#662.：谷歌首席科学家 Jeff Dean: 人工智能构建中的 1%法则

📌 一句话摘要

谷歌首席科学家 Jeff Dean 深度分享了从 MapReduce 到 TPU 的传奇创新史，提出用「第一性原理」寻找数量级突破、创办人应聚焦 AI 成功率 0% 的问题、以及如何成为 AI 原生创始人等核心洞见。

📝 详细摘要

本期节目是 Y Combinator 在 Startup School 2026 上的特别对话，由谷歌首席科学家 Jeff Dean 分享他关于技术创新、AI 趋势与创业方法论的深刻思考。Jeff Dean 回顾了从 2001 年将谷歌搜索索引全部装入内存，到 2013 年通过「餐巾纸估算」催生 TPU 的传奇故事，核心强调了不被现有方案锚定、从第一性原理出发寻找数量级性能提升的重要性。在 AI 系统层面，他提出「搬数据的能耗比计算贵一千倍」这一底层物理约束，指出推理硬件的专门化是未来关键。在应用层面，他系统阐述了「上下文工程」的崛起，强调搭建会使用工具、能进行复杂任务拆解与评估的完整系统，远比单纯扩大模型规模更重要。针对创业者，他给出了核心判断标准：去寻找那些通用模型成功率为 0% 或 1% 的问题，而不是 20% 的，并解释了如何通过垂直模型或独占数据构建护城河。最后，Jeff Dean 分享了培养「品味」、进行疯狂思想实验的方法，并鼓励创始人专注于对世界产生积极影响的问题。

💡 主要观点

- 用「餐巾纸估算」发现瓶颈，追求数量级突破 Jeff Dean 通过 2013 年估算语音识别所需计算资源，发现现有 CPU 无法满足需求，从而推动了定制芯片 TPU 的诞生，展示了从第一性原理思考以获取百倍性能提升的方法论。

AI 创业应聚焦模型成功率 0% 或 1% 的领域 创业者应避开通用模型已能做 20% 成功率的问题，因为那些会随着数据和规模的增长被迅速覆盖。真正的机会在于模型完全做不了或几乎做不了的事情，这可以是独占数据或极难的垂类问题。

「上下文工程」是构建强大 AI 系统的核心 构建能解决真实问题的 AI，关键在于围绕模型搭建完整系统，包括编写 skills、提供工具、构建记忆和检索能力。清晰的、及时的上下文信息比混乱的万亿级 Token 训练数据更能指导模型准确完成任务。

清晰的规格说明是 AI 时代创始人最重要的能力之一 当管理多个 AI Agent 时，成功的关键在于写出极其清晰的设计文档和任务规格。你越清楚自己想要什么，智能体就越能精确地执行。这一点在可以编写详尽测试用例的任务（如代码翻译）上表现得尤为突出。

培养「品味」的方法：预测、反思与思想实验 在 AI 能写所有代码的时代，决定「做什么」的品味变得尤为稀缺。Jeff Dean 建议通过记录并回顾自己 12 个月的预测来校准判断力，并通过质疑行业常识（如用不可靠晶体管构建系统）的疯狂思想实验来激发创新。

💬 文章金句

- 去想想你看到的问题，不管你在琢磨什么，看看瓶颈在哪里。然后有没有完全不同的思路去解决其中某些问题，能让你拿到一个数量级、甚至两个数量级的性能提升。

• 搬数据的能耗和真正在数据上做计算的能耗差 1000 倍，这个差距非常显著。它塑造了我们在机器学习里做的很多事。
• 模型其实只是你要做的事里的一块，你要做的是搭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是 0% 或 1% 的事情，而不是 20% 的。
• 如果你选对了问题并且成功解决了它，那远比你把一个相当无聊的问题研究得漂漂亮亮要好得多。

📊 文章信息

AI 初评：90

来源：跨国串门儿计划

作者：跨国串门儿计划

分类：商业科技

语言：中文

阅读时间：59 分钟

字数：14707

标签： 人工智能, 创业与投资, 系统设计, 技术领导力, Jeff Dean

收听完整播客