19.?行走的Google技术史Jeff Dean：传奇程序员的告别与远征

Sanjay Ghemawat | MapReduce | 谷歌技术史 | 三驾马车 | 大数据 | 分布式系统 | 比特翻转 | 神经网络 | TPU | Gemini | 谷歌搜索 | 谷歌广告 | 谷歌翻译 | ChatGPT | 聊天机器人 Meena

🎧 本期简介

2026 年 8 月的一天工作日下午，谷歌内部一个平时容纳 300 人的咖啡馆，涌进了 1500 位同事，来送别一个在谷歌写了 27 年代码的程序员。晚上，他照常去上瑜伽课、踢足球，回家后又一条条回复告别消息，直到凌晨两点半。

这位程序员叫 Jeff Dean。作为同行，我早就听过他的名字，也用过他参与开发的技术，但真要介绍他，却说不出个所以然。这次从他的离职消息往回查，我才发现，搜索、大数据、机器学习，这些年学过、用过的东西，竟然有这么多能追到他和同事们的工作里。

这期就顺着他的告别信，把时间倒回早年间的谷歌，来看看这位工程师帮助谷歌做大做强的。我们会认识他的长期编程搭档 Sanjay Ghemawat，看他们怎样在修故障、抠性能、反复重写系统的日常里，做出后来影响整个行业的工具。我们也终于能知道那些“编译器不警告 Jeff Dean，是他警告编译器”的段子是怎么来的了。

当然，工程师的成就之外，Jeff 还有管理者需要面对的争议：最为谷歌 AI 的领导人，聊天机器人为什么迟迟不发布，以至于让谷歌在 AI 竞争中错失良机，被 ChatGPT 抢先一步？研究人员的论文和公司的利益发生冲突时，该怎么办？我想借这一个多小时，聊聊这位“伟大的程序员”。

🎙️ 推荐播客

推荐我们的友台：《科技这碗饭》，主播是八十只耳朵，也就是节目里提到的耳朵老师。

我们两档节目会同时发布，一起从两条线聊谷歌：《跨域请求》沿着 Jeff Dean 的经历，聊他做过的技术、他的编程搭子，以及那些具体的工作现场，是如何成就了今天的谷歌；耳朵老师会在《科技这碗饭》的新一期里，顺着这次谷歌 AI 大洗牌（也就是谷歌 DeepMind 创始人哈萨比斯改任首席科学家而不再带领 DeepMind 团队，和 Google Brain 的联合创始人，Jeff Dean励志创业），聊聊谷歌 AI 的前世今生。如果这期还没听够，欢迎去《科技这碗饭》接着听，把这段故事拼得更完整一些。

🧩 概念解释

本期人物

• Jeff Dean（杰夫·迪恩）：本期主角，1999 年加入谷歌的软件工程师，谷歌的 30 号员工，参与开发搜索、大数据和机器学习系统，后来领导 Google AI，并担任过谷歌首席科学家。

• Sanjay Ghemawat：Jeff 的长期编程搭档，参与开发 GFS、MapReduce、BigTable 等基础设施；节目里那个敲键盘、把新点子的细节逐一落地的人。

• Larry Page（拉里·佩奇） / Sergey Brin（谢尔盖·布林）：谷歌的两位联合创始人，本期作战室故事里，正在与雅虎谈搜索合作的就是他们。

• Craig Silverstein：谷歌的第一位员工，节目里简称 Craig；早期搜索索引出故障时，他是最先参与排查的工程师之一。

• Alan Eustace：曾负责谷歌工程与研究工作的高管，也是 Jeff 当时的上司；节目里认为 Jeff 转去研究神经网络是在“浪费人才”的那个人。

• Noam Shazeer：谷歌早期工程师，Jeff 曾是他的导师；本期讲到他用网页数据改进拼写纠错，他也是 Transformer 奠基论文《Attention Is All You Need》的作者之一，节目里常简称 Shazeer。

