Jeff Dean的Discovery Loop到底想做什麼

作者：矽谷Alan Walker；來源：嘉妍Kea

周六早上七點四十，California Avenue 上的 Zombie Café 還沒排隊。矽谷Alan Walker 點了雙份濃縮，坐在靠窗那張桌子翻手機，看見 Jeff Dean 那條推文底下有一條回復。

是 Vinod Khosla 發的。他說：能 被選中 擔任聯合領投方，我感到非常 榮幸，因為他們幾乎可以挑矽谷乃至全世界的任何一家風投。

Alan 在這個行業待了快三十年，見過太多創始人排隊求着 Khosla 見一面，也見過 Khosla 在會議室里把一個團隊從頭到腳拆一遍再決定要不要寫支票。這是他第一次看見 Khosla 說自己"榮幸被選中"。

這條推文本身，就是這家公司目前最準確的估值模型。

本文把這件事拆開講，先交代背景，再講他們到底要做什麼、技術上成不成立、Google 為什麼給錢又給算力、這輪融資值多少錢，最後是預測和不看好的地方。

1 先把這四個人交代清楚

如果要用一句話概括他們的分量：你今天在網路上做的幾乎每一件事，底層都跑在這四個人寫過的東西上面。

Jeff Dean，1999 年年中加入 Google。他自己今年 6 月在華盛頓大學計算機系畢業典禮上講過當時的情形——公司一共二十來個人，辦公室在帕洛阿托一家現在是 T-Mobile 門店的樓上。他和 Sanjay Ghemawat 是 Google 歷史上僅有的兩位 Senior Fellow，公司技術序列的天花板。MapReduce、BigTable、Spanner、Protocol Buffers、TensorFlow、Pathways、TPU，這幾個名字里隨便拎一個出來，都夠一個工程師吃一輩子。2011 年他拉起了 Google Brain，2023 年 Brain 與 DeepMind 合併之後他做首席科學家，同時是 Gemini 項目的聯合技術負責人。走的時候，他在 Google 待了 27 年，今年 58 歲。

Sanjay Ghemawat，Google File System 的作者。他和 Dean 共用一台顯示器、兩個人輪流敲鍵盤寫代碼的故事，在業內傳了二十年。ACM 在 2012 年把 Infosys 基金會獎給他們倆的時候，用的措辭是：他們創造了人類第一批能夠駕馭數萬台計算機的軟體設計。

Quoc Le，Google Brain 的聯合創始人之一。2014 年他和 Ilya Sutskever、Oriol Vinyals 合寫的 Sequence to Sequence 論文，是今天所有大模型的祖父輩架構之一。神經架構搜尋（NAS）也是他的活兒——用機器去搜尋機器的結構，這個思路和他現在要做的事情是一條線上的。

Oriol Vinyals，DeepMind 研究副總裁，AlphaStar 的負責人，Gemini 預訓練團隊是他一手拉起來的。按他們自己 PPT 上的口徑，他在 Google 管過大約 250 人。

他們做的那份路演 PPT 里有一頁叫 Strong Expertise in AI and Systems，做法很直接：截了兩張 Google Scholar 的搜尋頁。左邊是 AI 領域引用最高的研究者榜單，紅框框出三個人——Quoc Le（46.7 萬次引用）、Oriol Vinyals（44.9 萬）、Jeff Dean（42.0 萬）。右邊是分布式系統榜單，紅框框出兩個——Jeff Dean 和 Sanjay Ghemawat（17.2 萬）。

但真正讓人盯着看了很久的是另一頁，列的是"從我們團隊里走出去的創業者"：

路 演 P P T 上 的 那 份 名 單（節 選）

Anthropic 的 Dario Amodei、Chris Olah、Tom Brown；OpenAI / SSI 的 Ilya Sutskever；OpenAI 的 Wojciech Zaremba；Character AI 的 Noam Shazeer 和 Daniel De Freitas；Thinking Machines 的 Barret Zoph 和 Luke Metz；Perplexity 的 Aravind Srinivas；xAI 的 Igor Babuschkin、Zihang Dai、張國棟；Mistral 的 Arthur Mensch；Physical Intelligence 的 Sergey Levine 和 Chelsea Finn；Periodic Labs 的 Liam Fedus 和 Ekin Dogus Cubuk；月之暗面的楊植麟；Cohere 的 Aidan Gomez 和 Nick Frosst；Sakana AI 的 David Ha；Reflection 的 Ioannis Antonoglou；Harvey 的 Gabriel Pereyra。

