谷歌大脑解体：Jeff Dean离职背后，34位AI创始人的技术迁徙史
2026年8月，科技界迎来了一次震动性的地震。谷歌首席科学家、Google Brain创始人之一Jeff Dean宣布离职，加入新成立的AI初创公司Discovery Loop。这一事件本身已足够引人注目，但真正引发行业深思的，是随之披露的Jeff Dean创业路演PPT中那份惊人的名单。
在这份名单中，赫然列出了34位联合创始人及核心成员，其中半数为前谷歌系人才。从Anthropic的Dario Amodei到月之暗面的杨植麟，从OpenAI的元老到DeepMind的顶梁柱，这份名单几乎涵盖了当前全球AI产业最顶级的智力资源。这不仅是Jeff Dean个人的职业转折，更是硅谷“谷歌大脑”这一AI人才孵化器模式的一次历史性总结与裂变。
从“基础设施之神”到“递归自我改进”的执剑人
Jeff Dean在谷歌的27年职业生涯，可以清晰地划分为两个半场。上半场，他是分布式系统的奠基者，与Sanjay Ghemawat联手打造了GFS、MapReduce和BigTable这“谷歌三驾马车”，为大数据时代构建了坚实的地基。2011年后，他将目光转向人工智能，成为Google Brain的精神图腾。
然而，Jeff Dean此次创业的目的地并非简单的延续，而是指向了更具革命性的“AI for Science”赛道。他与Discovery Loop的联合创始人Sanjay Ghemawat、Quoc V. Le、Oriol Vinyals一同，试图构建一个“自动化AI科学家”的闭环。这一愿景的核心在于“递归自我改进”，即利用机器学习实现科学发现与工程开发的全面自动化。
这种对效率的极致追求，深深植根于Jeff Dean对人才选拔的独特理解。2016年，他亲自开创的“Brain Residency”计划，打破了学术背景的壁垒，引入了大量具有量化思维、跨界视角的“异类”。这种包容性不仅孕育了TensorFlow和TPU，更在过去十年间为整个AI行业播下了火种。如今，这些火种已长成参天大树，并随着Jeff Dean的离职，开始向更广阔的领域蔓延。
谷歌系的半壁江山：四位联创的技术底座
Discovery Loop的四位联合创始人，几乎代表了谷歌在分布式系统、机器学习算法、多模态和芯片设计四大维度的最高成就。
Sanjay Ghemawat作为Jeff Dean的“黄金搭档”，是谷歌底层基础设施的守门人。他拒绝行政管理，常年坚守代码一线，其开发的LevelDB和TCMalloc至今仍是互联网高并发架构的基石。在AI时代，他主导的分布式算力调度系统，为Gemini等大模型的大规模训练提供了关键支撑。
Quoc V. Le则是深度学习算法的核心推动者。作为“猫识别实验”的第一作者，他发明了Seq2Seq和Doc2Vec等划时代框架。更重要的是，他是杨植麟在Google Brain期间的直属导师。Quoc团队在自动化机器学习（AutoML）和思维链提示技术上的突破，为Discovery Loop的“自动化科研”提供了算法引擎。
Oriol Vinyals在多模态和强化学习领域深耕多年。他从Google Brain到DeepMind，再到回归并主导Gemini的联合负责人，其技术视野横跨视觉、语言与博弈。他坚持的原生多模态架构路线，正是当前AI从单一模态向通用智能演进的关键路径。
这三位技术大牛与Jeff Dean的组合，意味着Discovery Loop将不再局限于应用层的创新，而是直指AI基础设施与科研范式的底层重构。
迁徙与裂变：34位创始人背后的产业版图
Jeff Dean PPT中的34位名字，实际上勾勒出了一张全球AI产业的“势力分布图”。这些前谷歌系人才的迁徙，并非简单的跳槽，而是基于技术信仰和商业判断的战略性重组。
1. 安全与对齐：Anthropic与SSI的崛起
