欢迎回到On Insight
如果我们要选一个节点
作为全球AI产业
从学术梦幻期彻底跨入
现实暴击期的分水岭
我敢打赌
绝不会是哪家大厂又在PPT里
发布了多大规模参数的模型
基准测试又突破了多高的分数
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
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眠
真正让人背后发紧的是
Jeff Dean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JFDN合作20多年的底层系统传奇搭档
桑杰·格马瓦特
还有Google DeepMind的研究副总裁
詹姆士·李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的联合创始人李光平
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Demis Hossabis
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AI战略中局
而接替他全盘操盘Google DeepMind的新帅
是原DeepMind的CTO
DQN与WaveNet的发明人
科雷·卡武克楚奥
他越过了所有中间管理层
直接向谷歌CEO桑德尔·皮查伊汇报
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WaveNet原生语音的工程狂人
柯雷接棒之后
到底要把Gemini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
而是人类脑力的思考速度与手动操作的物理实验的脱节
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
实际应用场景选择
而是选择吃自己的狗粮
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的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·维吉尼亚尔斯
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DeepMind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盟
如果说Jeff Dean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Gemini产品生态影响最深远
也是最暴力的一环
接掌Google DeepMind的全局率颖的科雷卡伍克·乔武
是一个与Demis Haddad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
它充满着理想主义
而柯雷是把深度强化学习
真正推向AlphaGo破局
把WaveNet语音
真正变成手机里语音引擎的超级工程操盘手
在柯雷掌舵之后
Google DeepMind释放出了一个极其明确的信号
就是全面放弃学术包袱
转向极致工程演进与大规模商业化暴击
在他的主持下
Gemini的底层架构
Gemini的底层架构正在发生三重极其硬核的演进
首先最根本的变化是
彻底打破对预训练参数崇拜的单位幻想
全面转向后训练与推理期计算的深度融合
在过去两年 行业盲目堆叠预训练参数
但预训练越往后 边际效应递减越严重
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Gemini引入了过程奖励模型PRM
与蒙特卡洛搜索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Gemini配了一张无限扩展的虚拟草稿纸
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
并重新搜索最优路径
这意味着
在不用无限膨胀预训练参数的前提下
Gemini处理高难度编程
复杂数学推导和AI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压榨
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Gemini Spark和Hermes Agent的配合使用
作为Google订阅的长期体验者
我明显感觉最近Gemini的使用限额提高了
但是虽然没有发布像GPT-5这类的模型
还是Gemini 2.0 Flash
还是Gemini 2.0 Pro
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
Koray推动的Gemini Spark架构
把整套AI系统做成了像特种部队一样的分层调度
前端部署及轻量低延迟的Gemini 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
才会无缝调动云端巨型大模型
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
则是柯雷将他的看家本领
VIVINT原生音频与流式生成
深度融合到了Gemini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Koray主导下的Gemini
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Achern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飞轮
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Gemini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Gemini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
杰弗里·杰顿的离职创业
与柯磊掌舵下的DeepMind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
以及拼商业造景能力的工程与商业深水区
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
谷歌的这一系列动作
留下了三条极其宝贵的工程启发
首先不要盲目迷信
纯预训练参数的单位堆叠
多去研究推理期计算
通过过程奖励模型打分与蒙特卡洛树搜索
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
摒弃无论任务大小
一力调用千亿大模型的粗暴思维
学习Gemini 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