這一頁的潛台詞很清楚：過去十年 AI 創業的半壁江山，是從我們幾個人手底下走出去的。現在輪到我們自己下場。

Jeff Dean 這輩子最強的產品，可能不是 MapReduce，是那份離職名單。而這次他把名單當成了 PPT 的第三頁。

2  8 月 5 日那天到底發生了什麼

美國時間 8 月 5 日，Sundar Pichai 發出一份題為《我們 AI 勢頭的下一章》的全員備忘錄，裡面塞了兩件事。

第一件：Jeff Dean 離職，同行的還有 Sanjay Ghemawat、Oriol Vinyals、Quoc Le，四個人成立 Discovery Loop，一家註冊在特拉華州的公益公司（Public Benefit Corporation），總部在帕洛阿托，Dean 出任 CEO。Pichai 在備忘錄里的措辭很客氣：在了不起的 27 年之後，Jeff Dean 到了一個想試試新東西的時刻，我們很高興支持他。

第二件被大部分報導埋掉了：Demis Hassabis 卸任 Google DeepMind 的 CEO，轉任該部門主席，同時出任 Alphabet 首席科學家，繼續管着 Isomorphic Labs。原 CTO Koray Kavukcuoglu 升任高級副總裁，直接向 Pichai 匯報，負責 Gemini 4 的研發和前沿研究。

換句話說，從這一天起，Google DeepMind 沒有 CEO 了。

順帶解釋一下"公益公司"這個詞，因為它經常被誤讀。PBC 不是非營利組織，它照樣有股東、照樣分紅、照樣能上市，只是在公司章程里寫明董事會除了股東利益之外還要考慮一項特定的公共使命，法律上給了董事會在兩者之間權衡的餘地。OpenAI、Anthropic、xAI、SSI 走的都是這條路。它更像一件法律外套：對內給董事會一點騰挪空間，對外向監管和輿論表個態。它不改變這家公司是要賺錢的。

還有一個細節值得注意：Kavukcuoglu 拿到的頭銜是高級副總裁，不是 CEO。DeepMind 從 2014 年被收購起就一直是個半獨立的實體，有自己的 CEO、自己的文化、自己的倫理委員會。這次改組之後，它的管理鏈條被拉直，直接接到 Pichai 手上。對一家已經把全年兩千多億美元資本開支押在 AI 上的公司來說，把最關鍵的那條產品線收回自己的視線範圍，是可以理解的動作。

市場的反應是即時的。Alphabet 當天盤中一度跌超 5%，收盤跌約 4%，蒸發的市值在 1750 億到 1900 億美元這個量級（不同媒體口徑有出入，見文末核實說明）。作為對照，Alphabet 2026 全年的資本開支指引上限是 2050 億美元。

解 讀

一天跌掉的市值，接近這家公司一整年準備投進數據中心的錢。這個對比不是修辭，是市場在給 Alphabet 傳一句話：你能寫進資產負債表的東西，和市場認為你擁有的東西，中間有個缺口。
而這個缺口這次剛好有四個名字。

這也不是今年第一次。2 月 David Silver（AlphaGo 的主要作者之一）離開；6 月 Noam Shazeer——2017 年 Transformer 論文的合著者、Gemini 的聯合技術負責人——去了 OpenAI，當時 Alphabet 一度跌了 7%；諾貝爾化學獎得主 John Jumper 去了 Anthropic。Dean 是目前為止最大的一個名字，也是第一個不去競爭對手、而是自己開公司的。

3 他們到底要做什麼，用大白話講一遍

Discovery Loop 官網首頁第一句話就把問題定義了：科學發現被卡住了。

他們把科學方法拆成一個四步循環——提出一個實驗，把它實現並跑起來，看結果，根據結果調整再來一遍。這個循環人類已經用了四百年。問題在於它是串行的，而且每一步都得靠人。一個博士生一年能跑幾百次實驗，一個大實驗室一年幾萬次，就這樣。