• 吴恩达（Andrew Ng）：斯坦福大学教授、机器学习研究者和教育者，Google Brain 的发起人之一；2011 年 Jeff 开始与他一起研究神经网络。人物介绍

• Oriol Vinyals：人工智能研究者，曾与 Jeff 共同担任 Gemini 的技术负责人；也是本期提到一起创办 Discovery Loop 的老同事之一。

• Quoc Le：人工智能研究者，与 Jeff 长期共事，也是本期提到的 Discovery Loop 联合创始人之一。

• Timnit Gebru：曾任谷歌伦理 AI 团队联合负责人，2020 年围绕大语言模型风险论文的内部审查，与公司发生冲突；节目里简称 Gebru。

• Margaret Mitchell：曾与 Gebru 共同领导谷歌伦理 AI 团队，研究 AI 的公平性与风险；节目里提到她在 Gebru 离开几个月后也被解雇。

• Sundar Pichai（桑达尔·皮柴）：本期提到的谷歌 CEO；在研究团队争议、挽留 Jeff 等人以及支持新公司这几段故事里出现。

• Heidi：Jeff 的妻子；她谈到 Jeff 与 Sanjay 的关系时，说过“他们互相想念对方”，她也见证了两位搭档在工作之外的长期友谊。

• Chuck Norris（查克·诺里斯）：美国动作演员；网上有一类把他夸张成无所不能的段子，Jeff Dean Facts 借用了这种玩梗形式。

• Derrick Rose（德里克·罗斯）：美国篮球运动员，也是主播喜欢的 NBA 球星；开头借他问儿子的“do you wanna be good or great”，引出对程序员职业的思考和对 Jeff 的评价。

• 汪淼 / 秦始皇（《三体》中的例子）：汪淼是小说第一部的主角之一；节目借他进入游戏后看到的“秦始皇人列计算机”，用士兵举错黑白旗来解释比特翻转。

公司、团队与机构

• DEC（Digital Equipment Corporation，数字设备公司）：一家老牌计算机公司；Jeff 和 Sanjay 在加入谷歌前，就在它的研究机构里认识并开始合作。

• Alphabet：谷歌的母公司；节目后半段提到，它也投资了 Jeff 等人创办的新公司。

• Google Brain / DeepMind：谷歌的两支重要 AI 研究团队，前者在节目里也叫“谷歌大脑”；两者在 2023 年合并为 Google DeepMind。

• Gemini / Meena：Gemini 是谷歌的 AI 模型系列；Meena 是谷歌较早研究的对话模型，本期借它讨论“做出聊天机器人”和“决定公开发布”之间的差别。

• ChatGPT / Claude：分别是 OpenAI 和 Anthropic 推出的 AI 助手；本期把 ChatGPT 作为谷歌聊天产品决策的对照，也提到了第一期对 Claude 模型内部特征的介绍。

• Discovery Loop：Jeff、Sanjay、Quoc Le 和 Oriol 共同创办的公司；本期介绍的方向是用 AI 加快“提出想法—做实验—看结果—再尝试”的科学研究循环。

• KDD：数据挖掘与知识发现领域的重要学术会议，Jeff 在会上展示了本期据以展开的离职日程表。

• GoFundMe：在线筹款平台；告别视频会上，同事开玩笑说要给 Jeff 发起筹款，类似节目里说的“给他建个水滴筹”。

• NASA / NSA：分别是美国国家航空航天局和美国国家安全局；前者出现在高可靠硬件的例子里，后者出现在 Hadoop 数据分析的例子里，两者不是同一个机构。

• 《纽约客》 / WIRED / Nature：分别是美国综合性杂志、科技媒体《连线》和学术期刊《自然》；本期用到的人物报道、创业报道和芯片布局论文来自这几类不同的材料。

