在斯坦福大学举办的亚裔美国学者论坛峰会上，刚刚结束谷歌27年职业生涯的Jeff Dean以创业者身份亮相，此时距离他创办新公司Discovery Loop仅过去12个半小时。这场对话的另一位主角是被誉为“计算机安全教母”的宋晓冬教授，她刚从AI安全创业公司转投meta超级智能实验室担任AI研究副总裁。两位技术领袖的同台，折射出当下AI领域人才流动与技术创新的多重图景。
Jeff Dean的新征程带着鲜明的技术理想主义色彩。这家注册为公益公司的企业，试图通过AI自动化构建科学研究的完整闭环——从提出假设、设计实验到评估结果，形成持续迭代的“发现循环”。与传统大模型专注回答问题不同，Discovery Loop的目标是让AI直接参与科学发现过程。谷歌作为战略投资者，不仅提供云计算基础设施支持，更在人才网络层面形成独特优势：创始团队成员曾指导过Dario Amodei、Ilya Sutskever等AI领域顶尖人才，勾勒出从谷歌大脑向外辐射的技术谱系。
首轮融资阵容揭示了资本对这一方向的强烈兴趣。由Radical Ventures和Khosla Ventures领投，Lightspeed、Kleiner Perkins等知名机构跟投，谷歌也通过Alphabet参与其中。这种“小而精”的团队架构与“大而全”的资源支持形成互补，Jeff Dean特别强调云计算对科研范式变革的推动作用：“现在十人团队就能获得过去只有科技巨头才具备的算力支持，这彻底改变了创新生态。”
技术实现路径上，Discovery Loop延续了Jeff Dean一贯的系统化思维。他将科学发现自动化拆解为可模块化的循环系统，每个环节都能独立优化并形成反馈网络。这种思路与其早年推动TensorFlow时的理念一脉相承——当时他致力于让研究者无需关注底层硬件差异，现在则希望消除科研流程中的效率断点。据其透露，新系统有望将实验迭代周期从周级压缩至小时级，同时并行运行数千个实验。
但这条道路充满挑战。谷歌DeepMind研究员Tom Zahavy今年初提出的观点颇具代表性：当前大模型擅长归纳与演绎，却缺乏提出全新理论框架的溯因能力。以爱因斯坦发现广义相对论为例，真正的科学突破往往需要突破现有认知框架，而不仅仅是优化已知参数。对此Jeff Dean承认技术难度，但指出持续实验反馈能弥补静态数据训练的局限，这与其在神经架构搜索领域的经验相呼应——当年通过自动化循环，系统曾发现比标准Transformer更高效的架构。
宋晓冬的选择提供了另一种观察视角。这位从创业公司转向大平台的学者，看中的是meta数十亿用户带来的真实场景验证机会。她特别强调AI安全研究需要与产品开发深度结合，这种需求在前沿模型和智能体系统中尤为迫切。两种职业路径看似相反，实则都指向技术落地的关键命题：如何将实验室成果转化为改变现实的力量。
在判断技术趋势的方法论上，Jeff Dean展现出独特的认知框架。他主张通过广泛略读建立技术全景图，寻找那些“五个环节已现曙光、两个关键变量尚未突破”的领域。这种标准既避免过早投入无法解决的问题，也防止陷入纯工程优化的竞争红海。按照这个逻辑，科学发现自动化正处于理想的技术窗口期——基础能力已具备雏形，但核心循环机制仍需突破性创新。
当被问及AI创业潮时，Jeff Dean认为云计算的普及重构了创新生态。过去需要自建数据中心的门槛不复存在，小型团队现在能专注解决特定领域的核心问题。这种变化在他与宋晓冬的对话中形成有趣对照：前者追求组织专注带来的技术穿透力，后者看重平台规模带来的场景覆盖度。两种模式共同描绘出当下AI创新的多元图景——无论是大公司的体系化突破，还是创业公司的垂直深耕，都在推动技术边界持续扩展。
