Post

谷歌四大元老离职后，压住Loop：让ai自动干科研 --- AI下一阶段真正要被工业化的，可能不是“智能”，而是“试错”。 过去科学家一天只能推进有限实验，未来AI可以同时提出上万个假设、并行跑完上万条路线、自动淘汰失败者，再进入下一轮。一旦这个循环跑通，科研将第一次拥有类似工业流水线的规模效应。这才是谷歌四大元老集体出走背后最值得关注的变化。 2026年8月，DeepMind原CEO转任董事长，Jeff Dean等四人离职创立Discovery Loop，Alphabet既是投资方也提供算力。这不是决裂，更像是谷歌主动释放顶级人才去赌一个更激进的方向——让AI自己“发现”。公司名字里的Loop，就是答案。 过去是人提问AI回答，后来是Agent执行目标，而Loop Engineering更进一步：人只设定目标、规则、评价标准和终止条件，剩下的由AI自动循环——提出假设、编写实验、执行、评估、淘汰、生成下一轮。关键在于并行。人类一天几个实验，AI可以同时跑成千上万条，试错时间被急剧压缩。与其继续堆高智力上限，不如让现有智力一天试错一万次，这同样是数量级变化。 这不是孤立事件。当前AI Scientist已分三层：代码模型闭环最成熟，Loss和Benchmark反馈明确，AlphaEvolve已经在用；理论闭环开始尝试，但答案不再是一个数字；物理世界闭环最难，需要自动化实验室和机器人配合。Discovery Loop从AI优化AI切入，正是因为它满足可重复实验和结果可量化这两个前提。 循环越强，评价系统就越关键。AI擅长优化你给它的指标，但指标错了，它会聪明地跑偏。所以真正的壁垒不是模型，而是谁定义“什么叫成功”。当AI能无限执行实验，最稀缺的不再是找到答案的人，而是提出正确问题、设计评价标准的人。 过去十年降低的是计算成本，过去三年降低的是生成成本，下一步要降低的是发现成本。未来衡量算力的指标不再是每秒Token数，而是每单位算力产生多少有效发现，企业购买的将是研发速度。这条路最终会碰到递归自我改进——AI设计实验找到更好的训练方法，得到更强的AI，再进入下一轮。 所以我不把这次离职看作简单的人才流失。当几位站在最前沿二十多年的人集体押注同一个方向，信号很清楚：模型能力之后，下一场战争是谁拥有最快的发现循环。AI真正改变科研的那一天，不是它第一次给出惊人答案，而是它开始不知疲倦地试错。 #存储股财报后下挫，AI内存牛市还稳吗？ $GOOGL $SNDK $BTC