Jeff Dean谈AI下一步：从更大模型转向组织智能
Jeff Dean认为AI竞争正从训练更大模型转向构建能长期运行、自动迭代的系统，硬件与能耗是关键。
在YC Startup School上，Jeff Dean指出AI能力已接近初级工程师，但更关键的是如何将模型嵌入长期运行、自动试错的系统。他回顾了TPU的诞生源于算力成本测算，并强调未来AI竞争将从模型规模转向智能组织，推理硬件与能耗优化将成为新战场。
正文摘录
.jpg) 编辑｜Panda 2026 年的 YC Startup School 上，Jeff Dean 的声音有些沙哑。 访谈刚开始，他便解释自己失声了，今天听起来和平时不太一样。但这并没有影响台下听众的注意力。坐在他面前的 YC 合伙人 Diana Hu，一口气列出了一串足以写进计算机史的名字：MapReduce、BigTable、TensorFlow、TPU、Gemini。  任何一个项目，都足够成为一名工程师职业生涯的代表作。它们却集中出现在 Jeff Dean 和他身边一批 Google 工程师的履历里。 Diana 没有把访谈做成一次功绩回顾。她更关心另一个问题：当生成式 AI 已经席卷软件行业，Jeff Dean 这种最擅长从底层重构系统的人，今天究竟在看什么？ 答案并不是更大的模型。 在这场近一小时的对话里，Jeff Dean 反复谈到推理硬件、能量、数据搬运、上下文工程、长时间运行的 Agent、自动化实验系统，以及创业公司如何避开通用模型的正面碾压。