中文互联网，终于迎来了新的科学家时代
8月12日凌晨，林俊旸在X上宣布成立语用科技，公司落在上海，方向指往下一代智能体。
他进一步解释道，“我学语言学是因为朋友向我推荐了语用学。后来，我转向了计算语言学和自然语言处理。这个名字的意思就是回到事情发生的地方。而且，它也意味着实用主义，我们相信AGI应该以此为目标。”
离开阿里
林俊旸1993年出生，拥有国际关系学院本科和北京大学硕士教育背景，2019年加入阿里达摩院后，一路进入
林俊旸的创业恰好踩在一个备受关注的时间点。中国科技产业正在重新提高科学家的位置。越来越多研究人员进入模型团队核心，基础模型负责人直接靠近公司最高决策体系，年轻研究者离开大厂以后，也能够凭借技术判断迅速获得资本支持。科学家所掌握的知识，正在重新变成一种稀缺的产业权力。
我们这里谈的“科学家”，特指产业型科学家。他们大多接受过系统的计算机科学、人工智能或相关学科训练，拥有硕博研究经历，或者长期参与前沿科研。进入产业以后，他们站在前沿研究与公司决策之间，核心能力是在没有现成答案时判断技术方向，并把研究转化为工程路径。真正稀缺的价值，也由此从学术能力延伸到资源配置，算力、研发预算和团队往往随技术判断而动。
中国科技产业曾经多次经历类似的权力转移。每当技术进入成熟期，市场、渠道和规模的重要性都会上升；当产业重新走进无人区，能够寻找新答案的人又会靠近舞台中央。
林俊旸成立新公司只是最近发生的一幕剧情，类似变化也在更多公司发生。百度将基础模型研发负责人吴甜直接放到李彦宏的汇报体系中；腾讯引入清华姚班本科、普林斯顿计算机博士姚顺雨，负责大模型和AI基础设施；字节则由北京大学本科、香港科技大学博士吴永辉负责Seed基础模型研发。创业公司里，
无论是大厂技术核心直通最高决策，还是科学家直接下场掌舵创业，一批产业型科学家正在从研发体系走向公司经营的中心。
问题也由此浮现。
科学家曾经站在产业中央，随后被资本、渠道、平台、营销和流量遮蔽，又在人工智能时代重新获得权力。几十年间，为什么科学家会在不同技术周期里反复走向产业中央，又在技术成熟之后退到幕后？究竟是什么力量，决定着科技公司内部权力的流向？
01 科学家站在公司诞生之前
1979年7月27日，北京大学的一间机房里，一台精密汉字照排系统样机完成调试。键盘声响过之后，激光照排机吐出一张八开报纸大小的胶片。王选接过胶片时，中国改革开放刚刚走过第一年，个人电脑尚未进入普通人的生活，现代意义上的中国科技公司也没有真正形成。
王选已经为眼前的机器工作了四年。
1974年，国家启动汉字信息处理系统工程，也就是“748工程”。王选负责精密汉字照排系统总体设计。彼时，欧美正在使用第三代阴极射线管照排机，日本流行第二代机械式照排机，国内相关技术基础薄弱。王选判断，如果沿着国外已有路线追赶，产品问世时仍会落后，于是直接选择当时尚无成熟商品的第四代激光照排。
选择一条自主创造的技术路线，在那个年代具有远比今天沉重的意义。中国新闻出版业仍然生活在“铅与火”中。一张报纸从文字变成印刷品，需要经过拣字、排版、铸版等繁重工序，科技书籍中的公式、符号和复杂版式尤其困难。到1980年代中期，全国积压两年仍未出版的科技图书超过3800种。
技术问题也是产业问题。
1985年，华光Ⅱ型通过国家级鉴定和新华社用户验收。两年后，《经济日报》决定使用华光Ⅲ型出版日报。真正运行起来，机器很快暴露出重字、重行、丢字、标题移动困难、扫描抖动等问题，报纸一度因为故障延误出版。报社给研发团队留下十天时间解决问题，否则重新使用铅排。王选和团队连续处理故障，到当年8月才实现稳定出报。1988年，《经济日报》印刷厂卖掉全部铅字，中国第一家彻底告别铅排的报社由此出现。
实验室里的技术终于越过一道窄门，真正进入产业世界。王选后来出差有个习惯，随身带着放大镜。到了一个城市，买一份当地报纸，对着版面仔细看，判断有没有使用北大的排版系统，再找排版效果里的问题。科学研究、产品效果和市场调研，在王选身上很难截然分开。
