Jeff Dean谈AI：从Agent失控到创业成功的1%法则

2026年的YC Startup School现场，Jeff Dean的声音带着明显的沙哑。他解释说自己刚失声过，今天的状态和平时不太一样，但台下6000多名创业者的注意力丝毫没有被分散。对面的YC合伙人没有沉浸在回顾他的传奇履历里——MapReduce、BigTable、TensorFlow、TPU、Gemini，每一项都足以成为一名工程师职业生涯的巅峰作品——而是抛出了一个更具前瞻性的问题：当生成式AI已经席卷整个软件行业，这位最擅长从底层重构系统的技术专家，当下最关注的方向是什么？

Jeff Dean的答案出人意料，不是参数规模更大的基础模型。在近一小时的对话里，他反复提及推理硬件、能源消耗、数据搬运、上下文工程、长周期运行的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竞争。这些看似分散的话题背后，有一条清晰的主线：AI的下一阶段，不再是单纯把模型训练得更聪明，而是要把模型嵌入一个能够长期工作、持续试错、自动验证、不断积累能力的完整系统里。这意味着，全球AI行业的竞争正在从「谁拥有更大的模型」，转向谁能更高效地组织智能。

一、当AI成为初级工程师，行业分工正在重构

早在2025年5月，Jeff Dean就曾提出一个引发广泛讨论的判断：AI的能力已经接近一名初级工程师。时隔一年，当被问及这个预测的落地情况时，他给出了肯定的答复：「相当准确」。甚至，模型在Agent化、长流程编码和复杂任务上的进步，比他当时的预期还要更快。

这种能力早已不限于写代码，越来越多的Agent系统开始渗透到科学研究、工程开发和其他专业领域。它们不再只是被动回答问题，而是能够拆解任务、调用工具、运行实验、读取结果，并根据反馈持续调整行动路径。

很多人会把AI类比初级工程师的现象，聚焦在人力替代的层面，但Jeff Dean更关注的是另一层深层变化：当一个「初级工程师」可以被复制成数十、数百个，并行工作数天甚至数周时，整个生产组织的方式会发生怎样的改变？

在传统团队中，初级工程师需要熟悉业务、理解工具、不断获取反馈。Agent也是如此，只不过它的「培训材料」不再是纸质文档，而是提示词、工具说明、技能文件、测试体系、评估器和完整的上下文环境。这催生出了AI工程领域的全新分工：

过去，工程师的核心工作是编写代码；未来，更多工程师会转向定义问题、搭建环境、编写规范、设计反馈回路，再调度一群Agent完成具体任务。

Jeff Dean对2027年的预测也印证了这一点：机器学习系统会越来越多地参与改进自身。它们会将大目标拆解为子问题，自动运行大量实验、对比结果，再将有效的方案组合起来，形成能力更强的新系统。「只要一个领域存在可量化的目标，就有机会取得巨大进展。」他说。

这句话是整场访谈的第一把钥匙。AI自动化最先渗透的，未必是知识密度最高的领域，而是反馈最清晰的领域：代码能否通过测试、芯片布局能否降低面积、模型结构能否提升精度、材料性能是否符合要求，这些问题都有相对明确的评价标准。只要评估器足够可靠，机器就能以极高的频率反复试验。因此，AI时代真正的核心单位，不再是单次的问答，而是一次完整的闭环：提出方案、执行方案、测量结果、修正方向。

二、底层逻辑的重构：从算力到数据搬运

Jeff Dean的很多标志性成果，都源于一个朴素的起点：先把数量级算清楚。2001年，Google搜索还大量依赖硬盘存储，虽然硬盘容量充足，但访问速度缓慢。他和Sanjay Ghemawat做了一次估算后发现，当时Google的整份搜索索引，已经可以放进所有服务器的内存中。

