start	end	text
0	11480	欢迎回到On Insight
11480	14120	如果我们要选一个节点
14120	15920	作为全球AI产业
15920	18720	从学术梦幻期彻底跨入
18720	20520	现实暴击期的分水里
20520	21440	我敢打赌
21440	24180	绝不会是哪家大厂又在PPT里
24180	26480	发布了多大规模参数的模型
26480	28900	基准测试又突破了多高的分数
28900	33680	真正的变局往往发生在那些看起来极度安静
33680	37240	甚至带着几分诡异的高层人事变动力
37240	39780	就在最近谷歌内部发生了一场
39780	43400	足以重塑整个硅谷底层格局的震荡
43400	46040	在谷歌效力了整整27年
46040	49260	被全球程序员尊为代码之神的
49260	52440	谷歌首席科学家Jeff Dean正式宣布离职
52440	55240	如果这只是一位老将退影的话
55240	59960	倒也不至于让硅谷各大投资机构和安全部门彻夜未免
59960	62320	真正认识背后发紧的是
62320	65520	JFDN离职的时候带走了一个堪称
65520	69180	硅谷全明星的豪华降维打击阵容
69180	74660	这其中包括与JFDN合作20多年的底层系统传奇搭档
74660	76380	桑杰·格马瓦特
76380	79160	还有Google D.Mine的研究副总裁
79160	83940	詹姆勒模型最核心的技术操盘手奥里奥尔·维尼亚尔斯
83940	89000	以及AutoML领域先驱和Google Brain的联合创始人黎光莲
89000	91060	这四个人加在一起
91060	96040	几乎就是半个谷歌AI与底层分布式系统的技术灵魂
96040	99600	他们组建了一家名为Discovery Loop的新公司
99600	103620	按理说面对如此核心的技术骨干离职
103620	106700	谷歌应该爆发一场血腥的公关战
106700	107300	对吧
107300	109000	但诡异的事情来了
109000	111180	在继续后面的内容之前
111180	113240	我想先请你帮我一个小忙
113240	115100	如果你经常观看我的视频
115100	116500	但还没有订阅我的频道
116500	118040	欢迎点击订阅
118040	119760	这样你就不会错过
119760	122460	后续更多的科学资讯和深度解析
122460	125800	那如果你觉得这期视频对你有所帮助
125800	127580	也请帮忙点赞和分享
127580	129360	让更多人看到这些内容
129360	132280	那如果你希望给予我更多的支持
132280	133880	也欢迎加入我的会员
133880	135740	每月一杯咖啡的钱
135740	138440	就是对我持续创作最大的支持
138440	139900	好的我们继续
139900	141840	这个诡异的事情就是
141840	143760	谷歌不仅没有阻拦
143760	148000	反而第一时间成为了Discovery Loop的初始投资方
148000	152240	并且双手奉上了Google Cloud的超级算力集群
152240	156540	双方直接签下了长期云服务绑定协议
156540	157120	不仅如此
157120	158340	就在同一天
158340	160680	Google DeepMind内部也完成了一场
160680	163220	近乎手术刀级别的高层重组
163220	165960	DeepMind的灵魂人物Demith Hossabies
165960	168940	正式卸任DeepMind CEO的日常管理
168940	171460	身任Alphabet的首席科学家
171460	174520	去操盘更为宏大的ATI理论中局
174520	177880	而接替他全盘操盘Google DeepMind的新帅
177880	180140	是原DevMind的CTO
180140	182520	DQN与WaveNet的发明人
182520	184000	科雷·卡伍克·乔鲁
184000	186560	他越过了所有中间管理层
186560	189440	直接向谷歌CEO桑德尔PX1汇报
189440	190660	听到这里
190660	194420	你脑海里一定盘旋着一个极其巨大的悬念
194420	196940	就是谷歌为什么会心甘情愿的
196940	199220	让自己的顶尖大脑集体外逃
199220	201340	甚至还要掏钱掏算力
201340	202740	帮他们去创业呢
202740	205740	而那位既懂DQN强化学习
205740	208880	又懂Vivnet原生语音的工程狂人
208880	210260	柯雷接棒之后
210260	212840	到底要把Gemlet带向何方呢
212840	215320	今天我们就有一期节目
215320	218460	彻底拆解这场看似是高层离职潮
218460	221720	实则是谷歌AI技术大分流的
221720	223120	硅谷终极棋局
223120	224820	要解开这个谜团
224820	226240	我们首先得搞清楚
226240	229360	Jeff Dean带着这帮神仙阵容杀出去