Discovery Loop 想乾的只有一件事：把這整個循環交給機器，然後並行跑幾千條。

今天的大模型像一個考試很厲害的學生：你給它題，它答得又快又好。Discovery Loop 想造的不是學生，是一個自己出題、自己做題、自己改卷、再根據改卷結果調整出題方式的系統。人的角色從"做題"退到"定義什麼叫做對了"。

官網上還有一句話，Alan 認為是整篇發布材料里最關鍵的一句，值得單獨拎出來：他們相信這套方法能夠解決科學與工程領域內 任何有可衡量結果的學習循環。

"有可衡量結果"這五個字，是整家公司的邊界條件。第 05 節我會回來講它。

再具體一點。假設你想讓一個模型的注意力機制跑得更快。今天的流程是：一個工程師想一個點子，寫兩天代碼，跑一次訓練，看數字，發現不行，再想第二個點子。一周三到五個想法，全靠這個人的直覺和狀態。

Discovery Loop 設想的流程是：系統一次性生成三千個變體，全部編譯、全部跑起來、全部按同一個指標打分，把跑贏的那幾十個作為下一輪生成的參考，再來一遍。人只做一件事——在開始之前把"跑得更快"這四個字翻譯成一個精確的評分函數。

他們把公司的標語定成 Continuous Exploration，logo 是個無窮符號 ∞。這兩樣東西說的是同一件事：這個循環不停。

官網把路線圖寫成了三步，順序本身就是戰略：

D i s c o v e r y L o o p 的 三 步 路 線（官 網 原 文 順 序）

第一步 · Start with Machine Learning先把機器學習的研究和工程過程自動化。

第二步 · Act as Our Own First Customer用這套自動化的機器學習能力，快速優化自己的技術棧，然後再往其他領域擴。

第三步 · Grand Challenges最終去啃美國國家工程院（NAE）列出的重大挑戰——更好的藥物、健康資訊學、讓太陽能變得經濟、清潔水源、網路空間安全、以及"打造科學發現本身的工具"。

TechCrunch 在報導里點破了第一步和第二步連起來是什麼：用 AI 造更強的 AI，也就是遞歸自我改進（recursive self-improvement）。這個詞在圈內的分量不用我多解釋。Discovery Loop 的新聞稿自己沒直接用它，但那句"用自動化的機器學習能力優化自己的技術棧"，說的就是這件事。

4 為什麼第一站是"機器學習自己"

Dean 接受採訪時給過一個很樸素的答案（轉引自 Quartz 8 月 5 日報導）：在相當多的領域裡，你可以把整個循環徹底計算機化。

機器學習研究幾乎是目前唯一一個完全數字化的科學領域。假設就是一段代碼，實驗就是一次訓練，評估就是一個數字。不需要試管，不需要潔凈室，不需要等細胞長三天，不需要把晶圓送去流片。你要做的只是把 GPU 點着，然後看那個數字有沒有變好。

這個選擇在資本效率上是碾壓性的。對照兩家已經在跑同類命題的公司：

同 賽 道 的 兩 個 參 照 物

Lila Sciences2023 年從 Flagship Pioneering 孵化，做"科學超級智能"和全自動實驗室，覆蓋生命科學、化學、材料。2025 年 3 月 2 億美元種子輪出場，同年 10 月 3.5 億美元 A 輪（含英偉達投資部門），累計約 5.5 億美元，估值超過 13 億美元。它在劍橋（馬薩諸塞）簽了一份 23.55 萬平方英尺的實驗室租約。

Periodic Labs2025 年成立，創始人是前 OpenAI 的 Liam Fedus 和前 DeepMind 的 Ekin Dogus Cubuk，做固態物理和材料的自動化實驗室。2025 年 9 月融資 3 億美元。

這兩家的錢有相當大比例要變成鋼筋、機械臂、真空腔、傳感器和化學品。Discovery Loop 的錢只變成算力。而算力這一項，Google 免費供着，至少第一年。

