歡迎回到On Insight。如果我們要選一個節點作為全球AI產業,從學術夢幻期徹底跨入現實暴擊期的分水裡,我敢打賭,絕不會是哪家大廠又在PPT裡發布了多大規模參數的模型,基準測試又突破了多高的分數。
真正的变局往往发生在那些
看起来极度安静
甚至带着几分诡异的高层人事变动力
就在最近
谷歌内部发生了一场
足以重塑整个硅谷底层格局的震荡
在谷歌效力了整整27年
被全球程序员
尊为代码之神的谷歌首席科学家
Jeff Dean正式宣布离职
如果这只是一位老将退隐的话
倒也不至于让硅谷各大投资机构
和安全部门彻夜未免
真正认识背后发紧的是
Jav Dien离职的时候
带走了一个堪称
硅谷全明星的豪华降维打击阵容
这其中包括与Jav Dien合作
20多年的底层系统传奇搭档
桑杰·格马瓦特
还有Google DeepMind研究副总裁
Jemline模型最核心的技术操盘手
奥里奥尔·维尼亚尔斯
以及AutoML领域先驱
和Google Brain的联合创始人黎光莲
这四个人加在一起
几乎就是半个谷歌AI
与底层分布式系统的技术灵魂
他们组建了一家名为Discovery Loop的新公司
按理说
面对如此核心的技术骨干离职
谷歌应该爆发一场血腥的公关战
对吧
但诡异的事情来了
在继续后面的内容之前
我想先请你帮我一个小忙
如果你经常观看我的视频
但还没有订阅我的频道
欢迎点击订阅
这样你就不会错过后续更多的科学资讯和深度解析
那如果你觉得这期视频对你有所帮助
也请帮忙点赞和分享
让更多人看到这些内容
那如果你希望给予我更多的支持
也欢迎加入我的会员
每月一杯咖啡的钱
就是对我持续创作最大的支持
好的我们继续
这个诡异的事情就是
谷歌不仅没有阻拦
反而第一时间成为了Discovery Loop的初始投资方
并且双手奉上了Google Cloud的超级算力集群
双方直接签下了长期云服务绑定协议
不仅如此
就在同一天
Google DeepMind内部也完成了一场
近乎手术刀级别的高层重组
DeepMind的灵魂人物Demith Hossabies
正式卸任DeepMind CEO的日常管理
身任Alphabet的首席科学家
去操盘更为宏大的AGI理论中举
而接替他全盘操盘Google DeepMind的新帅
是原DevMind的CTO
DQN与WaveNet的发明人
科雷·卡伍克·乔鲲鲁
他越过了所有中间管理层
直接向谷歌CEO桑德尔PX1汇报
听到这里
你脑海里一定盘旋着一个极其巨大的悬念
就是谷歌为什么会心甘情愿的
让自己的顶尖大脑集体外逃
甚至还要掏钱掏算力
帮他们去创业呢
而那位既懂DQN强化学习
又懂Vivnet原生语音的工程狂人
柯雷接棒之后
到底要把Gemla带向何方呢
今天我们就有一期节目
彻底拆解这场看似是高层离职潮
实则是谷歌AI技术大分流的
硅谷终极棋局
要解开这个谜团
我们首先得搞清楚
Jeff Dean带着这帮神仙阵容杀出去
到底要去干一件什么样的事情
在Discovery Loop的官宣里
Jeff Dean直接描绘了公司的愿景
那就是构建自动化的科学方法闭环
简单来说
过去几百年
人类探索未知的方式
本质上都是串行实验
就是科学家提出假设
亲手写代码
跑一次实验
等几天看结果
分析数据
然后再手动修改参数
跑下一次
在这套流程里
最瓶颈的变量不是算力
而是人类脑力的思考速度与手动操作的物理实验
而Discovery Loop要构建一套完全自主运行的AIA层架构
做到自动提出科研假设
自动编写实验代码
自动部署分布式计算
自动分析实验指标
最后自动递归迭代
你注意看Discovery Loop的首期应用场景选择
他们没有第一天就跑去见物理实验室
而是选择吃自己的狗粮
把机器学习研发本身作为第一个实验战场
也就是说他们要用AI去自动设计
自动搜索
