AI 下一阶段：自主科研成焦点？Google 首席科学家离职创业

今日，Jeff Dean 正式卸下 Google 首席科学家职务，并离开 Google 创立新的 AI 科学发现企业 Discovery Loop。过去几年，他主要致力于推动 Google DeepMind 和 Google Research 的 AI 研究突破，也担任 Gemini 项目的联合负责人。更早时期，他还曾深入参与 MapReduce、Bigtable、TensorFlow 以及 TPU 等核心项目，是 Google 技术架构中极具标志性的人物。

Dean 可以说已在 Google 收获了所有可能的荣耀，不缺乏声誉，也不缺乏财富。如今却决定离开 Google，打造一家 AI 科研自动化公司，而且这家公司还是公益共益性质的企业。笔者认为，这本身就是一个极其重要的风向标。

这说明在顶尖 AI 专家看来，下一阶段 AI 最值得投入的领域，可能已不只是构建更强的对话模型、办公工具或编程助手，而是让 AI 进入科学探索和工程研发本身，也就是 AI for Science & Engineering。AI 不再单纯协助人类完成现有任务，而是开始参与提出假设、设计实验、优化模型、分析结果和持续迭代的完整发现循环。换句话说，它标志着 AI 应用故事的一次转向：从“提升生产效能”，迈向“提升发现效能”。

其实，Dean 的离职早有预兆。在近期访谈中，他已经提及自动化科学方法，谈到用 AI 改进 AI，并且提出一个很有趣的创业思路：寻找通用模型当前成功率仅为 0% 或 1% 的任务，而非那些已能完成 20% 的任务。

笔者在此做出一个大胆推测：他要做的第一步，就是递归自我改进 RSI 的前置基础架构，即自动化机器学习研发。进一步说，Discovery Loop 是试图将 AI 嵌入研发闭环本身，让 AI 帮助 AI 研究者更快探索模型架构、训练方式、数据策略和实验路径。

如果这条路行得通，意义就不只是 AI for Science 需求侧故事的展开，也可能意味着 RSI 供给端飞轮的起步。换句话说，更大的下游应用场景，会带动更多 AI 基础设施需求。而更强的 AI 研发自动化能力，又会反过来加速模型进步、应用扩展和资本投入循环。

对于 Google 而言，关键人物离开在情绪上肯定会产生波动，但更值得关注的，是继任者 Demis Hassabis 能否继续扛起 AI 这面大旗。Hassabis 是 Google DeepMind 的核心创始人之一，也是 AlphaGo、AlphaFold 等标志性项目背后的关键人物。如今他转任 Alphabet 首席科学家，并出任 Google DeepMind 主席，意味着 Alphabet 正把更长远、更基础的 AI 科研战略，进一步交到 Hassabis 手中。从某种角度看，这也是 Google 试图持续强化科研、模型与算力协同的一次组织调整。

接下来，让我们一同看看 Jeff Dean 的最新访谈。在这场对话中，Dean 从“初级工程师”与长期智能体谈起，延伸到推理硬件、能源限制、上下文工程，以及 AI 如何自动改进 AI。笔者认为，这场访谈非常值得仔细阅读，因为它不仅探讨了 AI 应用的当前形态，也隐约指向了下一阶段 AI 竞争的核心方向。

一、AI 接近初级工程师，但真正的变革是任务变得漫长

2025 年 5 月，Jeff Dean 曾预测，AI 可能在大约一年内达到初级软件工程师的水平。一年后，主持人请他重新评价这项预测。Dean 表示，具体结论依赖于如何定义“初级工程师”，但此前的判断大致准确。真正超出他预料的，是模型处理复杂任务能力的提升速度。

“完成越来越复杂任务的能力，增长速度比我原先设想的更快。”

这种变化也不局限于编码领域。Dean 认为，对于某些问题，只要底层模型足够强大，智能体完全可以连续运行数天甚至数周，完成复杂任务。他举的例子是软件迁移。智能体不仅要把一套软件改写成另一种程序语言，还可能在迁移过程中提升安全性与性能。

这与“补充一段代码”有本质差异。它要求智能体理解原有系统、制定计划、不断修改代码、运行测试、比较行为差异，再根据结果反复调整。换句话说，智能体的基本单位正从“一次回答”，转变为“一段持续进行的工作过程”。