229360	231700	到底要去干一件什么样的事情
231700	234200	在Discovery Loop的官宣里
234200	236960	Jeff Dean直接描绘了公司的愿景
236960	240920	那就是构建自动化的科学方法闭环
240920	241900	简单来说
241900	243380	过去几百年
243380	245500	人类探索未知的方式
245500	247300	本质上都是串行实验
247300	249600	就是科学家提出假设
249600	250880	亲手写代码
250880	251760	跑一次实验
251760	253140	等几天看结果
253140	253900	分析数据
253900	255880	然后再手动修改参数
255880	256600	跑下一次
256600	258300	在这套流程里
258300	260720	最瓶颈的变量不是算力
260720	263300	而是人类脑力的思考速度
263300	265600	与手动操作的物理实验
265600	268480	而Discovery Loop要构建一套
268480	271280	完全自主运行的AIA层架构
271280	273720	做到自动提出科研假设
273720	275620	自动编写实验代码
275620	277400	自动部署分布式计算
277400	279220	自动分析实验指标
279220	281160	最后自动递归迭代
281160	283380	你注意看Discovery Loop的
283380	285140	手机应用场景选择
285140	288040	他们没有第一天就跑去见物理实验室
288040	290220	而是选择吃自己的狗粮
290220	294320	把机器学习研发本身作为第一个实验战场
294320	297580	也就是说他们要用AI去自动设计
297580	298560	自动搜索
298560	302260	自动验证下一代超越Transformer的模型架构
302260	304140	很多朋友可能会问
304140	306840	用AI自动写代码做研究
306840	310140	之前日本Sakana AI的项目不是也做过吗
310140	313200	这正是我们接下来要拆解的关键
313200	318100	Satan的AI的项目本质上是一个应用层的agent流程封装
318100	322700	它是拿现成的GPT4O或者Cloud外包一层prompt
322700	326300	去模拟科学家写代码跑实验写论文
326300	331380	它的上限完全被底下调用的通用大模型给封死了
331380	335140	而Discovery Loop完全是另一个维度的存在
335140	342540	Jeff Dean和桑杰·格瓦马特是写出MapReduce Bigtable的超级系统架构师
342540	345300	李光莲是AutoML的鼻祖
345300	347020	奥里尔尔维尼亚尔斯
347020	350580	是顶尖的神经网络搜索与多模态专家
350580	353960	他们要做的是从底层分布式计算
353960	355520	硬件算力调度
355520	360120	神经架构搜索到算法闭环的系统级重构
360120	362180	他们不是在用AI写论文
362180	364660	他们是在用超级计算机集群
364660	369260	让AI去做数以万计的硬件级与架构级实验
369260	373000	直接在算法底层寻找下一个Transformer
373000	375260	那么回到我们开头的悬念
375260	379560	就是谷歌为什么不把这个超级团队留在内部
379560	383340	而是支持他们独立成立一家公共利益公司呢
383340	385980	因为谷歌算透了一笔账
385980	389720	像AI自主研发下一代AI这种前沿探索
389720	393640	风险极高 烧钱极大 失败率也极高
393640	395720	如果放在谷歌Digmy内部
395720	400440	研究员们每天要面对华尔街的财报审查和季度KPI
400440	403700	就会被无限牵扯精力去搞产品适配
403700	406260	通过把JFDN团队外部化
406260	408740	谷歌既让这一帮顶尖天才
408740	412280	摆脱了大公司病和商业汇报的枷锁
412280	417140	又能通过初始投资方和独家GoCloud算力的身份
417140	421820	牢牢锁定未来潜在的技术回流与云服务收益
421820	426580	这一招叫做前沿高风险战略的外部结偶
426580	431440	如果说Jeff Dean的离职是把远期高风险探索拆分了出去
431440	436740	那么接下来发生的事情才是对Jamlight产品生态影响最深远
436740	438240	也是最暴力的一环
438240	442700	接掌Google D.My的全局率颖的科雷卡伍克·乔武
442700	447180	是一个与Demis Hossabies风格截然不同的工程技术派
447180	451480	Demis是国际象棋神童和神经科学家
451480	453400	它充满着理想主义
453400	456180	而柯雷是把深度强化学习
456180	458660	真正推向AlphaGo破局
458660	460620	把WaveNet徐徐语音
460620	465620	真正变成极异手机里语音引擎的超级工程操盘手
