start	end	text
0	2820	Google一天蒸發接近2000億美元
2820	4860	導火索不是一張財報
4860	6660	也不是一個模型翻車
6660	8700	而是幾個人離開了公司
8700	10240	這聽起來很誇張
10240	12800	科技公司每天都有人離職
12800	15100	AI圈每天都有人創業
15100	17540	為什麼這次市場反應這麼大
17540	19960	因為這次離開的不是普通高管
19960	21500	而是Jeff Dean
21500	22780	Sanjay Gamowatt
22780	23560	Corkley
23560	24840	Orio Vinyos
24840	25860	這一組人
25860	27400	這四個名字放在一起
27400	29700	等於把Google過去20多年
29700	31940	最值錢的兩條技術線抽出來
31940	35100	一條是分布式系統和大規模計算
35100	37800	一條是深度學習和前沿模型
37800	40700	Jeff Dean在Google工作約27年
40700	42500	是Google Chief Scientist
42500	44800	也是Google Brain聯合創始人
44800	47500	Sanjay Gamowatt是Google早期員工
47500	49300	和Dean長期搭檔
49300	50500	Google File System
50500	51500	MapReduce
51500	52300	Bigtable
52300	53100	Spanner
53100	54300	這些底層系統
54300	56100	都和他們這一代人有關
56100	59500	Quarker是Google Brain聯合創始人之一
59500	63900	參與過Seek to Seek, AutoML,神經架構搜索等方向
63900	67260	Oreal Vinyles是DeepMind研究副總裁
67260	69760	也是Gemini技術負責人之一
69760	74020	參與過AlphaStar,AlphaCode,Gemini這些關鍵項目
74020	75700	所以市場這次恐慌
75700	78160	並非在給4個人的工資定價
78160	81220	而是在給Google AI的組織風險定價
81220	84120	股價跌4%還是5%
84120	87400	市值蒸發是1600億還是接近2000億
87400	89280	數字可以有不同口徑
89280	91480	但市场给出的信号很清楚
91480	95440	当Google最核心的AI和基础设施人物同时离开
95440	97580	投资人会立刻问一个问题
97580	100320	Google的AI护城河到底还稳不稳
100320	102140	这期真正要讲的
102140	104260	不该停在Jeff Dean有多牛
104260	106420	那样写出来只是人物履历
106420	108240	真正要讲的是
108240	110960	Google过去靠这些人建立了搜索
110960	113660	广告 云和AI的底层系统
113660	115720	现在这些人离开Google
115720	118580	要做一家叫Discovery Loop的公司
118580	123140	目标是用AI自动化科学和工程里的实验循环
123140	124920	这不是普通创业
124920	127740	这是Google技术文化的一部分
127740	130380	从公司内部转移到了公司外部
130380	132620	先看Jeff Dean到底代表什么
132620	134400	很多人认识Jeff Dean
134400	136900	是因为那些程序员段子
136900	140160	比如编译器不优化Jeff Dean的代码
140160	142420	是Jeff Dean优化编译器
142420	144200	这些段子当然是玩笑
144200	146620	但它们能流行这么多年
146620	148460	说明一件事
148580	152580	在工程式文化裡,Jeff Dean不是一個普通管理者
152580	155280	他更像Google工程神話的象徵
155280	159380	Google早期能崛起,靠的不是一個漂亮搜索框
159380	166280	而是背後那套能處理全球網頁、廣告、數據、日誌和計算任務的基礎設施
166280	167680	Google File System
167680	169780	解決海量文件存儲
169780	173780	Map Reduce 讓大規模數據處理變成工程常規
173780	176280	Bigtable 支撐結構化數據系統
176280	179780	Spanner把全球分布式數據庫推到另一個層級
179780	183260	這些東西聽起來不像今天的AI模型那麼性感
183260	187160	但他們才是Google能夠擴張成超級機器的地基
187160	189760	Jeff Dean和Sunjay Gamawatt
189760	191860	這一代人的價值就在這裡
191860	194900	他們的強項不只是寫某個產品功能
194900	199000	而是能把一種新計算範式變成公司級基礎設施