順便說一句，Periodic Labs 那兩位創始人的名字，就印在 Dean 那份 PPT 的"我們團隊走出去的人"那一頁上。這一行的競爭，一半是同門。

這四個人繞開了整個物理世界，先在唯一一間能把門關嚴的房間裡練手。

5技術上，這事到底站不站得住

先說站得住的部分。這不是一個從零開始的假設，Google 內部已經跑通了小規模版本。AlphaEvolve 就是這套東西的雛形：給它一個種子程序和一個自動評估函數，它用大模型不斷變異、改寫、擇優，把好的程序作為下一輪生成的上下文示例。Google 今年發的一篇關於 Gemini 安全探針的論文里提到，他們讓 AlphaEvolve 一口氣生成並評估了大約 2500 個探針架構，就為了找到更好的那一個。這已經是"AI 在生產環境裡改進 AI 自己的基礎設施"了，不是演示。

再說不那麼站得住的部分。Alan 認為有三個真正的難點。

第一，長時程會崩。METR 做的 RE-Bench 就是專門測這個的：七個真實的機器學習研究工程任務——優化 GPU 內核、擬合縮放律、設計新架構之類——把前沿模型和 71 位人類專家放在一起比。結論大致是：在兩小時這種短預算下，AI agent 的表現能壓過人；但把預算拉長到八小時、三十二小時，人類專家反超，而且差距越拉越大。科學研究恰恰是個長時程活動。

第二，純進化式搜尋會撞天花板。2025 年 10 月一篇叫 DeepEvolve 的論文批評得很直接：像 AlphaEvolve 這樣的純算法進化只依賴大模型的內部知識，在複雜領域裡很快就會停滯。翻譯成人話——它擅長把一個已知的好想法打磨到極致，不擅長想出一個新想法。

第三，也是最根本的，回到那五個字：有可衡量結果。自動化循環要轉起來，評估必須又便宜又快又准。GPU 內核跑得快不快，一秒鐘測出來。一個新架構好不好，跑一次訓練也就知道了。但"這個癌症靶點選得對不對"，評估周期是五年加三期臨床；"這個理論是不是對世界的正確描述"，根本寫不出評分函數。

能被自動化的從來不是科學的全部，而是科學裡那一部分你寫得出評分函數的活兒。

這句話不是在否定 Discovery Loop。恰恰相反——他們選擇從機器學習開始，說明這四個人非常清楚邊界在哪裡。他們是從最容易衡量的地方切進去的，而且官網上"有可衡量結果"那句話，是他們自己寫的邊界聲明，不是別人給他們扣的帽子。

解 讀

所以真正該問的問題不是"AI 能不能做科學"，而是"從機器學習這個可完全數字化的領域出發，那套自動化的能力能往外擴到多遠"。
能擴到晶片設計（評估靠仿真，尚可）、材料篩選（要建實驗室，很貴）、藥物發現（評估周期以年計，極難）。這條曲線的斜率，就是 Discovery Loop 的天花板。而這條曲線現在沒人知道長什麼樣。

6 說到底，這是不是一家 RSI 公司

是。但要把"招牌"和"引擎"分開看。

先解釋一下這個詞。RSI 是 recursive self-improvement，遞歸自我改進。概念可以追溯到 1965 年 I. J. Good 的"智能爆炸"論證：如果一台機器能設計出比自己更強的機器，那麼第二台又能設計出更強的第三台，這個過程一旦啟動就會自己加速。這個念頭在學術圈躺了六十年，一直是個哲學話題。這兩年它變成了工程日程表。

Discovery Loop 的官網從頭到尾沒有出現 recursive self-improvement 這幾個字。他們的措辭是"自動化實驗循環""加速科學與工程""NAE 重大挑戰"。但把路線圖的前兩步連起來讀，意思是明確的：

把 官 網 第 一 步 和 第 二 步 連 起 來

第一步把機器學習的研究和工程自動化。

第二步用這套自動化的機器學習能力，回過頭來優化自己的技術棧。

合起來就是：用一個自動化的 ML 研究系統，去改進那個自動化的 ML 研究系統本身。這在定義上就是 RSI 的閉環。

媒體也是這麼讀的。TechCrunch、Yahoo Finance 等多家報導在描述這家公司時直接點名 recursive self-improvement，並且用了幾乎同一個說法——最終把人從循環里完全拿掉。風投數據平台 Dealroom 在它的行業簡報里寫得更直接：Discovery Loop 追求的就是遞歸自我改進，它的論點把 RSI 和 AI 驅動的科學一起放在了下一輪研究競賽的中心。

