Jeff Dean 與 Sanjay Ghemawat、Oriol Vinyals、Quoc Le 創辦 Discovery Loop，把 ML 實驗迴圈自動化推向大規模實驗

Jeff Dean 與 Sanjay Ghemawat、Oriol Vinyals、Quoc Le 創辦 Discovery Loop，把 ML 實驗迴圈自動化推向大規模實驗。 成立背景 Jeff Dean 於 2026 年 8 月 6 日宣布，與長期合作夥伴 Sanjay Ghemawat、Oriol Vinyals、Quoc Le 共同成立 Discovery Loop（@DiscoLoopAI）；公司採 Public Benefit Corporation 形式運作，使命是自動化機器學習、科學與工程，以加速發現與進展。四位創辦人合作時間介於 14 至 30 年，過去曾參與打造全球廣泛使用的產品、基礎架構與 AI 模型，如今將重心轉向這項更具企圖心的工作。公司資訊可見官方網站。Google 執行長 Sundar Pichai 在同日發給員工的信中證實此事：Jeff Dean 在 Google 任職 27 年後，想嘗試新方向，Google 表示支持；他與 Google 資深院士 Sanjay Ghemawat 共同創辦這家獨立的公益公司，兩人過去推動了從早期搜尋基礎架構到神經網路的多項重大技術轉型。同日的 Google DeepMind 人事調整見〈Demis Hassabis 轉任 Google DeepMind 主席〉。 四位男士並肩站在灰背板前的合照 DISCOVERY LOOP 的使命與願景說明頁面，闡述其打造 AI 解決方案以解決機器學習、科學和工程領域重要問題的目標 核心方法 Discovery Loop 的一般做法，是把科學與工程中的「實驗迴圈」自動化：系統反覆提出方案、執行實驗並利用結果改進下一輪。團隊認為，這套方法可套用到許多科學與工程領域；初期會聚焦機器學習研究與工程，並相信它能協助解決 NAE 14 個 Grand Challenge 問題中幾乎每一個的重要子問題。Jeff Dean 指出，要把這件事做好，必須同時具備深厚的機器學習專業與大規模系統能力。 科學與工程領域的通用 loop 運作流程與自動化方法說明圖 Discovery Loop 的使命頁，說明其目標是把 ML、科學與工程自動化，以解決具影響力的問題，並列出其方法適用的多個科學與工程領域，包含涵蓋多數美國國家工程院重大挑戰（U.S. National Academy of Engineering Grand Challenge problems）等適用領域。 資金與投資者 團隊已製作 pitch deck，向少數創投機構說明公司背景與計畫，並選定 Radical Ventures 與 Khosla Ventures 領投初始融資。Lightspeed Venture Partners、Kleiner Perkins、Doerr Capital（@johndoerr）及 Alphabet（@Google）也參與其中；seed round 預計在接下來幾週完成。投影片中也整理了曾在他們團隊工作、後來自行創業的人名單。 Discovery Loop 共同創辦人的經歷，以及曾在這個團隊工作、後來出去創業的 AI 創辦人名單。 四位共同創辦人，以及他們參與過的 Products、Infrastructure、AI Research 與 AI Applications。 這張投影片以左右並排的介面展示兩個領域的高引用研究人員排行榜，左側為「Most-cited AI Researchers」（搜尋指令 label:artificialintelligence），右側為「Most-cited Distributed Systems Researchers」（搜尋指令 label:distributedsystems），列出各研究人員的姓名、所屬機構、驗證電郵、研究領域標籤與被引用次數。 多張包含不同人物在餐廳、戶外、街頭與海景前合照的生活紀實拼圖照片 近期計畫 公司接下來幾週會尋找辦公空間，招募 founding team，並建立重視技術卓越、團隊合作、尊重與企圖心的工作文化。同時，Discovery Loop 將開始建置基礎架構、AI 模型與系統，處理第一個領域：自動化機器學習研究與工程的大規模實驗。 產品驗證方式 團隊會先把自己當成 Discovery Loop 的第一批使用者，直接用自建系統支援自身研究與工程工作。Jeff Dean 認為，這種使用過程帶來的快速回饋，將是打造產品的重要方法。公司目前也正在招募，職缺資訊刊於官方網站。原文：https://easyvibecoding.app/curated/2845-jeff-dean-discovery-loop-automating-ml-experimental-loop