199000	200740	這點很關鍵
200740	203640	Google真正賺錢的搜索和廣告
203640	205340	表面是用戶入口
205340	207340	背後是大規模計算能力
207340	209000	YouTube的推薦
209000	210380	Gmail的過濾
210380	211800	Google Cloud的服務
211800	213100	後來的TPU
213100	214100	TensorFlow
214100	215100	Google Brain
215100	215880	Gemini
215880	218300	也都離不開這種基礎設施文化
218300	219600	Google最強的時候
219600	221540	不只是有聰明人
221540	223940	而是有一套能把聰明人寫出的系統
223940	226340	放大到全球規模的工程組織
226340	228580	Jeff Dean離開市場害怕的
228580	230340	並非少一個職位
230340	232180	而是這套組織神話
232180	233440	出現了裂縫
233440	235440	再看一起離開的三個人
235440	239840	Sanjay Gamawad是最容易被普通觀眾低估的人
239840	241440	相比Jeff Dean
241440	244440	他更少出現在大眾科技新聞裡
244440	246440	但在分布式系統裡
246440	248440	他的份量極重
248440	250940	他和Dean共同參與的系統
250940	253440	塑造了Google的計算底座
253440	254940	兩個人一起離開
254940	256440	象徵意義很重
256440	258440	這不是一個AI高管離職
258440	262140	而是Google早期基礎設施時代的兩位核心人物
262140	264700	同時把下一張放到外部公司
264700	267240	Quacklet代表的是Google Brain時代
267240	271620	Google Brain曾經是現代深度學習進入Google的關鍵入口
271620	274520	CQ2Seek 神經機器翻譯
274520	277380	AutoML 神經架構搜索
277380	280320	這些方向都影響過整個AI行業
280320	283120	Quacklet的價值不只是做過某個項目
283120	286460	而是它熟悉從研究想法到模型系統
286460	289500	再到自動化機器學習的整條鏈爐
289500	292380	Discovery Loop要做自動化科研實驗
292380	294740	Quacko這種背景非常貼合
294740	298020	Oreal Vinyles代表的是Deep Mind和Gemini
298020	299780	這一代前沿模型
299780	303100	Alpha Star, Alpha Code, Gemini
303100	305780	這些項目背後有一個共同點
305780	307620	不是單純做聊天
307620	313700	而是讓模型在複雜環境裡推理、規劃、生成代碼、解決任務
313700	316900	Discovery Loop要自動化實驗循環
316900	319180	需要的也正是這種能力
319180	321480	模型不能只是回答問題
321480	326980	他要提出假設、設計實驗、執行、觀察結果、再修改
326980	329180	所以這四個人的組合很嚇人
329180	332280	Dean和SunJay帶來大規模系統能力
332280	335080	Quarko帶來機器學習自動化經驗
335080	338680	Oreo帶來前沿模型和Agent任務經驗
338680	340180	放在Google內部
340180	342180	他們分別是基礎設施
342180	346180	Google Brain、DeepMind、Gemini的關鍵節點
346180	347780	放到一家新公司裡
347780	351740	他們就變成了一套完整的AI科研自動化班底
351740	354440	這就是Discovery Loop的真正爆點
354440	357640	他不是要做一個更聰明的聊天機器人
357640	360020	也不是在做一個代碼助手
360020	363520	他想自動化科學和工程裡的Discovery Loop
363520	365380	也就是發現循環
365380	367140	傳統科研大概是這樣
367140	373280	提出一個假設、設計實驗、執行實驗、觀察數據、修改假設
373280	374880	再做下一輪
374880	376320	這個過程非常慢
376320	378720	也非常依賴人的直覺和耐心
378720	381680	Discovery Loop想把這件事交給AI
381680	384000	讓AI同時跑大量試驗
384000	385600	自動篩選結果
385600	387120	自動調整方向
387120	390560	最後把科研和工程疊代速度推上去
390560	392400	這件事聽起來很大
392400	394080	但它有清晰落點
394080	395840	Wired的報導裡提到
