跳至正文
i@laoer.com

技术、生活、感悟 -- Laoer的博客

i@laoer.com

技术、生活、感悟 -- Laoer的博客

  • 首页
  • 人工智能
  • 互联网
  • 商业观察
  • 天乙软件
  • 用药有数
  • 隐私政策
  • 关于
  • X
  • 首页
  • 人工智能
  • 互联网
  • 商业观察
  • 天乙软件
  • 用药有数
  • 隐私政策
  • 关于
  • X
关

搜索

  • 首页
  • 人工智能
  • 互联网
  • 商业观察
  • 天乙软件
  • 用药有数
  • 隐私政策
  • 关于
  • X
i@laoer.com

技术、生活、感悟 -- Laoer的博客

i@laoer.com

技术、生活、感悟 -- Laoer的博客

  • 首页
  • 人工智能
  • 互联网
  • 商业观察
  • 天乙软件
  • 用药有数
  • 隐私政策
  • 关于
  • X
  • 首页
  • 人工智能
  • 互联网
  • 商业观察
  • 天乙软件
  • 用药有数
  • 隐私政策
  • 关于
  • X
关

搜索

  • 首页
  • 人工智能
  • 互联网
  • 商业观察
  • 天乙软件
  • 用药有数
  • 隐私政策
  • 关于
  • X
人工智能创业博客文章

Google首席科学家Jeff Dean离职创业,他把“AI成功率1%”的选题法用在了自己身上吗?

作者 Laoer
2026年8月6日 9 分钟阅读
0

在宣布离开Google创业之前,Jeff Dean其实已经把自己的创业逻辑讲了出来。

7月25日,在Y Combinator的Startup School现场,面对约6000名创业者,他被问到:当基础模型越来越强,创业公司还能选择什么方向?Jeff Dean的回答有些反直觉。他建议创业者不要优先寻找模型已经能够完成20%的任务,而应该寻找模型目前只能成功0%或1%的问题。因为如果模型已经能做20%,说明这种能力已经开始出现,随着训练数据和模型规模继续增长,它很可能很快变得更好。

十天之后,Jeff Dean宣布结束自己在Google近27年的职业生涯,与Sanjay Ghemawat、Oriol Vinyals和Quoc Le共同创办Discovery Loop。这家公司不是再做一个聊天机器人,而是尝试自动化科学与工程研究的完整循环:提出实验、运行实验、评价结果,再根据反馈进入下一轮。

这里要先澄清,“成功率1%”说的不是创业公司的成功概率,而是通用模型完成某类任务的成功率。Jeff Dean不是鼓励创业者去赌一个几乎不可能成功的项目,而是在提醒他们:基础模型进步越快,最容易做出来的AI产品,越可能最先被模型本身吞掉。

一、AI已经能做20%,为什么反而可能更危险?

传统软件创业,往往从一个已经被证明可行的需求开始。技术能解决20%,创业公司补齐剩下的80%,再通过产品、渠道和服务建立优势。这套逻辑能够成立,是因为底层技术一般不会在几个月内突然完成一次能力跃迁。

基础模型改变了这种节奏。模型能够完成20%,有时并不意味着创业窗口已经打开,反而意味着这个任务已经进入模型能力的覆盖范围。创业公司可能花一年时间优化提示词、补充工作流和产品界面,下一代模型更新以后,原来最核心的功能就变成了标准能力。

所以,“1%选题法”真正关心的不是难度,而是耐久性:创业公司究竟是在利用模型,还是把自己的命运完全交给模型供应商?如果产品价值主要来自模型暂时不稳定的能力,那么模型越强,产品的护城河反而越薄。

这不意味着所有模型已经能做20%的方向都不值得进入。消费产品仍可依靠品牌和分发建立价值,企业应用也可能掌握模型厂商拿不到的数据与流程。更准确的问题是:即使明天模型能力提升一倍,这家公司是否仍有独立存在的理由?

