WEBVTT

00:00:00.000 --> 00:00:02.820
Google一天蒸發接近2000億美元

00:00:02.820 --> 00:00:04.860
導火索不是一張財報

00:00:04.860 --> 00:00:06.660
也不是一個模型翻車

00:00:06.660 --> 00:00:08.700
而是幾個人離開了公司

00:00:08.700 --> 00:00:10.240
這聽起來很誇張

00:00:10.240 --> 00:00:12.800
科技公司每天都有人離職

00:00:12.800 --> 00:00:15.100
AI圈每天都有人創業

00:00:15.100 --> 00:00:17.540
為什麼這次市場反應這麼大

00:00:17.540 --> 00:00:19.960
因為這次離開的不是普通高管

00:00:19.960 --> 00:00:21.500
而是Jeff Dean

00:00:21.500 --> 00:00:22.780
Sanjay Gamowatt

00:00:22.780 --> 00:00:23.560
Corkley

00:00:23.560 --> 00:00:24.840
Orio Vinyos

00:00:24.840 --> 00:00:25.860
這一組人

00:00:25.860 --> 00:00:27.400
這四個名字放在一起

00:00:27.400 --> 00:00:29.700
等於把Google過去20多年

00:00:29.700 --> 00:00:31.940
最值錢的兩條技術線抽出來

00:00:31.940 --> 00:00:35.100
一條是分布式系統和大規模計算

00:00:35.100 --> 00:00:37.800
一條是深度學習和前沿模型

00:00:37.800 --> 00:00:40.700
Jeff Dean在Google工作約27年

00:00:40.700 --> 00:00:42.500
是Google Chief Scientist

00:00:42.500 --> 00:00:44.800
也是Google Brain聯合創始人

00:00:44.800 --> 00:00:47.500
Sanjay Gamowatt是Google早期員工

00:00:47.500 --> 00:00:49.300
和Dean長期搭檔

00:00:49.300 --> 00:00:50.500
Google File System

00:00:50.500 --> 00:00:51.500
MapReduce

00:00:51.500 --> 00:00:52.300
Bigtable

00:00:52.300 --> 00:00:53.100
Spanner

00:00:53.100 --> 00:00:54.300
這些底層系統

00:00:54.300 --> 00:00:56.100
都和他們這一代人有關

00:00:56.100 --> 00:00:59.500
Quarker是Google Brain聯合創始人之一

00:00:59.500 --> 00:01:03.900
參與過Seek to Seek, AutoML,神經架構搜索等方向

00:01:03.900 --> 00:01:07.260
Oreal Vinyles是DeepMind研究副總裁

00:01:07.260 --> 00:01:09.760
也是Gemini技術負責人之一

00:01:09.760 --> 00:01:14.020
參與過AlphaStar,AlphaCode,Gemini這些關鍵項目

00:01:14.020 --> 00:01:15.700
所以市場這次恐慌

00:01:15.700 --> 00:01:18.160
並非在給4個人的工資定價

00:01:18.160 --> 00:01:21.220
而是在給Google AI的組織風險定價

00:01:21.220 --> 00:01:24.120
股價跌4%還是5%

00:01:24.120 --> 00:01:27.400
市值蒸發是1600億還是接近2000億

00:01:27.400 --> 00:01:29.280
數字可以有不同口徑

00:01:29.280 --> 00:01:31.480
但市场给出的信号很清楚

00:01:31.480 --> 00:01:35.440
当Google最核心的AI和基础设施人物同时离开

00:01:35.440 --> 00:01:37.580
投资人会立刻问一个问题

00:01:37.580 --> 00:01:40.320
Google的AI护城河到底还稳不稳

00:01:40.320 --> 00:01:42.140
这期真正要讲的

00:01:42.140 --> 00:01:44.260
不该停在Jeff Dean有多牛

00:01:44.260 --> 00:01:46.420
那样写出来只是人物履历

00:01:46.420 --> 00:01:48.240
真正要讲的是

00:01:48.240 --> 00:01:50.960
Google过去靠这些人建立了搜索

00:01:50.960 --> 00:01:53.660
广告 云和AI的底层系统

00:01:53.660 --> 00:01:55.720
现在这些人离开Google

00:01:55.720 --> 00:01:58.580
要做一家叫Discovery Loop的公司

00:01:58.580 --> 00:02:03.140
目标是用AI自动化科学和工程里的实验循环

00:02:03.140 --> 00:02:04.920
这不是普通创业

00:02:04.920 --> 00:02:07.740
这是Google技术文化的一部分

00:02:07.740 --> 00:02:10.380
从公司内部转移到了公司外部

00:02:10.380 --> 00:02:12.620
先看Jeff Dean到底代表什么

00:02:12.620 --> 00:02:14.400
很多人认识Jeff Dean

00:02:14.400 --> 00:02:16.900
是因为那些程序员段子

00:02:16.900 --> 00:02:20.160
比如编译器不优化Jeff Dean的代码

00:02:20.160 --> 00:02:22.420
是Jeff Dean优化编译器

00:02:22.420 --> 00:02:24.200
这些段子当然是玩笑

00:02:24.200 --> 00:02:26.620
但它们能流行这么多年

00:02:26.620 --> 00:02:28.460
说明一件事

00:02:28.580 --> 00:02:32.580
在工程式文化裡,Jeff Dean不是一個普通管理者

00:02:32.580 --> 00:02:35.280
他更像Google工程神話的象徵

00:02:35.280 --> 00:02:39.380
Google早期能崛起,靠的不是一個漂亮搜索框

00:02:39.380 --> 00:02:46.280
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