395840	401600	Discovery Loop最開始會先把機器學習研究和工程當作第一塊場地
401600	402880	原因很直接
402880	405580	這幫人最懂的就是機器學習系統
405580	408180	他們可以先讓AI自動優化
408180	410280	AI自己的研究流程
410280	412280	比如模型結構
412280	413580	訓練策略
413580	414780	評測方法
414780	416080	代碼實現
416080	417380	實驗參數
417380	418980	等這套方法跑通
418980	420780	再擴展到藥物發現
420780	421580	材料
421580	422380	芯片
422380	423580	清潔能源
423580	425980	健康信息等更重的科學領域
425980	427580	這條路線很聰明
427580	430080	很多AI for Science公司一上來就說
430080	431180	要改變藥物
431180	431980	材料
431980	432780	能源
432780	434780	故事很大但落地很難
434780	439280	Discovery Loop選擇先從機器學習研究本身開導
439280	441780	相當於把自己當作第一個客戶
441780	443780	用AI加速AI研究
443780	446780	再用更強的AI去加速其他科學
446780	448780	如果這條路線跑通
448780	451780	它的影響就不只是做一家創業公司
451780	454780	它會改變AI研究的生產方式
454939	456939	過去AI研究最貴的地方
456939	458939	不只是算力
458939	460939	還有實驗設計和工程迭代
460939	462939	一個模型想法出來
462939	466939	要寫代碼、調參數、跑實驗、看結果
466939	468939	查bug、改架構、再跑
468939	470739	很多失敗不會寫進論文
470739	472299	但他們消耗時間
472299	474419	算力和工程師精力
474419	476559	誰能自動化這套循環
476559	479099	誰就能把研究速度拉開
479099	481399	這也是Google最該害怕的地方
481399	482979	Google不缺算力
482979	484039	不缺論文
484039	485479	不缺模型人才
485479	488299	它真正的壓力是組織速度
488299	490339	大公司內部要排優先級
490339	491779	要接產品線
491779	492819	要顧安全
492819	494559	要對齊商業計畫
494559	496199	要準備發布節奏
496199	497819	創業公司不一樣
497819	499819	他可以围绕一个目标猛攻
499819	501959	把组织摩擦降到最低
501959	503659	Jeff Dean这批人
503659	506319	如果在Google内部做Discovery Loop
506319	508479	可能会被放进一个部门
508479	509499	一套预算
509499	510639	一个路线图
510639	512219	一堆汇报关系里
512219	513559	放到公司外部
513559	515959	反而可以用创业公司速度去做
515959	518399	这就是这件事最微妙的地方
518399	520539	Google并没有完全切割他们
520539	522679	Google官方公告里说
522679	525979	Discovery Loop是独立Public Benefit Corporation
525979	529979	但Google会作为Founding Investor和Cloud Partner参与
529979	531439	这句话很重要
531439	533959	它说明这不是试破脸式离职
533959	535899	而是一种外部化安排
535899	538919	台面上Google是投资人和云伙伴
538919	542459	台下看Google也许是在承认一件事
542459	545299	有些长期科研和高风险实验
545299	547859	放在Google里面未必跑得最快
547859	549099	不如放出去
549099	551719	让这批人用创业公司形态做
551719	555159	再让Google保留投资和算力合作关系
555159	557419	Google之前也用过类似打法
557419	558519	最近几年
558519	560779	大科技越来越喜欢一种新动作
560779	563639	不一定把所有东西都留在公司内部
563639	565279	也不一定完整收购
565279	566719	而是通过投资
566719	567459	授权
567459	568559	人才流动
568559	569399	云合作
569399	572259	把外部创新变成自己的生态延伸
572259	574819	Google和Character AI的合作
574819	576339	Google抢Windsurf
576339	577939	人才和技术授权
577939	580319	Microsoft和Open AI的绑定