二、能够运行数周，不等于已经可以稳定运行数周

不过，Dean 并没有把长期智能体描绘成一个已经解决的问题。他指出，如今的智能体有时在约 10 次工具交互后就会开始失效。一个重要原因是，任务会逐渐超出模型熟悉的分布范围。模型越多地尝试训练中缺少经验的操作，表现就越容易下降。

Dean 给出的解决思路大致有三层。第一，向模型补充技能、操作规范和提示，使其尽量保持在熟悉的“明亮路径”上。第二，让多个智能体尝试不同方案，再由另一个模型或评估器筛选更有前景的路径。第三，增加推理时计算，在多个候选方案之间持续搜索，并及时放弃已经偏离目标的路线。

这也是为什么 Dean 反复强调，模型只是系统的一部分。长期智能体并不是将一个更强的模型接上电源，然后等待它工作几周。它还需要工具、检索、历史信息、评估器、技能体系，以及能够持续纠错的编排框架。模型决定它能否出发，系统决定它能走多远。

三、任务越长，推理成本越容易演变成硬件问题

当智能体从一次问答变成持续数天的工作流，模型调用、数据读写、工具执行、结果检查与失败重试都会显著增加。因此，Dean 把注意力转向了高性能、低能耗的推理硬件。

“推理是让智能体系统服务更多人的关键。延迟非常重要，而硬件专用化，是获得更高能效和更低延迟的一条关键路径。”

他甚至让现场听众设想：“如果延迟能够改善 50 倍，你可以做些什么？”

这套思考方式，与 TPU 的起源十分相似。当年，Google 的深度学习语音识别效果显著提升，但所需计算资源也迅速增加。Dean 回忆，新模型一度将错误率降低约一半，却比旧系统消耗更多算力。如果每名用户每天仅使用几分钟，所需服务器规模仍可能大幅膨胀，Google 因此需要 CPU 之外的新方案。

TPU 最终选择高度专用于低精度稠密线性代数，因为这类运算位于现代机器学习的核心。按照 Dean 在访谈中的说法，第一代 TPU 相比当时的 CPU 和 GPU，能效提高约 30 至 80 倍，延迟降低约 20 至 30 倍。

这个故事真正揭示的，是一种长期有效的第一性原理工程方法：先测算需求规模，再寻找能够带来数量级改善的系统瓶颈。当年，语音识别需求推动 Google 研发 TPU。如今，持续时间更长的智能体工作流，正在重新放大推理效率的重要性。

四、AI 真正昂贵的部分，可能不是计算，而是数据搬运

Dean 认为，理解 AI 系统不能只看浮点运算次数，还要看数据被搬运了多远。

访谈中提到，搬运数据与执行计算之间，能耗差距可能达到约 1000 倍。正是这种差异，塑造了机器学习系统的许多设计。系统将多个样本或 Token 组成批次，本质上是为了摊薄读取权重和搬运数据的成本。

问题在于，批处理有利于提高吞吐量，却未必有利于降低延迟。训练可以等待一个批次积累，面向用户和智能体的推理却往往需要立即获得下一步结果。

因此，Dean 当前更关注几个问题。如何减少数据搬运，如何采用更低精度的计算，以及在所需精度已经明确的情况下，硬件是否还有必要支持大量几乎不会使用的计算格式。

他还提出，今天的 AI 工程师需要重新掌握一套“延迟数字”。加速器主内存到片上存储的带宽、一次乘法所需的能量、芯片间互联带宽、系统能够高效连接多少颗芯片，以及当规模从数百颗扩展到上万颗芯片时，网络带宽将如何变化。

五、模型只是系统的一部分，下一站是上下文工程

谈到上下文工程时，Dean 给出了一个清晰的区分。模型训练时，海量 Token 被压缩进数千亿乃至更多参数中。而直接放入当前上下文的信息，则会对具体任务产生更明确的约束。

一个完整系统不仅需要模型，还需要知道有哪些工具可用、如何检索相关资料、哪些历史信息应当进入上下文、如何把问题拆解为连续的工具调用，以及如何比较不同方案。

“模型其实只是整个系统中的一个部分。你真正要构建的，是一个能够解决重要问题的完整系统。”

Dean 举了一个亲身参与的例子。他与长期合作者 Sanjay Ghemawat 经常优化 Google 内部底层库，于是两人为智能体编写了一项技能。先运行微基准测试，再修改代码、重新测量性能、扩大测试范围，并根据结果持续迭代。这项技能并没有重新训练基础模型，只是把两位工程师原本采用的工作流程，整理成模型能够理解和执行的形式。