00:02:46.280 --> 00:02:47.680
Google File System

00:02:47.680 --> 00:02:49.780
解決海量文件存儲

00:02:49.780 --> 00:02:53.780
Map Reduce 讓大規模數據處理變成工程常規

00:02:53.780 --> 00:02:56.280
Bigtable 支撐結構化數據系統

00:02:56.280 --> 00:02:59.780
Spanner把全球分布式數據庫推到另一個層級

00:02:59.780 --> 00:03:03.260
這些東西聽起來不像今天的AI模型那麼性感

00:03:03.260 --> 00:03:07.160
但他們才是Google能夠擴張成超級機器的地基

00:03:07.160 --> 00:03:09.760
Jeff Dean和Sunjay Gamawatt

00:03:09.760 --> 00:03:11.860
這一代人的價值就在這裡

00:03:11.860 --> 00:03:14.900
他們的強項不只是寫某個產品功能

00:03:14.900 --> 00:03:19.000
而是能把一種新計算範式變成公司級基礎設施

00:03:19.000 --> 00:03:20.740
這點很關鍵

00:03:20.740 --> 00:03:23.640
Google真正賺錢的搜索和廣告

00:03:23.640 --> 00:03:25.340
表面是用戶入口

00:03:25.340 --> 00:03:27.340
背後是大規模計算能力

00:03:27.340 --> 00:03:29.000
YouTube的推薦

00:03:29.000 --> 00:03:30.380
Gmail的過濾

00:03:30.380 --> 00:03:31.800
Google Cloud的服務

00:03:31.800 --> 00:03:33.100
後來的TPU

00:03:33.100 --> 00:03:34.100
TensorFlow

00:03:34.100 --> 00:03:35.100
Google Brain

00:03:35.100 --> 00:03:35.880
Gemini

00:03:35.880 --> 00:03:38.300
也都離不開這種基礎設施文化

00:03:38.300 --> 00:03:39.600
Google最強的時候

00:03:39.600 --> 00:03:41.540
不只是有聰明人

00:03:41.540 --> 00:03:43.940
而是有一套能把聰明人寫出的系統

00:03:43.940 --> 00:03:46.340
放大到全球規模的工程組織

00:03:46.340 --> 00:03:48.580
Jeff Dean離開市場害怕的

00:03:48.580 --> 00:03:50.340
並非少一個職位

00:03:50.340 --> 00:03:52.180
而是這套組織神話

00:03:52.180 --> 00:03:53.440
出現了裂縫

00:03:53.440 --> 00:03:55.440
再看一起離開的三個人

00:03:55.440 --> 00:03:59.840
Sanjay Gamawad是最容易被普通觀眾低估的人

00:03:59.840 --> 00:04:01.440
相比Jeff Dean

00:04:01.440 --> 00:04:04.440
他更少出現在大眾科技新聞裡

00:04:04.440 --> 00:04:06.440
但在分布式系統裡

00:04:06.440 --> 00:04:08.440
他的份量極重

00:04:08.440 --> 00:04:10.940
他和Dean共同參與的系統

00:04:10.940 --> 00:04:13.440
塑造了Google的計算底座

00:04:13.440 --> 00:04:14.940
兩個人一起離開

00:04:14.940 --> 00:04:16.440
象徵意義很重

00:04:16.440 --> 00:04:18.440
這不是一個AI高管離職

00:04:18.440 --> 00:04:22.140
而是Google早期基礎設施時代的兩位核心人物

00:04:22.140 --> 00:04:24.700
同時把下一張放到外部公司

00:04:24.700 --> 00:04:27.240
Quacklet代表的是Google Brain時代

00:04:27.240 --> 00:04:31.620
Google Brain曾經是現代深度學習進入Google的關鍵入口

00:04:31.620 --> 00:04:34.520
CQ2Seek 神經機器翻譯

00:04:34.520 --> 00:04:37.380
AutoML 神經架構搜索

00:04:37.380 --> 00:04:40.320
這些方向都影響過整個AI行業

00:04:40.320 --> 00:04:43.120
Quacklet的價值不只是做過某個項目

00:04:43.120 --> 00:04:46.460
而是它熟悉從研究想法到模型系統

00:04:46.460 --> 00:04:49.500
再到自動化機器學習的整條鏈爐

00:04:49.500 --> 00:04:52.380
Discovery Loop要做自動化科研實驗

00:04:52.380 --> 00:04:54.740
Quacko這種背景非常貼合

00:04:54.740 --> 00:04:58.020
Oreal Vinyles代表的是Deep Mind和Gemini

00:04:58.020 --> 00:04:59.780
這一代前沿模型

00:04:59.780 --> 00:05:03.100
Alpha Star, Alpha Code, Gemini

00:05:03.100 --> 00:05:05.780
這些項目背後有一個共同點

00:05:05.780 --> 00:05:07.620
不是單純做聊天

00:05:07.620 --> 00:05:13.700
而是讓模型在複雜環境裡推理、規劃、生成代碼、解決任務

00:05:13.700 --> 00:05:16.900
Discovery Loop要自動化實驗循環

00:05:16.900 --> 00:05:19.180
需要的也正是這種能力

00:05:19.180 --> 00:05:21.480
模型不能只是回答問題

00:05:21.480 --> 00:05:26.980
他要提出假設、設計實驗、執行、觀察結果、再修改

00:05:26.980 --> 00:05:29.180
所以這四個人的組合很嚇人

00:05:29.180 --> 00:05:32.280
Dean和SunJay帶來大規模系統能力

00:05:32.280 --> 00:05:35.080
Quarko帶來機器學習自動化經驗

00:05:35.080 --> 00:05:38.680
Oreo帶來前沿模型和Agent任務經驗

00:05:38.680 --> 00:05:40.180
放在Google內部

00:05:40.180 --> 00:05:42.180
他們分別是基礎設施

00:05:42.180 --> 00:05:46.180
