人左右，但憑藉對“超級智能”的技術直覺，已獲得了頂級風投及芯片巨頭的極限支持。據悉，就在 2026 年 8 月本月，在隱密處閉關兩年的 SSI 被爆出將首次面向全球揭曉其初代顛覆性研究大模型。▎Chris OlahChris Olah，當代大模型機制解析領域的絕對教父、Anthropic 創始團隊成員。這位沒有完成常規大學教育的天才，在 18 歲時因覺得“留在教室會阻礙研究速度”而果斷從多倫多大學數學系輟學。他憑藉將冰冷數學公式化為絕美視覺彩繪的個人博客 colah.github.io 轟動硅谷，成為無數巨頭的入行教案，並因此被 Jeff Dean 破格招入 Google Brain，拓荒神經網絡可視化。2018 年加入 OpenAI 後，他組建並執掌 Clarity 研究團隊，領導了開創性的“Transformer Circuits”系列研究，成為了整個 AI 領域機制可解釋性（Mechanistic Interpretability）的開山始祖。2021 年，為了堅守 AI 安全的底線，他跟隨 Dario Amodei 共同出走，作為創始團隊成員聯合創立了 Anthropic。在 Anthropic，他帶領團隊利用稀疏自編碼器（SAEs），首次實現了對大模型內部機制的“可視化解析”，精準解析出 Claude 內部數千萬個控制喜悅、內省乃至欺騙的概念特徵。▎Tom BrownTom Brown，Anthropic 首席算力官、七位創始成員之一，全權執掌 Claude 全系列的算力集群與訓練底層架構建設。這位 MIT 計算機系畢業生有著極具反差的傳奇色彩，他早年的線性代數成績僅有 B-，在經歷創業失敗的低谷後，全靠買顯卡自學機器學習殺入 AI 賽道。2012年，他開創了社交等領域創業公司 Grouper，擔任聯合創始人兼 CTO。他後來成為 OpenAI 的前 20 名員工，發表了論文 《Deep reinforcement learning from human preferences》，成為RLHF 技術的奠基者之一。隨後，他短暫加入 Google DeepMind 擔任 Technical Staff，專注於對抗性機器學習方向的研究工作。2016 年他再次迴歸 OpenAI 後，並