Jeff Dean离职创业：34位谷歌系创始人如何重塑AI产业格局
在人工智能发展的历史长河中，某些时刻注定成为分水岭。2026年8月，随着谷歌首席科学家、Google Brain联合创始人Jeff Dean宣布离职并投身创业，全球科技界再次将目光聚焦于这家曾经的AI霸主。Jeff Dean的新公司Discovery Loop由他与Sanjay Ghemawat、Oriol Vinyals、Quoc Le等谷歌核心元老共同创立，旨在实现机器学习、科学发现和工程开发的全面自动化。然而，更引人注目的并非仅仅是这位“AI教父”的转身，而是其创业路演PPT中意外曝光的一份名单——34位源自谷歌体系的AI创始人。这份名单不仅是一份人才图谱，更是过去十年全球人工智能技术演进与商业版图重构的缩影。
Google Brain曾被誉为全球AI人才的“黄埔军校”，其独特的人才培养机制为今天的创业浪潮埋下了伏笔。2016年，Jeff Dean主导推出了Brain Residency（谷歌大脑驻留计划），打破了传统学术界对顶级名校博士的依赖，转而青睐具备极强量化思维、编程潜力以及对AI拥有狂热自驱力的跨界人才。这种不拘一格的选拔标准，吸引了物理学、数学、生物学甚至硬件工程背景的优秀个体加入。他们在Jeff Dean、Geoffrey Hinton等泰斗的指导下，利用谷歌无限的算力资源探索前沿课题。这种开放且高强度的科研环境，不仅催生了TensorFlow、TPU等基础设施，更孕育了一批具有颠覆性思维的创业者。
在Discovery Loop的核心创始团队中，Sanjay Ghemawat的角色不可或缺。作为Jeff Dean长达二十年的“黄金搭档”，Sanjay是谷歌分布式系统的幕后奠基人。从GFS、MapReduce到Spanner，他构建的底层架构支撑了谷歌乃至整个互联网大数据时代的发展。在AI时代，他转向深度学习基础设施的研发，为TensorFlow和Gemini大模型的训练提供了坚实的集群支持。与Jeff Dean的战略视野不同，Sanjay始终坚守代码一线，以极致的工程能力解决了大规模分布式训练中的 consistency 和效率难题。他的加入，意味着Discovery Loop在底层系统优化上拥有无可匹敌的优势。
Quoc V. Le和Oriol Vinyals则代表了算法层面的顶尖实力。Quoc V. Le作为Seq2Seq架构的主要发明者之一，不仅在机器翻译领域立下汗马功劳，更是自动机器学习（AutoML）和思维链技术的推动者。他曾指导过月之暗面创始人杨植麟，其在模型推理和优化方面的造诣直接影响了Gemini 3 “Deep Think”的表现。Oriol Vinyals则在多模态和强化学习领域深耕，从Show-and-Tell框架到AlphaStar，再到Gemini的原生多模态架构，他始终站在技术与应用结合的最前沿。这两位科学家的加盟，为Discovery Loop在算法创新和科学发现自动化方面提供了强大的理论支撑。
跳出Discovery Loop，这份名单揭示了谷歌系人才在全球AI创业版图中的广泛渗透。Anthropic的崛起便是典型代表。其创始人Dario Amodei曾在Google Brain深入参与神经网络表征学习，是最早洞察并验证“规模法则”的研究者之一。他在OpenAI期间主导了GPT-2和GPT-3的研发，并引入了RLHF技术，确立了大模型对齐的标准范式。因对AI安全理念的坚持，他带领团队出走创立Anthropic，推出了Claude系列模型，并在机械可解释性领域取得突破。同样出自谷歌体系的Chris Olah和Tom Brown，分别在机制可解释性和算力集群架构上为Anthropic构建了深厚的技术护城河。
另一股重要力量来自OpenAI及其衍生生态。Ilya Sutskever作为深度学习三巨头之一，从AlexNet到Seq2Seq，再到GPT系列，他几乎参与了现代生成式AI的所有关键节点。因担忧AI可控性问题，他离开OpenAI创立SSI（Safe Superintelligence Inc.），专注于研发安全的超级智能。Wojciech Zaremba作为OpenAI早期核心成员，主导了Codex的研发，开启了AI代码助手赛道。Liam Fedus和Barret Zoph则在后训练和对齐领域发挥了关键作用，前者提出的Switch Transformer架构降低了万亿参数模型的成本，后者则在神经架构搜索和RLHF流程优化上贡献卓著。这些人的流动，反映了行业从单纯追求模型规模向注重安全性、效率和垂直应用转变的趋势。
