林俊旸、田淵棟們“大廠出走”：AI話語權爭奪戰才剛剛開始

文 | 超前實驗室，作者｜青蘋吹果

大廠留不住AI天才，已經是公開的秘密了。

去年十月，前Meta AI研究科學家總監田淵棟在社交媒體上宣布了自己被裁員的消息。

評論區瞬間變成大型“挖墻角現場”，OpenAI、xAI、Anthropic等頭部機構的橄欖枝鋪天蓋地，但他全婉拒了。

最近，他亮出了新身份——Recursive Superintelligence聯合創始人。

除此之外，還有前阿里千問大模型技術負責人林俊旸。

曾在深夜發了一條“bye my beloved qwen”（再見了，我親愛的千問）之后，清空了自己的小紅書，轉身開始為自己的AI Lab籌集數億美元，種子輪估值直奔20億美金。

一個在Meta干了近十年，一個從阿里P6一路干到P10。

兩位都在大廠扛過槍、立過功，如今卻不約而同地選擇了同一條路——掀桌子，自立門戶！

但如果你只是把這件事理解成錢沒給夠或者受了委屈就跑，那你其實還沒有看懂這件事。

他們不是在跑路，他們是在奪回控制權。

原本被供奉在象牙塔里的天才們發現，他們親手寫下的代碼，正在加速自己被體制拋棄的過程，自己的團隊可以被架構調整隨意拆散，要做點什么，得層層審批點頭。

他們發現，想不被浪潮沖走、被AI淘汰，就要成為造浪者，成為浪潮本身。

其實這對我們普通打工人來說，也有借鑒意義：

在AI時代，最值錢的不是“執行能力”，而是“定義能力”定義做什么，決定做什么，讓AI去執行。誰掌握定義權，誰就是主人。

誰只有執行權，誰就等著被替代。

“救火英雄”卻被潮水沖走了

田淵棟的離職方式，多少有點黑色幽默。

這位畢業于卡內基梅隆大學、在Meta的AI研究部門FAIR待了十余年的資深科學家，2025年1月被緊急調去給Llama 4“救火”。

作為一名強化學習專家，他去之前還認真地畫了一個2x2的回報矩陣，把四種可能性都算了一遍。

無論項目成功或失敗，他至少盡力而為，問心無愧。

結果發生的是他沒算到的第五種情況：活干了，人被裁了。

2025年10月，Meta裁掉了約600名AI部門員工，田淵棟所在的FAIR團隊成了重災區。

無獨有偶，大洋彼岸的林俊旸也經歷了另一種版本的“被迫離開”。

32歲，阿里最年輕P10的算法天才，一手把千問（Qwen）打造成全球下載量第一的開源模型“頂流”，衍生模型超過17萬個，連Meta的Llama都被踩在腳下。

結果就在千問最風光的時候，公司搞了個“組織架構調整”，把他那個能“垂直打通”的團隊拆成了“水平分工”的零件，管理權限被大幅壓縮。

林俊旸堅持“預訓練與后訓練必須深度耦合”的技術理念，跟新架構完全八字不合。

于是，這位功臣也選擇“提桶跑路”。

對比這兩個人的經歷，你會發現一個共同的特點。

他們都曾是公司開疆拓土的功臣，結果發現公司開始“變天”了。

在AI這片叢林中，當組織的游戲規則變更時，這些站在科研一線、對技術抱有純粹理想的人，往往最先感受到那種撕裂感。

“大廠病”發作，科學家遇上KPI

如果把鏡頭拉遠一點，這兩起離職案只是冰山一角。

硅谷那邊，圖靈獎得主、“AI教父”級人物楊立昆也離開了Meta，拿著10.3億美元單飛。

他離職前還留下一句話，說Meta內部已經被“大語言模型”洗腦了，容不下別的想法。

馬斯克的xAI更慘，11個創始成員，到今年3月只剩下倆。

在中國，類似的人才地震也在持續。

“大模型六小虎”公司僅2025年上半年就被曝出至少12位高管離職。

問題出在哪？

AI行業還處在“技術強人主導”的發展周期，但大廠的組織形態還停留在移動互聯網時代的“中臺思維”。

用“擰螺絲”的思維，管著“造火箭”的天才。

移動互聯網時代，一個優秀的產品經理加上成百上千名工程師，靠的是工程化的組織能力。

但在AI時代，，兩三個頂尖天才就能決定一家公司的技術天花板。

這些人要的是自由探索、發論文、搞顛覆式創新，而公司要的是季度匯報、商業化變現、盡快回本。

當公司的口號從“如何做出更牛的模型”變成“如何更快地搞錢”，那些習慣天馬行空的科學家就成了“不合時宜的刺頭”。

比如Meta內部，楊立昆團隊發個論文，都得先經過產品部門審查。

科學家瞬間變成“乙方”，學術自由被剝奪，換誰誰不瘋？

林俊旸在阿里的處境也一樣，千問因為太獨立、太成功，反而成了集團“整合”的障礙。

上面想搞一個ToC超級應用「千問App」，但Qwen團隊覺得“這不科學”，不太想配合。

在某些大廠的字典里，獨立=不好約束。

而當科學家的個人愿景跟公司的條條框框撞上了，最后的解決只能是：快跑！

創業翻身做老板，我命由我不由廠！

離開大廠后，他們的下一步都非常一致：自己創業。

田淵棟與前Salesforce AI研究負責人Richard Socher等人聯合創辦了Recursive Superintelligence，公司還沒正式對外亮相，就完成了6.5億美元融資，估值達到46.5億美元。