自动验证下一代超越Transformer的模型架构
很多朋友可能会问
用AI自动写代码做研究
之前日本Sakana AI的项目不是也做过吗
这正是我们接下来要拆解的关键
Sakana AI的项目本质上是一个
应用层的agent流程封装
它是拿现成的GPT4O或者Cloud外包一层prompt
去模拟科学家写代码跑实验写论文
它的上限完全被底下调用的通用大模型给封死了
而Discovery Loop完全是另一个维度的存在
Jeff Dean和桑杰·格瓦马特
是写出MapReduce Bigtable的超级系统架构师
李光莲是AutoML的鼻祖
奥里尔尔维尼亚尔斯
是顶尖的神经网络搜索与多模态专家
他们要做的是从底层分布式计算
硬件算力调度
神经架构搜索到算法闭环的系统级重构
他们不是在用AI写论文
他们是在用超级计算机集群
让AI去做数以万计的硬件级与架构级实验
直接在算法底层寻找下一个Transformer
那么回到我们开头的悬念
就是谷歌为什么不把这个超级团队留在内部
而是支持他们独立成立一家公共利益公司呢
因为谷歌算透了一笔账
像AI自主研发下一代AI这种前沿探索
风险极高
烧钱极大
失败率也极高
如果放在谷歌Digemine内部
研究员们每天要面对华尔街的财报审查和季度KPI
就会被无限牵扯精力去搞产品适配
通过把JFDN团队外部化
谷歌既让这一帮顶尖天才
摆脱了大公司病和商业汇报的枷锁
又能通过初始投资方和独家GoCloud算力的身份
牢牢锁定未来潜在的技术回流与云服务收益
这一招叫做前沿高风险战略的外部结偶
如果说JFDN的离职是把远期高风险探索拆分了出去
那么接下来发生的事情
才是对Jamlight产品生态影响最深远
也是最暴力的一环
接掌Google D.My的全局率颖的
科雷·卡伍克·乔武
是一个与Demis Hossabies
风格截然不同的工程技术派
Demis是国际象棋神童和神经科学家
他充满着理想主义
而科雷是把深度强化学习
真正推向AlphaGo破局
把WaveNet实施语音
真正变成极易手机里语音引擎的超级工程操盘手
在科雷掌舵之后
Google G-Mind释放出了一个极其明确的信号
就是全面放弃学术包袱
转向极致工程眼镜与大规模商业化暴击
在他的主持下
Gamlight的底层架构
首先,最根本的變化是,徹底打破對預训訓參數崇拜的單位幻想,全面轉向後訓練與推理期計算的深度融合。
在过去两年 行业盲目堆叠预训练参数
但预训练越往后 编辑效应递减越严重
算力成本高到令人发指
柯雷结合他在DQN强化学习领域的积累
给Gemla引入了过程奖励模型PRM
与蒙特卡洛书搜索MCTS
打个比方 传统的语言模型
就像在考场上没有任何草稿纸
靠直觉备答案的考生
遇到简单的题那是没问题的
但遇到复杂逻辑推导或者长流程编程
中间要是错一步后面就全乱了
而PRM与MCTS的融合
相当于给GEMLA配了一张无线扩展的虚拟草稿纸
和一位微观监考官
在推理的每一步
PRM都会对它的逻辑合理性进行毫秒级评分
同时MCTS数搜索会在后台预判
未来几十步的走向
如果发现某个分支走向死胡同
模型会在推理阶段自动撤回并重新搜索最右键
这意味着在不用无限膨胀预讯链参数的前提下
GEMLINE处理高难度编程
复杂数学推导和A乘的规划的成功率
称指数级提升
紧接着第二种转变在于
系统级推理效率的极限拉链
那就是构建GEMINI Spark端云协同分层架构
这里稍微提一下我个人对Spark的使用体验
虽然它还是Beta版本
但先说结论
我觉得它超级好用
我会单独出一期视频
聊一下Gemla Spark和Hermis Agent的配合使用
作为Google订阅的长期体验者
我明显感觉最近Gemla的使用限额提高了
他们虽然没有发布像Fable 5这类的模型
但是无论是Gemla 3.6 Flash