580319	582259	Amazon和Anthropic
582259	583639	都有类似逻辑
583639	585899	巨头不再只靠内部研发
585899	588519	他们也靠资本和云资源
588519	590779	把外部公司纳入势力范围
590779	592819	Discovery Loop这次更特别
592819	593979	因为出去的人
593979	596579	来自Google自己最核心的技术权
596579	598319	所以它既向人才流失
598319	599739	也向战略外包
599739	602819	投资人看到的就是这层矛盾
602819	604519	如果这是人才流失
604519	606099	那Google很危险
606099	607879	AI战争打到现在
607879	610159	顶级人才就是最稀缺资产
610159	611139	Open AI
611139	612159	Anthropic
612159	612839	Meta
612839	613579	Google
613579	615519	XAI都在抢人
615519	618199	千万美元级别签约包已经不稀奇
618199	620239	Google一口气失去Jeff Dean
620239	621039	Sunjay
621039	621759	Quark
621759	623659	Orio这种组合
623659	625379	市场当然会紧张
625379	626859	如果这是战略外包
626859	628259	那Google也有风险
628259	632199	因为最有野心的科研方向被放到公司外部
632199	636739	说明Google内部可能已经不适合成在某些高风险探索
636739	638099	一个科技巨头
638099	641719	如果最前沿的问题要靠外部创业公司去推进
641719	643059	投资人会问
643059	645619	Google还是AI革命的中心吗
645619	648099	这就是股价反应的真正逻辑
648099	650199	市场看的不是离职人数
650199	652979	而是Google AI的组织含金量
652979	654999	过去Google的最大优势
654999	657859	是全世界最强的AI研究人员
657859	659059	愿意待在Google
659059	661079	因为那里有数据
661079	661919	算力
661919	662599	论文
662599	663439	环境
663439	665759	工程系统和产品入口
665759	667859	可是AI商业化之后
667859	670079	Google的内部环境变复杂了
670079	671579	研究要服务Gemini
671579	673279	Gemini要服务搜索
673279	674939	搜索要保护广告
674939	676359	广告要面对AI
676359	677699	答案冲击云
677699	680839	要追Microsoft和Amazon模型发布
680839	683579	又要和OpenAI Anthropic对比
683579	685719	这种压力会让研究人员
685719	688239	很难只按科研直觉行动
688239	690819	顶级人才最怕的往往不是忙
690819	692999	而是被组织节奏托住
692999	695259	AI时代的顶级研究者
695259	696639	越来越像创业者
696639	698579	他们不只是想写论文
698579	700339	也想控制算力
700339	702079	控制产品方向
702079	703699	控制实验节奏
703699	705399	控制团队文化
705399	707219	大公司能给资源
707219	708819	但也会给限制
708819	710799	创业公司资源少一点
710799	712179	但决策更快
712179	713939	股权激励更直接
713939	715279	方向更纯
715279	717399	Jeff Dean这种级别的人
717399	718759	离开Google创业
718759	720879	带来的象征意义很强
720879	723459	连Google的技术神话人物
723459	724419	都开始相信
724419	726479	有些事在Google外面
726479	727359	更适合做
727359	730179	这才是对Google最刺痛的地方
730179	732439	当然,这不代表Google完了
732439	734499	Google仍然拥有
734499	735419	Gemini
735419	737239	拥有DeepMind
737239	738519	拥有TPU
738519	740039	拥有搜索入口
740039	741299	拥有YouTube
741299	742599	拥有Android
742599	745659	拥有全球最强的工程组织之一
745659	746859	Demis Hasebis
746859	750259	转任Google DeepMind Chair和Alphabet Chief Scientist
750259	751339	不是退出
751339	755479	而是从日常管理转向更高层的科学和战略角色