计算机、大数据与程序员用语

• 搜索索引 / 爬虫：索引是搜索引擎提前整理好的网页“目录”；爬虫负责访问和收集网页，供系统建立、更新这份目录。

• 分布式系统 / 计算机集群：把多台通过网络连接的计算机组织起来，共同存数据、做计算；“集群”指这群机器，“分布式系统”还包括让它们协作的软件与规则。

• 并行计算 / 容错：前者让多个计算任务同时进行，后者让部分机器或任务出错时，整个系统仍能继续工作；两者贯穿了 Jeff 和 Sanjay 的优化故事。

• 比特与二进制：比特是计算机存储信息的基本单位，可取 0 或 1；二进制用这两个数字来表示数值，程序和数据在机器中最终也以比特形式存储。

• 比特翻转（Bit Flip）：内存或寄存器等计算机元器件中发生的一种错误，使得原本存储的 0 变成 1，或 1 变成 0；这种错误下，即使程序逻辑没错，也可能让结果出问题。

• 内存 / 寄存器 / 硬盘：都是存放数据的地方；寄存器供处理器直接使用，内存存放运行中的数据，硬盘用于较长期保存文件，它们的速度、容量和成本差别很大。

• 谷歌三驾马车：GFS、MapReduce、BigTable，分别对应大规模数据的文件存储、分布式计算和结构化数据管理。

• GFS（Google File System）：把大文件切成块、分散存到多台机器，并保留副本的分布式文件系统，单台机器坏掉不必导致文件丢失。原论文

• MapReduce：把大量数据的处理工作拆给多台机器，再汇总结果的编程模型；机器故障和任务调度等复杂工作由框架处理。

• BigTable / Spanner：前者用于分布式管理大量结构化数据，后者是支持跨数据中心事务的分布式数据库；Spanner 在告别信的项目清单里出现，但不属于通常所说的早期“三驾马车”。BigTable 论文 / Spanner 论文

• Hadoop / HDFS / HBase：Hadoop 是受谷歌相关论文启发发展起来的开源大数据生态，“开源”指按许可证公开代码，允许他人使用、研究或修改；HDFS 负责分布式文件存储，HBase 是受 BigTable 启发的分布式数据库。

• 编译器 / debug：编译器把源代码转换成另一种可供后续执行的形式，并可能提示错误；debug 是定位和排除程序故障，不只是修改语法错字。

• 代码审查 / LGTM：代码合并前，请其他工程师检查改动；LGTM 是“Looks Good To Me”的缩写，大意是“我看没问题”，不等于代码绝对没有错误。

• IC（Individual Contributor） / L11：IC 是个人贡献者职业路线，与管理路线相对，主要通过专业工作作出贡献；L11 是节目讲到的谷歌高级技术职级，Jeff 和 Sanjay 获得的称号是 Senior Fellow。

• Jeff Dean Facts：程序员圈里夸张吹捧 Jeff Dean 的段子合集，“优化光速”“圆周率最后四位”等等，都属于玩梗。

• TurboTax / Turbot Ax：前者是报税软件，后者可拆成“比目鱼”和“斧头”；节目用这次荒唐的拼写纠错，说明谷歌早期购买的拼写纠错软件，只差一个词语切分，意思也可能完全变样。

• Chromebook：运行 ChromeOS 的笔记本电脑；Jeff 交回公司的那台电脑，就是节目末尾聊到的 Chromebook。

机器学习与 AI

• 神经网络 / 深度学习 / 神经元：神经网络由许多相互连接的计算单元组成，深度学习通常使用多层网络；其中的“神经元”是数学计算单元，节目里说它看到猫会“放电”，是在形容它对某类输入反应强烈。

• 无监督学习 / 自监督学习：都可以减少对人工标注答案的依赖；自监督学习会从数据自身构造训练目标，无监督学习则更广泛地指从没有人工标签的数据里发现结构，两者并非完全同义。

