导语：谷歌AI的奠基人之一、传奇工程师Jeff Dean，与多位顶级人工智能研究员一同离开效力多年的老东家，共同创办一家旨在利用AI推进科学发现进程的初创公司。这一消息不仅震撼科技界，更标志着AI从商业应用向基础科学探索的深度延伸。
谷歌AI泰斗的转身
Jeff Dean，这个名字在人工智能领域几乎无人不知。作为谷歌AI团队的核心人物，他曾参与并主导了TensorFlow、Google Brain、TPU等多项影响全球AI产业的基础设施与项目。在谷歌工作的二十余年间，他从一名普通工程师成长为公司最高级别的工程副总裁之一，其影响力横跨搜索、广告、云计算到前沿AI研究。如今，这位技术领袖选择离开芯片巨头，与同样来自谷歌的多位研究员共同踏上创业之路，目标直指“用AI加速科学发现”。
这一决定并非一时冲动。近年来，Jeff Dean在多个公开场合强调，AI最有潜力的应用场景并非优化广告点击率或推荐短视频，而是帮助科学家在药物研发、材料科学、基因组学等领域突破人类认知的边界。新公司的成立，正是他将这一理念落地的关键一步。
新公司的使命：用AI加速科学发现
据知情人士透露，这家初创公司专注于开发能够理解、推理并生成科学假设的AI系统。与现有AI工具不同，该系统不满足于处理已有数据，而是试图主动设计实验、预测实验结果，并从失败中学习，从而大幅缩短从理论到验证的周期。
在传统科学领域，一个重大发现往往需要数十年甚至几代人的努力。例如，从青霉素的发现到抗生素的广泛应用，经历了数十年的筛选与验证。而AI的介入，有望将这一过程缩短至数年甚至更短。Jeff Dean的新公司希望通过构建“AI科学家”平台，让任何科研人员都能借助AI的力量，快速探索未知领域，尤其是在药物靶点发现、蛋白质结构预测、新型材料合成等方向。
这种思路与DeepMind的AlphaFold有着异曲同工之妙，但后者更侧重于解决单一问题。新公司的目标更为宏大：打造一个通用性科学发现引擎，能够适应不同学科的需求。
除了Jeff Dean，还有谁？
尽管具体名单尚未完全公开，但消息源确认，一同离开谷歌的还包括多位在自然语言处理、计算机视觉和强化学习领域享有盛誉的研究员。其中不乏曾在谷歌大脑、DeepMind等团队担任核心角色的成员。这些研究员的共同点是：他们都对现有科技公司的商业化导向感到厌倦，渴望回归到“纯粹探索”的初心。
值得注意的是，这些离职人员并非谷歌的“边缘人物”，而是长期主导关键项目的技术骨干。他们的集体出走，说明谷歌内部在AI研究方向上可能存在分歧。一方面，公司需要将AI转化为即时营收；另一方面，顶级研究员更希望追求长远的、具有颠覆性的科学突破。这种矛盾在大型科技公司中并不罕见，但如此规模的离职潮仍然罕见。
谷歌的人才流失与AI创投热潮
Jeff Dean的离开，无疑是谷歌AI部门的一大损失。自2010年代以来，谷歌就一直是AI人才的最大聚集地之一，但近年来，随着OpenAI、Anthropic等初创公司崛起，以及Meta、微软等竞争对手加大投入，谷歌的“AI人才红利”正在被侵蚀。此次Jeff Dean的出走，可能会引发连锁反应，促使更多顶级研究员重新评估自己的职业路径。
与此同时，AI创投领域正迎来前所未有的热潮。仅2025年至2026年，全球AI领域创业融资额已超过千亿美元，其中相当一部分流向“AI for Science”赛道。风险投资机构普遍认为，AI在科学发现中的价值尚未被充分挖掘，未来十年将诞生一批改变人类文明进程的初创公司。Jeff Dean的团队凭借其技术声望和谷歌的背书，极有可能成为这一赛道的“领跑者”。
行业意义：当AI从“工具”变为“合作伙伴”
Jeff Dean新公司的成立，折射出AI角色的根本性转变。过去，AI被视为解决特定问题的“工具”，比如识别图像、翻译语言、推荐内容。而如今，AI正在向“合作伙伴”甚至“发现者”的角色演进——它不再只是完成任务，而是主动提出问题、设计解决方案，并验证假设。
这种转变对科学界的影响是深远的。以药物研发为例，传统流程中，科学家需要筛选数百万种化合物，耗时数年才能找到候选药物。而AI可以模拟分子相互作用，预测活性，甚至反过来设计全新的分子结构。2024年，已有AI设计的药物进入临床试验阶段，虽然失败率仍高，但速度已提升数十倍。Jeff Dean的新公司若能将这一技术规模化，可能彻底改变制药行业的研发模式。
此外，在材料科学、气候建模、量子物理等领域，AI同样展现出巨大潜力。例如，AI已经能够从数百万种候选方案中筛选出更高效的储能材料，或帮助物理学家发现新的粒子相互作用规律。Jeff Dean的团队如果能够搭建一个跨学科的科学发现平台，将有望成为人类探索未知世界的“加速器”。
挑战与展望
当然，这条路并不平坦。AI在科学发现中的最大障碍并非算力或算法，而是可解释性和数据质量。科学研究要求严格的因果推理，而当前的大模型更多依赖相关性，容易产生“幻觉”或错误结论。如何让AI学会“科学思维”，而不是“押中答案”，是Jeff Dean团队必须跨过的门槛。
另外，与工业界不同，科学界对AI的接受度参差不齐。许多资深科学家对“黑箱”模型持怀疑态度，更倾向于传统实验验证。新公司需要投入大量精力进行学术推广和教育，培养“AI+科学”的跨学科人才。
尽管挑战重重，但Jeff Dean的创业举动本身已经传递出一个强烈信号：AI的天花板远未被触及，下一步的突破将在实验室中发生。当全球最顶尖的AI研究者选择将目光投向基础科学，我们有理由相信，一个全新的“AI科学时代”正在拉开序幕。