465620	467760	在柯雷掌舵之后
467760	470640	Google G-Mind释放出了一个极其明确的信号
470640	473060	就是全面放弃学术包袱
473060	477240	转向极致工程演进与大规模商业化暴击
477240	478680	在他的主持下
478680	479960	Gemlet的底层架构
480000	482840	Gamlight的底层架构正在发生三重极其硬核的眼镜
482840	484760	首先最根本的变化是
484760	488840	彻底打破对预训练参数崇拜的单位幻想
488840	493720	全面转向后训练与推理期计算的深度融合
493720	497800	在过去两年 行业盲目堆叠预训练参数
497800	501720	但预训练越往后 编辑效应递减越严重
501720	504100	算力成本高到令人发指
504100	507900	柯雷结合他在DQN强化学习领域的积累
507900	511280	给Gemla引入了过程奖励模型PRM
511280	514160	与蒙特卡洛书搜索MCTS
514160	517080	打个比方 传统的语言模型
517080	519820	就像在考场上没有任何草稿纸
519820	521780	靠直觉备答案的考生
521780	524180	遇到简单的题那是没问题的
524180	527520	但遇到复杂逻辑推导或者长流程编程
527520	530520	中间要是错一步后面就全乱了
530520	533460	而PRM与MCTS的融合
533460	538000	相当于给Gemla配了一张无线扩展的虚拟草稿纸
538000	539920	和一位微观监考官
539920	541520	在推理的每一步
541520	546080	PRM都会对它的逻辑合理性进行毫秒级评分
546080	550000	同时MCTS数搜索会在后台预判
550000	551700	未来几十步的走向
551700	554720	如果发现某个分支走向死胡同
554720	557440	模型会在推理阶段自动撤回
557440	559140	并重新搜索最右键
559140	560240	这意味着
560240	564180	在不用无限膨胀预讯链参数的前提下
564180	566240	GEMLINE处理高难度编程
566240	569620	复杂数学推导和A乘的规划的成功率
569620	571420	称指数级提升
571420	573940	紧接着第二种转变在于
573940	576540	系统级推理效率的极限拉链
576540	580660	那就是构建Gemini Spark端云协同分层架构
580660	584260	这里稍微提一下我个人对Spark的使用体验
584260	586060	虽然它还是Beta版本
586060	587260	但先说结论
587260	589080	我觉得它超级好用
589080	590740	我会单独出一期视频
590740	594100	聊一下Gemini Spark和Hermes Agent的配合使用
594100	596780	作为Google订阅的长期体验者
596780	600520	我明显感觉最近Gemini的使用限额提高了
600520	603880	他们虽然没有发布像Fable 5这类的模型
603880	606400	但是无论是Gemini 3.6 Flash
606400	609440	还是Gemlet 3.1 Pro都变得更聪明了
609440	611740	好 我们继续这个第二重转变
611740	614260	在商业高并发场景中
614260	616420	用户问一句 今天天气怎么样
616420	620680	如果都要调用一次千亿参数的单体大模型
620680	623820	显存和电力开销能把大厂烧穿
623820	626220	克雷推动的Gemlet Spark架构
626220	630900	把整套AI系统做成了像特种部队一样的分层调度
630900	635840	前端部署及轻量及低延迟的Gemlet Spark代理模型
635840	637800	负责高频意图识别
637800	640240	上下门过滤和轻量任务
640240	641820	只有当前线判定
641820	644180	涉及复杂长链条逻辑的时候
644180	647560	才会无缝调动云端期间大模型
647560	648960	这种分层架构
648960	651860	直接把单位Token成本打了下来
651860	655340	这才是支撑数亿并发的商业硬实力
655340	656900	而第三种变化
656900	659460	则是柯雷将他的看家本领
659460	662500	VIVNET原生音频与流逝生成
662500	666240	深度融合到了詹姆賴的全模态底座中
666240	668020	以往的多模态AI
668020	671420	往往是文本模型外挂语音识别
671420	673960	与语音合成模块的拼接车
673960	676120	延迟高 语调生硬
676120	678120	而柯雷主导下的詹姆賴
678120	681440	实现了真正的原生全模态流逝交互
681440	683280	不仅能实现毫秒级
683280	685840	实时音视频双向对打
685840	687640	还能在听懂说话的同时
687640	689180	自主执行代码
689180	691580	甚至在手机屏幕上动态生成
691580	693600	UI界面与交互空间
