钛媒体注：宣布去职Google 仅仅48小时后，，，，，，8月7日，，，，，，这位前 Google 首席科学家 Jeff Dean便以创业者身份站在了斯坦福纪念礼堂的舞台中央，，，，，，出席AASF 2026 前沿与先锋峰会的开幕对谈。。。。。。 这是Jeff Dean 挥别老店主后的首次果真亮相，，，，，，也是他向 AI 下一个十年交出的第一份“投名状”。。。。。。 这场首秀的舞台规格极高——由亚裔美国学者论坛（AASF）联合斯坦福亚裔美国研究中?主理、胡佛研究所协办的AASF2026前沿与先锋峰会，，，，，，堪称“众神云集”：除 Jeff Dean 外，，，，，，现场还汇聚了“AI 教母”李飞飞、菲尔兹奖得主陶哲轩，，，，，，以及朱棣文、丁肇中等五位诺贝尔奖得主。。。。。。在云云史诗级的学术阵容中，，，，，，Jeff Dean 的这场对谈依然是焦点中的焦点。。。。。。 而与Jeff Dean对谈的主持人同样极具话题度：UC Berkeley 教授、刚刚宣布出任 Meta Superintelligence Labs AI 研究副总裁的 Dawn Song。。。。。。一位刚刚转身脱离全球最大的模子巨头，，，，，，一位刚刚加入全球最大的科技平台之一——这场“双向奔赴”的对话，，，，，，自己就折射出目今 AI 人才流动的最强震感。。。。。。 在这场对话中，，，，，，Jeff Dean 难堪地复盘了从 MapReduce、TensorFlow 到 Gemini 的手艺脉络，，，，，，并首次完整叙述了新公司 Discovery Loop 的构想。。。。。。他用自己的要领论为“AI for Science”赛道加码：判断手艺价值要看“10倍提升”而非百分比，，，，，，寻找问题要瞄准“五个已知苗头加两个未知挑战”。。。。。。 这不但是个人的离别与出发，，，，，，更是工业厘革的缩影：当基础设施走向标准化，，，，，，顶尖科学家正从大厂溢出，，，，，，以更聚焦的创业团队，，，，，，去博取下一个数目级的科学突破。。。。。。 以下是这场对话的详细纪录，，，，，，转载自微信公众号硅谷未来在线，，，，，，内容有删节。。。。。。
?、MoE 的原始直觉： “看到10x，，，，，，你就知道这事成了”
对谈从?段回忆开场。。。。。。2017 年前后，，，，，，Jeff Dean 在ICLR 会场兴奋地向Dawn Song 先容??刚完成的?项?作?那篇MoE（混淆专家模子）的开?之作。。。。。。彼时没有几多?预?到，，，，，，这个架构?后会成为?乎所有前沿?模子的底层选择。。。。。。
Jeff这样形貌昔时的直觉：你想要?个容量极?的模子，，，，，，记着海量的知识 ；；但你?希望它?效，，，，，，每次只激活对目今使命最有?的那?部分。。。。。。“就像?脑?浏览莎??亚?四?诗的脑区，，，，，，和开?时听到垃圾?倒?警报的脑区，，，，，，不会同时点亮。。。。。。”
真正让团队确信这条路?得通的，，，，，，是?个数字：在内部实验中，，，，，，MoE 带来了约10 倍的逊с?/质量?提升。。。。。。“当你看到10x 量级的改善，，，，，，你就知道，，，，，，这事成了。。。。。。”
这是Jeff 整场对谈重复泛起的头脑底?：不靠信心驱动判断，，，，，，靠数目级驱动判断。。。。。。
?、TensorFlow 的复盘： 做对了笼统，，，，，，做错了?态
Jeff罕?地果真复盘了TensorFlow 的得与失。。。。。。
做对的焦点只有一件事：解耦。。。。。。所谓解耦，，，，，，就是把”想模子的人”和”管机械的事”脱离。。。。。。在那之前，，，，，，研究者脑中有一个漂亮的模子还不敷,还得亲自费心它怎么拆分到一百台机械、五百块 GPU 上运行——好比厨师想炒一道菜，，，，，，却还得先自己搭灶台、接煤气。。。。。。TensorFlow 用”盘算图”这层统一笼统把两件事离隔:研究者只需形貌”我要一个什么样的模子”,框架认真让它在硬件上跑起来。。。。。。再加上开源,深度学习的门槛第一次降到了全球研究者都够得着的高度。。。。。。
做错的有两件,也很详细。。。。。。其一,早期没有做 eager execution(即时执行)——简朴说,就是写一行代码连忙看到一行效果、随时可以调试的模式。。。。。。TensorFlow 早先要求先把整张”图”搭完才华运行,开发体验不敷友好,这一点厥后被其他框架证实是更好的选择。。。。。。其二,开源时设了一个 contrib 目录,任何人都能往里孝顺代码库,效果”统一件事泛起了十种做法”,反而把用户搞糊涂了。。。。。。Jeff 的总结是:“应该坚持焦点的清洁,让生态长在外面,而不是长在内里。。。。。。”
对做平台和开发者工具的创业公司,这两条教训今天依然适用:好的笼统,要替用户挡掉重大性;好的生态,要有清晰的界线——热闹可以在外面,焦点必需坚持精练。。。。。。
三、Gemini 的起点： ??memo
谈到Gemini，，，，，，Jeff 透露了?个细节。。。。。。昔时Google Brain、DeepMind 和Google Research 各?都在朝相似的?向推进?扩?模子规模、探索多模态。。。。。。“我写了??memo：这太傻了，，，，，，我们应该合起来?。。。。。。“于是各团队的?才、想法与算?被整合到?个项??,他与Oriol Vinyals 出任联合手艺认真?。。。。。。
