Jeff Dean
Google 首席科学家（Chief Scientist），被誉为硅谷”程序员中的程序员”，1999 年加入当时只有约 20 人的 Google，深度参与其系统架构与 AI 技术建设近 27 年。2026 年 8 月初宣布离开 Google，与长期合作伙伴 Sanjay Ghemawat、Oriol Vinyals、Quoc Le 共同创立公益性研究公司 Discovery Loop（聚焦机器学习、科学和工程前沿研究），Google 作为创始投资方与云计算合作伙伴，Dean 本人出任 CEO。
主要贡献
- MapReduce：与 Sanjay Ghemawat 等提出，把并行化与可靠性代码下沉为抽象层，源自”眯着眼看问题”的思想实验。
- TPU：2013 年基于语音识别的”餐巾纸数学”（CPU 撑不住使用量）设计，专为低精度稠密线性代数优化；能效比同期 CPU/GPU 高 30-80 倍，后成为 Transformer 时代的根基性硬件。
- 知识蒸馏：2014 年与 Geoff Hinton、Oriol Vinyals 的蒸馏论文曾被 NeurIPS 拒稿，现已成为行业标准技巧；Gemini flash 模型即从 pro 模型蒸馏而来。
- 《Performance Hints》：与 Sanjay 发布的约 30 页性能优化文档，被社区摘要后喂给模型，提升了模型推理代码性能问题的能力。
- 著名清单《每个工程师都应该知道的延迟数字》的作者。
关键言论（2026-07 YC 访谈）
- “模型其实只是整个系统里的一块拼图。你要做的，是构建一个能解决真正有趣问题的完整系统。“（上下文工程）
- 创业选域测试：拿最强通用模型测目标领域，成功率 0%-1% 是好信号，20% 是危险信号。
- 当 Agent 写完所有代码，稀缺技能是”品味”——知道该让 Agent 解决什么问题。
- 2027 年预测：深度学习系统将实现全自动的问题分解与自动化实验循环。
- 承认低估了 AI 进展速度：2025 年预测”2026 年出现接近初级工程师的 AI”相当准确，但模型处理复杂任务的能力增长比预想更快。
完整访谈内容见 Jeff Dean 离职前最后一次对话。
2026-08-10 单飞后首次公开亮相（斯坦福 AASF Summit，2026-08-07）
来源：Jeff Dean 单飞后首次公开亮相（与 UC Berkeley 宋晓冬对谈）。
- 时间线细化：8 月 5 日正式宣布联合创办；8 月 6 日午夜结束 27 年 Google 生涯；8 月 7 日亮相——“成为创业者约 12.5 小时”（自嘲”只失业了一秒钟”）。
- Discovery Loop 完整设想：注册为公益公司（Public Benefit Corporation），把 AI 放进”提出假设 → 设计实验 → 运行评估 → 决定下一步”的科研循环，将实验迭代从一周一次压缩到一小时、并行运行数千个实验，“不仅 Scaling 模型，也 Scaling 科学发现本身”；路线可追溯到神经架构搜索（NAS/Evolved Transformer）。融资由专注 AI 的 Radical Ventures 与曾投 OpenAI 的 Khosla Ventures 领投，Lightspeed、Kleiner Perkins、Doerr Capital、Alphabet 参与（对上文概述的补充：Alphabet 是投资者，Google 为云计算合作伙伴并早期提供计算资源）。BP 中最引人注目的是人才谱系：Dario Amodei、Ilya Sutskever、Noam Shazeer、杨植麟（月之暗面）、戴自航与张国栋（xAI）等——一张 Google Brain 向 AI 创业圈扩散的网络。
- AI4S 争议：DeepMind 研究员 Tom Zahavy 的 position paper《LLMs can’t jump》认为 LLM 缺少从有限证据跳向新公理框架的”Jump”能力；DeepMind 7 月亦提出”验证瓶颈”——假设变便宜但实验验证仍昂贵缓慢。Discovery Loop 的回应思路：让 AI 不断从新实验结果中获得信息再决定下一步。
- MoE 复盘与”数量级信号”判断法：2017 年 Sparsely-Gated MoE（与 Noam Shazeer、Geoffrey Hinton、Quoc Le 等，最高 1370 亿参数）证明容量与单次计算成本可部分解耦；Dean 的判断标准——接近 10 倍的变化意味着基础性技术转折，10%-20% 的改进不构成信号。
- 自我批评：TensorFlow 最初未采用 eager execution、早期过于开放的 contrib 目录造成社区困惑；Gemini 源自他一页纸备忘录推动的组织合并——从一开始就训练多模态模型，并有意强化代码能力（拆解复杂问题的能力可迁移到推理）。
- “值得赌五年”的五二判断法：问题应处于”七个关键环节中五个已现可行迹象、两个仍真正不确定”的中间地带；读书方法”与其精读一篇，不如略读十篇”。与 YC 访谈的”0% vs 20% 选域测试法”互补。
- 小团队为何可行：云计算把数据中心与 ML 基础设施”外部化”，十人左右团队可直接获得此前只有大公司才有的算力——“小公司提供专注，大公司提供基础设施”。
⚠️ 矛盾 [2026-08-10]（观点层面）：Dean 押注”AI 自动化实验循环实现数量级科研提效”，与 DeepMind 内部（Zahavy《LLMs can’t jump》、7 月验证瓶颈报告）的保留意见形成同门对照——前者认为实验反馈闭环可弥补 LLM 的溯因缺陷，后者认为实验验证的物理速度与”Jump”能力是硬约束。两条判断均可追踪，待 Discovery Loop 产出实证。
？ 本轮融资金额与估值未披露；“成为创业者大约 12 个半小时”为现场说法的媒体转述。