还是Gemla 3.1 Pro都变得更聪明了
好 我们继续这个第二重转变
在商业高并发场景中
用户问一句今天天气怎么样
如果都要调用一次千亿参数的单体大模型
显存和电力开销能把大厂烧穿
克雷推动的Gemlet Spark架构
把整套AI系统做成了像特种部队一样的分层调度
前端部署及轻量及低延迟的Gemlet Spark代理模型
负责高频意图识别
上下门过滤和轻量任务
只有当前线判定
涉及复杂长链条逻辑的时候
才会无缝调动云端期间大模型
这种分层架构
直接把单位Token成本打了下来
这才是支撑数亿并发的商业硬实力
而第三种变化
则是科雷将他的看家本领
Vivnet原生音频与流逝生成
深度融合到了詹姆賴的全模态底座中
以往的多模态AI
往往是文本模型外挂语音识别
与语音合成模块的拼接车
延迟高 语调生硬
而柯雷主导下的詹姆賴
实现了真正的原生全模态流逝交互
不仅能实现毫秒级
实时音视频双向对打
还能在听懂说话的同时
自主执行代码
甚至在手机屏幕上动态生成
UI界面与交互空间
这已经不是在聊天了
这是直接把自然语言变成了实时软件生成的界面
那底层架构演进的再漂亮
如果不能转化为商业流水
在今天也是一张废纸
科雷·卡伍克·乔鲁这次最让人惊悚的调整
在于他不仅管科研
还同时兼任了Gemline产品与开发者生态的最高指挥官
在过去的大厂体制里
科研实验室和商品产品部门是完全脱节的
实验室发了论文
产品部门要花大半年去沟通打包
而柯雷一把抓之后
直接祭出了商业落地的三大杀招
在终端入口上
他们开始加速清洗传统的语音助手
全面用GM来替换掉Android和VLOS上
那个指挥社闹钟的assistant
赋予他操作系统级的最高上下文读取权限
与跨应用API调用能力
直接把它打造成操作系统的中央控制大脑
比如在ValOS手表或者车载系统里
你只需要说帮我安排今晚与张总的商务晚餐
并准备一份他公司最新财报的背景简报
Gamlight就会自动调取邮件和地图订餐厅
同时在云端提取财报生成简报推送给你
与此同时
他们还大幅压缩了科研成果
转化到商业API的时间
在谷歌云Vertex AI和开发者API上
前沿团队在Achic代码生成
自动模型评估和推理加速上的突破
能以周级别的速度直接部署上线
让科研成果在第一秒
直接转化为商业账单
形成技术产品与算力的超级费轮
更关键的是
谷歌正在悄无声息地改变自己的盈利模式
当用户不再翻页点击搜索广告链接
而是让Gamlet给出最终答案时
谷歌的解法是
直接占据agent决策路径的入口
当Gamlet在每日简报或者个人助理里
帮你规划行程推荐服务时
它在生成方案的同时
精准接入商业API入口
谷歌由此从一个信息检索广告商
变成了全局智能决策的开门人
抽取服务分账和佣金
拆决员Jeff Dean的离职创业
与柯磊掌舵下的Deep Mind重组
我们终于能看清这场硅谷AI大戏的全貌了
硅谷的AI战争正是告别了依靠概念和论文引用量
获取高估值的学术竞赛阶段
全面跨入了拼推理成本
拼系统稳定性
拼终端控制力
以及拼商业造学能力的工程与商业深水去
对于我们所有在做AI研发架构设计
或者技术创业的朋友来说
谷歌的这一系列辩证
留下了三条极其宝贵的工程启发
首先不要盲目迷信
纯域训练参数的单位堆叠
多去研究推理器计算
通过过程奖励模型打分与蒙特卡洛数搜索
让模型在推理阶段学会自我纠错
这是低成本实现逻辑跨越的唯一解法
其次要学会拥抱端云分层架构
平气无论任务大小
一力调用千亿大模型的粗暴思维
学习Jamler Spark的设计
用轻量级模型做好前置意图路由
才能在高并发任务中守住成本底线
最后我们需要重新思考软件入口的定义
未来的软件竞争不再是争夺
手机屏幕上的APP图标位置
而是争夺能否被系统及agent
API决策链所调用
技术不相信幻觉
商业不相信眼泪
这里是All Insight
我们下期见