他以为Gemini 最准确的决议,是从第?天就坚持原?多模态??本、代码、图像、视频、?频同时进?训练,甚?加?了少量激光雷达数据,“让模子?少知道这种数据形态的保存”。。。。。。?最?的遗憾,是早期对编程能?的投?滞后了。。。。。。他增补了?个主要视察:补强coding 的历程带来了意外的副产品?模子的推理能?、把重大问题拆解为?问题的能?,会随编程能?同步提升。。。。。。这也诠释了已往两年各家前沿实验室不约?同重仓代码能?的原因。。。。。。
四、“点?成?”的?法论： 5+2 的问题形状
Dawn Song抛出了在场合有?都想问的问题：??年来,从MapReduce 到TPU 再到MoE,你怎样?次次分辨”真正基础性的手艺”与”?时的?尚”？ ？？
Jeff给出了三条可操作的原则,我们原样纪录：
第?,?度优先。。。。。。“与其精读?篇论?,不如略读?篇,甚?扫?百篇摘要。。。。。。“你需要在头脑中建???”可能性的点云”,由于突破往往来?把尚未被毗连的想法毗连起来。。。。。。
第?,寻找”完善形状”的问题。。。。。。?个值得投?的难题,应该能拆成七个?问题:其中五个,社区已有显着苗头、靠近解决;另外两个,完全不知道怎么办。。。。。。太确定的是纯?程,太未知的要等??年,“五加?”才是恰到利益的?险。。。。。。
第三,信封背?盘算。。。。。。动?之前先估算数目级:处理这些数据要多久?传输可?吗?“?秒和?百年是两个天下。。。。。。“这种?程?感没有捷径,只能靠重复训练。。。。。。
这三条原则与早期投资的判断框架?度同构??泛扫描建?先验、寻找?险收益?适当的命题、?数目级??叙事校验可?性。。。。。。
五、关于?险：手艺之外,还需要社会解法
?对Dawn Song 从AI 清静视?提出的尖锐问题(她分享了?个评测中AI Agent ??突破沙箱情形的真实案例),Jeff 的回应务实?苏醒:这类模子的绝?大都?途是起劲的?医疗、教育、让通俗?完成已往?法完成的事;但误差挖掘确实是双刃剑,攻防双?同时获得了更强的?具。。。。。。
他强调,许多问题的谜底在手艺之外:“我们需要通过?法和羁系,让社会明确地表达?不希望这些模子做什么,并??增进我们希望它们做的事。。。。。。”
六、Discovery Loop： 把“科学发明”自己酿成 ?个可?动化的循环
对谈的压轴,是Jeff 第?次完整叙述新公司的构想。。。。。。
他从历史讲起。。。。。。?机械学习刷新机械学习并不是新想法:联合首创?Quoc Le 等?早年的神经架构搜索(NAS),让模子??设计模子,通过强化学习反馈一直产出学得更快、质量更?的架构;后续的Evolved Transformer?原版Transformer ?效约30%。。。。。。
?Discovery Loop 要做的,是把这个思绪推到止境。。。。。。Jeff 的核?洞察是:科学和?程的实质,是同?个循环?提出假设、设计实验、实现、评估、把反馈送回下?轮。。。。。。这个循环的每?个环节,今天都已经可以被AI 有用?动化。。。。。。把它们串起来,就是?台”?动做科学”的机械。。。。。。
两个放?器决议了这台机械的威?:?是速率,通过构建合适的?具,让单次实验从?天、?周,压缩到?分钟、??时;?是并?度,同时运?成千上万个实验,并?统?的基础设施评估每个实验的期望价值与算?本钱,决议下?批资源投向哪?。。。。。。“当实验的数目和质量同时上去,会发??些?常了不起的事情。。。。。。”
公司的路径也很清晰:先从ML 研发?动化切??这是反馈回路最短、最容易闭环的领域?再逐步扩展到硬件设计、药物发明与清洁能源。。。。。。四位联合首创?(Jeff Dean、Sanjay Ghemawat、Quoc Le、Oriol Vinyals)两两之间有着14 到30 年不等的相助史。。。。。。?公司选择注册为公益公司(PBC),Jeff的诠释是:“我们会做?些不切合公司财务利益、但切合更?泛社会利益的决议,把科学发明分发给尽可能多的?。。。。。。”
七、为什么脱离?“云盘算把基础设施酿成了商品”
Q&A环节,有观众直接发问:你的去职让Google 市值?幅波动,你在?个?公司能做到什么在Google做不到的事?
Jeff?先笑着体现,他从不把股市的单?波动归因于任何详细事务。。。。。。随后他给出了真正的谜底:“?个??团队,所有?只聚焦?个使命?这种专注自己,就是在?组织?得不到的东?。。。。。。我们本可以在Google 内部做这件事,?概率可以。。。。。。但那不?样。。。。。。”
另?位观众追问了整个?业的核??盾:第?性原理来看,前沿AI 需要海量数据、漫衍式系统与巨额资源开?,全是?公司的主场,为什么顶尖?才与前沿研究仍在一连流向创业公司?
Jeff的回覆,或许是明确这?轮AI ?才流动的?把总钥匙:
“云盘算的兴起,把基础设施酿成了可租?的商品。。。。。。??群?融?笔资?,就能?上?公司花??年建好的底座,?不必??重修。。。。。。有梦想、有?向的?,第?次可以在?团队?追逐前沿。。。。。。”
( 本文首发钛媒体APP，，，，，，作者 | 硅谷Tch news，，，，，，编辑 | 赵虹宇）