Google Brain、DeepMind、Gemini的關鍵節點

00:05:46.180 --> 00:05:47.780
放到一家新公司裡

00:05:47.780 --> 00:05:51.740
他們就變成了一套完整的AI科研自動化班底

00:05:51.740 --> 00:05:54.440
這就是Discovery Loop的真正爆點

00:05:54.440 --> 00:05:57.640
他不是要做一個更聰明的聊天機器人

00:05:57.640 --> 00:06:00.020
也不是在做一個代碼助手

00:06:00.020 --> 00:06:03.520
他想自動化科學和工程裡的Discovery Loop

00:06:03.520 --> 00:06:05.380
也就是發現循環

00:06:05.380 --> 00:06:07.140
傳統科研大概是這樣

00:06:07.140 --> 00:06:13.280
提出一個假設、設計實驗、執行實驗、觀察數據、修改假設

00:06:13.280 --> 00:06:14.880
再做下一輪

00:06:14.880 --> 00:06:16.320
這個過程非常慢

00:06:16.320 --> 00:06:18.720
也非常依賴人的直覺和耐心

00:06:18.720 --> 00:06:21.680
Discovery Loop想把這件事交給AI

00:06:21.680 --> 00:06:24.000
讓AI同時跑大量試驗

00:06:24.000 --> 00:06:25.600
自動篩選結果

00:06:25.600 --> 00:06:27.120
自動調整方向

00:06:27.120 --> 00:06:30.560
最後把科研和工程疊代速度推上去

00:06:30.560 --> 00:06:32.400
這件事聽起來很大

00:06:32.400 --> 00:06:34.080
但它有清晰落點

00:06:34.080 --> 00:06:35.840
Wired的報導裡提到

00:06:35.840 --> 00:06:41.600
Discovery Loop最開始會先把機器學習研究和工程當作第一塊場地

00:06:41.600 --> 00:06:42.880
原因很直接

00:06:42.880 --> 00:06:45.580
這幫人最懂的就是機器學習系統

00:06:45.580 --> 00:06:48.180
他們可以先讓AI自動優化

00:06:48.180 --> 00:06:50.280
AI自己的研究流程

00:06:50.280 --> 00:06:52.280
比如模型結構

00:06:52.280 --> 00:06:53.580
訓練策略

00:06:53.580 --> 00:06:54.780
評測方法

00:06:54.780 --> 00:06:56.080
代碼實現

00:06:56.080 --> 00:06:57.380
實驗參數

00:06:57.380 --> 00:06:58.980
等這套方法跑通

00:06:58.980 --> 00:07:00.780
再擴展到藥物發現

00:07:00.780 --> 00:07:01.580
材料

00:07:01.580 --> 00:07:02.380
芯片

00:07:02.380 --> 00:07:03.580
清潔能源

00:07:03.580 --> 00:07:05.980
健康信息等更重的科學領域

00:07:05.980 --> 00:07:07.580
這條路線很聰明

00:07:07.580 --> 00:07:10.080
很多AI for Science公司一上來就說

00:07:10.080 --> 00:07:11.180
要改變藥物

00:07:11.180 --> 00:07:11.980
材料

00:07:11.980 --> 00:07:12.780
能源

00:07:12.780 --> 00:07:14.780
故事很大但落地很難

00:07:14.780 --> 00:07:19.280
Discovery Loop選擇先從機器學習研究本身開導

00:07:19.280 --> 00:07:21.780
相當於把自己當作第一個客戶

00:07:21.780 --> 00:07:23.780
用AI加速AI研究

00:07:23.780 --> 00:07:26.780
再用更強的AI去加速其他科學

00:07:26.780 --> 00:07:28.780
如果這條路線跑通

00:07:28.780 --> 00:07:31.780
它的影響就不只是做一家創業公司

00:07:31.780 --> 00:07:34.780
它會改變AI研究的生產方式

00:07:34.939 --> 00:07:36.939
過去AI研究最貴的地方

00:07:36.939 --> 00:07:38.939
不只是算力

00:07:38.939 --> 00:07:40.939
還有實驗設計和工程迭代

00:07:40.939 --> 00:07:42.939
一個模型想法出來

00:07:42.939 --> 00:07:46.939
要寫代碼、調參數、跑實驗、看結果

00:07:46.939 --> 00:07:48.939
查bug、改架構、再跑

00:07:48.939 --> 00:07:50.739
很多失敗不會寫進論文

00:07:50.739 --> 00:07:52.299
但他們消耗時間

00:07:52.299 --> 00:07:54.419
算力和工程師精力

00:07:54.419 --> 00:07:56.559
誰能自動化這套循環

00:07:56.559 --> 00:07:59.099
誰就能把研究速度拉開

00:07:59.099 --> 00:08:01.399
這也是Google最該害怕的地方

00:08:01.399 --> 00:08:02.979
Google不缺算力

00:08:02.979 --> 00:08:04.039
不缺論文

00:08:04.039 --> 00:08:05.479
不缺模型人才

00:08:05.479 --> 00:08:08.299
它真正的壓力是組織速度

00:08:08.299 --> 00:08:10.339
大公司內部要排優先級

00:08:10.339 --> 00:08:11.779
要接產品線

00:08:11.779 --> 00:08:12.819
要顧安全

00:08:12.819 --> 00:08:14.559
要對齊商業計畫

00:08:14.559 --> 00:08:16.199
要準備發布節奏

00:08:16.199 --> 00:08:17.819
創業公司不一樣

00:08:17.819 --> 00:08:19.819
他可以围绕一个目标猛攻

00:08:19.819 --> 00:08:21.959
把组织摩擦降到最低

00:08:21.959 --> 00:08:23.659
Jeff Dean这批人

00:08:23.659 --> 00:08:26.319
如果在Google内部做Discovery Loop

00:08:26.319 --> 00:08:28.479
可能会被放进一个部门

00:08:28.479 --> 00:08:29.499
