大厂留不住 AI 天才，已经是公开的秘密了。

去年十月，前 Meta AI 研究科学家总监田渊栋在社交媒体上宣布了自己被裁员的消息。

评论区瞬间变成大型 " 挖墙角现场 "，OpenAI、xAI、Anthropic 等头部机构的橄榄枝铺天盖地，但他全婉拒了。

最近，他亮出了新身份—— Recursive Superintelligence 联合创始人。

除此之外，还有前阿里千问大模型技术负责人林俊旸。

曾在深夜发了一条 "bye my beloved qwen"（再见了，我亲爱的千问）之后，清空了自己的小红书，转身开始为自己的 AI Lab 筹集数亿美元，种子轮估值直奔 20 亿美金。

一个在 Meta 干了近十年，一个从阿里 P6 一路干到 P10。

两位都在大厂扛过枪、立过功，如今却不约而同地选择了同一条路——掀桌子，自立门户！

但如果你只是把这件事理解成钱没给够或者受了委屈就跑，那你其实还没有看懂这件事。

他们不是在跑路，他们是在夺回控制权。

原本被供奉在象牙塔里的天才们发现，他们亲手写下的代码，正在加速自己被体制抛弃的过程，自己的团队可以被架构调整随意拆散，要做点什么，得层层审批点头。

他们发现，想不被浪潮冲走、被 AI 淘汰，就要成为造浪者，成为浪潮本身。

其实这对我们普通打工人来说，也有借鉴意义：

在 AI 时代，最值钱的不是 " 执行能力 "，而是 " 定义能力 " 定义做什么，决定做什么，让 AI 去执行。谁掌握定义权，谁就是主人。

谁只有执行权，谁就等着被替代。

田渊栋的离职方式，多少有点黑色幽默。

这位毕业于卡内基梅隆大学、在 Meta 的 AI 研究部门 FAIR 待了十余年的资深科学家，2025 年 1 月被紧急调去给 Llama 4" 救火 "。

作为一名强化学习专家，他去之前还认真地画了一个 2x2 的回报矩阵，把四种可能性都算了一遍。

无论项目成功或失败，他至少尽力而为，问心无愧。

结果发生的是他没算到的第五种情况：活干了，人被裁了。

2025 年 10 月，Meta 裁掉了约 600 名 AI 部门员工，田渊栋所在的 FAIR 团队成了重灾区。

无独有偶，大洋彼岸的林俊旸也经历了另一种版本的 " 被迫离开 "。

32 岁，阿里最年轻 P10 的算法天才，一手把千问（Qwen）打造成全球下载量第一的开源模型 " 顶流 "，衍生模型超过 17 万个，连 Meta 的 Llama 都被踩在脚下。

结果就在千问最风光的时候，公司搞了个 " 组织架构调整 "，把他那个能 " 垂直打通 " 的团队拆成了 " 水平分工 " 的零件，管理权限被大幅压缩。

林俊旸坚持 " 预训练与后训练必须深度耦合 " 的技术理念，跟新架构完全八字不合。

于是，这位功臣也选择 " 提桶跑路 "。

对比这两个人的经历，你会发现一个共同的特点。

他们都曾是公司开疆拓土的功臣，结果发现公司开始 " 变天 " 了。

在 AI 这片丛林中，当组织的游戏规则变更时，这些站在科研一线、对技术抱有纯粹理想的人，往往最先感受到那种撕裂感。

如果把镜头拉远一点，这两起离职案只是冰山一角。

硅谷那边，图灵奖得主、"AI 教父 " 级人物杨立昆也离开了 Meta，拿着 10.3 亿美元单飞。

他离职前还留下一句话，说 Meta 内部已经被 " 大语言模型 " 洗脑了，容不下别的想法。

马斯克的 xAI 更惨，11 个创始成员，到今年 3 月只剩下俩。

在中国，类似的人才地震也在持续。

" 大模型六小虎 " 公司仅 2025 年上半年就被曝出至少 12 位高管离职。

问题出在哪？

AI 行业还处在 " 技术强人主导 " 的发展周期，但大厂的组织形态还停留在移动互联网时代的 " 中台思维 "。

用 " 拧螺丝 " 的思维，管着 " 造火箭 " 的天才。

移动互联网时代，一个优秀的产品经理加上成百上千名工程师，靠的是工程化的组织能力。

但在 AI 时代，两三个顶尖天才就能决定一家公司的技术天花板。

这些人要的是自由探索、发论文、搞颠覆式创新，而公司要的是季度汇报、商业化变现、尽快回本。

当公司的口号从 " 如何做出更牛的模型 " 变成 " 如何更快地搞钱 "，那些习惯天马行空的科学家就成了 " 不合时宜的刺头 "。

比如 Meta 内部，杨立昆团队发个论文，都得先经过产品部门审查。

科学家瞬间变成 " 乙方 "，学术自由被剥夺，换谁谁不疯？

林俊旸在阿里的处境也一样，千问因为太独立、太成功，反而成了集团 " 整合 " 的障碍。

上面想搞一个 ToC 超级应用「千问 App」，但 Qwen 团队觉得 " 这不科学 "，不太想配合。

在某些大厂的字典里，独立 = 不好约束。

而当科学家的个人愿景跟公司的条条框框撞上了，最后的解决只能是：快跑！

创业翻身做老板，我命由我不由厂！

离开大厂后，他们的下一步都非常一致：自己创业。

田渊栋与前 Salesforce AI 研究负责人 Richard Socher 等人联合创办了 Recursive Superintelligence，公司还没正式对外亮相，就完成了 6.5 亿美元融资，估值达到 46.5 亿美元。

