林俊旸离开千问：一个关于"谁拥有 AI 灵魂"的结构性问题

3月4日凌晨，32岁的林俊旸在 X 上写下”bye my beloved qwen”，告别了他一手带大的通义千问

这不是一个普通的离职新闻。千问在他的带领下，开源400余个模型，全球下载量突破10亿次，衍生模型超过20万个。1月底，闭源旗舰 Qwen3-Max-Thinking 在 HLE 测试中以58.3分大幅超越 GPT-5.2-Thinking 的45.5分，证明中国团队在跨学科深度推理上可以触及全球前沿

然后，这个团队的核心在一夜之间散了

林俊旸提交辞职的同一天，后训练负责人郁博文离职，Code 负责人惠彬原1月已加入 Meta，核心贡献者 Kaixin Li 发文告别。不是一个人走，是一个技术内核的集体瓦解

表面上这是一起人事变动。但如果你从激励结构的角度看，这里藏着一个对所有 AI 大厂都成立的结构性问题：当 AI 从探索期进入商业化期，公司的组织逻辑和创造者的激励逻辑必然走向冲突——而创造者几乎总是输掉组织权力，却赢得离开的自由

发生了什么

简单交代事实

林俊旸，1993年生，北大毕业后2019年加入阿里达摩院，2022年底被任命为通义千问技术负责人，2025年成为阿里最年轻的 P10 级高管。Google Scholar 被引量超过4万次，参与了 M6、OFA 等里程碑项目。在全球开源大模型社区，他是一个有真实影响力的名字

3月3日下午，他向阿里提交辞职申请。前一晚，千问团队刚推出 Qwen 3.5 轻量化模型系列

据多家媒体报道，背景是一次组织架构调整：阿里通义实验室计划将 Qwen 团队从”垂直整合”体系拆分为”水平分工”模式——预训练、后训练、文本、多模态各自独立成组。这一调整直接缩小了林俊旸的管理范围

同时，前 Google DeepMind 高级研究员周浩被引入，接管后训练团队。周浩曾参与 Gemini 3.0 和 DeepResearch 项目，他的加入被多方解读为阿里从”研究优先”转向”指标驱动”的信号

Kaixin Li 在离职声明中留下一句耐人寻味的话：“Qwen 本可以拥有新加坡基地，但他走了，也就没有留下的必要。“同事 Chen Cheng 的评论则暗示，这些离职”似乎并非其本人意愿”

以上是可验证的事实。下面进入我真正想讨论的问题

一场激励错位的结构性冲突

如果只用”内部斗争”或”空降者排挤”来解释这次事件，格局太小了。林俊旸的离开不是个人悲剧，是一个结构性必然——当 AI 从探索期进入商业化期，研究者和管理层的激励函数必然分叉

让我把这个激励错位拆开来看

林俊旸和核心团队的激励函数是什么？ 模型能力的极致化、开源社区的全球影响力、学术声誉的积累。这些目标指向的组织偏好是”垂直整合”——从预训练到后训练到部署，端到端掌控，研究自由度最大化。这不是个人偏好，而是做出顶级模型的结构性需求：当你要做跨模态、跨能力的深度融合时，拆开团队就是在拆开认知的连续性

阿里管理层的激励函数是什么？ AI 云的收入增长、C 端超级应用的用户获取、与豆包的市占率竞争、资本市场的 AI 叙事。2026年1月阿里成立千问 C 端事业群、阿里云定下”拿下中国 AI 云市场增量80%“的目标——这些决策的逻辑指向”水平分工”：标准化交付、管理颗粒度提高、可量化的 KPI 体系

两种激励函数的冲突不是”对与错”，而是”不兼容”

用一个表格让结构更清晰：

阿里并非”做错了”。 面对字节豆包在 C 端的凶猛攻势（据报道春节补贴战未显著缩小差距）、3800亿/三年的 AI 巨额投入需要向股东交代、AI 云市场份额的你死我活——管理层选择引入一个更”可控”的组织架构，从管理学角度完全合理

但这个选择有一个无法回避的副产品：它驱逐了创造者

空降周浩不是个人恩怨，而是一个组织信号——周浩来自 DeepMind，DeepMind 的组织逻辑恰好是水平分工+指标驱动。选他接管，本身就是在宣告：阿里希望用更工程化、更可量化的方式运营大模型团队