755479	758879	Korekavu Korglu接管Gemini模型开发
758879	760639	前沿AI研究
760639	763099	Gemini App和开发者团队
763099	765759	说明Google也在试图把模型
765759	768499	产品和开发者生态拉得更紧
768499	770259	这次领导层重组
770259	772859	可以看作Google给AI战争换挡
772859	775119	过去DeepMind和Google Research
775119	776619	有研究传统
776619	778479	Gemini有模型压力
778479	780239	产品线有商业目标
780239	782659	现在Google想把这些更集中的
782659	784619	接到Gemini和开发者入口上
784619	785539	问题是
785539	787919	这种集中会提高产品执行力
787919	791099	也可能让纯科研人物觉得空间变窄
791099	793539	所以Jeff Dean离开和Google重组
793539	795179	并非两个孤立事件
795179	797099	他们像一枚硬币的两面
797099	799659	一面是Google需要更产品化
799659	800519	更集中
800519	802139	更能和OpenAI
802139	803139	Anthropic
803139	804119	Microsoft
804119	806139	打正面战的AI组织
806139	808139	另一面是一些顶级研究者
808139	809419	想去做更长期
809419	810139	更开放
810139	812079	更接近科研自动化的事情
812079	814539	Google留下的是Gemini战争
814539	817299	Dean他们带走的是Discovery Loop战争
817299	819139	这两场战争都重要
819139	820319	但节奏不同
820319	822999	Gemini战争拼的是模型发布
822999	824119	产品体验
824119	824999	API
824999	826279	开发者工具
826279	828419	企业客户和搜索入口
828419	832099	Discovery Loop战争拼的是科研生产方式
832099	833219	自动化实验
833219	835539	长期复利和跨学科突破
835539	836519	短期看
836519	838999	Gemini更能影响Google收入
838999	840059	长期看
840059	842039	Discovery Loop如果跑通
842039	845359	可能会影响整个科学和工程创新速度
845359	848499	这也是为什么Google还要投资Discovery Loop
848499	850139	它不能完全放手
850139	851979	如果Discovery Loop成功
851979	854639	Google至少还能通过投资和云合作
854639	855939	赤到一部分红利
855939	857999	如果Discovery Loop失败
857999	860679	Google失去的是几个人的外部尝试
860679	862939	但仍然保留内部AI主线
862939	865299	这个安排对Google来说很现实
865299	868519	既放人出去追更大的科研野心
868519	871559	又不让他们完全跑到竞争对手怀里
871559	874799	这也是大科技处理顶级人才的新方式
874799	878019	过去公司会想尽办法把人留在内部
878019	879679	现在更现实
879679	881859	留不住就投资
881859	883899	管不住就合作
883899	887399	不适合放在内部就放到外部公司
887399	889499	但保留资本和云关系
889499	891999	这样既减少人才彻底流失
891999	894239	也给公司留一个未来选项
894239	895939	可是市场不一定买账
895939	898759	因为投资人不只看有没有合作
898759	899939	还看控制权
899939	902639	Discovery Loop是独立公司
902639	903839	不是Google部门
903839	905579	Jeff Dean他们的时间
905579	906359	注意力
906359	907219	股权激励
907219	908279	团队文化
908279	910039	都不再完全服务Google
910039	912219	Google是partner不是老板
912219	914059	这种差别很大
914059	916019	一家公司最值钱的人才
916019	918119	从雇员变成合作伙伴
918119	919879	听起来还在生态里
919879	921679	实际控制力已经下降
921679	923319	这就是2000亿美元
923319	924659	这个钩子该怎么用
924659	927239	不能说四个人只2000亿
927239	927979	那太粗
927979	928899	应该说
928899	931899	市场用接近2000亿美元的市值波动