一套预算

00:08:29.499 --> 00:08:30.639
一个路线图

00:08:30.639 --> 00:08:32.219
一堆汇报关系里

00:08:32.219 --> 00:08:33.559
放到公司外部

00:08:33.559 --> 00:08:35.959
反而可以用创业公司速度去做

00:08:35.959 --> 00:08:38.399
这就是这件事最微妙的地方

00:08:38.399 --> 00:08:40.539
Google并没有完全切割他们

00:08:40.539 --> 00:08:42.679
Google官方公告里说

00:08:42.679 --> 00:08:45.979
Discovery Loop是独立Public Benefit Corporation

00:08:45.979 --> 00:08:49.979
但Google会作为Founding Investor和Cloud Partner参与

00:08:49.979 --> 00:08:51.439
这句话很重要

00:08:51.439 --> 00:08:53.959
它说明这不是试破脸式离职

00:08:53.959 --> 00:08:55.899
而是一种外部化安排

00:08:55.899 --> 00:08:58.919
台面上Google是投资人和云伙伴

00:08:58.919 --> 00:09:02.459
台下看Google也许是在承认一件事

00:09:02.459 --> 00:09:05.299
有些长期科研和高风险实验

00:09:05.299 --> 00:09:07.859
放在Google里面未必跑得最快

00:09:07.859 --> 00:09:09.099
不如放出去

00:09:09.099 --> 00:09:11.719
让这批人用创业公司形态做

00:09:11.719 --> 00:09:15.159
再让Google保留投资和算力合作关系

00:09:15.159 --> 00:09:17.419
Google之前也用过类似打法

00:09:17.419 --> 00:09:18.519
最近几年

00:09:18.519 --> 00:09:20.779
大科技越来越喜欢一种新动作

00:09:20.779 --> 00:09:23.639
不一定把所有东西都留在公司内部

00:09:23.639 --> 00:09:25.279
也不一定完整收购

00:09:25.279 --> 00:09:26.719
而是通过投资

00:09:26.719 --> 00:09:27.459
授权

00:09:27.459 --> 00:09:28.559
人才流动

00:09:28.559 --> 00:09:29.399
云合作

00:09:29.399 --> 00:09:32.259
把外部创新变成自己的生态延伸

00:09:32.259 --> 00:09:34.819
Google和Character AI的合作

00:09:34.819 --> 00:09:36.339
Google抢Windsurf

00:09:36.339 --> 00:09:37.939
人才和技术授权

00:09:37.939 --> 00:09:40.319
Microsoft和Open AI的绑定

00:09:40.319 --> 00:09:42.259
Amazon和Anthropic

00:09:42.259 --> 00:09:43.639
都有类似逻辑

00:09:43.639 --> 00:09:45.899
巨头不再只靠内部研发

00:09:45.899 --> 00:09:48.519
他们也靠资本和云资源

00:09:48.519 --> 00:09:50.779
把外部公司纳入势力范围

00:09:50.779 --> 00:09:52.819
Discovery Loop这次更特别

00:09:52.819 --> 00:09:53.979
因为出去的人

00:09:53.979 --> 00:09:56.579
来自Google自己最核心的技术权

00:09:56.579 --> 00:09:58.319
所以它既向人才流失

00:09:58.319 --> 00:09:59.739
也向战略外包

00:09:59.739 --> 00:10:02.819
投资人看到的就是这层矛盾

00:10:02.819 --> 00:10:04.519
如果这是人才流失

00:10:04.519 --> 00:10:06.099
那Google很危险

00:10:06.099 --> 00:10:07.879
AI战争打到现在

00:10:07.879 --> 00:10:10.159
顶级人才就是最稀缺资产

00:10:10.159 --> 00:10:11.139
Open AI

00:10:11.139 --> 00:10:12.159
Anthropic

00:10:12.159 --> 00:10:12.839
Meta

00:10:12.839 --> 00:10:13.579
Google

00:10:13.579 --> 00:10:15.519
XAI都在抢人

00:10:15.519 --> 00:10:18.199
千万美元级别签约包已经不稀奇

00:10:18.199 --> 00:10:20.239
Google一口气失去Jeff Dean

00:10:20.239 --> 00:10:21.039
Sunjay

00:10:21.039 --> 00:10:21.759
Quark

00:10:21.759 --> 00:10:23.659
Orio这种组合

00:10:23.659 --> 00:10:25.379
市场当然会紧张

00:10:25.379 --> 00:10:26.859
如果这是战略外包

00:10:26.859 --> 00:10:28.259
那Google也有风险

00:10:28.259 --> 00:10:32.199
因为最有野心的科研方向被放到公司外部

00:10:32.199 --> 00:10:36.739
说明Google内部可能已经不适合成在某些高风险探索

00:10:36.739 --> 00:10:38.099
一个科技巨头

00:10:38.099 --> 00:10:41.719
如果最前沿的问题要靠外部创业公司去推进

00:10:41.719 --> 00:10:43.059
投资人会问

00:10:43.059 --> 00:10:45.619
Google还是AI革命的中心吗

00:10:45.619 --> 00:10:48.099
这就是股价反应的真正逻辑

00:10:48.099 --> 00:10:50.199
市场看的不是离职人数

00:10:50.199 --> 00:10:52.979
而是Google AI的组织含金量

00:10:52.979 --> 00:10:54.999
过去Google的最大优势

00:10:54.999 --> 00:10:57.859
是全世界最强的AI研究人员

00:10:57.859 --> 00:10:59.059
愿意待在Google

00:10:59.059 --> 00:11:01.079
因为那里有数据

00:11:01.079 --> 00:11:01.919
算力