二、Discovery Loop几乎就是这套方法的标准答案

今天的AI已经能够读论文、生成假设、编写实验代码,也可以帮助分析数据。但让一个系统独立完成开放式科学研究,持续提出值得尝试的新方向,正确运行实验、识别失败原因,再将结果用于下一轮决策,仍然远未成为可靠能力。Discovery Loop选择的不是其中某个环节,而是试图把它们连成一个持续运行的闭环。

公司的路线是先把自己作为第一个客户,从机器学习研究开始,让系统自动提出、执行和评价大量实验,用这些实验改进自己的模型和算法,再扩展到芯片设计、生物、药物和材料等领域。Oriol Vinyals也承认,当前模型并不擅长提出真正新颖的想法,因此最初仍会由人与AI共同选题。

四位创始人的能力也与这条路线高度匹配:Jeff Dean与Sanjay Ghemawat长期负责Google的大规模计算和搜索基础设施,Oriol Vinyals曾是Gemini的重要技术负责人,Quoc Le参与创建Google Brain,并参与了自动发现机器学习算法的AutoML-Zero。后者早在2020年就尝试让系统从基本数学操作出发,自动发现完整的机器学习算法。

Discovery Loop采用公共利益公司结构,获得Khosla Ventures、Radical Ventures等机构支持,融资金额与估值尚未公开。Google虽然失去四位核心科学家,却没有与他们切割,而是成为创始投资者和云合作伙伴,并将在第一年提供计算资源。

Jeff Dean选择的不是“AI已经能做,只是体验还不够好”的产品,而是“AI目前还不能可靠完成,但一旦形成闭环就可能产生巨大价值”的问题。Discovery Loop即使不是按一条公式算出来的项目,也几乎是“1%选题法”的一次自我示范。

三、真正值钱的不是困难,而是能把失败变成反馈

仅仅选择一个AI不会做的问题,并不等于找到了创业机会。很多问题的成功率为0%,只是因为技术路径、数据条件和成本结构都不成立。

“1%问题”能够变成一家公司,关键是失败能否被快速验证,并转化为下一轮决策的反馈。结果需要能够评价,实验需要自动或半自动执行,单次尝试的成本要能够下降,实验结果还要重新进入系统。

这也是Discovery Loop先从机器学习研究开始,而不是直接进入新药研发的原因。机器学习实验天然数字化,模型结构、训练方法和性能指标都可以在计算环境中运行和评价;到了生物、药物和材料领域,许多实验仍需要真实实验室、漫长周期和监管验证,自动化难度会明显上升。

Google已有的AI Co-Scientist、ERA和AlphaEvolve也说明,这条路线并非空想。它们分别尝试生成可验证的科学假设、编写计算实验软件,以及把大模型生成代码、自动评价器和进化搜索结合起来。这些系统还不能独立完成完整科学发现,却证明了一个关键逻辑:只要评价标准清晰,模型偶尔产生的正确答案,就可以通过大规模实验被筛选和放大。

因此,Discovery Loop真正想建立的护城河,未必是某个单独模型更强,而是模型、实验环境、评价器、算力和领域知识组成的闭环。实验如何设计、结果如何评价、反馈如何进入下一轮,这些才可能成为长期资产。

四、Google自己已经在做,为什么还要离开?

这也是整件事最值得讨论的矛盾。Google并不缺少相关项目,也不缺模型、算力和人才。既然这些技术已经在Google内部出现,四位核心科学家为什么还要单独成立一家方向相近的公司?

现有信息不足以给出确定答案,但组织问题可能比技术问题更重要。Oriol Vinyals在采访中提到,大型组织总有很强的惯性,要推动激进变化需要克服很多阻力。Discovery Loop可以把“自动发现循环”设为唯一目标,让模型、基础设施、人才和产品围绕这一件事重新组织,而不必同时服务Google的多个业务。

Google成为投资者并提供算力,也让这次离开不像传统意义上的决裂,更像是把一项高风险、长期、难以按现有组织方式推进的研究放到外部公司。Discovery Loop获得创业公司的专注和速度,同时继续使用Google的资源;Google失去直接管理权,却保留投资关系和潜在回报。

