AI技術挑戰：Meta高管離職揭示行業困境

Meta的AI研究總監田淵棟離職了，就在硅谷還在為新一輪AI融資狂歡的時候，這位親手帶過Llama4項目的核心大佬，突然在朋友圈甩了篇年終總結，字里行間全是“不玩了”的信號。

他這一走，不光是硅谷科技圈的地震，更像是給所有在AI浪潮里撲騰的人，扔下了個救生圈，或者說，是個警示牌。

田淵棟離職前，Meta剛經歷了一輪裁員。

不是小打小鬧那種，是連AI部門都要“優化”的程度。

按理說，他這種級別的科學家，應該是裁員名單里的“免檢產品”。

畢竟Llama4發布時，他帶著團隊連續熬了三個月，發布會那天眼睛都是紅的。

可偏偏就是這種“核心中的核心”，先一步按下了暫停鍵。

他的年終總結里有句話挺扎心，“在Meta寫代碼的每一天，都像在給AI喂飼料，最后發現自己可能也是飼料的一種。”

這話聽著悲觀，但你去硅谷轉一圈就知道，不少工程師私下都在聊類似的感受。

AI發展太快了，快到你昨天剛學會的技能，今天可能就被AI工具取代了。

田淵棟不是第一個“跑”的，這兩年硅谷AI圈的人才流動簡直離譜，從谷歌DeepMind到OpenAI，高管們跟走馬燈似的換。

但他的特殊之處在于，別人離職要么是跳槽加薪，要么是另起爐灶搞新模型，他偏不。

總結里明說要“暫停AI模型競賽，回頭看看人類該站在哪兒”。

這種反思，在現在的硅谷可太少見了。

聊完離職的“果”，得說說背后的“因”。

田淵棟在總結里提了個詞，“煉金術階段”，聽著玄乎，其實戳中了AI圈現在最大的痛。

簡單說，就是我們造出了超厲害的AI模型，但到底為啥這么厲害，沒人能說清。

就像古代煉金術士，知道把鉛和硫磺混一起能燒出點啥，但不知道化學反應原理。

他在FAIR時，團隊搞過一個叫“Grokking”的研究。

就是觀察AI怎么從死記硬背數據，突然“頓悟”出規律。

本來想靠這個解開AI黑箱，結果研究到最后，他自己都笑了，“AI頓悟的瞬間，比中彩票還隨機，我們能做的只是在旁邊遞數據，跟算命先生搖簽似的。”

這種無力感，估計是壓垮他的最后一根稻草。

現在的AI圈，大家都在比模型大小、參數多少，好像參數越大就越牛。

田淵棟偏唱反調，“ScalingLaw（規模定律）不是萬能藥，當模型大到人類都看不懂，再大也只是個更危險的黑箱。”

這話得罪了不少靠大模型融資的公司，但你不得不承認，他說的是實話。

某巨頭的AI模型出了嚴重偏見問題，團隊查了三個月，愣是沒找到bug在哪兒，這不就是典型的“煉金術后遺癥”？

田淵棟最讓人佩服的，是他把量子力學里的“費米能級”搬到了AI上。

這詞兒聽著高端，其實特形象，就像游泳池的水位線，AI能力是水，人類技能是地面，水漲起來，先淹沒誰？

以前我們覺得技能越多越安全，現在發現不對，AI水位線是“階躍式”上漲的，可能昨天還只沒過腳脖子，今天就直接淹到脖子了。

他在Meta時，內部有個代碼生成工具叫Codex，據說能搞定80%的常規編程任務。

剛開始大家覺得是好事，省事兒。

結果呢？普通程序員的活兒被壓縮了，以前寫一周的代碼，現在AI半小時搞定，剩下的時間干嘛？要么學更難的，要么被優化。

田淵棟管這叫“打工思維的死刑判決”，你以為自己在搬磚，其實AI早就把磚廠買下來了。

那怎么辦？他的答案是“創始人思維”。

不是說真要去創業開公司，而是從“等著被安排任務”變成“主動定義問題”。

就像現在遍地都是“神燈”（AI工具），誰都會搓燈許愿，但能想出“神燈沒聽過的愿望”的人，才值錢。

田淵棟自己就是這么干的，他離職后沒搞新模型，而是琢磨怎么教普通人“跟AI討價還價”，不是對抗AI，是把AI變成自己的“超級助理”。

田淵棟的離職，與其說是個人選擇，不如說是AI時代的一個標志性事件。

它告訴我們，以前那種“學好數理化，走遍天下都不怕”的日子，真的過去了。

現在要怕的，是你學的“數理化”，AI用0.1秒就全學會了。

但也不用太慌，田淵棟在總結最后說，“AI能爬樓梯，但人類會造電梯。

”關鍵在于別把自己困在“被AI替代”的焦慮里，而是去琢磨“AI替代不了什么”。

比如好奇心，AI能回答問題，但問出好問題的能力，還在人類手里。

比如野心，AI能執行計劃，但制定一個連AI都覺得“瘋狂”的計劃，也得靠人。

最后想說，田淵棟的故事，不是讓我們逃離AI，而是學會在AI的洪水里，找到屬于人類的那艘船。

這艘船沒那么復雜，可能就是一個你特別好奇的問題，一個你死活想實現的想法，或者僅僅是“我就想看看AI到底能不能搞定這個”的犟脾氣。

技術再牛，洪水里最值錢的，永遠是會游泳的人，而游泳的姿勢，得自己編。