「在很多领域，你可以把整个循环完全计算机化」——Jeff Dean 把自动化的单位从模型换成了循环

先说结论

Jeff Dean 离开 Google 这件事，新闻价值在人事，观点价值在他顺手给出的那个判断句：值得被自动化的单位不是模型，是「提出假设—跑实验—评估结果」这个循环本身。他还补了一句相当硬的话：在很多领域，这个循环可以被完全计算机化。

这句话的好处是可证伪。而且不用等别人来证伪——他自己选的领域顺序，已经把这句话的边界写出来了：他先做机器学习研究，不先做药物发现。

事情是怎么发生的

8 月 5 日，Dean 宣布离开待了 27 年的 Google，同行的还有 Sanjay Ghemawat、Oriol Vinyals 和 Quoc Le。新公司叫 Discovery Loop，注册形态是公益公司（public benefit corporation），Dean 出任 CEO。种子轮由 Radical Ventures 和 Khosla Ventures 联合领投，Google 同时是创始投资人和算力供应方。

Dean 对 TechCrunch 的说法比较克制：「We think there is opportunity for AI to more fully automate what has traditionally been a very human-intensive experimental loop.」更硬的版本出现在后续报道里：「Particularly in a lot of domains, you can fully computerize that whole loop.」公司名字就是这个意思——科学发现无非是提假设、做实验、看结果，然后再来一轮。

公司官网把 thesis 写得更直白：科学进展被「串行的、劳动密集的实验循环」卡住，解法是用前沿模型加算力把上千个实验并行推起来，把单轮迭代时间压下去。路线也写明了：先自动化机器学习研究与工程，拿自己当第一个客户，再往更广的科学领域扩，长期对着美国国家工程院那批 Grand Challenges。

为什么重要

过去三年行业的默认叙事是「造更强的模型」，自动化的单位是模型能力。Dean 换了单位。在他的框架里模型只是循环里的一个零件，真正的产出函数是循环吞吐量乘以每轮拿到的信息量。

这个换法有两个后果。

一是竞争维度从参数量和榜单，转向延迟和并行度。衡量一支团队的问题变成「一天能跑完多少轮完整的假设—实验—评估」，而不是在哪个 benchmark 上多了两个点。

二是「AI for Science」从赞助型科研变成了工业品。独立实体加风投加算力合约，意味着这条线现在有了自己的资本结构，不再挂在某家大厂研究院的年度预算下面。

站得住与站不住的地方

站得住的部分很实在。这四个人恰好是最有资格说这句话的人——TPU、TensorFlow、Google Brain、AlphaFold 都在他们手上过过。而且他们说的不是「AI 自己会做科学」，而是把循环里人力密集的环节抽掉，这个 claim 比通用 AGI 叙事保守得多，也更容易被打分。

要打折的地方有三处。

第一，顺序即自白。 他们先做机器学习研究——这恰好是评估最便宜、判据最无歧义、且完整发生在计算机里的领域。药物发现、硬件设计、清洁能源被放在「以后」。一个说「很多领域都能完全计算机化」的人，把最难计算机化的那些排在后面，这本身就是对原话的限定。真正的检验是第二个领域选谁，以及进去之后循环会不会断在湿实验那一步。

第二，卡住的可能是样本预算，不是可验证性。 同一周（8 月 11 日），Redwood Research 的 Ryan Greenblatt 在 Dwarkesh 的播客里给了一个对得很准的判断：AI 研发整体上「pretty verifiable」，能在各种指标上爬山；最可能成为瓶颈的是「big experiments where you only get a few tries」——那些只能试几次的大实验。这不是「能不能验证」的问题，是「有没有足够试错次数去验证」的问题。把循环加速一千倍，不会让「这次预训练该押哪个方向」的可试次数从 3 变成 3000。

第三，第一年的分数没有独立定价方。 Google 既是创始投资人又是算力供应方，公司又明说拿自己当第一个客户——机器学习系统给机器学习研究打分。这不必然有问题，但意味着头一年放出来的任何加速数字，都缺一个外部裁判。

接下来该盯什么

第二个领域是什么、什么时候进。留在软件里，这就是一门自动化 ML 工程的生意；真进湿实验室，才算兑现「很多领域」这三个字。

他们公布的是哪类指标。如果放出来的是模型能力和榜单成绩，说明单位又滑回模型了；如果放出来的是循环延迟、每周实验轮数、单位算力的有效实验数，说明他们真在按自己的框架记分。

大厂会不会出现对称动作。Google 这次的处理方式，实际是保住算力合约、放掉组织架构。如果这种结构被复制，前沿研究的组织形态会从「大公司研究院」转向「算力合约加独立小实体」，人才流动的成本结构会跟着变。

以及最关键的一条：那几个只能试几次的决策，有没有真的被搬进循环里。这是 Dean 这句话最终站住还是打折的分水岭。