Jeff Dean：从 TensorFlow、Gemini 到 Discovery Loop

2026 Frontier & Pioneer Symposium

这场炉边对谈发生在 Jeff Dean 离开 Google、开启 Discovery Loop 新阶段的第一天。Dawn Song 从 2017 年 ICLR 上的旧事谈起，追问混合专家模型、TensorFlow、Gemini、科研判断力、AI 安全与递归式自我改进。Dean 解释了为什么 MoE 的稀疏激活能带来数量级效率优势，也复盘 TensorFlow 的抽象设计与 `contrib` 教训；谈到 Gemini 时，他强调从一开始就做原生多模态，以及编码能力与推理能力之间的联动。后半场，他把“浏览十篇论文而不是只精读一篇”、五年尺度的问题选择、信封背面的数量级估算，连接到 Discovery Loop 的使命：自动化机器学习科学与工程循环，让实验更快、更并行、更高质量。问答环节则集中讨论了从大公司创业、Meta 的平台选择，以及为什么云计算时代的小团队仍可能在 AI 前沿取得巨大影响。