00:11:01.919 --> 00:11:02.599
论文

00:11:02.599 --> 00:11:03.439
环境

00:11:03.439 --> 00:11:05.759
工程系统和产品入口

00:11:05.759 --> 00:11:07.859
可是AI商业化之后

00:11:07.859 --> 00:11:10.079
Google的内部环境变复杂了

00:11:10.079 --> 00:11:11.579
研究要服务Gemini

00:11:11.579 --> 00:11:13.279
Gemini要服务搜索

00:11:13.279 --> 00:11:14.939
搜索要保护广告

00:11:14.939 --> 00:11:16.359
广告要面对AI

00:11:16.359 --> 00:11:17.699
答案冲击云

00:11:17.699 --> 00:11:20.839
要追Microsoft和Amazon模型发布

00:11:20.839 --> 00:11:23.579
又要和OpenAI Anthropic对比

00:11:23.579 --> 00:11:25.719
这种压力会让研究人员

00:11:25.719 --> 00:11:28.239
很难只按科研直觉行动

00:11:28.239 --> 00:11:30.819
顶级人才最怕的往往不是忙

00:11:30.819 --> 00:11:32.999
而是被组织节奏托住

00:11:32.999 --> 00:11:35.259
AI时代的顶级研究者

00:11:35.259 --> 00:11:36.639
越来越像创业者

00:11:36.639 --> 00:11:38.579
他们不只是想写论文

00:11:38.579 --> 00:11:40.339
也想控制算力

00:11:40.339 --> 00:11:42.079
控制产品方向

00:11:42.079 --> 00:11:43.699
控制实验节奏

00:11:43.699 --> 00:11:45.399
控制团队文化

00:11:45.399 --> 00:11:47.219
大公司能给资源

00:11:47.219 --> 00:11:48.819
但也会给限制

00:11:48.819 --> 00:11:50.799
创业公司资源少一点

00:11:50.799 --> 00:11:52.179
但决策更快

00:11:52.179 --> 00:11:53.939
股权激励更直接

00:11:53.939 --> 00:11:55.279
方向更纯

00:11:55.279 --> 00:11:57.399
Jeff Dean这种级别的人

00:11:57.399 --> 00:11:58.759
离开Google创业

00:11:58.759 --> 00:12:00.879
带来的象征意义很强

00:12:00.879 --> 00:12:03.459
连Google的技术神话人物

00:12:03.459 --> 00:12:04.419
都开始相信

00:12:04.419 --> 00:12:06.479
有些事在Google外面

00:12:06.479 --> 00:12:07.359
更适合做

00:12:07.359 --> 00:12:10.179
这才是对Google最刺痛的地方

00:12:10.179 --> 00:12:12.439
当然,这不代表Google完了

00:12:12.439 --> 00:12:14.499
Google仍然拥有

00:12:14.499 --> 00:12:15.419
Gemini

00:12:15.419 --> 00:12:17.239
拥有DeepMind

00:12:17.239 --> 00:12:18.519
拥有TPU

00:12:18.519 --> 00:12:20.039
拥有搜索入口

00:12:20.039 --> 00:12:21.299
拥有YouTube

00:12:21.299 --> 00:12:22.599
拥有Android

00:12:22.599 --> 00:12:25.659
拥有全球最强的工程组织之一

00:12:25.659 --> 00:12:26.859
Demis Hasebis

00:12:26.859 --> 00:12:30.259
转任Google DeepMind Chair和Alphabet Chief Scientist

00:12:30.259 --> 00:12:31.339
不是退出

00:12:31.339 --> 00:12:35.479
而是从日常管理转向更高层的科学和战略角色

00:12:35.479 --> 00:12:38.879
Korekavu Korglu接管Gemini模型开发

00:12:38.879 --> 00:12:40.639
前沿AI研究

00:12:40.639 --> 00:12:43.099
Gemini App和开发者团队

00:12:43.099 --> 00:12:45.759
说明Google也在试图把模型

00:12:45.759 --> 00:12:48.499
产品和开发者生态拉得更紧

00:12:48.499 --> 00:12:50.259
这次领导层重组

00:12:50.259 --> 00:12:52.859
可以看作Google给AI战争换挡

00:12:52.859 --> 00:12:55.119
过去DeepMind和Google Research

00:12:55.119 --> 00:12:56.619
有研究传统

00:12:56.619 --> 00:12:58.479
Gemini有模型压力

00:12:58.479 --> 00:13:00.239
产品线有商业目标

00:13:00.239 --> 00:13:02.659
现在Google想把这些更集中的

00:13:02.659 --> 00:13:04.619
接到Gemini和开发者入口上

00:13:04.619 --> 00:13:05.539
问题是

00:13:05.539 --> 00:13:07.919
这种集中会提高产品执行力

00:13:07.919 --> 00:13:11.099
也可能让纯科研人物觉得空间变窄

00:13:11.099 --> 00:13:13.539
所以Jeff Dean离开和Google重组

00:13:13.539 --> 00:13:15.179
并非两个孤立事件

00:13:15.179 --> 00:13:17.099
他们像一枚硬币的两面

00:13:17.099 --> 00:13:19.659
一面是Google需要更产品化

00:13:19.659 --> 00:13:20.519
更集中

00:13:20.519 --> 00:13:22.139
更能和OpenAI

00:13:22.139 --> 00:13:23.139
Anthropic

00:13:23.139 --> 00:13:24.119
Microsoft

00:13:24.119 --> 00:13:26.139
打正面战的AI组织

00:13:26.139 --> 00:13:28.139
另一面是一些顶级研究者

00:13:28.139 --> 00:13:29.419
想去做更长期