钱是谁给的？

谷歌风投和 Greycroft 领投，AMD 和英伟达也参与了跟投。

团队才 25 个人，但个个都是 " 神装大佬 "。

8 位联合创始人分别来自 OpenAI、谷歌 DeepMind、Meta...... 这配置，简直就是 " 复仇者联盟 "。

他们的目标叫做 " 递归自我改进 "（Recursive Self-Improvement）。

直白点说就是：让 AI 自己学会改进自己，像进化一样永远不停下来。

CEO Richard Socher 在接受采访时把逻辑说得很透彻："AI 本身就是代码，AI 现在又会写代码，所需的要素已经齐备了。"

再看这边，林俊旸的方向则押注在具身智能和世界模型。

他在 2025 年 10 月就在千问内部组建了一支关注机器人与具身智能的小团队。

现在，他的新 AI Lab 据传估值目标高达 20 亿美元，红杉中国和高榕创投等机构都在接洽中。

两个人选择的路径不同，但背后是一样的判断。

大模型预训练的 " 大力出奇迹 " 路线，边际收益正在递减，投入越来越大，收益越来越小。

田渊栋公开表达过对 "Scaling Law" 的担忧，他认为那条路指向的只是靠砸钱和算力的未来，而他自己更在乎的是 " 可解释性 " 和底层的理论逻辑。

林俊旸则在他的长文《From "Reasoning" Thinking to "Agentic" Thinking》中提出，下一阶段的竞争不是 " 让模型更会思考 "，而是 " 让模型为了行动而思考 "。

当大厂还在沿着既定路径冲刺时，那些有远见的研究者已经开始寻找新大陆。

只是这一次，他们没有选择在大厂内部 " 打地鼠 " 式地推动改革了。

因为试过了，根本行不通。

田渊栋在 2025 年终总结里，提出了一个很有冲击力的概念——「人类社会的费米能级」

在物理学里，费米能级是电子在材料中分布的分界线。

低于这条线的电子遍地都是；高于这条线的，指数级减少，获取和使用成本极高。田渊栋说 AI 时代的人才价值分布也会变成这样。

过去，职场回报是一条单调递增的曲线。

经验越多，能力越强，职级越高。

过去，你经验越多、能力越强，就越值钱，这是个线性增长。

但现在，你的价值不取决于 " 你自己能干多少活 "，而取决于 " 你能不能带着 AI 一起飞 "。

如果你的能力加上 AI，比 AI 单独干要强，那你才有存在的价值。

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，公司为啥不直接雇 AI 呢？

更残酷的是，AI 会越来越便宜，越来越强。大部分人可能都会被 AI 甩在身后。

也就是说，人本身是没有市场价值的，只有当一个人的能力强到可以辅助 AI 变得更强时，价值才会突然出现。

而且跨过这个门槛之后，厉害的人对 AI 的加成会远远高于普通人，这种效应会被几何级数放大。

这个门槛，就是 " 费米能级 "。

低于这条线的职业，可能一夜之间被颠覆。

前一天还岁月静好，后一天整个行业被端掉了。而且这条水位线还会不断上涨。

田渊栋自己的真实体会是，以前做项目，招人是第一环。

现在脑子里的第一个问题是 " 还需不需要人？"

几个 AI 进程一开，它们可以 24 小时不间断干活，速度远超任何人类，而且永远听话。

他现在最担心的，是自己的 " 工作量有没有给够，有没有用完每天的 token 数目 "。

" 这每个月交给 OpenAI 的 20 块钱，一定要榨干它的价值。"

" 我突然意识到，就因为这区区 20 块钱，我已经成为了‘每个毛孔里都滴着血’的肮脏资本家。我能这么想，全世界最聪明和最富有的头脑，也一定会这么想。"

" 所以请大家丢掉幻想，准备战斗吧。"

听听，这多吓人。

连大佬都在拼命压榨 AI 的每一分价值，我们普通人还有什么理由不赶紧去学怎么用 AI？

写在最后

从田渊栋到林俊旸，从硅谷到杭州，通过这两起高层离职案，我仿佛看到了一个行业从「探索期」进入「变现期」时必然会发生的结构性阵痛。

对于技术天才来说，独立创业或许是最好的出路。

用自己的技术眼光和个人 IP，直接跟资本对话，重新掌舵。

2026 年以来，风险投资已向新成立的 AI 初创公司注入了 188 亿美元，大厂走出来的人才不仅带走了技术积累，更带走了对行业盲区的深刻洞察，而这正是投资者愿意押注的核心逻辑。

对于咱们普通人呢？这个故事最大的启示或许是，当 AI 能帮你实现几乎所有 " 怎么做 " 的时候，最稀缺的、最值钱的，反而是 " 做什么 " 以及 " 为什么做 "。

田渊栋说：" 目标感 " 将成为最稀缺的东西。

AI 几乎能实现任何愿望，所以 " 实现愿望的能力 " 将不再值钱，值钱的是 " 愿望本身 "，以及把愿望一步步变成现实的那份坚持与耐心。

这听起来有点鸡汤，但仔细想想，确实挺对的。

所有人都在 " 执行 " 的时候，那个能够 " 定义 " 的人，才是真正的王。

这或许就是 AI 时代的新分工逻辑，未来，属于会 " 画饼 " 的人。