硅谷“大脑”的离心力：顶尖科学家为何离开大厂？

十年前的3月，韩国首尔，一场被载入史册的“世纪对决”。在AlphaGo与李世石比赛的第二局，机器落下了一枚令全场窒息的棋子——第37手。在当时所有人类棋手眼中，这是一步显而易见的“昏招”。然而，随着棋局推进，人们惊恐地发现，正是这一步打破了人类定式的“昏招”，确立了AI的胜势。

那一天，AlphaGo的核心缔造者、Google DeepMind首席科学家大卫·席尔瓦（David Silver），向世界证明了AI可以不再仅仅是模仿人类，而是展现出一种超越人类直觉的“新质智慧”。十年后，这位一手推倒人类围棋圣殿的“AlphaGo之父”，下出了他职业生涯中的另一个“第37手”。席尔瓦已离开效力十余年的Google，创办了自己的初创公司Ineffable Intelligence。

席尔瓦并非独自上路，这一举动是过去一年硅谷AI“大脑”们下海趋势的高潮：OpenAI联合创始人、首席科学家伊尔亚·苏茨克维（Ilya Sutskever）出走创立超级智能公司SSI；DeepMind的AlphaZero核心团队成员集体离职创立Reflection AI；最重磅的消息则是，深度学习的核心奠基人物、图灵奖得主杨立昆（Yann LeCun）于2025年底离开Meta创建自己的公司。

一、大模型路径依赖下的技术窒息

在AI正成为全球经济新引擎的当下，掌握着最雄厚算力、数据和资金的科技巨头，却正在失去它们最宝贵的资产——那些能够定义未来的大脑。

这不仅仅是一次高端人才的换岗，更是一场关于AI技术路线主导权、科研组织形态变革以及新质生产力如何跃迁的深层地震。要理解席尔瓦们的出走，我们必须透过繁荣的泡沫，看到大厂内部正在蔓延的“技术窒息感”。

自2022年ChatGPT横空出世以来，全球AI产业陷入了一场以大语言模型（LLM）为核心的军备竞赛。这些模型的核心逻辑，都是“压缩”与“模仿”。通过学习海量语料数据，再经过人类反馈强化学习（RLHF）的打磨，AI学会了像人一样说话、画画、写代码。这一路径在商业上取得了空前的成功，迅速转化为财报上亮眼的增长曲线。然而，对于像席尔瓦这样的强化学习信仰者而言，这种繁荣背后隐藏着巨大的危机——天花板被锁死了。

LLM本质上是对人类既有知识的重组与平滑处理。它能写出莎士比亚风格的诗，是因为它读过莎士比亚；它能通过律师资格考试，是因为它背下了所有法条。但它无法像爱因斯坦那样提出相对论、或者像AlphaGo下出第37手那样，去发现人类尚未掌握的新知识。

席尔瓦认为，要实现真正的通用人工智能（AGI）乃至超级智能，必须摆脱人类数据的“拐杖”。他主张的强化学习路线，是让AI在虚拟环境中通过数以亿次的自我博弈和试错，自主探索出解决问题的最优解——哪怕这个解法是人类完全无法理解的。然而，这种激进的、非共识的探索在Google正变得越来越艰难。

首先，是商业逻辑对科学逻辑的挤压。随着AI成为Google对抗微软和OpenAI的护城河，公司的战略重心无可避免地转向了“防御性创新”和“产品化落地”。算力资源是有限的，必须优先分配给Gemini模型以应对激烈的商业竞争，那些耗资巨大、周期漫长且结果未知的探索性研究，不可避免地被边缘化。

其次，是安全与合规的束缚。作为全球瞩目的巨头，Google无法承受一次严重的AI伦理事故。为了确保AI“政治正确”“无毒无害”，大厂在模型训练中引入了极为严苛的安全护栏。这虽然是必要的社会责任，但对于旨在突破极限的科学家来说，就像是给一名短跑运动员穿上了厚重的铠甲。

于是，在席尔瓦这样的科学家眼中，大厂已经从昔日自由探索的“象牙塔”，变成了充满KPI考核、跨部门扯皮和合规审查的“血汗工厂”。他们意识到，要在既有的商业帝国体系内孕育出超越人类的超级智能，无异于在闹市区进行核试验——既不被允许，也不可能成功。

二、AI研发组织形态的重大突破

曾几何时，Google DeepMind是全球AI研究的圣地。它的成功建立在一种特殊的组织架构上：背靠Google无限的资金支持，却保持着相对独立的学术氛围。然而，随着Google将DeepMind与Google Brain合并，旨在整合资源对抗OpenAI，原本独立的DeepMind逐渐被纳入Google庞大的科层官僚体系之中。