需要诚实地补充一个反面视角：水平分工不一定是错误的组织选择。 DeepMind 在水平分工体系下做出了 Gemini 系列，证明这种模式可以产出顶级成果。关键区别可能不是”垂直 vs 水平”，而是在新的组织架构下，研究者是否仍然在技术方向上拥有实质性话语权。如果水平分工只是管理颗粒度的调整，而核心研究者仍然能影响模型的关键技术决策，那这种重组未必是灾难。但从目前的信号来看——核心团队集体离开——这个前提似乎没有被满足

问题在于，创造者的核心资产是便携的。学术声誉、技术能力、开源社区的认可——这些东西跟着人走，不跟着工牌走。阿里的留人工具（薪酬、P10 职级、竞业协议）可以提高离开的成本，但无法锁定一个在全球 AI 社区有4万引用量的32岁研究者

开源社区的信任危机

技术上，Qwen 不会因为几个人的离开就停止运转。阿里有钱、有算力、有工程团队。模型训练是可以标准化的流程

但开源大模型不只是技术产品。它是一个信任契约

全球10亿次下载、20万衍生模型，这些数字背后是数以万计的开发者做出的一个判断：“我要把自己的产品/研究建立在 Qwen 上。“这个判断不是看阿里的财报做出的，而是看核心团队的技术判断力和持续投入的承诺做出的

核心团队的集体离开，动摇的不是代码库，而是信任基础

这里有一个被低估的风险。开源社区的信任是非对称的：建立需要数年的持续交付和社区互动，崩塌可能只需要一次方向性的信号。新的管理团队即使技术上同样优秀，也需要重新证明自己——而在这个证明期内，那些正在选择”用 Qwen 还是用 Llama/DeepSeek”的开发者，可能会做出不同的决策

VentureBeat 的报道标题直接问出了这个问题：“Did Alibaba just kneecap its powerful Qwen AI team?”——阿里是否亲手削弱了自己最强大的 AI 团队？

这个问题的答案取决于一个更深层的判断：开源大模型的核心壁垒到底是什么？

如果壁垒是算力和工程能力——阿里不用担心，这些资源可以用钱买

如果壁垒是社区信任和技术方向感——阿里刚刚失去了它最重要的载体

我的判断倾向于后者。因为开源大模型的竞争格局已经从”谁能训出大模型”变成了”谁的生态更有粘性”。在 Llama、Mistral、DeepSeek、Qwen 都能提供可用模型的今天，开发者选择的标准越来越不是跑分，而是：这个项目的核心团队靠不靠谱？方向会不会突然变？社区响应速度快不快？

这些都是人的因素，不是算力的因素

对 AI 行业的更深层影响

林俊旸的故事不是孤例。把具体的名字和公司去掉，你会看到一个在 AI 行业反复上演的结构：

Ilya Sutskever 离开 OpenAI（2024）——表面是首席科学家与商业化加速的路线分歧，但直接导火索是2023年11月的董事会危机：Ilya 参与了试图罢免 Sam Altman 的行动，Altman 回归后他的处境变得不可持续。2024年5月正式离开，随后创办了 Safe Superintelligence（SSI）。这个案例的复杂性在于，激励错位（安全 vs 商业化）和治理层面的权力博弈交织在一起，很难归因于单一因素

Dario Amodei 创办 Anthropic（2020年底离职，2021年成立）——研究 VP 对 OpenAI 治理方向和安全理念的根本分歧。他带走了一整个团队，建立了一家以”安全研究”为核心叙事的竞争对手

贾扬清离开阿里（2023）——更早的一次”灵魂人物”出走，同样是大公司体系与创业者激励的不兼容。他随后在硅谷创办 Lepton AI，两年内被英伟达收购

结构是同一个：

1. 探索期：公司给予研究团队高度自由，核心人物在这个自由度下创造出突破性成果
2. 转折点：成果引来商业化压力，公司开始重组，引入更”可控”的管理体系
3. 激励断裂：研究者的自由度被压缩，管理范围被缩小，组织信号明确指向”你不再是决策者”
4. 离开：研究者的核心资产（声誉、技术能力、社区认可）完全便携，离开成本低于留下的机会成本

这个结构的底层驱动力是 AI 研究的价值创造的幂律分布。 少数核心研究者创造了不成比例的价值——林俊旸一个人的学术影响力可能超过了整个团队其他成员的总和。但大公司的管理体系天然倾向于标准化和可替代性，因为这是降低组织风险的方式