這家公司準確的描述是：招牌是 AI for Science，引擎是 RSI。第一步是自我改進，第三步才是治病和清潔能源。

這個順序值得琢磨一會兒。

先說正當性。"用 AI 加速科學發現"是這十年爭議最小的技術敘事之一——治病、清潔能源、乾淨的水，反對它需要理由。"造一個能改進自己的 AI"是這十年爭議最大的技術敘事之一——反對它不需要理由。同一套技術，兩種講法，面對的融資環境和監管環境完全不同。

那這是不是純包裝？我認為不完全是。Jeff Dean 用 NAE 重大挑戰這套框架做公開演講至少八年了——2018 年前後他在多所大學的講座摘要里，就把 Google 的研究成果對着國家工程院那張清單一條條比，其中明確包括"打造科學發現本身的工具"這一條。這不是為了融資臨時找來的說法，是他講了很多年的東西。官網上那份 NAE 清單，是他自己的思想連續性。

但連續性不等於沒有取捨。當一家公司說"我們先做 ML 自動化，因為那是最容易衡量的"，同時又說"我們的終點是更好的藥物和讓太陽能變得經濟"，中間那段路——從可以完全數字化的世界跨到必須動手做實驗的世界——他們沒有給出任何時間表。第一步和第三步之間，隔着這家公司全部的未知。

解 讀

好的那種情況：ML 研究的迭代速度不再受人頭數限制。Dean 在一次訪談里給過具體時間表——到 2027 年，你會看到 ML 系統本身在很大程度上被自動化，系統把問題拆成子問題，每個子問題丟進一個快速的自動實驗循環，最後合成一個改進過的系統，全程不需要人深度介入。（此轉述來自 36 氪，未能核實到原始訪談出處，僅作參考。）這句話如果兌現，AI 行業過去三年"堆人加堆卡"的增長模式會被改寫一次。
不那麼好的那種情況：一家專門做 RSI 的實驗室，目前在公開資訊里看不到任何安全或政策崗位。

關於後一點，預測平台 FutureSearch 在 8 月的分析中明確指出了招聘頁上沒有安全和政策職位，並給出一個判斷：這類實驗室發布正式安全框架的中位時間點在 2029 年 3 月，第一年內出台的機率只有 11%。作為對照，Thinking Machines 用了十八個月才發出一份高層級的安全文件，SSI 名字裡帶着 safe，至今沒有公開任何可操作的框架。

人員構成上也有個細節。這四位創始人全部來自 Google 的系統和研究序列，沒有一位來自 DeepMind 的安全團隊。而 Google DeepMind 恰恰有一套已經跑了幾年的 Frontier Safety Framework，就在他們剛離開的那家公司里，是現成的。

我不認為這四個人對安全問題無知——Dean 在 Google 講 AI 原則講了很多年，講台上的記錄是公開的。我只是注意到，招聘頁上沒有這個崗位。

一家公司在做什麼，看它的官網；
一家公司相信什麼，看它的招聘頁。

7 Google 為什麼給錢又給算力

這是整件事裡最反直覺、也最值得琢磨的一塊。

Alphabet 既是 Discovery Loop 的創始投資人，又是它至少第一年的算力提供方。用大白話講：Google 出錢、出機器，資助四個剛從自己公司走掉的人，去做一件和 Google 自己高度重疊的事。

能想到的解釋有四層，從淺到深。

第一層，留不住就參股。這幾年矽谷有個新玩法——大廠拿不住的人，與其眼看着他去競爭對手那兒，不如自己投一筆。微軟之於 Inflection、亞馬遜之於 Adept，是收編版本；Google 這次是放行版本。友好分手，賬面上還留一個期權。

第二層，錢會流回來。免費算力不是白送，"至少第一年"之後是要按 Google Cloud 的價格收錢的。投出去的美元，有相當比例會以算力消費的形式回到自己的損益表。這個結構和 Google 投 Anthropic、微軟投 OpenAI 是同一套賬本邏輯。