在今天看来，这只是一次简单的存储介质升级，但在当时，这意味着完全颠覆传统的系统设计思路。如果索引主要驻留在硬盘上，查询需要等待机械寻道；而将索引放入内存，访问延迟会骤降。两人很快写出新版本并在几天内部署到生产环境，Google搜索的速度因此得到了显著提升。

这个故事常被包装成天才的灵光一现，但Jeff Dean的解读更像一名工程师的常识陈述：当系统条件发生变化，原本不成立的方案突然变得可行，就应该重新计算一次。很多行业的创新都发生在这样的时刻：旧问题长期存在，人们已经习惯围绕它打补丁；直到硬件成本、内存容量、网络带宽或模型能力跨过某个临界点，原来的约束消失，但大多数人仍在沿用旧架构，因为旧的模式已经变成了默认的常识。

Jeff Dean擅长的，就是把常识重新变回可质疑的假设。他会不断追问：为什么一定要这样做？今天的数量级和昨天相比有变化吗？如果把成本最高的环节替换掉，整个系统会不会呈现出完全不同的形态？这也是他给创业者的核心建议：不要只盯着现有方案的不足，而是要从第一性原理重新审视问题——能不能将性能提升一个数量级？能不能把成本降低两个数量级？能不能跳出行业默认的实现路径？

「有时候，你只需要眯起眼睛看一个问题，不要被当下的解法锚定，而是从最基础的逻辑出发思考应该如何解决。」他说。

2013年，Google的深度学习语音识别系统性能显著超越旧方案，错误率下降了一半，相当于过去二十年的语音识别进展在数月内集中完成。产品团队为此兴奋不已，但Jeff Dean却先算了一笔账：如果语音识别的准确率真的大幅提升，用户的使用意愿会显著增强。假设每名用户每天仅使用三分钟的语音识别功能，Google需要新增多少服务器才能支撑这个需求？

结果并不乐观：按照当时CPU的计算效率，Google可能需要将服务器规模扩大一倍。这正是TPU项目的起点——它并非源于团队突然想要造芯片，也不是为了证明Google的硬件能力，而是因为一个成功的模型即将带来无法承受的服务成本。

这段历史揭示了一个常被忽略的AI产品规律：模型效果的提升，并不总是降低成本，反而可能让系统压力陡增。当语音识别的准确率较低时，用户很少调用，系统成本并不突出；但当错误率大幅下降，用户需求被释放后，原本隐藏在后台的算力约束就会浮出水面。

TPU的设计思路，是为机器学习最核心的计算模式打造专用硬件：它不需要运行浏览器或处理通用程序，只专注于低精度、稠密线性代数计算——而这类运算恰好是现代机器学习的核心。第一代TPU最终带来了数量级的性能提升：按照Jeff Dean的说法，它比当时的CPU和GPU节能30到80倍，延迟也降低了20到30倍。

这里还有一个容易被忽略的设计平衡：TPU足够专用，但并没有专用到只能运行某一种固定模型。团队意识到机器学习算法会快速迭代，因此将芯片设计为通用性更强的线性代数系统——它牺牲了运行Chrome或Word的能力，但保留了支持未来算法演进的空间。这种平衡极难把握：专用性不足则收益有限，专用性过强则会随着算法更新快速过时。

Jeff Dean对当下推理硬件的判断，与当年TPU的设计思路一脉相承：下一轮重要的机会仍在专用化，但重心会进一步转向低延迟、低能耗的推理场景。「想象一下，如果延迟能改善50倍，你可以做什么？」他说。当模型回复需要十几秒时，人们只会将其视为偶尔咨询的工具；但当延迟接近即时，AI才能真正融入交互界面、机器人、实时视频、操作系统和连续决策流程。等待从来不是一个小的体验问题，它会彻底改变产品的形态。