这或许也是大公司越来越常见的一种创新方式。不是把所有前沿项目都留在内部,也不是等核心科学家彻底离开,而是允许一部分团队独立出去,用新的组织结构承担更高风险,同时通过投资、云服务和技术合作保留联系。对于Google而言,Discovery Loop既是一次人才流失,也可能是一次研究能力的外部延伸。

但现在还不能把它写成成功案例。Discovery Loop刚刚成立,没有公开产品、客户和研究成果,创始团队在公司公布时甚至尚未开始大规模招聘。顶级团队能够获得资金和算力,并不代表它一定能把AI变成真正的科学研究者。在提出原创问题、验证复杂因果关系,以及把计算实验转化为现实结果这些环节,当前模型仍有很长的路要走。

五、普通创业者不该照抄“1%”,但应该用它检查自己

Jeff Dean有资格选择一个模型成功率接近0%的问题,是因为他拥有可能最适合解决这类问题的团队,还有Google的计算资源和顶级投资机构支持。普通创业者如果只记住“越难越好”,得到的很可能不是护城河,而是一个永远无法交付的产品。

这套方法真正值得借鉴的,不是具体百分比,而是一次反向压力测试:如果下一代模型直接提供了你的核心功能,用户为什么还需要你的产品?你是否拥有模型厂商拿不到的数据、评价体系和真实工作流?用户使用后能否留下独有反馈?AI除了回答问题,能否进入业务中执行和验证结果?

大量AI产品争夺的是模型已经会做的事情,区别只是界面更漂亮、提示词更完整、某个流程暂时更顺畅。这些产品并非没有价值,但如果不能继续沉淀数据、工作流、评价标准和客户关系,模型升级越快,它们面临的替代压力也越大。

所以,Jeff Dean是否把“AI成功率1%”的选题法用在了自己身上?

目前没有公开证据证明,他依据这条规则决定创办Discovery Loop。但可以确认的是,他在YC现场描述“自动化科学方法”时,这家公司已经在秘密筹备;他提出的选题逻辑与Discovery Loop的方向,也来自同一种判断:不要只做AI今天已经能做一点、明天很可能会做得更好的事情,而要寻找AI仍然不会做,但你有办法让每一次失败都推动它向前一步的问题。

Discovery Loop最终能否成功,现在还无法判断。它甚至可能再次证明,自动化科学远比自动化写代码困难。但至少在选题上,Jeff Dean给出了一个清楚的答案:真正的“1%”,不是创业成功的概率,而是基础模型尚未占领的能力空间。

标签:

AIDiscovery LoopGoogleJeff DeanY Combinator
作者

Laoer

1999年开始做互联网,做过开发、技术管理,也创过几次业。 现在依然在一线做产品、写代码、折腾AI。 关注AI如何重新改变软件、公司和人的工作方式。 公众号:Laoer杂谈。

关注我
其他文章
Palantir季度净赚10亿美元,真正值钱的可能不是AI,而是FDE
上一个

Palantir季度净赚10亿美元,真正值钱的可能不是AI,而是FDE

Sam Altman不再相信“AI会消灭工作”,他到底看错了什么?
下一个

Sam Altman不再相信“AI会消灭工作”,他到底看错了什么?

暂无评论!成为第一个。

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注

这个站点使用 Akismet 来减少垃圾评论。了解你的评论数据如何被处理。

微信订阅

欢迎订阅微信公众号--“Laoer杂谈”,搜索微信号:laoertalk,“Laoer杂谈”是关于技术、创业、生活的杂谈与随笔,希望与大家多多交流。

用药有数·DoseLoop

用药有数·DoseLoop 一款不会响完就消失的用药提醒。每次计划用药持续追踪,直到有明确结果。支持慢病、老人、ADHD 等各种用药场景。

标签

AI AI Agent AI Coding Anthropic ChatGPT Claude Claude Code Codex DeepMind DeepSeek DeepSeek Harness Gemini Google GPT iOS iPhone Java JavaScript jQuery Kimi Kohana Linux LLM Mac Meta Mysql Nginx OpenAI Oracle PHP RSA Sam Altman SNS Struts Tomcat Web2.0 互联网 人工智能 创业 大模型 字节跳动 工作 旅游 生活 管理