00:13:29.419 --> 00:13:30.139
更开放

00:13:30.139 --> 00:13:32.079
更接近科研自动化的事情

00:13:32.079 --> 00:13:34.539
Google留下的是Gemini战争

00:13:34.539 --> 00:13:37.299
Dean他们带走的是Discovery Loop战争

00:13:37.299 --> 00:13:39.139
这两场战争都重要

00:13:39.139 --> 00:13:40.319
但节奏不同

00:13:40.319 --> 00:13:42.999
Gemini战争拼的是模型发布

00:13:42.999 --> 00:13:44.119
产品体验

00:13:44.119 --> 00:13:44.999
API

00:13:44.999 --> 00:13:46.279
开发者工具

00:13:46.279 --> 00:13:48.419
企业客户和搜索入口

00:13:48.419 --> 00:13:52.099
Discovery Loop战争拼的是科研生产方式

00:13:52.099 --> 00:13:53.219
自动化实验

00:13:53.219 --> 00:13:55.539
长期复利和跨学科突破

00:13:55.539 --> 00:13:56.519
短期看

00:13:56.519 --> 00:13:58.999
Gemini更能影响Google收入

00:13:58.999 --> 00:14:00.059
长期看

00:14:00.059 --> 00:14:02.039
Discovery Loop如果跑通

00:14:02.039 --> 00:14:05.359
可能会影响整个科学和工程创新速度

00:14:05.359 --> 00:14:08.499
这也是为什么Google还要投资Discovery Loop

00:14:08.499 --> 00:14:10.139
它不能完全放手

00:14:10.139 --> 00:14:11.979
如果Discovery Loop成功

00:14:11.979 --> 00:14:14.639
Google至少还能通过投资和云合作

00:14:14.639 --> 00:14:15.939
赤到一部分红利

00:14:15.939 --> 00:14:17.999
如果Discovery Loop失败

00:14:17.999 --> 00:14:20.679
Google失去的是几个人的外部尝试

00:14:20.679 --> 00:14:22.939
但仍然保留内部AI主线

00:14:22.939 --> 00:14:25.299
这个安排对Google来说很现实

00:14:25.299 --> 00:14:28.519
既放人出去追更大的科研野心

00:14:28.519 --> 00:14:31.559
又不让他们完全跑到竞争对手怀里

00:14:31.559 --> 00:14:34.799
这也是大科技处理顶级人才的新方式

00:14:34.799 --> 00:14:38.019
过去公司会想尽办法把人留在内部

00:14:38.019 --> 00:14:39.679
现在更现实

00:14:39.679 --> 00:14:41.859
留不住就投资

00:14:41.859 --> 00:14:43.899
管不住就合作

00:14:43.899 --> 00:14:47.399
不适合放在内部就放到外部公司

00:14:47.399 --> 00:14:49.499
但保留资本和云关系

00:14:49.499 --> 00:14:51.999
这样既减少人才彻底流失

00:14:51.999 --> 00:14:54.239
也给公司留一个未来选项

00:14:54.239 --> 00:14:55.939
可是市场不一定买账

00:14:55.939 --> 00:14:58.759
因为投资人不只看有没有合作

00:14:58.759 --> 00:14:59.939
还看控制权

00:14:59.939 --> 00:15:02.639
Discovery Loop是独立公司

00:15:02.639 --> 00:15:03.839
不是Google部门

00:15:03.839 --> 00:15:05.579
Jeff Dean他们的时间

00:15:05.579 --> 00:15:06.359
注意力

00:15:06.359 --> 00:15:07.219
股权激励

00:15:07.219 --> 00:15:08.279
团队文化

00:15:08.279 --> 00:15:10.039
都不再完全服务Google

00:15:10.039 --> 00:15:12.219
Google是partner不是老板

00:15:12.219 --> 00:15:14.059
这种差别很大

00:15:14.059 --> 00:15:16.019
一家公司最值钱的人才

00:15:16.019 --> 00:15:18.119
从雇员变成合作伙伴

00:15:18.119 --> 00:15:19.879
听起来还在生态里

00:15:19.879 --> 00:15:21.679
实际控制力已经下降

00:15:21.679 --> 00:15:23.319
这就是2000亿美元

00:15:23.319 --> 00:15:24.659
这个钩子该怎么用

00:15:24.659 --> 00:15:27.239
不能说四个人只2000亿

00:15:27.239 --> 00:15:27.979
那太粗

00:15:27.979 --> 00:15:28.899
应该说

00:15:28.899 --> 00:15:31.899
市场用接近2000亿美元的市值波动

00:15:31.899 --> 00:15:33.699
提醒Google AI时代

00:15:33.699 --> 00:15:34.939
最贵的资金

00:15:34.939 --> 00:15:36.339
最貴的資產不只是GPU

00:15:36.339 --> 00:15:37.939
也不是模型參數

00:15:37.939 --> 00:15:40.839
而是能把科學想法變成系統的人

00:15:40.839 --> 00:15:43.739
Jeff Dean這批人正是這種資產

00:15:43.739 --> 00:15:45.739
他們不是只會做模型

00:15:45.739 --> 00:15:47.739
也不是只會做系統

00:15:47.739 --> 00:15:51.159
他们知道怎么把研究想法变成基础设施

00:15:51.159 --> 00:15:53.899
怎么把基础设施变成公司能力

00:15:53.899 --> 00:15:57.099
怎么把公司能力变成长期技术优势

00:15:57.099 --> 00:15:58.519
这种人一旦离开

00:15:58.519 --> 00:16:02.219
市场会立刻重新评估公司的未来执行力

00:16:02.219 --> 00:16:03.479
再往深处看

00:16:03.479 --> 00:16:06.819
这件事还说明AI战争进入了第三阶段

00:16:06.819 --> 00:16:09.139