Jeff Dean还指出，为2026年的AI工程师更新「必须掌握的延迟数字」时，重点已经从硬盘寻道、缓存未命中和跨洲网络延迟，转向芯片内部的数据流。工程师需要清楚：主存到片上内存的带宽是多少、片上内存到乘法单元的带宽是多少、一次乘法需要多少能量、芯片之间如何互连、从500颗芯片扩展到1万颗芯片时网络效率会如何下降。这些数字看似离产品很远，实则决定了哪些产品能够真正落地。

他给出了一个极具冲击力的比例：完成一次数学乘法大约只需要1皮焦耳的能量，但将数据从高带宽内存搬到计算单元，能量成本可能高出约1000倍。换句话说，今天AI系统中最昂贵的动作，往往不是「计算」，而是「搬运需要计算的数据」。这也解释了批处理的重要性：当一组模型权重从内存加载到计算单元后，如果只处理一个token，数据搬运的成本会全部由这个token承担；但如果同时处理更大的批次，同一份权重可以服务更多计算，能量和带宽成本就会被摊薄。

但批处理与低延迟天然存在矛盾：为了凑够一批请求，系统往往需要等待，这会提升整体吞吐率，但单个用户的响应速度会变慢。因此，很多看似属于模型层的问题，本质上都是硬件和系统问题：为什么训练要用大批次？为什么推理需要KV Cache？为什么模型要追求低精度？为什么系统需要量化？这些问题的背后，都离不开数据搬运和能量约束。

Jeff Dean近期更关注推理场景，正是因为推理对延迟极度敏感：训练任务跑慢一点，只是实验结束得晚一点；但推理任务每多等一秒，都会直接影响用户体验和Agent的工作效率。如果一个Agent需要连续调用模型1000次，单次延迟降低50%，整个任务的完成时间会出现巨大差异，更不用说未来Agent需要运行数天甚至数周。因此，AI的「能源问题」并非遥远的环保议题，它直接决定了模型能否以更低成本服务更多用户、决定Agent能否持续运行，也决定了创业公司的毛利是否健康。

三、Agent的真相：不是聊天窗口，而是分布式系统

过去几年，AI行业习惯用参数量、训练数据量和基准测试分数来衡量进步，但2026年的Jeff Dean更强调模型周围的整套系统。一个真正有用的AI系统，除了模型本身，还需要检索工具、记忆模块、历史信息、执行环境和反馈机制。模型需要知道有哪些可用工具、何时调用工具、如何将复杂问题拆解为一系列动作，还要能够比较多种方案，判断哪一种更有可能成功。这正是「上下文工程」开始走到舞台中央的原因。

他解释说，模型在训练阶段接触的信息，最终被「搅拌」进数千亿乃至数万亿的参数中，它们就像一锅浓汤，知识存在但未必清晰；而真正放入当前上下文的信息，对模型来说更加直接，也更容易被准确使用。

这为小团队留下了重要的生存空间：训练基础模型需要海量的资本、数据和算力，但上下文工程可以从一个简单的API开始。创业者可以围绕具体业务，将领域知识、工具流程、客户数据和评估标准组织起来，让通用模型在细分场景中表现得更加可靠。

Jeff Dean举了一个自己的亲身案例：他和Sanjay Ghemawat经常优化Google内部的底层库，这些数据结构运行在数百万个进程中，哪怕是微小的性能差异都会被规模放大。传统的优化流程是工程师先编写微基准测试，测量当前性能，再修改代码，重新运行基准测试，观察缓存占用和性能变化，然后持续迭代。两人将这套工作方法整理成了一项Agent技能，让模型学会如何运行基准、修改代码、对比结果，并根据测量数据继续优化。「我们只是把人类会采用的工作方法，以模型可以使用的形式交给了它。」他说。