幂律创造 vs 标准化管理——这是一个极难调和的结构性矛盾

历史上不是没有过成功的先例。贝尔实验室在数十年里同时产出了晶体管、信息论和 Unix，靠的是母公司 AT&T 的垄断利润为研究自由度提供了几乎无限的财务缓冲。早期的 Google Brain 也曾在大公司内部保持高度的研究自主权。但这些案例的共同前提是：母公司拥有一个与 AI 研究无直接竞争关系的现金牛业务，能承受研究团队长期不产出直接收入。当 AI 本身成为主营业务的增长引擎时，这个缓冲消失了——管理层不可能对核心业务团队说”你们慢慢探索，不着急”

它的系统后果是：大公司越来越难成为顶级 AI 人才的终点站。 当研究者的声誉资产完全便携化、创业/加入初创公司的机会成本持续下降时，大公司的”黄金笼子”正在丧失锁定能力

阿里的应对方式——据报道，“砸天价年薪揽才+竞业锁喉”——恰好证明了这一点。你只有在锁不住的时候才会想到上锁

不可忽视的是，竞业协议在中国法律框架下的约束力相当真实。阿里近期被报道在升级竞业条款，且中国法院对竞业违约的判罚力度在加大。对于想加入国内直接竞争对手的研究者，这确实是一道有效的壁垒。但对于一个在全球 AI 社区有独立声誉的研究者来说，竞业协议覆盖不了所有出路：学术界、海外机构、不直接竞争但同样做 AI 的组织——这些路径的存在，意味着竞业协议只能提高离开的摩擦力，无法从根本上改变激励结构的失衡

更值得关注的是潜在的连锁反应。 如果管理层未能快速重建团队信任和技术方向感，林俊旸的离开可能触发一个人才流出的正反馈循环——核心人物走了 → 团队凝聚力下降 → 更多人开始考虑出路 → 招聘变得更难（因为候选人会问”为什么上一批人走了”）→ 团队进一步削弱。这不是必然结果，但风险是真实的

据报道，2026年行业核心 AI 岗位平均薪资预计再涨30%-40%。这不是好消息——它意味着人才市场的竞争已经到了用通胀来抢人的阶段，而通胀不解决激励结构问题

一个更根本的问题

把”阿里”和”林俊旸”都去掉。把”AI”换成任何一个知识密集型行业。这个结构仍然成立：

当一个组织的核心价值创造高度依赖少数人的创造力和判断力，而组织的管理体系天然倾向于标准化和可替代性时，两者之间的张力是结构性的、不可消除的

硅谷的解决方案是让顶级人才自己创业，然后大公司去投资或收购。这个方案不完美，但至少让激励对齐了：创造者拥有自己创造的东西的所有权

中国 AI 行业正处在这个结构性问题的集中爆发期。过去三年，大量顶级人才被高薪吸引进入大厂的 AI 实验室。现在，商业化的压力开始挤压研究自由度，而这些人才的市场价值又让他们有了用脚投票的资本

林俊旸不会是最后一个

真正的问题不是”阿里做错了什么”，而是”有没有一种组织设计，能让幂律创造者和大公司的标准化管理共存”

目前，没有任何一家大公司给出了令人信服的答案。Google 的 DeepMind 曾经最接近，但 Gemini 的商业化压力正在改变那里的文化。Meta 的 FAIR 则展示了另一种流失模式——2025年10月，Meta 对 AI 部门裁员600人，前 FAIR 研究总监田渊栋也在裁员名单上。这不是激励错位驱动的主动出走，而是更残酷的信号：大公司不仅可能留不住顶级人才，甚至可能在战略转向时主动裁掉他们。OpenAI 就更不用说了——它从非营利转向营利的过程本身就是一个激励结构崩塌的教科书案例

也许答案是：不存在这样的组织设计。也许 AI 研究的最优组织形态不是大公司的实验室，而是小而精的独立研究机构，通过开源和论文与产业保持连接，但不受季度财报的驱动

如果这个判断成立，那么我们正在目睹的不是一次人事变动，而是一种组织形态的历史性转型的开端

我没有答案。但如果你正在一家大公司的 AI 团队里，有几个信号值得留意：核心技术决策开始由非技术背景的管理者主导；团队从”目标驱动”变成”指标驱动”；组织调整的频率高于模型迭代的频率。这些不一定意味着你该走，但意味着你所在组织的激励结构正在发生相变——而相变一旦开始，很少能逆转