第一阶段是模型能力战

00:16:09.139 --> 00:16:10.819
谁的模型更聪明

00:16:10.819 --> 00:16:12.539
谁的benchmark更高

00:16:12.539 --> 00:16:14.279
谁的发布会更震撼

00:16:14.279 --> 00:16:16.539
第二阶段是产品入口战

00:16:16.539 --> 00:16:17.839
Chad GPT

00:16:17.839 --> 00:16:18.819
Gemini

00:16:18.819 --> 00:16:19.539
Claude

00:16:19.539 --> 00:16:20.479
Copilot

00:16:20.479 --> 00:16:21.419
Cursor

00:16:21.419 --> 00:16:22.499
Perplexity

00:16:22.499 --> 00:16:24.979
大家抢用户每天打开哪个AI

00:16:24.979 --> 00:16:27.659
第三阶段是科研自动化展

00:16:27.659 --> 00:16:30.079
谁能让AI自己加速

00:16:30.079 --> 00:16:31.179
AI研究

00:16:31.179 --> 00:16:34.779
谁就能把下一轮技术进步的速度拉开

00:16:34.779 --> 00:16:37.519
Discovery Loop打的正是第三阶段

00:16:37.519 --> 00:16:39.819
它不是在做一个更好的聊天框

00:16:39.819 --> 00:16:40.879
而是在问

00:16:40.879 --> 00:16:43.339
能不能让AI自动提出假设

00:16:43.339 --> 00:16:44.179
写代码

00:16:44.179 --> 00:16:44.999
跑实验

00:16:44.999 --> 00:16:46.119
分析结果

00:16:46.119 --> 00:16:47.959
再生成下一轮实验

00:16:47.959 --> 00:16:50.259
如果这个循环越来越自动化

00:16:50.259 --> 00:16:52.679
人类研究者的角色就会变

00:16:52.679 --> 00:16:55.659
人类不再亲手试每一个实验

00:16:55.659 --> 00:16:57.119
而是设计目标

00:16:57.119 --> 00:16:58.279
约束方向

00:16:58.279 --> 00:17:00.379
判断结果和控制风险

00:17:00.379 --> 00:17:03.019
这会带来一个很大的商业结果

00:17:03.019 --> 00:17:05.839
科研速度本身会变成竞争壁垒

00:17:05.839 --> 00:17:08.979
过去公司拼的是谁有更多研究员

00:17:08.979 --> 00:17:12.019
未来可能拼谁有更快的实验系统

00:17:12.019 --> 00:17:15.639
一个团队如果能同时跑一万条研究路径

00:17:15.639 --> 00:17:17.619
自动淘汰失败方案

00:17:17.619 --> 00:17:19.599
快速堆出有效结果

00:17:19.599 --> 00:17:21.999
它的创新速度会非常恐怖

00:17:21.999 --> 00:17:24.099
生物医药材料

00:17:24.099 --> 00:17:24.979
芯片

00:17:24.979 --> 00:17:25.679
AI

00:17:25.679 --> 00:17:26.599
模型

00:17:26.599 --> 00:17:27.359
能源

00:17:27.359 --> 00:17:29.659
都可能被这种方式重写

00:17:29.659 --> 00:17:31.699
这也是为什么Discovery Loop

00:17:31.699 --> 00:17:34.459
选择Public Benefit Corporation这个形式

00:17:34.459 --> 00:17:37.259
它想讲的不是普通Says故事

00:17:37.259 --> 00:17:40.339
而是科学和工程创新基础设施

00:17:40.339 --> 00:17:42.039
它需要商业资本

00:17:42.039 --> 00:17:43.999
也需要公共利益叙事

00:17:43.999 --> 00:17:50.459
因为它涉及的可能是药物、能源、健康、科学、发现这些大问题

00:17:50.459 --> 00:17:52.159
但这条路也有风险

00:17:52.159 --> 00:17:55.519
自动化科研不是按一下按钮就能出现突破

00:17:55.519 --> 00:17:57.459
科学实验有噪音

00:17:57.459 --> 00:17:59.239
现实世界有成本

00:17:59.239 --> 00:18:00.319
数据会偏

00:18:00.319 --> 00:18:01.579
模型会误判

00:18:01.579 --> 00:18:04.239
自动化系统会找到看起来有效

00:18:04.239 --> 00:18:05.739
但没有意义的捷径

00:18:05.739 --> 00:18:07.839
机器学习研究本身还好

00:18:07.839 --> 00:18:10.279
因为实验环境更容易数字化

00:18:10.279 --> 00:18:12.839
一旦进入药物、材料

00:18:12.839 --> 00:18:14.339
實驗室自動化

00:18:14.339 --> 00:18:17.119
就會遇到物理世界的速度

00:18:17.119 --> 00:18:17.659
設備

00:18:17.659 --> 00:18:18.519
樣本

00:18:18.519 --> 00:18:20.479
合規和失敗成本

00:18:20.479 --> 00:18:23.039
所以Discovery Loop還遠不到穩穩贏

00:18:23.039 --> 00:18:24.999
它的優勢是人太強

00:18:24.999 --> 00:18:26.119
方向太大

00:18:26.119 --> 00:18:29.199
Google還在背後提供投資和雲資源

00:18:29.199 --> 00:18:31.579
它的風險是目標太難

00:18:31.579 --> 00:18:32.739
周期太長

00:18:32.739 --> 00:18:36.659
科學自動化不一定像軟件自動化那樣快速驗證

00:18:36.659 --> 00:18:39.019
這就讓這期的判斷更有層次

00:18:39.019 --> 00:18:39.979
短期看

00:18:39.979 --> 00:18:42.239
這是Google AI領導層政黨

00:18:42.239 --> 00:18:47.799
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