在基础架构和大模型竞争之外，谷歌系人才也在细分赛道开疆拓土。Cohere的联合创始人Aidan Gomez和Nick Frosst，作为Transformer架构的共同提出者，将重心转向企业级AI服务，强调数据安全和私有化部署。Perplexity AI的创始人Aravind Srinivas，凭借在强化学习和自监督学习领域的积累，打造了实时检索增强AI搜索产品，成为传统搜索引擎的有力挑战者。Mistral AI的Arthur Mensch则通过Chinchilla定律证明了小模型配海量数据的可行性，推动了轻量化基座模型的发展。
具身智能和AI for Science是另一个爆发点。Physical Intelligence的联合创始人Sergey Levine和Chelsea Finn，将在Google Brain期间积累的强化学习和元学习经验应用于机器人领域，打通了视觉感知与实体操作的闭环。Periodic Labs的Liam Fedus和Ekin Dogus Cubuk，则将大模型能力延伸至材料科学和自动化实验室，通过自主机器人加速新材料的发现。David Ha创立的Sakana AI，借鉴生物进化机制探索非参数扩张的AI研发路线。这些尝试表明，AI正在从数字世界走向物理世界，从虚拟交互走向实体创造。
值得注意的是，华人科学家在这一浪潮中扮演了重要角色。除了杨植麟创立月之暗面外，戴子航（Zihang Dai）和张国栋（Guodong Zhang）作为xAI的初代创始成员，在长文本建模和模型训练优化上贡献巨大。戴子航参与的Transformer-XL和XLNet研究，解决了长序列上下文理解的难题，为Grok系列模型的能力提升奠定了基础。他们的成功，体现了中国科研人才在全球AI核心技术领域的竞争力和影响力。
Jeff Dean的离职及其背后的人才网络，折射出AI行业发展的深层逻辑变化。早期，谷歌通过集中式的资源和人才优势，推动了深度学习的基础设施建设和算法突破。如今，随着技术门槛的降低和应用场景的多元化，去中心化的创新模式逐渐成为主流。谷歌系创始人们带着在大型组织中积累的工程经验、算法洞察和对算力管理的深刻理解，分散到各个细分领域，形成了百花齐放的竞争格局。
这种“散是满天星”的局面，既是对谷歌过去二十年技术投入的回报，也是对现有科技巨头垄断地位的挑战。Discovery Loop、Anthropic、OpenAI、xAI等公司的竞争，不再仅仅是模型参数的比拼，更是底层架构、数据效率、安全对齐以及垂直应用能力的综合较量。Jeff Dean选择AI for Science作为新起点，或许预示着下一轮技术突破将发生在科学与AI的交叉地带，通过自动化科研工具加速人类知识的边界拓展。
回顾这份包含34位创始人的名单，我们可以看到一条清晰的技术传承脉络：从分布式系统到深度学习框架，从Transformer架构到大规模预训练模型，再到如今的具身智能和科学发现自动化。每一个节点都有谷歌系人才的身影，他们不仅定义了过去的技术标准，也在塑造未来的产业形态。对于整个行业而言，这既是机遇也是挑战。机遇在于技术创新的源泉更加丰富，挑战在于如何在激烈的竞争中保持差异化优势。
未来，随着AI技术的进一步成熟，我们可能会看到更多源自谷歌体系的技术理念在不同公司中得到实践和演化。无论是Discovery Loop追求的自动化科学发现，还是Anthropic强调的可解释性与安全，亦或是Cohere专注的企业级服务，都代表了AI发展的不同维度。Jeff Dean的创业只是这一宏大叙事中的一个章节，但其背后所蕴含的人才流动和技术扩散效应，将持续影响全球人工智能产业的走向。在这个由代码、算力和智慧构建的新世界中，谷歌系人才的故事仍在继续，而他们的每一次选择，都在重新定义智能的边界。