离开谷歌仅12个小时，杰夫·迪恩就出现在斯坦福大学AASF Summit的舞台上。这是谷歌前首席科学家、Discovery Loop联创兼CEO结束27年谷歌生涯后的首次公开访谈，与他对话的是加州大学伯克利分校教授、Meta超级智能实验室AI研究副总裁宋晓冬。迪恩的新公司只有约十人规模，目标却直指AI科研自动化的最前沿。
希鸥网观察到，这场访谈真正的信号不在于迪恩为何离开，而在于他押注的方向：AI正在从模型能力竞赛，转向对自身研发流程的深度改造。迪恩的思路很直接，把数据选择、模型设计、实验验证和结果评估全部交给AI建立自动化循环。如果一次实验从几天压缩到一小时，同时并行运行数千个实验，科学发现速度就有机会再提升一个数量级。
迪恩对“数量级改善”的判断有一套自己的标准。十年前，MoE稀疏门控混合专家层带来的约10倍训练效率提升，让他认定这是一项能长期影响AI行业的技术。今天，他看中的是把实验周期从一周压缩到一小时，这同样是数量级的变化。迪恩在访谈中反复强调，判断技术价值要建立关于可能性的地图，快速浏览100篇摘要，远胜于精读一篇论文。
云计算基础设施的成熟，是迪恩敢于脱离谷歌单干的底层前提。过去前沿AI研发必须自建大规模计算集群，现在十个人的团队筹到资金就能在云平台上调用海量算力。迪恩认为，这让拥有新想法的人可以在更小的组织里开始工作，同时借助谷歌等云计算公司的基础设施完成重型计算。AI创新的门槛从资本开支转移到了人才密度和决策速度。
组织效率是迪恩选择小团队的第二个理由。在谷歌27年，他深知大型组织的协调成本有多高。十个人坐在同一个办公室，围绕同一个使命工作，做决定快，试错也快。迪恩对宋晓冬说，小团队的优势是注意力不会分散。
希鸥网认为，迪恩的出走揭示了一个行业拐点：当算力可以被购买，AI前沿创新的护城河就不再是基础设施本身，而是人才组合的默契度与决策链条的长度。大型科技公司依然拥有平台级优势，但AI科研自动化这条细分赛道，给了小团队从边缘切入中心的真实机会。谷歌、OpenAI这样的巨头不再是唯一玩家。
迪恩对技术趋势的判断力，背后是27年的工程实践积累。他参与过MapReduce、BigTable、Spanner、TensorFlow、Gemini等关键项目，这种跨越多轮技术周期的经验，让他在面对新方向时能快速估算问题的规模与解决路径。创业者需要警惕的是不切实际的理想主义，真正务实的做法是先认清现实约束，再设计改造现实的产品。
Discovery Loop创始团队以不同组合合作了14年至30年，这种长期磨合带来的信任与默契，是招聘简历无法替代的。评估合伙人或早期员工，与其看谁能给出漂亮答案，不如观察谁总能提出好问题。创业公司在招人时要坦诚告知这份工作的阴暗面和真实挑战，用压力测试筛掉那些只看到光环的人。
维系创始团队的关系，比金钱更长效的是宽厚与体贴。Discovery Loop选择的是公益公司架构，这个细节说明创始团队对使命的认同高于短期套现。创业者需要时刻想清楚珍视什么，把核心价值置于金钱之上。长期合作中，困难时期的彼此体谅，能换来比高薪更牢固的同伴关系。
金鸥品牌榜·2026年度创新案例库开放申报了。免费提报，独立评估，入榜品牌将获得电子版《入榜证明》及年度专题公示，优秀案例可获得深度专访+全平台分发。如需修改或发布文章，请加微信号：sheisceo