00:18:47.799 --> 00:18:51.939
长期看这是AI科研自动化开始进入主战场

00:18:51.939 --> 00:18:53.159
对Google来说

00:18:53.159 --> 00:18:55.919
最坏的情况不是定他们离开后失败

00:18:55.919 --> 00:19:00.499
失败了Google只是损失几位人才的一段外部尝试

00:19:00.499 --> 00:19:03.759
真正最尴尬的情况是Discovery Loop成功

00:19:03.759 --> 00:19:06.359
如果它成功就会证明一件事

00:19:06.359 --> 00:19:08.939
Google最有想象力的科研项目

00:19:08.939 --> 00:19:11.379
放在Google外面反而跑得更快

00:19:11.379 --> 00:19:13.579
这会给所有大公司敲警钟

00:19:13.579 --> 00:19:14.659
Meta会问

00:19:14.659 --> 00:19:17.499
最顶级AI人才是不是更适合小团队

00:19:17.499 --> 00:19:19.179
OpenAI会问

00:19:19.179 --> 00:19:21.659
研究自由和产品压力怎么平衡

00:19:21.659 --> 00:19:23.179
Anthropic会问

00:19:23.179 --> 00:19:26.179
安全文化和高速商业化如何共存

00:19:26.179 --> 00:19:27.859
Google自己更要问

00:19:27.859 --> 00:19:31.619
为什么一个曾经最吸引科研人才的地方

00:19:31.619 --> 00:19:35.139
需要把未来实验循环放到外部公司

00:19:35.139 --> 00:19:38.259
这才是Jeff Dean离职创业的真正分量

00:19:38.259 --> 00:19:40.699
他不只是一个人的职业选择

00:19:40.699 --> 00:19:42.999
也不只是一次普通创业

00:19:42.999 --> 00:19:45.959
它是一种技术组织方式的迁移

00:19:45.959 --> 00:19:48.979
Google曾经用分布式系统改变互联网

00:19:48.979 --> 00:19:51.579
用深度学习改变AI研究

00:19:51.579 --> 00:19:55.019
现在这批参与建造系统的人离开Google

00:19:55.019 --> 00:19:57.619
要去做自动化科学发现系统

00:19:57.619 --> 00:20:00.459
这个故事本身就有强烈的历史反差

00:20:00.459 --> 00:20:04.699
过去他们帮Google建了一台全球最强的信息机器

00:20:04.699 --> 00:20:06.579
现在他们要在Google外面

00:20:06.579 --> 00:20:09.619
尝试建一台自动发现新知识的机器

00:20:09.619 --> 00:20:12.439
市场的恐慌正来自这个反差

00:20:12.439 --> 00:20:13.939
Google当然还很强

00:20:13.939 --> 00:20:17.099
但强公司最怕的不是今天输了

00:20:17.099 --> 00:20:19.679
而是最早看见下一代饭事的人

00:20:19.679 --> 00:20:22.379
不再把下一代放在公司内部做

00:20:22.379 --> 00:20:25.159
这期最后可以给一个明确判断

00:20:25.159 --> 00:20:26.999
Jeff Dean离职创业

00:20:26.999 --> 00:20:29.439
不会立刻改变Google的收入

00:20:29.439 --> 00:20:31.979
也不会马上决定Gemini输赢

00:20:31.979 --> 00:20:35.139
但他会改变市场看Google AI的方式

00:20:35.139 --> 00:20:39.699
以前投资人默认Google有最深的AI人才词

00:20:39.699 --> 00:20:41.539
最强的科研传统

00:20:41.539 --> 00:20:42.959
最好的基础设施

00:20:42.959 --> 00:20:45.739
现在这个默认值被打了一个折扣

00:20:45.739 --> 00:20:47.239
Google仍然有资源

00:20:47.239 --> 00:20:48.839
但资源不等于速度

00:20:48.839 --> 00:20:50.599
Google仍然有天才

00:20:50.599 --> 00:20:52.579
但天才开始有外部选项

00:20:52.579 --> 00:20:54.719
Google仍然能投资未来

00:20:54.719 --> 00:20:57.079
但未来不一定完全长在Google里面

00:20:57.079 --> 00:20:59.319
这就是AI时代最残酷的地方

00:20:59.319 --> 00:21:02.319
过去科技巨头靠平台所用户

00:21:02.319 --> 00:21:04.059
靠薪酬所人才

00:21:04.059 --> 00:21:05.799
靠算力所研究

00:21:05.799 --> 00:21:08.999
现在最顶级的人才可以带着声望

00:21:08.999 --> 00:21:12.259
资本 云合作和一整个方向走出去

00:21:12.259 --> 00:21:14.879
巨头不一定拦得住 只能跟头

00:21:14.879 --> 00:21:17.099
所以这件事不是Google的终局

00:21:17.099 --> 00:21:18.719
更像Google的警报

00:21:18.719 --> 00:21:21.719
AI战争已经不只是模型参数战

00:21:21.719 --> 00:21:23.639
也不只是产品入口战

00:21:23.639 --> 00:21:28.379
它正在变成人才 组织速度和科研自动化的战争

00:21:28.379 --> 00:21:30.659
Jeff Dean这批人离开Google

00:21:30.659 --> 00:21:33.139
给市场看的不是一次离职

00:21:33.139 --> 00:21:35.579
而是一张新战场的地图

00:21:35.579 --> 00:21:37.499
谁能把实验循环自动化

00:21:37.499 --> 00:21:40.939
谁就可能掌握下一代AI进步的加速度

00:21:40.939 --> 00:21:43.539
Google这次没有完全失去它们

00:21:43.539 --> 00:21:46.319
但它也不再完全拥有它们

00:21:46.319 --> 00:21:47.519
这中间的差别

00:21:47.519 --> 00:21:50.279
就是那一天市场最害怕的东西