作者 | Joya
来源 | 科技行者
2026 年 7 月 25 日，旧金山大通中心坐着 6000 名有志创业者，来参加 Startup School 2026。台上，Y Combinator 向 Jeff Dean 提问：“今天的创业者，应该攻克哪些领域？”
Jeff 先给了一个宽泛的答案：选择自己真正感兴趣、同时对世界有用的问题。
随后，他谈到了自己长期思考的方向：他想建立一个自动运行的科学方法，系统提出实验，完成实验所需的代码和实现工作，运行并评估结果，再把结果反馈送入下一轮，若能同时运行数千个这样的循环，科学、生物学、芯片设计和 AI 模型研发都可能因此加速。
台下的观众当时并不知道，Jeff 描述的正是他与三位 Google 前同事刚刚组建的创业公司，并未公开。
十天后的美国当地时间 8 月 5 号，消息公开。在 Google 工作了近 27 年的 Jeff 离职，与 Sanjay Ghemawat、Oriol Vinyals 和 Quoc Le 共同创办一家新公司，叫做 Discovery Loop。
这则消息出现的同时，Google 母公司 Alphabet 宣布了另一项人事变动，重排了 AI 最高管理层。
一则标题为"The next chapter of our AI momentum"的官方博客文章写道：Demis Hassabis 移交 Google DeepMind 的日常运营，转任 Google DeepMind 董事长和 Alphabet 首席科学家；原 Google DeepMind CTO、Google 首席 AI 架构师 Koray Kavukcuoglu 升任 Google DeepMind 高级副总裁，直接向 Sundar Pichai 汇报。几位核心技术人物离职创业与管理层调整同日公开，共同构成 Google AI 组织的一次重大换挡。
截图自 Google 官网
同一天，Google 重新分配 AI 的战略与执行权
这次调整，改写了 Google 在 2023 年建立的管理结构。当时，Sundar Pichai 将 Google Brain 与 DeepMind 合并为 Google DeepMind，Demis Hassabis 担任 CEO，Jeff 担任首席科学家。
三年后的今天，Hassabis 与 Jeff 同时离开原有岗位。
Hassabis 仍留在 Alphabet 体系内。他将把更多精力用于 AGI 战略、科学研究和 AI 的社会影响，继续领导 AI 药物研发公司 Isomorphic Labs，并为 Google 的模型和研究提供建议。Hassabis 在内部信中写道，他一生都在追求 AGI，现在感觉它已经“近在眼前”。他希望离开日常管理，为长期问题留出时间和空间。
Google DeepMind 的运营权交给 Koray Kavukcuoglu。他在 DeepMind 工作了 13 年，组建过深度学习团队，参与推动 WaveNet 和 DQN 等项目。新的职责范围覆盖 Gemini 模型开发、前沿 AI 研究、Gemini 应用及开发者团队。Koray 保留 Google 首席 AI 架构师职务，同时以高级副总裁身份直接向 Pichai 汇报，Google DeepMind 不再设置一个对应的 CEO 职位。
路透社援引 Google 内部人士称，Koray 此前已经比 Hassabis 更直接参与 Google DeepMind 与 Google Cloud 之间的合作，Google Cloud 管理层也欢迎这项任命。新的安排预计会让 Gemini 更重视产品化和商业落地。Hassabis 的直接汇报者将明显减少，他则准备增加在 Isomorphic Labs 上的投入。Hassabis 认为，AI 最重要的应用应当是改善人类健康。
Google 官方给出的背景是“加速”。Pichai 在内部信中说，Gemini 应用的月活跃用户已经超过 9.5 亿，Gemma 模型累计下载量超过 9 亿次，但公司仍需加快工作速度，并专注于需要改进的领域。Hassabis 还首次提到正在推进 Gemini 4。
