ARTICLE · 人工智能
Jeff Dean 离职前最后一次对话：我低估了 AI，也看清了创业者的唯一生路
一语总结本文整理了 Google 传奇工程师 Jeff Dean 离职前的深度访谈，探讨了 AI 从模型中心转向上下文工程的范式转移、专用推理硬件的机遇以及创业者在通用模型时代寻找生存空间的策略。
文章记录了 Google 首席科学家 Jeff Dean 在效力 27 年后离职创立公益公司 Discovery Loop 前夕的访谈。Jeff Dean 承认低估了 AI 的进化速度，并预言 2027 年将出现全自动的问题分解与实验循环系统。他深入分析了推理硬件在能效与延迟上的关键作用，提出了「上下文工程」作为下一代 AI 开发前沿的观点，并为创业者提供了具体的领域筛选标准（寻找模型成功率在 0%-1% 的领域）。最后，他强调在 AI 自动化编程时代，定义问题的「品味」将成为最稀缺的竞争力。
- AI 范式正从「模型为中心」转向「上下文工程」。
模型仅是系统的一块拼图，真正的价值在于构建包含检索、工具调用、记忆和 Agent 编排的完整系统，通过优化上下文而非仅调整参数来提升表现。
- 高性能、低能耗的专用推理硬件是 Agent 普及的关键。
由于数据 I/O 能耗远高于计算能耗，专用硬件能通过降低延迟和提升能效，支持 Agent 进行长达数天或数周的连续复杂推理。
- 创业者应寻找通用模型成功率极低（0%-1%）的领域。
如果通用模型已有 20% 的成功率，说明能力已萌芽，很快会被覆盖；而完全无法处理的领域或拥有私有数据的领域才是创业者的生存空间。
- 在自动化编程时代，「品味」成为核心稀缺技能。
当代码生成变得廉价，决定「解决什么问题」的高层智慧、通过经验和思想实验培养的判断力将比实现能力更重要。
Jeff Dean 离职前最后一次对话：我低估了 AI，也看清了创业者的唯一生路
文章记录了 Google 首席科学家 Jeff Dean 在效力 27 年后离职创立公益公司 Discovery Loop 前夕的访谈。Jeff Dean 承认低估了 AI 的进化速度，并预言 2027 年将出现全自动的问题分解与实验循环系统。他深入分析了推理硬件在能效与延迟上的关键作用，提出了「上下文工程」作为下一代 AI 开发前沿的观点，并为创业者提供了具体的领域筛选标准（寻找模型成功率在 0%-1% 的领域）。最后，他强调在 AI 自动化编程时代，定义问题的「品味」将成为最稀缺的竞争力。
文章金句
"模型其实只是整个系统里的一块拼图。你要做的，是构建一个能解决真正有趣问题的完整系统。
"你要找的是模型成功率在 0% 或 1% 的领域，而不是 20% 的领域。
"真正出色的品味，知道该让你的 Agent 去解决什么问题，这才是研究问题的核心。