这种“大一统”的策略或许有利于产品的快速迭代，但却扼杀了颠覆性创新的土壤。席尔瓦和苏茨克维等人的创业，本质上是在试图开创一种更高效的科研组织形态。

第一，从“人海战术”转向“精英突击”。大厂习惯通过堆人、堆钱来解决问题，往往导致管理和沟通成本呈指数级上升。而席尔瓦和苏茨克维等人都奉行极度精简的精英主义。他们相信，在算法的无人区，一个天才的产出远超一千个平庸工程师的总和。小团队意味着极低的决策摩擦和极高的思想密度。正如OpenAI早期仅凭几十人就颠覆了Google数千人的积累一样，新一代的超级智能初创公司正在将“组织极简主义”推向极致。

第二，资本与算力的彻底解耦。过去，科学家不敢离开Google，是因为只有Google买得起十万张显卡，拥有庞大的数据中心。那是大厂最坚固的“物理护城河”。但现在，这条护城河被资本洪水填平了。随着全球资本对AI的狂热，风投机构和主权财富基金愿意为这些顶级大脑提供不亚于大厂的资源支持。苏茨克维的SSI在没有任何产品的情况下便融资30亿美元。当“计算自由”不再是巨头的特权，顶级科学家便失去了留在大厂忍受官僚主义的最后理由。

第三，从“多目标妥协”到“单目标执着”。上市公司必须对股东负责，必须平衡短期财报、公众形象、法律风险和长期研发。这种“既要又要还要”的多目标决策模型，注定是平庸的。反观这些AI大佬们创立的新公司，它们的核心目标往往只有一条：构建安全的超级智能。苏茨克维甚至公开承诺，在达到这一目标前，不会分心去开发任何商业产品。这种战略定力是任何一家上市巨头都无法具备的。这是一种类似于科研机构与宗教团体的混合体，他们不是为了卖软件，而是为了完成一项使命。

三、基础设施与“登月”工程的分野

席尔瓦等人的出走，并不意味着Google、Meta等巨头的衰落，也不代表大厂模式的失败。相反，这可能预示着全球AI产业生态正在走向成熟，形成一种更为高效的分工格局。

在未来几年，我们有可能看到AI新质生产力在全球范围内形成双层结构：

下层是“巨头主导的基础设施层”。Google、Meta等科技巨头将继续主导基于LLM的通用大模型。他们的角色类似于电力公司或自来水厂，致力于将AI变成一种稳定、廉价、普惠的基础服务。他们会专注于模型的工程优化、多模态融合，以及与搜索、办公、社交等应用场景的深度结合。这部分工作的核心是存量知识的数字化重组和生产效率的线性提升。

上层是“创企主导的登月探索层”。由出走科学家领衔的精英初创公司，将采用强化学习等非主流技术路线去攻克“超越人类水平”的超级智能。这部分工作的核心是增量知识的自主发现和生产效率的指数级跃迁。

这种分工是符合经济学规律的。大厂负责“守正”，用确定性的技术服务数以亿计的用户；创企负责“出奇”，用高风险的赌注去博取下一个技术时代的入场券。

对于中国而言，这同样具有重要的启示意义。目前，国内的“百模大战”更多是在复刻ChatGPT的路线，属于在确定性路径上的工程追赶。虽然这对于建立自主可控的产业生态至关重要，但我们同样需要警惕“大厂垄断创新”带来的同质化和平庸化。AI新质生产力的构建，既需要“基础设施层”的规模化能力，又需要“登月探索层”的制度化试错空间；不仅需要大厂的重资产投入，更需要建立一种宽容、多元的科研与投融资机制，去支持那些“非共识”的探索。

结语：永远寻找下一个“第37手”

如果说LLM是挖掘人类已有的知识矿藏，那么席尔瓦们所代表的强化学习路线，则是去寻找新的矿脉。

十年前，当AlphaGo下出那步违背人类直觉的第37手棋时，李世石困惑了许久，随后在此后的复盘中感叹那是“神之一手”。十年后，席尔瓦们离开大厂，选择从零开始。在外界看来，这或许也是职业生涯中的一步“险棋”，甚至是不合常理的“第37手”。但在席尔瓦看来，这或许是通往未来的唯一正解。

因为真正的创新，往往就是对旧有秩序的背离和颠覆。这股离心力表面上是组织的裂变，实则是人类探索精神的聚变。它提醒着我们：在新质生产力的宏大叙事中，最核心的变量永远是那些不甘于现状的大脑。

（作者王翔为复旦大学数字与移动治理实验室研究员）

来源：王翔