• 反向传播：从模型输出产生的误差往回计算各层参数的影响，帮助训练过程决定该怎样调整参数。

• 语言模型 / Token：语言模型学习文本的统计规律，生成文本时常逐步预测下一个 token；token 是模型处理文字的单位，可能是一个字、词的一部分或标点，不一定等于一个完整单词。

• Transformer：一种利用注意力机制处理序列信息的神经网络架构，是许多大语言模型的基础；《Attention Is All You Need》就是提出它的论文。原论文

• 缩放定律（Scaling Laws）：描述模型规模、训练数据量和计算量增加时，模型表现如何变化的一类经验规律，并不保证投入增加就能解决所有问题。

• 幻觉：AI 生成了听起来像真的、却没有依据或与事实不符的内容；本期讨论谷歌为何迟疑发布聊天机器人时，提到了这类风险。

• CPU / GPU（显卡的核心处理器）：CPU 是处理各类任务的通用处理器，GPU 擅长并行执行大量相似计算，因此也适合神经网络中的许多运算。

• TPU / TensorFlow：前者是谷歌的机器学习专用加速芯片，后者是开发和运行机器学习模型的软件框架。

• AlphaChip / 可复现性：AlphaChip 用 AI 辅助安排芯片布局；可复现性是指其他研究者能否依据公开的方法、代码和数据验证研究结果，也是本期争议段落的关键。

上面几项 AI 基础术语也可对照 Google 机器学习术语表 查阅。

🔁 提到的往期节目

• 1.先抗命救人，后对人PUA？Anthropic的AI到底几副面孔

⏱️ 章节时间戳

00:05 开场与友台推荐：这次从一个人的故事聊谷歌

04:48 最后 48 小时：139 人视频会，和一封告别邮件

09:07 搜索停在五个月前：谷歌早年的作战室危机

13:51 比特翻转：宇宙射线和《三体》里举旗的士兵

19:49 谷歌三驾马车：海量数据怎么储存、计算算、查询？

24:22 硬核优化到硬盘外圈这种物理层面，再把一整个数据中心变成好用的工具

28:50 “极速报税”（TurboTax）变成“比目鱼斧头”（Turbot Ax）：拼写纠错与广告生意

31:08 把核心王牌发表成论文共享给学术界：Hadoop 和开源社区接棒

32:41 从补全单词到预测下一个词：语言模型早就萌芽了

35:55 Jeff Dean Facts：关于 Jeff 的梗文化合集

38:36 程序员的职业天花板是一对长期搭档

40:20 43 岁转向神经网络：一次被认为是“浪费人才”的选择

44:05 从翻译提速到自造芯片：Jeff 的立项决定是通过 Latency numbers 计算出来的

48:38 聊天机器人早于 ChatGPT 做出来，为什么没有发布？

50:05 Timnit Gebru 事件：研究自由与公司的内部审查

52:35 AlphaChip 争议：AI 设计芯片，究竟该怎么比较？

54:40 Jeff 和 Sanjay 写代码的时间少了，因为想念彼此，形成了周五家庭聚会的习惯

57:04 Discovery Loop：和老搭子们一起创业

59:53 回到告别现场：1500 人、400 条消息和一台 Chromebook

01:04:00 只失业一秒钟：下一段故事，继续和老朋友一起

📚 参考资料

人物、访谈与告别现场

• 《纽约客》：The Friendship That Made Google Huge——Jeff 与 Sanjay 的长期合作

• Dwarkesh Podcast：Jeff Dean & Noam Shazeer — 25 years at Google: from PageRank to AGI

• 量子位 / 36氪：Jeff Dean 顶会分享离职现场、告别信与日程表

• WIRED：Google’s Top AI Brains Are Leaving to Launch Discovery Loop

技术与研究争议

• Google Research：In-Datacenter Performance Analysis of a Tensor Processing Unit——TPU 论文

