Discovery Loop：当AI开始自动化科学方法

一场静默的范式迁移

Jeff Dean离开谷歌，不是退休，而是启动一个更底层的工程命题：把科学方法本身变成可规模化、可迭代、可自动运行的系统。他与Sanjay Ghemawat、Oriol Vinyals、Quoc Le共同创立Discovery Loop——一家公益性质的研究型公司。它不卖模型、不推API、不建云平台，只做一件事：让AI完整参与科学研究闭环——提出假设、实现实验、评估结果、决定下一步。

Loop不是新概念，而是新共识

‘Loop’一词近年密集浮现，但并非技术发明，而是对一种已发生实践的命名。Claude Code负责人Boris Cherny说：“我不再写提示词，我写Loop。”Google工程师Addy Osmani将其结构化为任务触发、状态保存、结果校验、循环控制与终止条件。IBM在2024年7月正式定义Loop Engineering：设计能持续‘行动—观察—决策—迭代’的Agent工作流。这标志着人机分工正在上移——人不再指挥每一步，而是定义目标、反馈机制与退出阈值。

Discovery Loop不止于工程，直指科学内核

普通Loop优化的是任务执行效率；Discovery Loop瞄准的是知识生产流程本身。它要构建的不是‘更快跑实验的工具’，而是一套能自主演化研究路径的系统：将复杂问题拆解为子问题，在多个紧密耦合的实验循环中并行探索，最终整合成更优模型或理论。Jeff Dean称其为‘科学方法的自动化’：提出实验→实现实验→评估实验→获得结果→启动下一轮。

Loop已在三类场景落地，但瓶颈清晰可见

第一类是模型研发Loop：Andrej Karpathy的AutoResearch让AI自动修改训练脚本、运行实验、保留有效变更；Google DeepMind的AlphaEvolve则由Gemini生成算法方案，经自动评估器打分筛选，已用于芯片设计、矩阵乘法优化与数学求解。 第二类是科学知识Loop：Sakana AI的The AI Scientist可生成假说、写代码、跑实验、析数据、撰论文；FutureHouse用多Agent系统Robin连接文献检索、假设生成与实验规划。 第三类是物理实验Loop：西雅图Potato公司推进‘完全闭环自主科学’，欧洲Sigmatic Sciences提出‘lab-in-the-loop’，中国上海科学智能研究院的Golab平台已建成‘AI计算—自动实验—数据回流—模型自进化’闭环实验室。 但Loop的深度，取决于验证速度与可靠性。代码与模型训练之所以最先跑通，因其评价函数清晰、反馈毫秒级完成；而药物筛选、材料合成等依赖真实实验的领域，一次验证动辄数周，成为当前最大瓶颈。

递归自我改进：Loop的纵向跃迁

普通Loop改进外部任务；递归自我改进（RSI）要求AI参与改进自身——算法、训练流程、评估器甚至研究范式，并将改进能力用于下一轮。今年5月，田渊栋等人创办Recursive Superintelligence，已实现AI自主提出研究方向、编写实现、运行验证、合并分支、抑制投机行为，在小模型训练加速与GPU Kernel优化中取得领先。 Discovery Loop虽未公开自称RSI公司，但Jeff Dean的构想已具RSI雏形：‘AI运行实验→实验成果改进ML系统→改进后的系统开展更复杂实验’。Quoc Le甚至提出，该路径可能催生新型Transformer架构。不过目前所有实践仍属‘有边界的自我改进’：目标、边界、指标与终局判断均由人类设定，AI尚不主导方向选择。

衡量标准正在重置

Jeff Dean明确拒绝以Token吞吐量衡量Discovery Loop的价值。他提出新指标：‘每单位计算输入所产生的发现数量’。这不是算力堆叠竞赛，而是将算力转化为实验密度，再将有效实验沉淀为算法、模型与科学突破。未来它出售的不是Agent服务，而是被压缩的研发周期、被放大的发现概率、被结构化的知识生成能力。

为什么必须离开谷歌？

这不是人才流失，而是组织定位的自然分化。谷歌需聚焦Gemini产品化、云商业化与大规模交付；Discovery Loop则必须卸下KPI包袱，专注尚未形成产品的长期基础建设。Hassabis转任Alphabet首席科学家、退居DeepMind日常运营之后，也印证同一逻辑：AGI长周期探索与商业引擎需要不同节奏、不同结构、不同责任重心。

真正的稀缺，从来不是算力或模型

Jeff Dean在多次访谈中强调：AI可一日运行千次实验，但研究上限，永远取决于人类提出的那个问题——以及我们如何定义‘值得被回答’。Loop再强大，也只是方法；科学的灵魂，仍在问题的选择、价值的判断与边界的设定之中。他过去把数据与训练变成了工业级系统；这一次，他和一群曾塑造谷歌技术底座的人，正试图把‘发现’本身，变成可重复、可扩展、可传承的基础设施。