第三層，風險外置。在 Alphabet 體內做"用 AI 造更強的 AI"這種事，合規、公關、董事會、監管，每一關都要過一遍。放到一家獨立的公益公司里去做，Google 拿股權、拿雲收入、拿資訊流，不拿主體責任。

第四層，也是市場當天讀出來的那一層：Google 自己可能也認為，這件事在 Google 內部做不成。

解 讀

前三層是財務和治理邏輯，說得通，也不新鮮。第四層是股價那天真正在定價的東西。
一家市值四萬多億美元、手握全世界最大算力池的公司，最頂尖的四個人認為最有意思的那件事必須在外面做——而公司同意了，還掏了錢。這個信號比"少了四個人"要重得多。

公平地說，Ghemawat 給過一個技術性的回答（轉引自 Quartz）：他們想建的基礎設施，和 Google 為消費級產品與廣告業務維護的那一套，需求是不一樣的。這個回答我認為是真誠的，也可能是對的——Google 的基礎設施是為服務幾十億用戶的低延遲在線服務優化的，不是為並行跑幾千個科學實驗優化的。但它回答的是"為什麼要重建"，沒有回答"為什麼必須離職才能重建"。

8 錢：誰投的，值多少

法律顧問是 Wilson Sonsini。種子輪由 Radical Ventures 和 Khosla Ventures 聯合領投，Lightspeed、Kleiner Perkins、Doerr Capital（John Doerr 的家族投資平台）和 Alphabet 參投。截至宣布當天，這一輪還沒有關閉，金額和估值都未披露，公司方面拒絕透露。

沒披露不等於沒人算。參照系擺在這兒：

同 類 "明 星 研 究 員 + 零 產 品" 的 定 價 參 照

· Ilya Sutskever 的 SSI，首輪估值 50 億美元

· Humans&，4.8 億美元種子輪，投後 44.8 億美元

· Unconventional AI，45 億美元

· Lila Sciences，累計 5.5 億美元，估值超 13 億美元（有產品、有實驗室）

· 預測平台 FutureSearch 給 Discovery Loop 首個非 Google 領投輪次的投後估值中位數是 58 億美元，75 分位 117 億，90 分位 232 億。這是預測，不是事實，我把它當參考坐標而不是數據點。

Radical Ventures 的合夥人 Rob Toews 用的詞不是種子輪（seed round），是 "inception round"——起源輪。Khosla 本人在推特上說得更直白：這家公司的影響可能比當年的 Google 還大。

這份股東名單本身也值得讀一遍。Kleiner Perkins 和 Doerr Capital 同時在裡面，意味著 John Doerr 個人和他的老東家都進來了——而 Doerr 正是 1999 年投資 Google 的那個人。二十七年後他又出現在同一個人的公司里，這個循環有點意思。

另一個值得注意的點：領投的兩家是 Radical 和 Khosla，都是中等規模的基金，不是那種一張支票能吃下整輪的超級基金。這通常意味著兩件事之一——要麼這輪的規模沒有外界想象的那麼大，要麼創始團隊刻意選擇了不讓任何單一出資方拿到太大的話語權。考慮到首年算力免費大幅壓低了現金需求，本文傾向於兩者都有。

一家沒有產品、沒有員工、沒有辦公室、成立四十八小時的公司，能讓兩家老牌基金搶着領投，讓 Vinod Khosla 說自己榮幸被選中，讓 Alphabet 一邊送人一邊掏錢。這就是 2026 年夏天的矽谷。

9 七條預測

規則照舊：每條都給時間窗、觸發信號和證偽條件。寫下來是為了將來能被打臉。

預測一 · 第一個公開成果來自系統層，不來自生物或材料

時間窗 2027 年 8 月之前。理由 官網自己把 "act as our own first customer" 寫在第二步。觸發信號 一篇論文或部落格，關鍵詞是 kernel、編譯器、架構搜尋、訓練效率、推理吞吐。證偽 首個公開成果是一個分子、一種材料，或一篇生命科學論文。

預測二 · 首次公開披露的投後估值落在 40 億至 80 億美元區間

時間窗 2027 年 6 月之前，會有可信媒體報出具體數字。理由 下有 SSI 的 50 億做錨，上有"領投方是兩家中型基金而非超級基金 + 首年算力免費降低了現金需求"這兩個約束。證偽 低於 20 億或高於 150 億。

