在斯坦福大学亚裔美国学者论坛峰会上，刚刚离开谷歌的传奇工程师杰夫·迪恩以创业者身份首次公开亮相。这场对话距离他结束27年谷歌生涯仅过去12个半小时，其新成立的AI公司Discovery Loop已同步启动运转。与他同台对话的，是刚从AI安全创业领域转向meta的计算机安全专家宋晓冬，这场跨越职业转型期的对话折射出当前AI领域最前沿的探索方向。
迪恩的创业计划展现出突破性野心。这家注册为公益公司的企业，致力于构建能够自主完成科学发现全流程的AI系统。与传统大模型专注解答问题不同，新系统将形成"假设-实验-评估-迭代"的完整闭环，通过自动化实验循环推动科学突破。谷歌作为战略投资者，不仅提供云计算基础设施支持，更在技术谱系上形成特殊关联——创始团队成员涵盖多位谷歌大脑前核心成员，其人才网络串联起近十年AI革命的关键节点。
融资进展印证着项目的吸引力。由Radical Ventures和Khosla Ventures领投的首轮融资中， Lightspeed、Kleiner Perkins等顶级风投集体入局，谷歌母公司Alphabet也参与其中。特别引人注目的是迪恩在社交平台展示的"人才图谱"，包括OpenAI联合创始人伊尔亚·苏茨克维、Character.AI创始人诺姆·沙泽尔等业界翘楚均与其存在学术传承关系，这张覆盖半个AI创业圈的网络成为项目的重要背书。
科学发现自动化的核心挑战在于突破现有AI的能力边界。谷歌DeepMind研究员汤姆·扎哈维今年初提出的争议性观点指出，当前大模型虽擅长归纳推理，但缺乏爱因斯坦提出广义相对论时所需的"认知跳跃"能力。这种从有限证据构建全新解释框架的溯因推理，被视为科学发现的关键环节。迪恩的解决方案是构建持续进化的实验循环系统，通过实时数据反馈不断修正探索方向，这种思路与其早期推动的神经架构搜索研究形成技术脉络延续。
技术路线选择折射出迪恩一贯的工程哲学。回顾其职业生涯，从设计TensorFlow消除底层计算复杂性，到开发混合专家模型(MoE)实现参数规模与计算成本解耦，再到主导Gemini项目推进多模态融合，始终贯穿着"通过系统创新放大核心能力"的技术取向。这种思维模式延续到新项目中，表现为对科学发现流程的系统性重构——当模型能力、算力供给、数据积累都达到临界点时，实验流程本身成为新的优化对象。
关于技术趋势的判断方法，迪恩提出独特的评估框架。他主张通过广泛阅读建立技术全景认知，寻找"五个可行要素与两个关键未知"的平衡点。这种标准既避免过早投入尚不成熟领域，也防止陷入纯工程优化的红海竞争。当前科学发现自动化项目恰好符合这种判断：大模型已具备基础能力，但如何构建有效的探索机制仍是开放问题，这种中间状态蕴含着突破性机遇。
云计算的普及正在重塑AI创新生态。面对观众关于大公司与创业公司竞争的提问，迪恩指出基础设施外部化消解了传统规模优势。Discovery Loop与谷歌的合作模式成为新范式：初创团队保持高度专注的探索方向，同时借助大公司的资源实现技术跃迁。这种分工在宋晓冬的职业选择中得到印证——她从创业转向meta，正是看中平台级应用对AI安全研究的放大效应。
两位技术领袖的转型轨迹形成有趣对照。迪恩选择在谷歌技术影响力巅峰期转身，试图将AI应用从工程优化推向科学革命；宋晓冬则从创业战场回归大平台，致力于将安全研究嵌入AI系统底层。这种看似相反的选择，实则指向同一个技术命题：当基础模型发展进入平台期，如何通过系统创新开辟新的价值维度。科学发现自动化与AI安全研究的并行推进，预示着AI技术正在向更深层的认知边界突破。
