Jeff Dean 走出 Google：那位把故障機器組成網路巨人的工程師

二十七年後，他把識別證留在 Google

2026 年 8 月 5 日，Google 執行長 Sundar Pichai 向員工宣布，Jeff Dean 與 Sanjay Ghemawat 將離開公司，成立一家獨立的公益公司。

十一天前，舊金山 Chase Center 擠進約六千名準創業者。Dean 在 Y Combinator 的台上談起自動化科學方法：系統自己提出實驗、執行、評估，再帶著結果進入下一輪。台下以為他在給創辦人建議；WIRED 後來披露，他其實正在描述幾週前才組起來的祕密公司。

共同創辦人還有 Quoc Le 與 Oriol Vinyals，四人都曾站在 Google 大規模運算或 AI 研究的核心。記者問誰當執行長，現場短暫安靜，Dean 才靦腆地回答，大概是他，因為其他人都指向他。履歷巨大，說話卻像剛被同事推到白板前。

Google 將擔任創始投資者與雲端合作夥伴。Dean 沒有從科技史退場，只把二十七年來最熟悉的問題換了外殼：如何讓昂貴、緩慢、依賴少數高手的工作，變成可以大量重複的系統。

二〇〇〇年的戰情室：先接受機器一定會壞

Dean 的傳奇起點藏在一個很小的錯誤裡：一個原本該是 0 的位元，變成了 1。

二〇〇〇年三月，Google 六名工程師把門板架在木馬上，拼出一間戰情室。搜尋索引已停止更新數月，使用者看到的是五個月前的網路。Google 又向 Yahoo 承諾交付大十倍的索引；若再拖下去，交易與現金都可能一起燒光。

團隊查了四天四夜，程式邏輯都對，結果仍亂成一團。第五天，Dean 把椅子滑到 Ghemawat 身旁，兩人把索引轉成原始的 0 與 1。Ghemawat 指出那個翻轉的位元。廉價記憶體會偶發故障，而 Google 的機器多到足以讓極低機率天天發生。

兩人寫出繞過故障機器的程式，索引很快完成。接著，他們替爬蟲加入檢查點，讓硬碟損壞時可以接續工作；壓縮與編碼則替系統擠出更多容量。這場危機留下 Dean 最重要的工程直覺：規模一大，意外就會成為日常。好系統從承認這件事開始。

十三歲的索馬利亞，先教他把工具交回現場

Dean 在 Google 之前的故事，發生在難民營、疾病資料與一台由父子親手升級的套件電腦之間。

他 1968 年出生於夏威夷，父親研究熱帶疾病，母親是醫療人類學家。十三歲那年，他跳過八年級最後三個月，隨父母前往索馬利亞西部的難民營。疾病、物資與人口，都先化成一格格需要被記錄的資料。

高中與大學暑假期間，Dean 協助美國疾病管制與預防中心開發 Epi Info，讓第一線流行病學家能輸入、整理與分析疫情資料。CDC 後來邀他主講 2015 年 Langmuir Lecture，官方檔案特別寫下這段經歷。他也曾在世界衛生組織的愛滋病計畫中撰寫統計模型與預測軟體。

這些工作與 Google 搜尋隔著十多年，方法卻很接近：摸到現場最笨重、最容易出錯的步驟，再把複雜度移進工具。

第三次重寫之後，他們把麻煩抽成一個介面

二〇〇三年，Dean 與 Ghemawat 第三次重寫 Google 爬蟲與索引系統，終於看見每次都在重做的共同形狀。

大型資料工作總要切分輸入、分派機器、收回結果，途中還有節點失聯與硬碟死亡。MapReduce 把這些細節交給執行環境。工程師只描述 map 如何處理資料、reduce 如何合併結果，系統便負責平行化、排程、通訊與容錯。OSDI 2004 論文記錄，Google 當時每天執行超過一千個 MapReduce 工作。

一項原本為搜尋索引打造的內部工具，很快被拿去處理影片、繪製 Google Maps 圖磚。公開論文又啟發 Hadoop，Bigtable 也推動後來的 NoSQL 資料庫浪潮。Dean 的 Google 工作清單還包括五代搜尋系統、Spanner、Protocol Buffers、早期廣告服務、Google News、Translate 與叢集排程器。真正的影響力藏在這些產品共用的地板下。

地板也有兩個人的腳印。Ghemawat 多半坐在鍵盤前，Dean 把椅子滑過來；一個加速，一個踩煞車。《紐約客》記錄，他們合作二十年幾乎沒有提高音量爭吵。前主管甚至說，兩人產出太快、效果太好，公司常直接把團隊建在他們周圍。

2007 年愚人節出現的 Jeff Dean Facts 把他寫成能替物理定律做效能優化的半神。真實履歷已經足夠離譜，笑話也遮住了 Sanjay Ghemawat。Dean 擅長快速提出大膽原型，Ghemawat 擅長把系統做得耐久。單人傳奇很好記，兩人共用一個螢幕更接近工程現場。

他把資料中心的老本領帶進神經網路

2011 年，Dean 共同創立 Google Brain；他的切入點依舊是規模。

早期深度學習需要更多資料與運算，模型訓練卻常被單機能力卡住。Dean 參與的 DistBelief 先嘗試大規模分散訓練，TensorFlow 再把計算描述成資料流圖，分派到多台機器與 CPU、GPU、TPU。這一次，他替神經網路工程師隱藏的是裝置差異與分散運算。

Google 的個人紀錄寫明，Dean 是 TensorFlow 初代系統的主要設計與實作者之一，也曾主張把它開源。2015 年釋出後，研究者與開發者得以在手機、工作站與超級電腦上共用一套模型語言。工具名稱換了，工程手勢沒有換：把大規模系統的專門知識做成入口。

技術權力也把他推進管理與制度責任。Dean 掌管 Google AI 期間，倫理研究員 Timnit Gebru 的離職引發激烈反彈；Google 稱她辭職，Gebru 認為自己遭到解僱。Pichai 隨後向員工致歉，並寫下他與 Dean 已承諾檢討流程。公開資料只能確認 Dean 身處決策鏈，無法支持將整起事件歸責於他個人。

這道陰影值得留在傳記裡。研究自由、權力差距與問責，沒有一行通用程式可以封裝。

Discovery Loop 想把科學也變成可平行運算的迴圈

Discovery Loop 官網把科學研究拆成四個動作：提出實驗、執行、評估、再迭代。

公司的賭注，是用前沿模型與大規模運算一次跑上千個迴圈，先拿機器學習研發當第一位客戶，再走向藥物、晶片、生物與材料。這像 MapReduce 故事的遠房續集：找到大家反覆手做的流程，把共同麻煩交給基礎設施。

雄心目前走在證據前面。科學自動化已是整個 AI 產業的熱門承諾，Discovery Loop 尚未公開可重現成果或產品效能。創辦人的履歷能降低投資人對執行能力的疑慮，卻無法替實驗結果預先簽名。

Jeff Dean 最值得記住的能力，是把「一定會出錯」當作起點，替別人造出仍能前進的系統。二十七年後，他把同一個習慣帶出 Google：先承認科學的迴圈太慢，再試著把迴圈本身寫成機器。傳奇能否再添一章，現在要由 Discovery Loop 的實驗結果回答。