外部环境更加紧张。Google 原计划在 6 月推出的 Gemini 3.5 Pro 仍未发布。Gemini 联合负责人 Noam Shazeer 已转投 OpenAI，与 Hassabis 共同获得诺贝尔奖的 John Jumper 同期加入 Anthropic。Google 公布本轮调整后，Alphabet 股价当日下跌约 4%。产品已经拥有巨大分发规模，前沿模型的速度和人才稳定性仍在接受市场检验。
新的职责边界由此形成。Hassabis 负责长期 AGI 与科学战略，Koray 负责 Gemini 的研发和产品执行，Jeff Dean 等人则离开大公司，在独立组织中探索 AI 驱动的自动化科研。
手握一套从基础设施到模型的完整技术栈
Jeff Dean 在 Google 的履历横跨两代技术浪潮。
早期，他与 Sanjay Ghemawat 共同参与设计 MapReduce、BigTable、Spanner 等系统。这些项目解决了 Google 如何在大规模计算集群上处理、存储和调度数据的问题，也影响了后来整个云计算和分布式系统行业。
进入深度学习阶段后，Jeff 于 2011 年共同创立 Google Brain。他参与设计 DistBelief、TensorFlow 和 Pathways 等机器学习系统，推动 TPU、word2vec、模型蒸馏、稀疏混合专家模型和神经架构搜索等研究。
合并后的 Google DeepMind 成立后，他担任首席科学家，并成为 Gemini 技术联合负责人。融资材料称，他曾管理约 600 人的 Google Brain 团队，以及最多约 4400 人的 Google Research 与 AI 组织。
Sanjay Ghemawat 长期与 Jeff 搭档。两人都是 Google 最早约 75 名员工中的成员。他的核心资产集中在大规模搜索、存储和分布式系统。
Discovery Loop 需要并行运行大量实验，并管理算力、数据、调度和故障，Ghemawat 的作用因此直接连接到新公司的底层能力。
Oriol Vinyals 的研究覆盖序列到序列学习、WaveNet、AlphaStar、AlphaCode 和多代 Gemini。融资材料称，他创建了 Gemini 预训练团队，与 Jeff 共同担任 Gemini 项目的创始人和技术联合负责人，管理团队规模最多约 250 人。
Quoc Le 是 Google Brain 联合创始人，参与过序列到序列模型、神经架构搜索、模型蒸馏、混合专家模型以及多代大语言模型研究。融资材料将他列为 Gemini 后训练负责人，并称其管理团队规模最多约 60 人。
四人的融资材料把共同履历分为产品、基础设施、AI 研究和 AI 应用。产品与基础设施部分包括 Google Search、Ads、Gmail、News、Translate、Google File System、MapReduce、BigTable、Spanner、TensorFlow、Pathways 和 TPU。研究与应用部分则包括 word2vec、Seq2Seq、模型蒸馏、混合专家、思维链推理、WaveNet、神经架构搜索、AlphaChip、AlphaStar、AlphaFold、天气预测、数学与编程竞赛系统及多代 Gemini。
这份清单汇总的是四人及其所在团队的成果，用来说明创始团队能力的覆盖范围。Discovery Loop 官网将这种能力概括为“全栈深度”：从芯片和硬件基础设施，到软件基础设施、机器学习模型，再到面向用户的产品。官网还称，四位创始人中包括三位高被引 AI 研究者和两位高被引分布式系统研究者。
图：创始团队用一页融资材料概括其参与建设的产品、基础设施、AI 研究和 AI 应用。来源：Jeff Dean 的 X 推文／Discovery Loop 融资材料
另一项资产是人才网络。材料列出的前团队成员后来进入或创办了 Anthropic、OpenAI、SSI、Physical Intelligence、xAI、Mistral、Character AI、Perplexity 和 Cohere 等公司。它不代表 Discovery Loop 与这些公司存在组织关系，却能说明四位创始人在招聘、识别人才和组建研究团队方面的积累。
