夜雨聆风摘要大模型能回答问题，Agent 能调用工具执行任务。但在科研和工程里，最难的仍是做实验、判断结果，再决定下一步。四位 Google 老将创办 Discovery Loop，想让 AI 接手这套循环。
在 Google 工作 27 年后，Jeff Dean 离开了。
和他一起创业的，是 MapReduce 联合作者 Sanjay Ghemawat、Google DeepMind 前副总裁 Oriol Vinyals，以及 Google Brain 联合创始人 Quoc Le。
这份创始人名单很像一家超级模型公司的开场。但他们没有宣布再造一个更大的模型。
从左至右对应 Oriol Vinyals、Sanjay Ghemawat、Jeff Dean 与 Quoc Le。图为 UnfoldX 根据公开团队信息创作的非写实编辑插画，并非人物照片。
新公司 Discovery Loop 只盯着一个问题：AI 提出方案之后，谁来做实验，谁来判断结果可信，又怎么让一次失败改变下一次尝试？
过去几年，大模型越来越会“给答案”，Agent 也开始会“干活”：写代码、看图片、调用工具，一口气生成上百个方案。可在科研和工程里，想法通常不贵。花钱、花时间的是做实验，并确认结果不是偶然。
Discovery Loop 想把这几步接起来：模型提方案，工具做实验，程序检查结果，模型再决定下一步。 公司会先从机器学习和工程做起，以后再看能否进入其他领域。
它不准备造一个无所不能的“AI 科学家”。它先做一套实验流程，让每个答案都要过测试。
01｜AI 不缺想法，缺的是淘汰错答案
Loop 就是五步：
提出假设 → 执行实验 → 验证结果 → 更新判断 → 提出下一轮假设
回答不是终点。实验结果必须回到起点，改变下一轮要试什么。
比如，要寻找一种材料更合适的加热温度。研究者先定目标和安全范围，AI 根据已有记录提出 60℃、70℃、80℃ 等方案，实验设备制作样品并测量强度。
如果 70℃ 的样品最好，也不能马上下结论。先再做几次。结果稳定，就在 70℃ 附近继续试；结果忽高忽低，就检查材料批次、加热时间和测量方法。
模型提方案，设备做实验，结果负责判对错。 人决定研究什么、哪些风险不能碰，以及多少证据才够。
这正是许多 Agent 的短板：它们能连续干活，却没有可靠的结果来纠错。
02｜为什么代码优化最先跑通
代码优化是目前最像“自动实验”的场景之一。原因不是 AI 更懂代码，而是结果容易判断。
以 GPU 内核为例。它是在芯片上反复运行的一小段程序。完成同样的计算，写法不同，速度可能相差几倍。一个新版本值不值得留下，只看两件事：算得对不对，跑得快不快。
假设原程序运行一次需要 100 微秒。AI 阅读代码和性能报告，判断瓶颈来自计算、数据读取还是任务安排，然后给出新版本。
新代码先做正确性测试。算错了，直接淘汰；算对了，再放到真实 GPU 上测速。80 微秒的版本留下。120 微秒的版本也有用，它说明这种改法行不通。
到了下一轮，AI 不再从头猜，而是沿着前面的成败继续修改。
KDA 官方流程图。只看三个阶段：研究已有实现、根据性能报告反复修改、针对不同输入规模自动调优。来源：MIT HAN Lab。
MIT HAN Lab 开源的 KDA（Kernel Design Agents）就是这样做的。编码 Agent 阅读已有代码，调用编译器和性能分析工具，并保存每个版本和失败记录。
Meta 已把类似做法用到广告排序系统。KernelEvolve 把原本需要专家数周完成的优化压缩到数小时；Meta 报告其广告模型在 NVIDIA GPU 上的推理吞吐提升超过 60%。
Google DeepMind 的 AlphaEvolve 做法也类似。模型修改程序，测试程序负责执行和打分，结果再写回程序库。
AlphaEvolve 论文 Figure 2。只看上半部分：人提供初始程序和评分方法，模型修改程序，测试程序打分，最后留下最好的版本。
AlphaEvolve 曾帮助 Google 数据中心节省约 0.7% 的计算资源，还找到一个更快的 4×4 复数矩阵乘法方案，改进了沿用 56 年的方法。
这些项目和 Discovery Loop 没有直接关系，也不能证明它会成功。它们只说明一件事：模型会生成还不够，旁边还要有编译器、测试和真实芯片，告诉它哪里错了。
代码优化能先跑起来，因为检查结果便宜、快，而且标准清楚。
03｜让 AI 做实验，难在怎么判结果
换成科学实验，事情就难多了。
一段代码几分钟就能测完，一种新材料可能要等几天。程序失败只浪费算力，临床决策失败却可能伤害人。能不能让 AI 反复尝试，要看结果多久出来，以及失败的代价有多大。
可以用五个条件筛选：
方案可生成，实验可执行，结果可判定，过程可重复，失败可承受。
这五项只判断一个具体问题。结果出得越快、标准越清楚、失败代价越低，越适合交给 AI 反复尝试。
目前最适合的是代码、算法、机器学习实验和工程仿真。 实验在电脑里完成，几分钟或几小时就有结果，失败也比较容易收拾。
再往前一步，是材料、化学和生物实验。AI 可以提出候选、安排实验，但必须由机器人和检测设备给出结果。Google 的 AI co-scientist 已帮助研究团队筛选白血病候选药物和肝纤维化靶点；支持这些候选的，是后续细胞或类器官实验，不是模型自己的判断。
临床治疗、长期社会实验和目标含糊的问题，暂时不适合这样做。 它们可能几个月甚至几年才有结果，一次失败代价很高，影响结果的因素也太多。