931899	933699	提醒Google AI时代
933699	934939	最贵的资金
934939	936339	最貴的資產不只是GPU
936339	937939	也不是模型參數
937939	940839	而是能把科學想法變成系統的人
940839	943739	Jeff Dean這批人正是這種資產
943739	945739	他們不是只會做模型
945739	947739	也不是只會做系統
947739	951159	他们知道怎么把研究想法变成基础设施
951159	953899	怎么把基础设施变成公司能力
953899	957099	怎么把公司能力变成长期技术优势
957099	958519	这种人一旦离开
958519	962219	市场会立刻重新评估公司的未来执行力
962219	963479	再往深处看
963479	966819	这件事还说明AI战争进入了第三阶段
966819	969139	第一阶段是模型能力战
969139	970819	谁的模型更聪明
970819	972539	谁的benchmark更高
972539	974279	谁的发布会更震撼
974279	976539	第二阶段是产品入口战
976539	977839	Chad GPT
977839	978819	Gemini
978819	979539	Claude
979539	980479	Copilot
980479	981419	Cursor
981419	982499	Perplexity
982499	984979	大家抢用户每天打开哪个AI
984979	987659	第三阶段是科研自动化展
987659	990079	谁能让AI自己加速
990079	991179	AI研究
991179	994779	谁就能把下一轮技术进步的速度拉开
994779	997519	Discovery Loop打的正是第三阶段
997519	999819	它不是在做一个更好的聊天框
999819	1000879	而是在问
1000879	1003339	能不能让AI自动提出假设
1003339	1004179	写代码
1004179	1004999	跑实验
1004999	1006119	分析结果
1006119	1007959	再生成下一轮实验
1007959	1010259	如果这个循环越来越自动化
1010259	1012679	人类研究者的角色就会变
1012679	1015659	人类不再亲手试每一个实验
1015659	1017119	而是设计目标
1017119	1018279	约束方向
1018279	1020379	判断结果和控制风险
1020379	1023019	这会带来一个很大的商业结果
1023019	1025839	科研速度本身会变成竞争壁垒
1025839	1028979	过去公司拼的是谁有更多研究员
1028979	1032019	未来可能拼谁有更快的实验系统
1032019	1035639	一个团队如果能同时跑一万条研究路径
1035639	1037619	自动淘汰失败方案
1037619	1039599	快速堆出有效结果
1039599	1041999	它的创新速度会非常恐怖
1041999	1044099	生物医药材料
1044099	1044979	芯片
1044979	1045679	AI
1045679	1046599	模型
1046599	1047359	能源
1047359	1049659	都可能被这种方式重写
1049659	1051699	这也是为什么Discovery Loop
1051699	1054459	选择Public Benefit Corporation这个形式
1054459	1057259	它想讲的不是普通Says故事
1057259	1060339	而是科学和工程创新基础设施
1060339	1062039	它需要商业资本
1062039	1063999	也需要公共利益叙事
1063999	1070459	因为它涉及的可能是药物、能源、健康、科学、发现这些大问题
1070459	1072159	但这条路也有风险
1072159	1075519	自动化科研不是按一下按钮就能出现突破
1075519	1077459	科学实验有噪音
1077459	1079239	现实世界有成本
1079239	1080319	数据会偏
1080319	1081579	模型会误判
1081579	1084239	自动化系统会找到看起来有效
1084239	1085739	但没有意义的捷径
1085739	1087839	机器学习研究本身还好
1087839	1090279	因为实验环境更容易数字化
1090279	1092839	一旦进入药物、材料
1092839	1094339	實驗室自動化
1094339	1097119	就會遇到物理世界的速度
1097119	1097659	設備
1097659	1098519	樣本
1098519	1100479	合規和失敗成本
1100479	1103039	所以Discovery Loop還遠不到穩穩贏
1103039	1104999	它的優勢是人太強
1104999	1106119	方向太大
1106119	1109199	Google還在背後提供投資和雲資源
1109199	1111579	它的風險是目標太難
1111579	1112739	周期太長