图：Discovery Loop 四位联合创始人。左起：Oriol Vinyals、Sanjay Ghemawat、Jeff Dean、Quoc Le。来源：Jeff Dean 的 X 推文
Discovery Loop 要自动化的是完整实验循环
Discovery Loop 把科学和工程研究抽象成一个循环：提出实验，完成实现并运行，评估结果，再根据结果提出下一轮实验。官网认为，这种循环长期依赖研究人员顺序推进。在许多领域，实验过程缓慢、劳动密集，也难以扩大规模。
公司的产品，是一套复合系统。前沿 AI 模型负责生成候选实验、代码或方案；大规模计算基础设施负责调度和运行；评估模块判断结果；反馈系统再把有效信息送入下一轮。模型、基础设施和反馈机制需要连在一起，单个环节的能力无法独立完成闭环。
融资材料把迭代时间和实验规模视为两项核心指标。系统自动提出并运行大量实验，再从每次评估中学习，逐步提高后续实验的质量。Discovery Loop 官网进一步提出并行执行数千个实验，迅速淘汰无效方向，把计算资源转向更有希望的路径。
图：Discovery Loop 设想的自动实验循环：提出实验、实现并运行、评估，再进入下一轮。来源：Jeff Dean 的 X 推文／Discovery Loop 融资材料
这条路线的关键环节是提出新想法。Vinyals 在接受《WIRED》采访时承认，当前模型在生成真正值得尝试的新想法方面还不够强。由此看，Discovery Loop 既要解决实验执行效率，也要提高研究问题本身的质量。若系统只是高速重复价值有限的实验，规模越大，计算浪费也越大。
Khosla Ventures 创始人 Vinod Khosla 用一句话概括了这项投资的核心：过去人类一直使用 AI 做研究，Discovery Loop 希望让 AI 承担研究者的角色。
为什么先用 AI 研究 AI
Discovery Loop 的第一站，是机器学习研究与工程，公司会成为自己的第一位客户。这项选择与四位创始人的能力吻合，也提供了更短的产品验证路径。
许多机器学习实验可以在计算环境中完成。训练损失、基准测试、推理速度、资源消耗和错误率等指标能够被程序读取，实验实施通常表现为代码、训练任务和系统配置。相较于需要真实样本、实验室设备和长期观察的生物或材料实验，机器学习更容易形成端到端自动化。
公司计划先建设支持大规模机器学习实验的基础设施、AI 模型和系统，再用这些能力优化自己的技术栈。一次改进可能产生更好的模型、训练方法或系统架构；更新后的技术又能提高下一轮实验的提出和执行能力。Quoc Le 甚至提出，这套系统可能发现一种不同的 Transformer 架构。
这使 Discovery Loop 拥有一条潜在的正反馈路径。早期产品服务内部研发，密集反馈帮助团队修正系统。方法成熟后，公司再把它迁移到芯片设计、生物学、药物发现和材料设计等领域。内部验证的价值还在于，团队可以直接看到系统在哪些环节依赖人工，哪些评估指标会诱导错误方向，以及并行实验的收益能否覆盖算力成本。
14 项工程挑战定义了远景，“可测量结果”限定了边界
Jeff Dean 在 X 上表示，自动实验循环广泛适用于科学和工程，并可能帮助解决美国国家工程院 14 项重大工程挑战中几乎每一项的重要子问题。融资材料列出了全部 14 项：
图：融资材料列出的美国国家工程院 14 项重大工程挑战。来源：Jeff Dean 的 X 推文／Discovery Loop 融资材料。翻译制图：科技行者 Techwalker。
推文使用的措辞是“重要子问题”，融资材料写的是 14 项中的“大多数”。Discovery Loop 官网给出的适用条件更加具体：结果可以被测量的学习循环。这个条件决定了自动化系统能否获得可靠反馈。
机器学习通常拥有明确的评估集和指标。药物、能源、水资源和城市基础设施的反馈更加复杂。实验周期可能持续数月乃至数年，单次实验成本更高，还涉及物理设备、数据质量、安全和监管。而 AI 可以缩小候选范围、设计实验和处理结果，但是，真实世界仍要提供可信的验证信号。
