對話前DeepMind曹原：AI for Science爆發，一個新時代到來了

對話前 DeepMind 曹原：AI for Science 爆發，一個新時代到來了 八月初，Google 靈魂人物 Jeff Dean 正式宣佈離職，並與數位高階主管共同創立新公司 Discovery Loop，專注於加速生命科學及其他領域的研究進程。此舉在矽谷引發廣泛關注，也被視為 AI for Science 賽道正式爆發的重要信號。從 DeepMind 到 Google Brain，Jeff Dean 長年主導人工智慧的技術方向，如今選擇踏入科學研究的應用端，顯示出學術界與產業界對 AI 驅動基礎科學的期待已進入全新階段。

隨著 Jeff Dean 帶隊出走，業界普遍認為，AI 不再只是停留在模型競賽或生成式應用的「最後一英里」，而是開始真正深入生物、化學、材料等科學研究的核心環節。Discovery Loop 的成立，預示著新一代人工智慧公司將以科學發現為目標，而非單純擴展通用人工智慧的能力邊界。這波轉向不僅改變了人才流動的格局，也讓更多人意識到，AI for Science 的新時代，正在從概念討論走向規模化落地。過去幾年，DeepMind 在蛋白質結構預測（AlphaFold）上的突破，已經讓世界見識到 AI 在科學領域的巨大潛力。

而 Google Brain 則在機器學習演算法、大規模分佈式訓練等方面奠定了基礎。Jeff Dean 長期帶領這兩大團隊，如今他選擇離開 Google，專注於 Discovery Loop，意味著他看到了 AI 與科學結合的更大機會，並且認為現有的商業模式與組織架構可能無法完全釋放這股潛力。事實上，AI for Science 並非全新概念，但過去多停留在學術研究或小規模驗證階段。近年來，隨著算力成本下降、數據量爆炸式增長，以及深度學習模型的成熟，AI 開始能夠在藥物發現、材料設計、氣候建模等複雜科學問題中扮演關鍵角色。

Jeff Dean 的加入，無疑為這個領域帶來了更強的號召力與資源整合能力。Discovery Loop 的命名本身就帶有深刻的科學隱喻——發現的循環。不同於傳統的 AI 公司追求模型規模或應用場景的擴張，這家新創公司將核心目標設定為加速科學發現的週期，從假設生成、實驗設計、數據分析到結果驗證，每一個環節都可能透過 AI 得到效率提升。這也呼應了 Jeff Dean 多次強調的理念：AI 最終應服務於人類知識的邊界拓展。值得注意的是，Jeff Dean 並非唯一一位從大公司出走、投入 AI for Science 的頂尖科學家。

近年來，多位 DeepMind 與 Google Brain 的研究人員也相繼創辦或加入類似方向的創業公司，例如專注於小分子藥物設計的 Isomorphic Labs、致力於蛋白質設計的 Profluent 等。這些公司背後的共同邏輯是：AI 在科學領域的應用，已經從「輔助工具」升級為「核心驅動器」。從產業角度來看，AI for Science 的爆發也意味著 AI 創業的賽道正在發生結構性轉移。過去幾年的 AI 熱潮主要集中在語言模型、圖像生成等通用人工智慧領域，而現在，越來越多的資源與注意力開始轉向更底層、更基礎的科學問題。這不僅能帶來更大的社會價值，也可能創造出更持久的競爭壁壘。

當然，AI for Science 也面臨著諸多挑戰。科學數據的獲取與標注成本高昂，實驗驗證的週期長，且不同領域的專業知識壁壘極高。Jeff Dean 的 Discovery Loop 能否在這樣的環境中快速取得突破，仍然需要時間檢驗。但可以肯定的是，隨著這位業界傳奇級人物的加入，整個 AI for Science 生態將迎來更多關注與投資。對於未來，Jeff Dean 在離職信中曾表示，他相信 AI 將在未來十年內從根本上改變科學研究的進行方式。Discovery Loop 正是他為實現這一願景所打造的新平台。

從 Google Brain 到 DeepMind，再到如今的 Discovery Loop，Jeff Dean 的職業軌跡本身就像一條不斷收斂的螺旋：從通用 AI 技術的奠基，到具體科學問題的攻克，再到整個科學發現流程的系統性重構。這一波 AI for Science 的爆發，不僅是技術演進的必然結果，更是人類對知識追求的本能驅動。當 AI 不再是模型競賽的「最後一英里」，而是真正融入科學發現的每一個毛細環節時，一個新的時代確實已經到來。而 Jeff Dean 的 Discovery Loop，可能就是這個時代最值得關注的風向標之一。