这句话几乎可以视为上下文工程的朴素定义：它不是神秘的提示词技巧，也不是堆砌更多背景材料，而是要回答三个核心问题：专家会按照什么步骤做事？系统有哪些可靠的工具？结果应该如何被验证？当这些内容被结构化后，模型获得的不再是更多的知识，而是一套可重复执行的工作方法。这也是为什么「技能（Skill）」会成为Agent生态中的关键资产：一份优秀的技能文件，可能封装了团队多年的隐性经验，它会告诉模型遇到某类问题时先做什么、哪些错误最常见、哪些工具值得信任、什么结果才算完成。未来公司的差异化，可能不仅存在于模型的权重中，也存在于这些被编码进工作流的经验里。

几乎所有真正开发过Agent的团队，都见过同一个典型场景：前几步进展顺利，模型能够读取需求、调用工具、编写代码，但到了第30步甚至第50步，它就会开始忘记目标、误解当前状态、重复执行动作，或者沿着错误的方向越走越远。Jeff Dean将其中一个核心原因归结为分布外问题：模型在训练中见过大量常见任务，只要任务仍处于它熟悉的「舒适区」，表现通常不错；但一旦连续操作将它带到不熟悉的状态，性能就会突然下降，偏离舒适区越远，错误累积的风险就越高。

解决这个问题的方法之一，是提供技能和提示词，将模型尽可能约束在熟悉的路径上；另一种方法则是使用多Agent系统：多个Agent可以尝试不同的方案，再由另一个模型担任评估者，判断哪些方向更有希望，失败的分支被丢弃，成功的分支继续推进。这本质上是在推理阶段进行搜索，和人类团队的工作方式并不陌生：面对复杂问题，一个人提出方案，另一个人审查风险，第三个人运行实验，团队不会把全部希望押在第一条思路上，而是通过分工和反馈降低单点失误的概率。

Agent运行的时间越长，系统设计就越不能依赖单次正确。真正可靠的长程Agent，需要检查点、状态管理、回滚、分支探索、外部评估、权限控制和异常恢复，它更像一个分布式系统，而不是一个超长的聊天窗口。这也正是Jeff Dean的技术背景开始重新变得关键的原因：MapReduce解决的核心问题之一，就是如何让大量不可靠的机器完成可靠的计算。今天的Agent系统面临着相似的矛盾：单次模型调用并不完美，工具也可能失败，但整个任务仍需要尽可能稳定地完成。未来优秀的Agent平台，可能会继承大量分布式系统思想：任务可以拆分、结果可以验证、失败可以重试、状态可以恢复，局部错误不应该摧毁整个流程。当Jeff Dean说Agent将运行数天甚至数周时，他并不是在描述一个更长的聊天窗口，而是在描绘一种全新的计算基础设施。

四、小团队的破局之道：1%法则与结构性盲区

在YC Startup School的语境下，创业者最关心的问题无疑是机会所在：大型科技公司可以联合设计芯片、数据中心、模型和产品，通用大模型还在快速扩张能力边界，一个两三人的小团队，凭什么赢得竞争？

Jeff Dean的回答并不浪漫：小团队的机会，通常存在于通用模型尚未充分覆盖的具体领域。创业者可以将产品界面、专有数据、工作流和领域技能结合起来，在细分场景中提供更高的准确率和更好的用户体验。但他随即发出了警告：通用模型的能力正在快速变强，今天看似独立的产品功能，可能在6到12个月后就会被基础模型直接覆盖。因此，创业者需要判断自己的优势是否具有持久性。

他给出了一条非常具体的筛选标准：寻找那些当前通用模型成功率接近0%或1%的任务，而不是那些已经能做到20%的任务。「如果模型完全失败，这可能是一个好迹象；如果它已经能做一部分，只是做得不太好，那反而未必是好迹象。」他解释说，20%的成功率意味着模型已经开始具备相关能力，更多的数据、更大的模型和更长的推理时间，可能会快速将其推向可用状态；而0%或1%的成功率，则说明这个任务可能缺少关键数据、特殊工具、领域反馈，或者需要通用模型短期内难以获得的能力。这就是Jeff Dean的「1%法则」。