• Reuters：Timnit Gebru 对离职 / 解雇事件的陈述

• Nature：A graph placement methodology for fast chip design——芯片布局论文与更新记录

• Nature：上述论文的 2024 年补充说明

补充说明：节目谈到了 Nature 在 2023 年对芯片布局论文发布的编辑提示。后续在 2024 年 9 月 26 日，Nature 撤下了该提示，表示经发表后复审，相关性能疑问已得到令编辑满意的解决，并关闭调查。这是期刊对该次调查的处理结果，不宜把录音中提到的历史提示理解为调查至今仍未结束。见 Nature 论文更新记录。

🖼️ 配图

图 1｜挤满同事的咖啡馆：日程表记下了约 1500 位同事参加告别会，下面是现场照片，对应节目最后一段的告别故事。来源：量子位 / 36氪报道，截自原文，图片版权归原权利人。

图 2｜交回去的工牌和电脑：笔记本上还能看到 Google Brain、BigTable、TensorFlow 等贴纸，和这期聊过的技术一一碰上。来源：量子位 / 36氪报道所引 Jeff Dean 照片，引自原文，图片版权归原权利人。

图 3｜每个程序员都应该知道的数字：Jeff Dean 在 LADIS 2009 主题演讲中列出了读缓存、读内存、硬盘寻道和跨洲传输等操作的耗时，对应节目里那张让我“被程序员行业除名”的表。图中是 2009 年的历史数值，不能直接当作今天硬件的性能指标；ns 是纳秒，1 毫秒等于 100 万纳秒。来源：Jeff Dean，LADIS 2009 keynote，第 24 页，公开演讲材料截图，版权归原权利人。

图 4｜把时间差画出来：Colin Scott 将这类延迟数字做成了可以切换年份的交互图，这张截图选择的是 2020 年档位。不同颜色使用不同的时间单位，阅读时要连同图例一起看；它帮助我们理解数量级差异，并不是本期对当前电脑做的实测。来源：Colin Scott：Numbers Every Programmer Should Know By Year，项目页面截图，署名 Colin Scott。

图 5｜两位编程搭档站在同一层：这张自制职级图按《纽约客》2018 年报道整理，方便对照节目里从 IC 路线讲到 Senior Fellow 的部分。图中“仅有两位”、入职级别和人员占比等描述应放回当年的报道语境，不作为谷歌现行官方职级标准。来源：The Friendship That Made Google Huge，自制资料图；本次于 2026-09-07 核对所引原文的历史口径。

图 6｜最后 48 小时的原始时间表：Jeff 在 KDD 2026 主题演讲中展示了告别会议、瑜伽、足球、深夜回消息，以及失业一秒钟后成为联合创始人的日程。这就是节目开头和结尾反复回到的那张表。来源：量子位 / 36氪：KDD 2026 主题演讲现场报道，引自报道中的会场照片，版权归原拍摄者及相关权利人。

图 7｜和老同事一起开始下一段：这张材料包含 Jeff 的官宣帖、公司介绍和四位联合创始人的合影，对应节目里 Jeff、Sanjay、Oriol、Quoc 再次一起创业的故事。来源：Jeff Dean 官宣帖、Discovery Loop 官网，截图整理引自量子位 / 36氪报道；官方物料与公开帖文截图，版权归原权利人。

图 8｜让探索一轮轮继续：Discovery Loop 的标志把“Loop”里的两个字母 O 连成无限符号，下面写着“Continuous Exploration（持续探索）”。它呼应了节目里“提出想法—实验—反馈—再尝试”的循环。来源：Discovery Loop 官网，官网画面引自量子位 / 36氪报道，公司官方物料，版权归 Discovery Loop。

💬 一起同行
欢迎加入听友群～
加微信 "cliu21"，备注“听友”。
群里会分享我自己和大家在用的 AI 工作流和资讯，希望能让AI 真正解决大家的问题。
也欢迎来聊天、吐槽、给节目提建议。