你可以把传统科研想成一支厨师团队反复试菜：提出配方、做一份、尝结果，再决定下一轮怎么改。每轮都要等上一轮结束。Jeff Dean和三位谷歌资深研究者如今想用AI把这套流程改成“同时开数千口锅”，让系统并行启动实验、分析结果并继续迭代。如果设想成立，AI就不只是回答科学问题，还会参与发现答案。
据TechCrunch报道，Jeff Dean将离开工作了27年的谷歌，与Sanjay Ghemawat、Quoc Le和Oriol Vinyals共同创办Discovery Loop，并计划担任CEO。这不是一次普通的高管跳槽：四人的经历横跨谷歌大规模计算、Google Brain和Google DeepMind。报道也是目前供稿中的唯一独立信源，以下创业计划、融资与人物履历均未获第二信源交叉验证。
四个人，带走两代技术经验
Jeff Dean自1999年起在谷歌工作，是该公司第30号员工。他参与过搜索抓取、索引和查询服务的基础设施，也对Gemini多模态模型及谷歌早期AI研究产生过重要影响。多模态模型，指能同时处理文字、图片等不同类型信息的AI。
与他共同创业的Sanjay Ghemawat是谷歌高级工程师和Senior Fellow；Quoc Le是Google Brain创始成员之一。Google Brain是谷歌的深度学习研究团队，推动神经网络进入公司产品和学术研究，后来并入Google DeepMind。另一位联合创始人Oriol Vinyals则是Google DeepMind高级研究科学家。
这套组合值得注意，因为它同时包含两类能力：一类是把计算系统做到极大规模，另一类是训练和研究现代AI模型。Discovery Loop要做的事情，恰好需要两者。
它想把科研变成“并行循环”
Discovery Loop定位为一家公共利益公司——企业仍可融资和经营商业业务，但可以把明确的社会使命写进治理目标，并不等于非营利机构。它选择的使命是AI for Science，即让AI提出假设、分析实验数据，或预测分子与材料的性质，从而加快科学发现。
按照公司披露的愿景，Discovery Loop将借助大规模计算，同时启动并迭代数千项实验，部分自动化科研流程。传统实验常按顺序推进：人提出方案，执行实验，阅读结果，再决定下一步。公司希望把其中一些环节交给AI，让更多实验并行发生。
它还准备探索recursive self-improvement，即“递归式自我改进”：用AI帮助创造能力更强的AI。TechCrunch将其概括为把人的迭代完全移出流程。不过，目前没有足够细节说明这里的“实验”具体属于软件、模拟还是现实实验，也不知道人类会在哪些环节继续把关。
为什么这次出走分量更重
首先，它会直接影响顶尖AI人才的竞争。Jeff Dean的职业轨迹连接了互联网基础设施和现代AI研究两代浪潮；另外三位联合创始人也来自谷歌工程与AI研究的核心体系。四人一同离开，意味着新公司得到的不只是明星履历，还有长期共同工作的技术经验。
其次，Discovery Loop押注的是AI从“给答案”走向“做发现”。AI for Science并非只靠一个更聪明的模型就能成立。它通常还要整合专业数据、实验验证和模型能力。换句话说，AI生成一个看似合理的假设只是起点，真正困难的是设计实验、获得可信结果，再让结果进入下一轮判断。
资本阵容也显示了这条路线受到关注。据TechCrunch转述公司公告，首轮融资由Radical Ventures和Khosla Ventures共同领投，Alphabet、Kleiner Perkins、Lightspeed和Doerr Capital参与。Alphabet参投值得留意，但这只说明其提供了资金支持，不能等同于谷歌为新公司的技术或商业前景背书。
局限与未知
- 公司尚未披露融资金额、估值、交割状态及各方出资规模。
- “同时迭代数千项实验”和“自动化完整实验闭环”目前都是公司愿景，没有产品细节、实测结果或第三方验证。
- recursive self-improvement的具体技术含义、实现程度与安全边界仍不清楚；所谓完全移除人类迭代，也只是报道中的概括。
所以，眼下最确定的新闻不是Discovery Loop已经解决了科学发现，而是谷歌一组横跨基础设施与AI研究的核心人物，决定亲自下注这条路线。人才移动已经发生；“数千项实验并行”能否从宣言变成可靠系统，才是接下来真正需要观察的部分。