編按:本文綜合整理自 WIRED、紐約時報、華爾街日報、TechCrunch、The Next Web、Discovery Loop 官網,並加入 Siami 編輯部觀點與分析。
四位 Google 巨頭集體出走
2026 年 8 月 5 日,Google 首席科學家 Jeff Dean 在 X 平台上宣布與三位長期戰友共同創立 Discovery Loop——一家公益公司(Public Benefit Corporation),目標是把整套「科學發現的實驗迴圈」全自動化。與他一同離開 Google 的包括:
- Jeff Dean(擔任 CEO):Google 第 30 號員工,加入已 27 年,Google Brain 共同創辦人、Google DeepMind 與 Google Research 首席科學家、Gemini 共同技術負責人
- Sanjay Ghemawat:Google Senior Fellow,MapReduce、BigTable、Spanner、Google File System 等分散式系統論文的共同作者
- Oriol Vinyals:DeepMind 研究副總裁、Gemini 共同技術負責人、AlphaStar 與 AlphaFold 的關鍵推手
- Quoc Le:Google Brain 共同創辦人、神經網路與序列模型的先驅
四人共事時間長達 14 到 30 年,親手打造了 Google Search、Ads、Translate、TensorFlow、TPUs、Pathways、AlphaChip、AlphaStar、AlphaCode、AlphaFold、Gemini 等橫跨基礎架構與 AI 模型的關鍵產品。Discovery Loop 採用與 OpenAI、Anthropic 相同的德拉瓦州 PBC 法人結構,Alphabet 與 Radical Ventures 同為創始投資人,Khosla Ventures 也參與注資,Google 同時簽署雲端合作協議,將為新公司提供運算資源。
Discovery Loop 要解決什麼問題
創辦團隊在 Discovery Loop 官網清楚說明了問題意識:科學進步的瓶頸在於實驗迴圈仍然由人類手動執行——提出假設、實作並執行實驗、檢視結果、再迭代修正——這個流程在多數領域都極其緩慢且人力密集。公司的核心方法是自動化整個實驗迴圈:運用最尖端的 AI 模型與大規模運算基礎設施,讓系統能快速提出、執行、並從評估中學習,達到「數千個實驗並行運作」的規模,大幅壓縮迭代時間。執行順序分三階段:
- 從機器學習研究開始:先自動化 ML 研究與工程流程
- 自己當第一個客戶:用自動化 ML 能力快速優化自家技術堆疊
- 擴展到 NAE Grand Challenge:最終挑戰美國國家工程院列出的十四大世紀挑戰——更好的藥物、淨水、太陽能經濟化、資安、科學發現工具等
Quoc Le 在 WIRED 受訪時畫出具體藍圖:「我們可能會發現一種不同的 Transformer 架構」。Oriol Vinyals 則補上最大瓶頸:「模型如何提出新點子去嘗試——這是它們目前還不夠強的部分」。
為什麼這件事重要這是 2026 年 AI 界最具結構性意義的人事地震之一,值得從三個層次拆解。
第一,Google AI 大腦正在被「結構性外移」。Discovery Loop 不是孤例:Transformer 共同作者 Noam Shazeer 已投奔 OpenAI、AlphaFold 核心研究員 John Jumper 跳槽 Anthropic,如今 Google 第 30 號員工與 DeepMind 三大支柱集體離開。Alphabet 股價當天應聲下跌約 5%,市值蒸發約 1600 到 2000 億美元。The Next Web 直接寫道:「Google 跳過 Quoc Le 與 Oriol Vinyals 的名字」,只列 Jeff Dean 與 Sanjay Ghemawat,被外界解讀為公司對內部士氣的刻意控管。
第二,Sundar Pichai 同日宣布 Demis Hassabis 從 DeepMind CEO 退居主席,CTO Koray Kavukcuoglu 升任 SVP 直接向 Pichai 報告。Google 官方部落格與 MIT Technology Review的同步報導顯示,Google 正在把 AI 領導權集中到加州單一指揮鏈下,這是對 27 年來「Google 式分權研究院文化」的結構性反轉。
第三,這是 AI 對科學界「自指式革命」的起點。Discovery Loop 的目標不是做一個更好的模型,而是讓 AI 自己做出新科學——自動化 ML 研究本身就是這個願景的最低門檻驗證。Karpathy 三月提出的 autoresearch 與 SETI@home 式大規模分散協作,正是這條路線的開源先聲。Discovery Loop 把這個構想做成機構級、Alphabet 注資、有專屬雲端合約的版本。
數據解讀與質疑
質疑一:實驗迴圈真的能全自動嗎? HN 最高票留言之一(VikRubenfeld,47 推)直接挑戰:「植物育種、太陽能材料實驗——這些領域耗時的部分根本無法壓縮,Discovery Loop 怎麼讓它跑得比另一組同樣用最尖端模型的科學家快?」這是對該願景最實質的物理性質疑:不是演算法不夠強,而是現實世界的實驗受物理時鐘約束。
質疑二:Google 注資與雲端合約的矛盾。Discovery Loop 既是 Google 投資的公司,又定位為「自動化讓 Google 既有方法過時」的研究對手。HN 用戶 pm90(65 推)的冷門解讀值得深思:「這根本是 Google 給最資深工程師的『退休天堂』,讓他們遠離競爭對手」。Alphabet 內部研發週期與季度財報壓力,正是 Dean 公開指出的出走原因——但 PBC 結構是否真能隔離母公司壓力,仍是未知數。
質疑三:人才集中化反而加深單點故障。Discovery Loop 集結四位 Google 史上最被引用的人工智慧研究者(Jeff Dean 引用數破十萬、Quoc Le 與 Oriol Vinyals 同為深度學習先驅),加上 Sanjay Ghemawat——這是 AI 史上最密集的一次創始團隊。但若把「系統層 AI」的核心經驗鎖在一家公司,產業的開源競爭力反而會下降。同期 OpenAI、Anthropic、xAI 都在搶同樣的人,Jeff Dean 事實上承認四人是「度假也在一起的朋友」——這種私人關係網絡既是優勢,也是治理風險。
這件事接下來值得追蹤
Discovery Loop 強調他們會先當自己的第一個客戶——用自己的自動化 ML 系統優化自家技術堆疊。這是一個聰明的「漸進式驗證」策略:如果連自家的 TPU-like 基礎設施都無法被自動化改進,就別談 NAE Grand Challenge 了。接下來幾個月要看的是:
- 第一批自動化實驗結果是否公開(尤其 ML 研究本身的改進幅度)
- Alphabet 雲端合約的具體規模與排他條款
- 會不會挖到更多 Google/DeepMind/Apple/微軟的人才
- PBC 結構在面臨重大商業決策時是否能真正隔離股東利益干擾
WIRED 創辦人 Steven Levy 在 X 上寫道:「這是個顛覆 Jeff Dean 的事實」——Discovery Loop 不只是新公司,它是 Google 27 年研究院文化的告別作,也是 AI 進入「自己研究自己」時代的第一個具規模的押注。
網友熱門留言 (6)