錢是誰給的？

谷歌風投和Greycroft領投，AMD和英偉達也參與了跟投。

團隊才25個人，但個個都是“神裝大佬”。

8位聯合創始人分別來自OpenAI、谷歌DeepMind、Meta......這配置，簡直就是“復仇者聯盟”。

他們的目標叫做“遞歸自我改進”（Recursive Self-Improvement）。

直白點說就是：讓AI自己學會改進自己，像進化一樣永遠不停下來。

CEO Richard Socher在接受采訪時把邏輯說得很透徹：“AI本身就是代碼，AI現在又會寫代碼，所需的要素已經齊備了。”

再看這邊，林俊旸的方向則押注在具身智能和世界模型。

他在2025年10月就在千問內部組建了一支關注機器人與具身智能的小團隊。

現在，他的新AI Lab據傳估值目標高達20億美元，紅杉中國和高榕創投等機構都在接洽中。

兩個人選擇的路徑不同，但背后是一樣的判斷。

大模型預訓練的“大力出奇跡”路線，邊際收益正在遞減，投入越來越大，收益越來越小。

田淵棟公開表達過對“Scaling Law”的擔憂，他認為那條路指向的只是靠砸錢和算力的未來，而他自己更在乎的是“可解釋性”和底層的理論邏輯。

林俊旸則在他的長文《From “Reasoning” Thinking to “Agentic” Thinking》中提出，下一階段的競爭不是“讓模型更會思考”，而是“讓模型為了行動而思考”。

當大廠還在沿著既定路徑沖刺時，那些有遠見的研究者已經開始尋找新大陸。

只是這一次，他們沒有選擇在大廠內部“打地鼠”式地推動改革了。

因為試過了，根本行不通。

你我與AI間的「貧富差距」

田淵棟在2025年終總結里，提出了一個很有沖擊力的概念——「人類社會的費米能級」

在物理學里，費米能級是電子在材料中分布的分界線。

低于這條線的電子遍地都是；高于這條線的，指數級減少，獲取和使用成本極高。田淵棟說AI時代的人才價值分布也會變成這樣。

過去，職場回報是一條單調遞增的曲線。

經驗越多，能力越強，職級越高。

過去，你經驗越多、能力越強，就越值錢，這是個線性增長。

但現在，你的價值不取決于“你自己能干多少活”，而取決于“你能不能帶著AI一起飛”。

如果你的能力加上AI，比AI單獨干要強，那你才有存在的價值。

如果AI自己能干80分，你加上AI能干到100分，那你就是人才。如果AI自己就能干95分，你加上它才96分……那抱歉，公司為啥不直接雇AI呢？

更殘酷的是，AI會越來越便宜，越來越強。大部分人可能都會被AI甩在身后。

也就是說，人本身是沒有市場價值的，只有當一個人的能力強到可以輔助AI變得更強時，價值才會突然出現。

而且跨過這個門檻之后，厲害的人對AI的加成會遠遠高于普通人，這種效應會被幾何級數放大。

這個門檻，就是“費米能級”。

低于這條線的職業，可能一夜之間被顛覆。

前一天還歲月靜好，后一天整個行業被端掉了。而且這條水位線還會不斷上漲。

田淵棟自己的真實體會是，以前做項目，招人是第一環。

現在腦子里的第一個問題是“還需不需要人？”

幾個AI進程一開，它們可以24小時不間斷干活，速度遠超任何人類，而且永遠聽話。

他現在最擔心的，是自己的“工作量有沒有給夠，有沒有用完每天的token數目”。

“這每個月交給OpenAI的20塊錢，一定要榨干它的價值。”

“我突然意識到，就因為這區區20塊錢，我已經成為了‘每個毛孔里都滴著血’的骯臟資本家。我能這么想，全世界最聰明和最富有的頭腦，也一定會這么想。”

“所以請大家丟掉幻想，準備戰斗吧。”

聽聽，這多嚇人。

連大佬都在拼命壓榨AI的每一分價值，我們普通人還有什么理由不趕緊去學怎么用AI？

從田淵棟到林俊旸，從硅谷到杭州，通過這兩起高層離職案，我仿佛看到了一個行業從「探索期」進入「變現期」時必然會發生的結構性陣痛。

對于技術天才來說，獨立創業或許是最好的出路。

用自己的技術眼光和個人IP，直接跟資本對話，重新掌舵。

2026年以來，風險投資已向新成立的AI初創公司注入了188億美元，大廠走出來的人才不僅帶走了技術積累，更帶走了對行業盲區的深刻洞察，而這正是投資者愿意押注的核心邏輯。

對于咱們普通人呢？這個故事最大的啟示或許是，當AI能幫你實現幾乎所有“怎么做”的時候，最稀缺的、最值錢的，反而是 “做什么”以及“為什么做”。

田淵棟說：“目標感”將成為最稀缺的東西。

AI幾乎能實現任何愿望，所以“實現愿望的能力”將不再值錢，值錢的是“愿望本身”，以及把愿望一步步變成現實的那份堅持與耐心。

這聽起來有點雞湯，但仔細想想，確實挺對的。

所有人都在“執行”的時候，那個能夠“定義”的人，才是真正的王。

這或許就是AI時代的新分工邏輯，未來，屬于會“畫餅”的人。