Dario Amodei和Ilya Sutskever的出走，深刻影响了AI安全与可控性的研究方向。Dario Amodei在OpenAI期间推动了RLHF技术的标准化，随后创立Anthropic，主打安全与可控的Claude模型。他引入的“机械可解释性”研究，试图给AI大脑做“核磁共振”，揪出偏见与欺骗的神经元。
Ilya Sutskever则选择了更为极致的路径。他创立SSI（Safe Superintelligence Inc.），拒绝商业化干扰，专注于研发“安全的超级智能”。SSI团队虽小，但凭借对“超级智能”的技术直觉，获得了顶级资本的支持，并即将揭晓其初代颠覆性研究大模型。这种对底层安全逻辑的执着，代表了AI发展中“理性回归”的一股力量。
2. 算力与效率：MoE与芯片设计的革新
随着模型参数量的激增，算力成本成为行业痛点。Noam Shazeer、Liam Fedus等人在稀疏混合专家（MoE）架构上的突破，彻底改变了这一局面。Noam Shazeer作为Transformer架构的核心缔造者，其提出的MoE技术已成为GPT-4和Gemini等顶尖模型的底层支撑。Liam Fedus则将MoE技术延伸至材料科学自动化，创立Periodic Labs，试图打通从虚拟模型到物理世界材料发现的链路。
Anna Goldie和Azalia Mirhoseini的“A&A组合”则聚焦于硬件层面。他们将强化学习应用于芯片布局设计，研发出AlphaChip系统，大幅提升了TPU的效率。二人创立的Ricursive Intelligence，致力于通过递归自我改进循环革新半导体设计流程，这是对AI赋能硬件产业的典型实践。
3. 具身智能：从算法到物理世界的跨越
Sergey Levine和Chelsea Finn联手创立的Physical Intelligence（π），代表了AI从数字世界向物理世界的延伸。Sergey Levine在离线强化学习领域的开创性工作，解决了机器人利用历史数据（包括失败案例）训练的难题；Chelsea Finn的元学习理论，则让机器具备了“学会去学习”的能力。这两项技术的结合，为通用机器人的诞生提供了理论基石。
David Ha创立的Sakana AI则另辟蹊径，借鉴生物进化与集体智能，探索模型合并与多智能体协作的新路线，试图在传统参数扩张之外寻找AI研发的新范式。
4. 搜索与信息获取：Perplexity与RAG的重构
Aravind Srinivas创立的Perplexity AI，凭借实时检索增强（RAG）技术，成为传统搜索引擎的有力挑战者。作为前OpenAI科研人员，他将强化学习与自监督学习结合，打造了可溯源引文的实时搜索产品，估值迅速突破200亿美元。这反映了市场对“即时、准确、可验证”信息获取方式的巨大需求。
中国力量的融入：杨植麟与长文本建模
在这份充满国际视野的名单中，杨植麟的名字尤为醒目。作为月之暗面的创始人，他曾在Google Brain与Quoc V. Le团队合作，参与了Transformer-XL和XLNet的研发。杨植麟的博士研究聚焦于长文本建模与知识表示，这一技术背景使他能够敏锐捕捉到长上下文在大模型应用中的关键价值。
杨植麟的入选，不仅是个人的荣誉，更是中国AI人才在全球核心圈层影响力的体现。他代表的是一种从学术前沿快速转化为产业落地的能力，以及在参数高效适配和少样本学习等领域的深厚积累。他的存在，提醒我们全球AI竞争已不再是单极格局，而是多极协同演进的复杂生态系统。
结语：去中心化的创新新时代
Jeff Dean的离职及其引发的连锁反应，标志着AI产业进入了一个去中心化的创新新时代。曾经由少数科技巨头垄断的基础设施与核心算法，正通过人才的流动，分散到众多初创公司中。这种分散并非分散，而是加密。每一个节点都蕴含着强大的技术势能，并通过开源社区、学术交流和商业合作，形成紧密的网络效应。
对于行业观察者而言，Jeff Dean PPT中的34位创始人名单，不仅是一份人才地图，更是一份技术趋势预言。从自动化科研到安全对齐，从具身智能到硬件革新，这些前谷歌系人才正以其深厚的学术功底和工程直觉，推动AI从“规模法则”的简单堆砌，走向“智能化范式”的深刻变革。这场迁徙，才刚刚开始。