日历

2026 年 11 月
日 一 二 三 四 五 六
1234567
891011121314
15161718192021
22232425262728
2930  
« 10 月    

近期评论

  • 黄仁勋卸任:1158亿财报后,英伟达由盛转衰? - i@laoer.com 发表在《当OpenAI们开始自己造芯片,英伟达为什么要花140亿美元买Hugging Face?》
  • Gemini 4 Hydrogen 实测与定价分析:谷歌把 Flash 变贵了? 发表在《跑分破纪录、内部重写百万行代码,为什么程序员实测 Gemini 4 还是觉得不如 Claude?》
  • AI Coding 已经不稀奇了:从1个插件看软件开发成本的变化 - 技术、生活、感悟 - Laoer的博客 发表在《从瀑布到敏捷,再到AI原生:软件工程正在进入第三个时代》
  • AI Agent跨App困局:20年平台围墙与Palantir解法 - i@laoer.com 发表在《155款App拉黑豆包手机:大厂怕的不是AI乱花钱,而是AI不看广告》
  • 腾讯AI战略的深层困局:马化腾28周年讲话与过去的成功 发表在《155款App拉黑豆包手机:大厂怕的不是AI乱花钱,而是AI不看广告》
  • 腾讯AI战略的深层困局:马化腾的AI焦虑与过去的成功 发表在《红果短剧月活4.1亿,为什么AI更容易做成流量生意?》
  • Gemini 4 Hydrogen 实测与定价分析:谷歌把 Flash 变贵了? 发表在《Gemini 4 Argon已经开始赢跑分了,但真正的考试还没开始》
  • AI Coding 文档管理:写代码越来越快,文档却更重要了 发表在《AI写代码已经不稀奇了,真正的变化是很多东西突然值得做了》
  • 大模型商业化:中国AI模型越来越强,为什么反而更难赚钱? 发表在《DeepSeek V4涨价后,真正的问题不是谁在用,而是谁在赚钱》
  • Laoer 发表在《AI 有没有意识还没定论,Anthropic 为什么先限制虐待它?》

分类

  • iOS
  • Java
  • JavaScript
  • Linux
  • Mac
  • PHP
  • Web2.0
  • 互联网
  • 人工智能
  • 创业
  • 博客文章
  • 商业观察
  • 工作
  • 数据库
  • 构架设计
  • 生活

归档

  • 2026 年 11 月
  • 2026 年 10 月
  • 2026 年 9 月
  • 2026 年 8 月
  • 2026 年 7 月
  • 2026 年 6 月
  • 2026 年 1 月
  • 2024 年 12 月
  • 2024 年 10 月
  • 2024 年 8 月
  • 2024 年 7 月
  • 2023 年 12 月
  • 2023 年 1 月
  • 2022 年 8 月
  • 2021 年 12 月
  • 2021 年 10 月
  • 2020 年 12 月
  • 2020 年 1 月
  • 2018 年 12 月
  • 2018 年 8 月
  • 2018 年 4 月
  • 2017 年 12 月
  • 2016 年 12 月
  • 2016 年 8 月
  • 2016 年 2 月
  • 2015 年 12 月
  • 2015 年 1 月
  • 2013 年 6 月
  • 2013 年 5 月
  • 2012 年 11 月
  • 2012 年 7 月
  • 2012 年 6 月
  • 2012 年 5 月
  • 2012 年 3 月
  • 2012 年 1 月
  • 2011 年 12 月
  • 2011 年 11 月
  • 2011 年 10 月
  • 2011 年 9 月
  • 2011 年 8 月
  • 2010 年 11 月
  • 2010 年 2 月
  • 2010 年 1 月
  • 2009 年 12 月
  • 2009 年 11 月
  • 2009 年 9 月
  • 2009 年 7 月
  • 2009 年 6 月
  • 2009 年 5 月
  • 2009 年 4 月
  • 2009 年 3 月
  • 2009 年 2 月

其他操作

  • 登录
  • 条目 feed
  • 评论 feed
  • WordPress.org
Copyright 2026 — i@laoer.com. All rights reserved. Blogsy WordPress Theme