Kosmos 的结果显示了这条边界。它可以连续工作 12 小时，运行代码、查论文、整理报告；数据分析准确率达到 85%，到了判断科学意义时，却只有 58%。
AI 已经能长时间工作，但还不能稳定判断哪些结果重要。数据源：Mitchener 等，《Kosmos》，Figure 1。
这里也可能藏着 Discovery Loop 的生意。
同一个模型可以到处用，不同领域却要配不同的工具和标准。优化 GPU 要连接编译器和芯片；筛选材料要连接机器人和检测设备；验证候选药物又要换一套实验方法。
谁能把这些工具接好，记下每次成败，谁就能积累别人没有的实验数据。
Jeff Dean 认为，这种做法可以进入许多科学和工程领域，甚至帮助处理美国国家工程院 14 项重大挑战中的一些具体问题。
关键是把大问题拆小。AI 不会一下解决核聚变、清洁水或新药研发。它更可能先做控制参数优化、材料筛选、候选药物早期测试等容易说明白、也容易检查结果的工作。
Discovery Loop 如果能做成，优势未必来自某一个模型，而是来自这些按领域搭好的实验流程。
04｜循环也会让错误越积越多
循环不会自动纠错。 上一次结果是对的，下一次就更接近答案；上一次结果是错的，后面也会跟着走偏。
最常见的问题，是只用一个分数判断好坏。 AI 很快学会提高分数，却没有解决真正的问题。已有研究甚至发现，能力更强的模型有时更会钻评分规则的空子。
错误还可能被当成事实，交给下一轮继续使用。 NOVA 论文把它称为“污染陷阱”：当新发现越来越少，哪怕系统只是偶尔判错，错误也可能比新知识积累得更快。
人也不能只在最后签字。 Kosmos 和 SciAgentArena 的评测都显示，步骤清楚、标准明确时，AI 已经有用；遇到需要判断科学意义、长时间探索或没有标准答案的问题，它仍不稳定。
判断这类工具有没有用，不要看它一分钟能生成多少个假设，要看三件事：
同样的算力，得到多少经过验证的新知识； 一次失败，能不能让下一轮少走弯路； 同一结论，别人能不能重复出来。
关键不是多试，而是更快排除错误，留下可靠结果。
05｜为什么是这四个人
Jeff Dean 和 Sanjay Ghemawat 长期建设大型计算系统。MapReduce 把数据拆分、任务调度和故障处理交给机器，让工程师专心决定“要算什么”。
Oriol Vinyals 和 Quoc Le 研究另一半问题：模型如何学习和行动，以及机器如何帮助改进机器学习方法。
这家公司正好需要两种能力：模型决定接下来试什么，计算系统保证实验能跑完、留下记录，也能被别人重复。 这比“明星科学家组队创业”更能解释他们为什么走到一起。
但公司还没有证明这套方法行得通。
Discovery Loop 是一家独立的公共利益公司，Alphabet 是创始投资方，Google 提供云计算支持。双方如何分配知识产权、研究成果与算力，没有公开信息。公司也还没有公布产品、技术细节、实验数据和客户。
它要先证明，这套方法能稳定淘汰错误，并让上一次实验帮到下一次。
如果能做到，AI 公司比的就不只是“谁先给答案”，还包括“谁能更便宜地证明答案”。
人决定研究什么、什么证据才算数。机器多试几个方向，并记住每次成败。
关于本文
本文由 UnfoldX 根据官方公告、论文、开源项目和生产案例整理，并制作了实验流程图，经人工核验。
资料来源
Google CEO Sundar Pichai，Changes at Google DeepMind，2026-08-05：原文 Axios，Google DeepMind CEO Demis Hassabis is stepping aside，2026-08-05：报道 Google Research，Jeffrey Dean 官方研究主页：主页 Google Research，Sanjay Ghemawat 官方研究主页：主页 Google Research，MapReduce: Simplified Data Processing on Large Clusters：论文 National Academies，Automated Research Workflows for Accelerated Discovery：报告 NOVA: Fundamental Limits of Knowledge Discovery Through AI：论文 AlphaEvolve: A coding agent for scientific and algorithmic discovery：论文 Google DeepMind，AlphaEvolve 官方介绍：原文 National Academy of Engineering，Grand Challenges for Engineering：原文 Towards an AI co-scientist：论文 Kosmos: An AI Scientist for Autonomous Discovery：论文 Benchmarking AI Agents for Addressing Scientific Challenges Across Scales：论文 MIT HAN Lab，Kernel Design Agents：项目 MIT HAN Lab，MLSys 2026 FlashInfer Contest workflow release：项目 Meta Engineering，KernelEvolve: How Meta’s Ranking Engineer Agent Optimizes AI Infrastructure：原文 腾讯科技，谷歌最重要的人，离职去做的“Loop”有多重要？：原文