这并不是建议创业者专挑最难的问题，而是要寻找通用模型存在结构性盲区的领域。这类盲区大致可以分为三类：

1. 专有数据：通用模型可以整合全球公开信息，但未必能访问某个用户的全部个人资料、某家公司的内部流程、某种设备产生的实时数据。创业产品一旦获得这些数据，就能形成与基础模型不同的独特视野。

2. 专业评价能力：很多行业并不缺少生成能力，而是缺少可靠的判断标准。医疗、材料、芯片、制造和科学研究等领域，都需要高质量的验证器。谁能定义「什么是正确的结果」，谁就能让Agent持续优化迭代。

3. 窄而深的专业模型：AlphaFold并不是通用聊天模型，它针对蛋白质结构问题建立了高度专业化的能力。在材料科学、芯片设计和其他专业领域，同样可能出现类似的机会。

这套判断对创业者来说并不轻松，它要求团队同时理解模型的能力边界和行业的深层痛点：只懂AI的团队，容易做出很快会被大平台吸收的功能；只懂行业的团队，又可能低估模型的进步速度。真正的机会，恰恰存在于这两者的交界处。

五、AI时代的稀缺能力：品味、规格与问题选择

主持人曾提出一个假设：如果未来每位创始人都能同时管理50甚至100个Agent，所有代码都由Agent编写，那么什么能力会变得稀缺？Jeff Dean的回答是品味。更准确地说，是判断「应该让Agent做什么」的能力。

他认为，研究工作的大部分价值，不在于实验执行得多么精致，而在于是否选择了一个值得研究的问题。一个团队可以用最精湛的方法完成一项无关紧要的研究，也可以抓住一个关键问题，只要解决它就能改变整个领域。当Agent让执行成本大幅下降后，问题选择的重要性会进一步提升。

过去，一个模糊的想法会因为开发成本过高而自然被淘汰；但未来，只要调动足够多的Agent，很多想法都能被快速做成原型。世界不会因此自动出现更多好产品，只会出现更多产品。因此，规格也会变得越来越重要。

Jeff Dean解释说，和虚拟Agent协作时，目标越清晰，成功率越高。过去，模糊的需求交给资深工程师，对方可以主动追问，也能依靠共享背景补全意图；但Agent虽然也能提问，却更容易在缺少上下文时自行猜测。一个典型的高成功率任务，是将软件从一种编程语言迁移到另一种语言——原因不是迁移过程简单，而是规格极其完整：旧代码定义了行为，测试定义了边界，Agent可以逐项对照，直到新版本的表现与旧版本完全一致。「现在Agent可以替你写软件，但说明你究竟想要什么，反而变得更加重要。」

这对所谓的「AI原生组织」有着直接的启示：未来的管理者不只是分配任务，更需要编写更清晰的目标和验收标准。设计文档不再只是团队的沟通材料，也会成为机器执行的输入；测试、指标、约束和示例，会从开发流程的末端前移到任务定义的阶段。

至于「品味」该如何培养，Jeff Dean给出了一个务实的方法：写下一批你认为未来12个月会变得重要的事情。你不必全部去做，12个月后重新复盘，看看哪些判断成真、哪些被别人抢先实现、哪些毫无进展。通过不断积累预测样本，人会逐渐校准自己的判断。品味并非完全依赖天赋，它也可以通过持续复盘来训练。

六、Jeff Dean的思考武器：从数量级到第一性原理

在访谈的后半段，Jeff Dean分享了一个颇为疯狂的思想实验：过去60年，芯片行业一直在追求更小、更稳定、错误率更低的晶体管，人们默认同一设计制造出的芯片应该尽可能一致，位翻转越少越好。但在大型分布式系统中，工程师早已接受单个组件会失效：硬盘会坏、机器会宕机、交换机会出问题，系统的可靠性并不来自每个部件绝对不出错，而是来自复制、校验、冗余和恢复。

