Jeff Dean, Sanjay Ghemawat, Oriol Vinyals e Quoc Le lasciano Google DeepMind per fondare Discovery Loop, una Public Benefit Corporation che mira ad automatizzare la ricerca scientifica e ingegneristica. Il seed round è guidato da Radical Ventures e Khosla Ventures, con la partecipazione di Alphabet. Nello stesso giorno, Demis Hassabis passa da CEO a Chair di DeepMind e Chief Scientist di Alphabet, lasciando il controllo operativo a Koray Kavukcuoglu, che diventa SVP con delega su Gemini, ricerca frontier e team di prodotto.

La mossa racconta due cose che contano per chi costruisce con l’AI. Primo: i lab frontier smettono di essere monoliti. Chi fa ricerca profonda e chi fa prodotto vivono sotto tetti diversi, perché i ritmi e le metriche sono inconciliabili. Dean e colleghi non hanno fondato l’ennesima startup di modelli generalisti: puntano a un dominio verticale, la scoperta scientifica automatizzata. Secondo: la specializzazione vince sulla scala. Se hai il nome più forte al mondo in infrastruttura AI e scegli un target stretto, il messaggio è che i modelli generalisti lasciano margini sottili e che il valore si sposta verso chi risolve un problema specifico fino in fondo.

Per chi porta l’AI in azienda, il segnale è pratico. I vendor da cui dipendi stanno riorganizzandosi attorno a specializzazioni. Google punta Gemini come prodotto operativo, e la ricerca di frontiera si frammenta in iniziative più piccole e mirate. Quando scegli un fornitore, guarda chi ha la responsabilità operativa del prodotto che usi davvero, non solo il nome del lab sulla carta.

Come raccontavamo a luglio quando Hassabis proponeva un watchdog AI globale guidato dagli USA, la governance di DeepMind era già in movimento (/it/radar/hassabis-us-led-ai-watchdog). Oggi quel movimento diventa una riorganizzazione esplicita.

Nel dettaglio

Il cambiamento ha due facce che vanno lette separatamente.

La governance di DeepMind. Hassabis passa a Chair e Chief Scientist di Alphabet. La descrizione ufficiale parla di focus su strategia di lungo termine, AGI e scienza, con un impegno rafforzato su Isomorphic Labs (la startup di drug discovery già dentro Alphabet). Koray Kavukcuoglu, finora CTO, prende il controllo operativo come SVP: Gemini, ricerca frontier, team di prodotto e sviluppo. È la prima volta da quando DeepMind e Google Brain si sono fusi che la leadership operativa cambia mano. Il sottotesto che circola nell’ecosistema è duplice: un reset di governance per affilare l’esecuzione su Gemini, che non aggiorna la versione Pro da sei mesi, e una separazione netta fra chi pensa il lungo termine e chi consegna il prodotto.

La nascita di Discovery Loop. Dean, Ghemawat, Vinyals e Le formano uno dei team fondatori più forti nella storia dell’AI di infrastruttura. Dean e Ghemawat hanno costruito MapReduce, BigTable e l’infrastruttura su cui Google ha scalato il machine learning per vent’anni. Vinyals ha guidato il lavoro su reinforcement learning (AlphaStar) e multi-agent. Quoc Le è stato il ricercatore principale di Sequence-to-Sequence e di molti avanzamenti fondamentali sui transformer.

La missione dichiarata è automatizzare il ciclo di scoperta scientifica: formulare ipotesi, disegnare esperimenti, eseguirli, interpretare risultati, iterare. Non un modello generalista, ma un sistema che incanala ML e automazione verso problemi di ricerca e ingegneria. La struttura di Public Benefit Corporation suggerisce un modello di governance che bilancia ritorno per gli investitori e missione scientifica.

Google investe nel seed round. Le fonti sottolineano che le partenze sono amichevoli, ma la domanda resta: perché Discovery Loop non è nata dentro Google? Le fonti non danno una risposta esplicita. Il contesto aiuta a leggerla: i cicli di approval di un gigante come Alphabet sono difficilmente compatibili con la velocità di iterazione che serve a una startup di ricerca automatizzata. Dean e colleghi vogliono libertà di esecuzione, non un budget più grande.

Cosa cambia per chi legge. Due implicazioni concrete. Sulla parte prodotto: Gemini adesso ha un responsabile operativo unico, e questo può accelerare i rilasci o può concentrare il rischio su una sola persona. Se usi Gemini nelle tue pipeline, l’uscita della versione Pro da sei mesi è il segnale da monitorare. Sulla parte ricerca: l’AI per la scienza smette di essere un progetto laterale dentro un lab generale e diventa una missione primaria di un’azienda indipendente. Per chi lavora in ricerca applicata, significa che gli strumenti di automated discovery potrebbero arrivare prima come prodotto che come paper.

I limiti di quello che sappiamo. Non conosciamo i termini finanziari del round, né la data di un primo prodotto. Discovery Loop ha un team, una missione e degli investitori, ma niente di pubblico su architettura o timeline. La narrativa del «monolite che si frammenta» è coerente con il trend (vedi anche Sprocket e gli agenti verticali), ma resta una lettura, non un fatto dimostrato. Le fonti disponibili sono tutte dell’ecosistema newsletter e di tweet dei diretti interessati: nessuna indagine indipendente sulle ragioni interne della riorganizzazione.