何が起きたか
7月25日、サンフランシスコのチェイス・センターで開かれたY Combinatorの「Startup School」で、ジェフ・ディーンは6,000人の起業家志望者を前に「自分がワクワクし、世界の役に立つものを選べ」と語り、あわせて自身の関心として「科学的手法の自動化」に触れました。実験を提案し、実行に必要なものを実装し、評価し、結果を得る——このループを数千本並列に回せば、科学・生物学・チップ設計、そしてAIモデル自体の改善が進むという構想です。
聴衆は知りませんでしたが、それは彼が数週間前に組成したばかりの秘密のスタートアップの説明でもありました。ディーンはグーグル入社から27年近くを経て退社し、Discovery Loopを創業します。彼はGoogle Brainの共同創業者、Google DeepMindとGoogle Researchのチーフサイエンティストであり、Geminiのテクニカル共同リードでもありました。共同創業者のゲマワットとはグーグルの検索・計算基盤の中核部分を共同で書いた間柄で、二人はグーグル最初期の入社組です。残る2人は、DeepMindの研究担当VPでGeminiのテクニカルリードだったヴィニャルスと、Google Brain共同創業者でAutoML-Zero（機械学習アルゴリズムが自律的にAIを組み上げるプロジェクト）の中心にいたレ。4人は長年の同僚であり、一緒に休暇に行く友人同士です。
なぜ重要か
「AIが科学を加速する」という主張自体は新しくありません。ダリオもサムもジェンスンも同じことを言ってきました。Discovery Loopの独自性は主張ではなく順番にあります。最初の顧客は自分たち自身で、初期の自律実験ループは自社の機械学習アルゴリズムの改善に向けられ、そこで良くなったソフトウェアが次の領域に進むAIシステムの中核になる、という設計です。レは「別のトランスフォーマー・アーキテクチャを発見するかもしれない」と述べています。改善対象が改善主体そのものである以上、成果が出れば複利で効き、出なければどこにも波及しない——極端に振れる賭けです。
その先に狙うのが、チップ設計、生物学、創薬、材料設計といった領域での「人間を超える」進展。ヴィニャルスは「中核となる知能と発見ループの基礎ができれば、他領域へ素早く一般化できる」と語る一方、「現在のモデルが特に強くないのは、試すべき新しいアイデアを自ら考え出す部分だ」と課題も認めています。当面は人間との共同開発を想定し、そのうえで「少数の献身的な個人が世界最大級の研究組織を出し抜ける」状態を目指す。そうした小チームが顧客像であり、自社でループを回して発見そのものを収益化する道も残しています。
資金と、グーグルの割り切り
ピッチ資料は経歴とアプローチの粗いスケッチを数枚並べただけで、作成にAIは使っていません。コスラは土曜にサンドヒル・ロードのオフィスで会い、グーグルの人材流出が漏れないよう配慮しました。「このチームなら、何をやるか知らなくても出資する。究極のスーパースター・チームだ」と彼は言います。Radicalのマネージングパートナー、ジョーダン・ジェイコブスが取締役に加わります。
スンダー・ピチャイは複数回の面談で慰留を試みましたが、4人はスタートアップの自由さを選びました。注目すべきは、グーグルが引き止めに失敗した後の動きです。祝福とともに出資し、株式を保有し、初年度の計算資源を提供する。ピチャイはDiscovery Loopと創業投資家兼クラウドパートナーとして協業を続け、MLシステムの研究フレームワークと関連インフラで連携すると述べました。囲い込みが不可能なら、外に出た才能に投資家・インフラ提供者として接続し直す——単独のAIスター人材に数千万〜数億ドルが支払われる市場では、これが合理的な二番手の戦略です。なおCEOについて問われたディーンの答えは「たぶん自分。みんなが自分を指さしたので」でした。オフィスも採用もまだで、さらなるグーグルからの流出が続く可能性があります。
💼 事業会社視点：これは自社にどう効くか
日本企業の経営層がここから読むべきは「AIで研究する」から「AIが研究者になる」への転換です。コスラの言葉どおり、対象は人間の作業補助ではなく仮説生成そのもの。製造・化学・素材メーカーにとっては、Discovery Loopが狙うチップ設計・材料設計・創薬は自社R&Dの中核と重なります。今すぐ発注先を探す話ではなく、「実験→評価」のループが社内で何日かかり、実験データがどこまで機械可読かを棚卸しすべき局面です。ループの回転数が競争力になるなら、データが紙とExcelに閉じている企業は自動化以前で脱落します。
SaaS・受託開発には別の含意があります。「少数の個人が巨大研究組織を出し抜ける」が成立するなら、価値の源泉は人月ではなく検証ループの設計と評価指標に移ります。受託の見積根拠を工数から「改善サイクル数と成果指標」に置き換える議論を、今期のうちに始める価値があります。EC・事業会社のDX担当は、価格最適化やLP改善など自社で高速に回せる��ープを一つ選び、AIに施策立案まで委ねる小規模実験を先に走らせておくこと。基盤モデルが賢くなってから慌てても、評価環境がない企業は使いこなせません。
加えて人材面。グーグルですら引き止められず、出資と計算資源提供で関係を繋ぎ直しました。突出人材を雇用契約だけで囲い込む前提は日本企業でも崩れます。出資・共同研究・パートナー化まで含めた「離れても繋がる」設計が現実的な選択肢です。