預測三 · 十二個月內正式員工不超過 100 人

理由 官網兩次強調 lean、in-person，辦公室在帕洛阿托一地。觸發信號 他們 Ashby 招聘頁上的在招職位數量。證偽 一年內超過 150 人，或開設第二個辦公地點。

預測四 · 2027 年年中會出現一次算力續約的關鍵節點

理由 Google 承諾的免費算力是"至少第一年"。到期時會發生三件事之一：續約、轉向其他雲、或用一輪新融資買算力。為什麼要盯 這是 Discovery Loop 真實燒錢速率第一次暴露在外面。一家把"大規模計算"寫進自我定義的公司，算力賬單就是它的體檢報告。

預測五 · 三到六個月內會有第二波跟隨跳槽

理由 這四個人在 Google 手下帶過的人以千計，而 Discovery Loop 明確要精簡團隊，意味著他們只挖最核心的那一小撮——而這一小撮恰恰是 Gemini 最不能少的人。觸發信號 Gemini 預訓練團隊和基礎設施團隊的 LinkedIn 變動。證偽 六個月內沒有任何一位資深級別的 Google / DeepMind 研究員公開加入。

預測六 · Alphabet 這一跌會在 Gemini 4 發布時被重新定價

理由 人才流失造成的下跌，歷史上修復得比市場想象的快，前提是產品按時按質交付。Kavukcuoglu 現在直接向 Pichai 匯報 Gemini 4，這條縮短的匯報線本身就是給市場的答覆。

預測七 · 第一年內不會出現正式的安全框架

時間窗 2027 年 8 月之前。理由 同類實驗室的歷史節奏（Thinking Machines 用了十八個月，SSI 至今沒有），加上當前招聘頁上零安全與政策崗位。觸發信號 discoveryloop.com 上出現 Safety、Responsible Scaling 或 Policy 相關的頁面或職位。證偽 一年內發布任何可操作的安全框架文檔，或公開招募安全負責人。

10 潑盆冷水

上面寫的所有分析，都建立在一個還沒被驗證的前提上：這四個人能把在 Google 干成的事，在一家二十人的公司里再干一遍。

理由有四條。

第一條，最尖銳的那條：DeepMind 本身就是全世界"AI for Science"做得最好的機構。AlphaFold 拿了諾貝爾化學獎。而 AlphaFold 用了多久？從立項到得獎，八年，中間燒的錢和算力是 Google 全資供着的。現在這四個人要離開全世界最大的算力池之一，去做一件對算力需求只多不少的事。這是個結構性矛盾，"至少第一年"的免費算力只是把這個矛盾往後推了十二個月。

第二條，明星研究員團隊的創業戰績，歷史上並不好看。Inflection 被微軟收編，Adept 被亞馬遜收編，Character.AI 的 Noam Shazeer 兜了一圈回了 Google，今年 6 月又去了 OpenAI。頂尖的研究能力和把一家公司做成，是兩種完全不同的能力：前者靠深度，後者靠取捨。研究員的本能是"這個問題還沒想透，再等等"，創業公司的現實是"這個季度必須出個東西"。

第三條，58 歲，27 年一家公司。創業的痛苦從來不在技術難題上，在別的地方——招人被拒、投資人催進度、方向反覆、聯合創始人之間意見不合、優秀的人第八個月走掉。這些事 Jeff Dean 二十七年基本沒經歷過，因為在 Google 他是那個別人來求的人。

第四條，最樸素的一條：截至今天，Discovery Loop 沒有產品、沒有員工、沒有辦公室、沒有公開的一行代碼、沒有一篇論文。它有的是一個網站、一份 PPT、四個名字和一份投資人名單。所有的估值，都在給這四個名字定價。

這不一定是錯的。1999 年給 Google 定價的時候，Google 也只有二十來個人和一個爬蟲。但當年那二十來個人里有一個叫 Jeff Dean 的，他是去證明自己的。現在這四個人，是去證明第二遍的。