因此，从机器学习扩展到其他学科需要重新组织软件、实验条件与领域知识。Discovery Loop 还要决定自己提供通用平台，还是与不同领域的机构共同建设实验闭环。这个选择将进一步影响商业模式和资本需求。
融资靠的是履历，眼前任务是把团队和系统建起来
四位创始人把 Discovery Loop 注册为公共利益公司（Public Benefit Corporation）。这种公司仍可进行商业融资和经营，同时把公共利益目标纳入治理。官网将使命表述为：自动解决机器学习、科学和工程中的重要问题，加快科学与技术成果进入现实世界的速度。
他们为少数风险投资机构制作了一份简单的融资演示文稿。Jeff Dean 特别说明，这份材料没有使用 AI 生成。Radical Ventures 与 Khosla Ventures 领投初始轮融资，Lightspeed、Kleiner Perkins、Doerr Capital 和 Alphabet 参与。种子轮将在接下来几周收尾，融资金额和估值尚未公布。
投资人首先押注的是「人」。Vinod Khosla 说，面对这支团队，他甚至不需要预先知道他们具体要做什么。四位创始人参与过大规模计算、基础模型和 AI 产品的长期建设，投资机构相信他们具备把宏大研究命题转化为实际系统的能力。
公司仍处于组建期。Jeff 在推文中列出的近期任务一箩筐，包括寻找办公场地、在数周内招募创始团队，并开始建设面向大规模机器学习实验的技术系统。官网也在强调，团队会保持精干，并采用线下协作方式。Jeff 希望团队以高技术水准和紧密协作为基础，在相互尊重的环境中追求有雄心的目标。
公司的管理分工也在形成。我留意到《WIRED》一篇文章里，询问谁担任 CEO 时，四位创始人短暂停顿了一下。Jeff 随后说：“我想 CEO 应该是我，大家都指向了我。”这个细节与公司的筹备速度一致：创业想法几周前才形成，团队先完成融资和公司设立，再同步确定组织角色。
四位创始人之间的合作关系最短也超过十年，最长接近 30 年。Jeff 分享的最后一页融资材料没有技术图表，只有四人在伦敦、巴塔哥尼亚、越南和加州工作与旅行的照片。它传递的信息很直接：这家公司的初始组织基础不仅来自履历，也来自长期合作形成的信任。
图：四位创始人多年间共同工作和旅行的记录。来源：Jeff Dean 的 X 推文／Discovery Loop 融资材料
Discovery Loop 独立运营，Google 保留资源连接
与 Google 协商离职并不轻松。《WIRED》提及，Jeff 表示 Sundar Pichai 曾通过多次会谈尝试挽留。四人最终选择创业，希望获得更大的行动自由，减少大型组织推动彻底变化时需要克服的惯性。
Google 随后接受了这一决定，并成为 Discovery Loop 的创始投资者和云服务合作伙伴，双方将共同研究机器学习系统及相关基础设施。《WIRED》还披露，Google 会在第一年向新公司提供算力。
法律上，Discovery Loop 是一家独立公司；资源上，它仍与 Google 保持连接。Google 能够分享新公司未来的价值，并保留与四位核心人才的研究关系。Discovery Loop 则获得启动阶段最稀缺的算力和基础设施支持，同时拥有独立公司的决策速度。
这项安排也减少了人才流动的绝对损失。四位创始人不再负责 Google 内部项目，但他们的工作仍可能通过投资回报、云服务和联合研究反哺 Alphabet。它无法立即填补 Gemini 和 Google 基础研究中的岗位空缺，却让双方的关系保持在合作状态。
Discovery Loop 目前展示的是一支罕见的团队和一套清晰的方法，长期路线覆盖范围很广。产品仍在建设，创始团队正在招聘，自动化实验循环也尚未给出公开成果。它的早期价值主要来自四位创始人过去完成过什么，以及他们对研究组织方式的判断。
接下来，衡量 Discovery Loop 的标准很直接：这套系统能否持续提出值得验证的新想法，并把实验结果转化为下一轮更有效的研究，它最终创造的技术价值，能否达到四位创始人离开 Google 所造成的人才缺口的量级。
* 文章根据 Jeff Dean 的 X、Google 官网、Discovery Loop 官网、NAE 官网、路透社报道、连线杂志报道等信息综合整理。
科技行者团队出品