于是Jeff Dean提出了一个假设：如果晶体管每天会发生20次错误，而不是几百万年才出一次错，会怎样？这并不是一个现实的产品计划，他只是想把一个习以为常的前提拿掉——也许极不可靠的晶体管可以用完全不同的方式制造，系统则通过多路径和高层冗余来保证最终结果的正确性。

多数思想实验最终不会变成产品，很多行业的做法持续了数十年，确实有充分的理由。但Jeff Dean认为，仍应该定期重新审视这些理由。MapReduce的诞生就源于类似的过程：早期Google的爬虫和索引系统充满了手工编写的并行代码、检查点和故障恢复逻辑，而真正的业务计算往往很简单——比如读取所有网页、判断页面语言，但大量的系统代码却将这些简单的意图淹没了。Jeff Dean和Sanjay Ghemawat从函数式编程中获得灵感，将大量任务抽象为Map和Reduce操作，将并行化、调度、容错和重试下沉到统一的框架中，让业务开发者只需要专注于表达计算本身。这项设计并没有让机器变得不出错，而是让错误变得可以被系统吸收。

今天的Agent工程也可能处于类似的阶段：大量团队仍在为每个任务手工编排提示词、重试逻辑和工具调用，未来是否会出现一个像MapReduce一样简洁的抽象，让长程Agent的分解、验证、恢复和并行探索成为底层能力？这或许正是下一批基础设施公司的机会所在。

Jeff Dean对未来最兴奋的方向，是将科学方法本身自动化。传统的科研流程是提出假设、设计实验、运行实验、分析结果，再产生下一轮假设，这个循环的速度长期受制于实验成本和验证延迟。AI可以从两个方面改变这一点：自动提出并执行更多实验，以及将昂贵的验证器转化为廉价的近似模型。

他举了量子化学的例子：研究人员要判断一种分子构型的性质，可以运行密度泛函理论模拟，但一次模拟可能需要一整夜。Google的研究人员用大量的模拟输入和输出训练了一个神经网络近似器，它的准确度接近原模拟器，但速度快了约30万倍。当验证速度发生变化后，科学问题的形态也会随之改变：过去筛选1000万个候选方案可能需要数月的算力，而现在研究者吃一顿午饭的时间，系统就能完成初步筛选。实验不再是珍贵的单次下注，而是变成了高频的搜索。

这也是AlphaEvolve、AlphaChip等系统背后的共同逻辑：模型提出方案、工具执行方案、评价器筛选结果，优秀的结果进入下一轮循环。只要闭环足够快，系统就能在巨大的解空间中持续探索。机器学习本身也会成为这种自动化科学的对象：今天的大型研究团队通常由人类提出新的架构或训练方法，先跑小规模实验，再挑选有希望的方案放大。Jeff Dean认为，并没有根本的障碍阻止模型接管其中越来越多的环节：人类给出高层方向，系统自动探索结构、数据配方和训练策略，再将成功的实验组合成新的模型。未来衡量研究效率的指标，可能不再只是每秒浮点运算次数，而是「每单位算力能产生多少有效发现」。算力当然重要，但如何将算力转化为真正的发现，才是更关键的问题。

七、被拒绝的论文与长期主义

2014年，Jeff Dean、Geoff Hinton和Oriol Vinyals共同提交了一篇关于知识蒸馏的论文，而这项技术如今已经成为模型压缩和能力迁移的基础方法：通过大模型作为「教师」，将能力传递给更小、更快、更便宜的「学生」模型。但这篇后来影响深远的论文，当年却被NeurIPS拒绝，一名审稿人认为它「不太可能产生重大影响」。

Jeff Dean谈起这段经历时并没有愤怒，他解释说，审稿人可能并不了解大规模AI服务面临的现实问题：对Google来说，将昂贵的大模型转化为可以服务数亿用户的小模型，显然是极其重要的需求；但对于只关注理论新颖性的审稿人来说，这项工作未必显得足够「基础」。论文被拒后，团队将其上传到arXiv，行业照样读到了它并开始广泛应用。今天，Gemini的Flash模型能够在较小体量和较低延迟下保持强大的能力，知识蒸馏正是其中的核心方法之一。