693600	695600	这已经不是在聊天了
695600	700580	这是直接把自然语言变成了实时软件生成的界面
700580	702800	那底层架构演进的再漂亮
702800	705000	如果不能转化为商业流水
705000	707280	在今天也是一张废纸
707280	710900	科雷·卡伍克·乔鲁这次最让人惊悚的调整
710900	712680	在于他不仅管科研
712680	717600	还同时兼任了Gemline产品与开发者生态的最高指挥官
717600	719940	在过去的大厂体制里
719940	724360	科研实验室和商品产品部门是完全脱节的
724360	725580	实验室发了论文
725580	728780	产品部门要花大半年去沟通打包
728780	730740	而柯雷一把抓之后
730740	733820	直接祭出了商业落地的三大杀招
733820	735820	在终端入口上
735820	739000	他们开始加速清洗传统的语音助手
739000	742440	全面用GM来替换掉Android和VLOS上
742440	744560	那个指挥社闹钟的assistant
744560	748860	赋予他操作系统级的最高上下文读取权限
748860	751160	与跨应用API调用能力
751160	755040	直接把它打造成操作系统的中央控制大脑
755040	758520	比如在ValOS手表或者车载系统里
758520	762340	你只需要说帮我安排今晚与张总的商务晚餐
762340	766040	并准备一份他公司最新财报的背景简报
766040	770160	Gamlight就会自动调取邮件和地图订餐厅
770160	774440	同时在云端提取财报生成简报推送给你
774440	775580	与此同时
775580	778300	他们还大幅压缩了科研成果
778300	780440	转化到商业API的时间
780440	784440	在谷歌云Vertex AI和开发者API上
784440	787140	前沿团队在Achern代码生成
787140	790800	自动模型评估和推理加速上的突破
790800	793560	能以周级别的速度直接部署上线
793560	795720	让科研成果在第一秒
795720	797680	直接转化为商业账单
797680	801340	形成技术产品与算力的超级费轮
801340	802740	更关键的是
802740	805960	谷歌正在悄无声息地改变自己的盈利模式
805960	810000	当用户不再翻页点击搜索广告链接
810000	812740	而是让Gamlet给出最终答案时
812740	814020	谷歌的解法是
814020	817300	直接占据agent决策路径的入口
817300	820640	当Gamlet在每日简报或者个人助理里
820640	823260	帮你规划行程推荐服务时
823260	825440	它在生成方案的同时
825440	827960	精准接入商业API入口
827960	831500	谷歌由此从一个信息检索广告商
831500	834640	变成了全局智能决策的开门人
834640	836920	抽取服务分账和佣金
836920	839580	拆决员Jeff Dean的离职创业
839580	842140	与柯磊掌舵下的Deep Mind重组
842140	846440	我们终于能看清这场硅谷AI大戏的全貌了
846440	851140	硅谷的AI战争正是告别了依靠概念和论文引用量
851140	853780	获取高估值的学术竞赛阶段
853780	856700	全面跨入了拼推理成本
856700	858380	拼系统稳定性
858380	859880	拼终端控制力
859880	863920	以及拼商业造学能力的工程与商业深水去
863920	867800	对于我们所有在做AI研发架构设计
867800	869920	或者技术创业的朋友来说
869920	871720	谷歌的这一系列辩证
871720	874860	留下了三条极其宝贵的工程启发
874860	876940	首先不要盲目迷信
876940	879580	纯域训练参数的单位堆叠
879580	881940	多去研究推理器计算
881940	886120	通过过程奖励模型打分与蒙特卡洛数搜索
886120	889300	让模型在推理阶段学会自我纠错
889300	893120	这是低成本实现逻辑跨越的唯一解法
893120	896580	其次要学会拥抱端云分层架构
896580	898520	平气无论任务大小
898520	901620	一力调用千亿大模型的粗暴思维
901620	903400	学习Jamler Spark的设计
903400	906900	用轻量级模型做好前置意图路由
906900	910020	才能在高并发任务中守住成本底线
910020	913800	最后我们需要重新思考软件入口的定义
913800	916260	未来的软件竞争不再是争夺
916260	918420	手机屏幕上的APP图标位置
918420	920980	而是争夺能否被系统及agent
920980	923160	API决策链所调用
923160	925120	技术不相信幻觉
925120	926720	商业不相信眼泪
926720	927860	这里是All Insight
927860	928760	我们下期见