我們的咖啡涼了。隔壁桌有個年輕人在刷那份 PPT，翻到"從我們團隊走出去的創業者"那一頁停了很久。

那一頁上的每個名字，當年離開 Google 的時候，也都只有一個想法和幾個朋友。

現在輪到寫那份名單的人自己了。

· · ·

核 實 說 明

關於 Alphabet 跌幅的數據衝突：CNBC 報導為"約 4%"；另有報導稱收盤跌 3.9%、市值蒸發約 1900 億美元；也有報導稱收盤跌 3.8%、蒸發約 1750 億美元；還有交易類媒體稱盤中一度跌超 5%。本文採用"盤中一度跌超 5%、收盤跌約 4%、蒸發 1750 億至 1900 億美元區間"的表述，並在此明確標註口徑分歧。

關於 Jeff Dean 是第幾號員工：維基百科口徑為第 30 號員工；Dean 本人在畢業典禮演講中的說法是加入時公司約 20 人；而他們自己的路演 PPT 上寫的是"Jeff 和 Sanjay 是 Google 最早約 75 名員工之一"。三種表述不完全矛盾但精度不同，本文採用"1999 年年中加入，當時公司二十來人"這一較保守的表述。

關於共事年限的衝突：Jeff Dean 在推特上寫的是四人共事"14 到 30 年"；而路演 PPT 那一頁寫的是"10 到 30 年"。兩處數字不一致，本文迴避使用該區間。

關於估值：Discovery Loop 官方未披露融資金額與估值，且截至發布日該輪尚未關閉。文中 58 億美元中位數來自預測平台 FutureSearch 的公開預測，屬於市場預期而非已發生事實，已在正文中標註。SSI、Humans&、Unconventional AI 的估值數字來自媒體報導，作為參照系使用。

關於 Periodic Labs 估值：本文只採用其 2025 年 9 月 3 億美元融資這一已完成事實。此前有報導稱 2026 年 3 月有隱含估值約 70 億美元的新一輪洽談，但無公開條款書，屬未落地傳聞，本文不予採用。

關於技術判斷的依據：METR 的 RE-Bench 結論、DeepEvolve 論文對純算法進化的批評、以及 AlphaEvolve 生成約 2500 個探針架構的數字，均來自公開發表的論文與技術報告。文中對"自動化邊界"的推論屬作者判斷，非任何一方的官方表述。

關於引文：Pichai 備忘錄、Dean 與 Ghemawat 的採訪表述、Khosla 與 Toews 的社交媒體發言，均轉引自 8 月 5 日至 8 月 7 日的公開報導（CNBC、Quartz、GeekWire、TechCrunch、Techmeme 等），中文為作者譯，非官方譯文。Discovery Loop 的路線圖與"有可衡量結果"表述引自其官網 discoveryloop.com。

關於 RSI 的定性：Discovery Loop 的官網與新聞稿均未使用 recursive self-improvement 一詞。"這是一家 RSI 公司"是本文的定性判斷，依據有二：一是官網路線圖前兩步在邏輯上構成自我改進閉環；二是 TechCrunch、Yahoo Finance、Dealroom 等多家媒體在報導中直接使用該詞描述其方向。讀者應把這一節視為作者推論加媒體共識，而非公司官方表述。

關於 Dean"2027 年"那段預測的出處：該表述轉引自 36 氪的一篇訪談整理，本文未能核實其原始訪談來源、時間與完整語境，屬單一來源轉述，正文中已就此標註。相對可靠的一句是 Dean 對《紐約時報》的表態：他們認為存在機會，用 AI 更充分地自動化歷來高度依賴人力的實驗循環。

關於安全崗位與安全框架的判斷："招聘頁上沒有安全與政策職位"及"正式安全框架中位出現時間為 2029 年 3 月、首年機率 11%"，均引自預測平台 FutureSearch 於 8 月發布的分析。前者為該平台對公開招聘頁的觀察，本文未逐條獨立覆核；後者為預測而非事實。另有分析稱某位領投方將其使命描述為構建"可遞歸自我改進的超級智能"，因未找到該表述的一手出處，本文不予引用。

關於本文的預測部分：第 09 節全部為作者推斷，不構成任何投資建議。

來源：金色財經

發佈者對本文章的內容承擔全部責任
在投資加密貨幣前，請務必深入研究，理解相關風險，並謹慎評估自己的風險承受能力。不要因為短期高回報的誘惑而忽視潛在的重大損失。