这个故事并不只是「坚持就会成功」的励志材料，它说明评价体系总有盲区：一个方案的价值，有时只有真正承受过该系统瓶颈的人才能立刻看清。对创业者来说，这一点同样重要：市场、投资人和同行的否定，可能意味着方向错误，也可能只是对方没有处在同一个问题现场。区别的关键在于，团队是否有足够具体的证据，能够证明这个问题为什么重要、为什么现在可以解决。

Jeff Dean并没有鼓励盲目坚持，他鼓励的是：理解问题、持续验证，并且不要将一次评审当成世界的最终判断。

访谈接近尾声时，主持人提出了一个带有想象力的问题：如果把1999年刚加入Google时的年轻Jeff Dean传送到2026年，他会选择加入前沿实验室，还是和两三个朋友创办公司？

Jeff Dean并没有给出标准答案。他说，大组织拥有完善的结构、平台和优秀的同事，个人可以接触到自己不了解的知识，也能借助成熟的产品影响全球用户；而小团队则更自由，但也承担着更大的风险，创始人必须真正相信一个问题，愿意用数年时间承受不确定性。他给出的判断标准比「加入大厂还是创业」更根本：

「如果我解决了这个问题，并且最好的结果真的发生了，世界会因此明显变好吗？还是大家只会说，嗯，挺酷的，然后就没有然后了？」

如果答案只是后者，那么这个问题可能不值得投入最宝贵的时间。他还强调了同伴的重要性：要寻找能力互补的伙伴，也要找低自我、愿意协作、相处愉快的人。真正困难的问题往往需要长期共事，团队成员最好各自拥有别人没有的工具，并在共同工作的过程中继续扩充自己的「工具腰带」。

这番话带着老派工程师的朴素：AI行业总在谈论指数增长、超级智能和巨额融资，但Jeff Dean最终将选择落回到三件小事上：做一个真正关心的问题，和喜欢的人一起工作，尽力让世界变得更好。

结语：AI时代最稀缺的，是把问题看清楚

Jeff Dean的职业生涯中有很多被反复讲述的传奇：和Sanjay Ghemawat在几天内重写搜索系统，将索引放入内存；由三分钟语音识别的算力估算推动Google造出TPU；MapReduce将大规模并行和容错封装进统一的抽象框架；知识蒸馏从一篇被拒的论文变成行业的基础技术。这些故事很容易让人将他想象成一个不断获得灵感的天才，但从这场访谈来看，他的思考方法其实高度一致：

先算清数量级，再找到真正的瓶颈，然后质疑默认的假设，建立更简洁的抽象，最后用测量和反馈推动系统持续迭代。

今天的AI行业正在经历类似的转折：模型已经足够强大，足以承担初级工程师级别的任务。接下来，决定实际生产力的，不再只是模型的智商，而是推理成本、上下文组织、工具质量、验证速度和长程运行的可靠性。Agent会越来越像团队成员，但它们需要清晰的规格、需要技能、需要检查点、需要评价者，也需要一个能够容纳失败的系统。

创业公司的机会并没有消失，只是变得更加苛刻：最好不要去做通用模型已经能完成20%的任务，而要寻找那些成功率仍接近0%或1%的问题。那里可能藏着专有数据、专业评价器、窄领域模型，或是全新的系统抽象。当代码生成变得越来越便宜，真正昂贵的会是问题本身。

什么值得做？什么约束已经过时？什么变化刚刚跨过临界点？什么系统如果快50倍，会变成完全不同的产品？Jeff Dean并没有为创业者列出一份具体的机会清单，他给出的是一种更持久的思考方式：别急着追逐最热的答案，先把问题算清楚。