1112739	1116659	科學自動化不一定像軟件自動化那樣快速驗證
1116659	1119019	這就讓這期的判斷更有層次
1119019	1119979	短期看
1119979	1122239	這是Google AI領導層政黨
1122239	1127799	中期看这是顶级AI人才从大厂内部流向高风险创业的信号
1127799	1131939	长期看这是AI科研自动化开始进入主战场
1131939	1133159	对Google来说
1133159	1135919	最坏的情况不是定他们离开后失败
1135919	1140499	失败了Google只是损失几位人才的一段外部尝试
1140499	1143759	真正最尴尬的情况是Discovery Loop成功
1143759	1146359	如果它成功就会证明一件事
1146359	1148939	Google最有想象力的科研项目
1148939	1151379	放在Google外面反而跑得更快
1151379	1153579	这会给所有大公司敲警钟
1153579	1154659	Meta会问
1154659	1157499	最顶级AI人才是不是更适合小团队
1157499	1159179	OpenAI会问
1159179	1161659	研究自由和产品压力怎么平衡
1161659	1163179	Anthropic会问
1163179	1166179	安全文化和高速商业化如何共存
1166179	1167859	Google自己更要问
1167859	1171619	为什么一个曾经最吸引科研人才的地方
1171619	1175139	需要把未来实验循环放到外部公司
1175139	1178259	这才是Jeff Dean离职创业的真正分量
1178259	1180699	他不只是一个人的职业选择
1180699	1182999	也不只是一次普通创业
1182999	1185959	它是一种技术组织方式的迁移
1185959	1188979	Google曾经用分布式系统改变互联网
1188979	1191579	用深度学习改变AI研究
1191579	1195019	现在这批参与建造系统的人离开Google
1195019	1197619	要去做自动化科学发现系统
1197619	1200459	这个故事本身就有强烈的历史反差
1200459	1204699	过去他们帮Google建了一台全球最强的信息机器
1204699	1206579	现在他们要在Google外面
1206579	1209619	尝试建一台自动发现新知识的机器
1209619	1212439	市场的恐慌正来自这个反差
1212439	1213939	Google当然还很强
1213939	1217099	但强公司最怕的不是今天输了
1217099	1219679	而是最早看见下一代饭事的人
1219679	1222379	不再把下一代放在公司内部做
1222379	1225159	这期最后可以给一个明确判断
1225159	1226999	Jeff Dean离职创业
1226999	1229439	不会立刻改变Google的收入
1229439	1231979	也不会马上决定Gemini输赢
1231979	1235139	但他会改变市场看Google AI的方式
1235139	1239699	以前投资人默认Google有最深的AI人才词
1239699	1241539	最强的科研传统
1241539	1242959	最好的基础设施
1242959	1245739	现在这个默认值被打了一个折扣
1245739	1247239	Google仍然有资源
1247239	1248839	但资源不等于速度
1248839	1250599	Google仍然有天才
1250599	1252579	但天才开始有外部选项
1252579	1254719	Google仍然能投资未来
1254719	1257079	但未来不一定完全长在Google里面
1257079	1259319	这就是AI时代最残酷的地方
1259319	1262319	过去科技巨头靠平台所用户
1262319	1264059	靠薪酬所人才
1264059	1265799	靠算力所研究
1265799	1268999	现在最顶级的人才可以带着声望
1268999	1272259	资本 云合作和一整个方向走出去
1272259	1274879	巨头不一定拦得住 只能跟头
1274879	1277099	所以这件事不是Google的终局
1277099	1278719	更像Google的警报
1278719	1281719	AI战争已经不只是模型参数战
1281719	1283639	也不只是产品入口战
1283639	1288379	它正在变成人才 组织速度和科研自动化的战争
1288379	1290659	Jeff Dean这批人离开Google
1290659	1293139	给市场看的不是一次离职
1293139	1295579	而是一张新战场的地图
1295579	1297499	谁能把实验循环自动化
1297499	1300939	谁就可能掌握下一代AI进步的加速度
1300939	1303539	Google这次没有完全失去它们
1303539	1306319	但它也不再完全拥有它们
1306319	1307519	这中间的差别
1307519	1310279	就是那一天市场最害怕的东西