“这其实就是把我们人类会采用的方法，以模型能够使用的形式交给它。”

这也解释了上下文工程的真正价值。它不是依靠几句神奇提示词替代模型能力，而是把领域知识、工具规则、评价标准和操作流程，转化为模型当前任务的一部分。

六、所谓 AI 改进 AI，首先是一条自动运行的实验闭环

当主持人请 Dean 给出对 2027 年的新预测时，他谈到的是机器学习研究本身的自动化。系统可以把一个高层目标拆解为若干子问题，对每个子问题运行大量实验，评价哪些方案有效，再将结果重新组合成更好的整体系统。

Dean 将这条路径概括为自动化的科学方法，提出实验，完成实验，评价结果，再进入下一轮。这里最关键的环节，不只是生成更多方案，而是评价器。

Dean 回忆，Google 同事曾处理过一个量子化学问题。原本使用高成本模拟器评估一个分子构型，需要一整晚计算；研究人员利用模拟器已有的输入与输出训练神经网络近似模型，将评估速度提高约 30 万倍，同时保持接近原模拟器的准确度。

Google 在 2017 年的公开资料中记录过相近结果：一个分子性质预测模型在 QM9 数据集上的部分任务中，预测速度最高可达到密度泛函理论计算的 30 万倍。不过，Google 也明确指出，该数据集中的分子较小、分布较窄，不能将这一数字直接外推到整个化学空间。这个案例真正说明的是，一旦评价过程从“一整晚”缩短到接近即时，自动实验循环的速度就会发生根本变化。

同样的逻辑也适用于机器学习研究。今天，大型研究团队会提出想法、运行小规模实验、筛选有希望的结果，再放大实验并组合成新的模型方案。Dean 认为，这条流程并不存在无法继续自动化的根本障碍。但“自我改进”并不意味着模型凭空觉醒。它至少需要一个可测量的目标、一个足够可信的评价器，以及能够承受大量试验的计算系统。

如果目标定义错误，或者评价器只奖励表面分数，自动化只会更快地优化错误方向。Dean 给出的目标很克制：“你最终希望优化的，是每单位计算投入所产生的发现。”

七、当代码越来越便宜，真正稀缺的是问题选择

如果大量代码都可以交给智能体，人还剩下什么？Dean 的答案不是“更会写提示词”，而是规格与判断力。

他认为，与智能体合作时，清楚说明目标的重要性反而提高了。今天的模型很擅长把软件从一种编程语言迁移到另一种语言，一个重要原因是，原有代码和测试本身已经构成了一份详细规格：系统应该完成什么，哪些行为不能改变，都有现成参照。当规格模糊时，智能体只能猜测人的真实意图；当规格清楚时，它才能持续判断自己是否仍处在正确路径上。

再往上一层，真正稀缺的是决定让智能体解决什么问题。

“大部分胜负取决于，你准备把时间花在哪个问题上。”

谈到创业公司与 Google 等通用模型平台的竞争时，Dean 给出的建议也很具体：寻找通用模型当前成功率只有 0% 或 1% 的任务，而不是已经能够完成 20% 的任务。后者往往意味着相关能力已经开始出现。随着训练数据增加和模型持续升级，通用平台很可能迅速追上。

小团队仍可能在三个方面形成优势：拥有通用模型无法接触的特殊数据或个人数据，围绕特定领域建立更强的产品与技能，以及用可承受的成本训练高度准确的专用模型。

但 Dean 同时提醒，创业者必须判断，这种优势究竟能够维持六个月、十二个月，还是两三年。这并不是一条固定的“1% 创业法则”，而是一种筛选问题的启发式标准。

最后，最近的置顶文章和历史推文，建议大家有时间认真阅读。很多所谓的新变化，其实都不是突然发生，而是在此前的产业逻辑中不断演化出来的。比起被单条新闻牵着走，更重要的是建立自己的判断框架。

专注分享财经信息的专业社区，喜欢请点击下方名片添加关注。

免责声明：本文材料整理于公司公告、新闻、机构公开研报及社交媒体网络等，对文中所涉专业及个股均不构成投资建议。市场有风险，投资需谨慎。图文如有侵权或违反信披规则请后台留言联系删除。