1980年代的中国正在发生另一场变化。科研院所里的知识分子陆续走向市场，中关村出现一批带有鲜明科研院所背景的科技企业。技术人员第一次需要面对价格、销售、客户和竞争。科研成果能不能变成商品，逐渐成为比获奖更现实的问题。
王选对此有一种“负债感”。国家为汉字激光照排投入约1000万元，如果成果停留在实验室，奖项再多也无法收回投入。他后来反复强调“顶天立地”，“顶天”指向技术前沿，“立地”落在商品化、推广和服务。1988年前后，北大新技术公司逐渐发展出方正体系；1992年，北大方正集团正式成立。
市场给出了直接反馈。国产激光照排系统价格一度只有进口产品的约五分之一，1989年底，多家进入中国市场的外国照排系统企业退出竞争。到1990年代，王选团队的技术一度覆盖国内绝大多数报业市场。方正由一项科研成果生长为大型科技企业。
类似的故事也发生在北京另一家科研机构。
1984年，中国科学院计算技术研究所创办新技术发展公司，此后发展为联想。公司早期的重要产品“联想式汉字系统”来自计算所科研成果，倪光南后来担任总工程师，继续推动产品开发。1987年，联想式汉字系统已经成为公司的主打产品。
发展早期，联想很快遇到科研机构走向市场的另一面。研发人员追求性能领先，推出尚不成熟的四型汉卡，产品出现大量问题，退货随之而来。多年以后，柳传志回忆，研究所习惯依靠论文、奖项和科技成果评价工作，办企业以后，评价标准变成产品能不能卖出去、客户愿不愿意使用。销售、维修、生产、资金和市场推广逐渐与研发拥有同样的分量。
一条新的分界线已经出现。技术决定一家公司的起点，市场逐渐决定技术能够走多远。
1980年代到1990年代早期，中国科技产业面对的首要困难仍然是“能不能做出来”。汉字如何进入计算机，中文报纸如何摆脱铅字，微型计算机如何适应中文环境，大量问题没有现成答案。资本可以买设备，销售可以寻找客户，真正稀缺的是能够找到技术答案的人。
科学家和工程师由此拥有天然的产业权力。技术路线决定产品，产品催生公司，公司再推动整个行业改变。王选站在方正之前，倪光南的技术也出现在联想公司成立之前。那个年代的许多科技企业，都能沿着产品继续向前追溯，最终回到大学、科学院和一间具体的实验室。
然而，当机器已经能够制造，产品已经能够生产，中国市场也在迅速扩大，新的问题随之出现——东西做出来以后，谁能把东西卖到全国？
中国科技产业第一次大规模的权力转移，也从这里埋下伏笔。下一批走到时代中央的人，将越来越少穿着实验室里的白大褂。他们更熟悉市场、渠道、资本和用户，也将在随后二十年的互联网浪潮中，重新定义一家科技公司最重要的能力。
02 互联网来了，科学家退到幕后
2000年1月，马化腾和几位同事正在为腾讯四处找钱。QQ用户增长很快，服务器和带宽费用也跟着往上涨，用户越多，公司烧钱越快。1999年底，腾讯获得IDG和香港盈科约220万美元投资；2001年6月，南非MIH以约3200万美元入股腾讯。
当年，QQ同时在线账户已经突破100万。一个新的商业规律逐渐显现，互联网公司即使没有工厂，没有核心硬件，只要持续聚集用户，也能获得资本认可。
用户正在成为中国科技产业新的稀缺资源。2000年底，中国网民达到2250万，比半年前增加560万，网站数量从约2.7万个增加到26.5万个。当时超过一半网民年龄不足24岁，互联网仍然属于年轻人的新世界。十二年后，中国网民增长至5.64亿，手机网民达到4.2亿。互联网完成了从小众通信工具向大众生活基础设施的扩张。
科技公司的权力结构随之改变。电脑已经能够处理汉字，互联网协议、服务器、数据库和个人计算机逐渐成熟，大量创业者不再需要从基础科研中寻找公司存在的理由。新的难题摆在所有人面前：几千万乃至几亿用户来到网上以后，如何让人留下，如何让交易发生，如何把庞大的访问量变成收入。
马化腾面对的问题很有代表性。QQ真正的资产不是一项能够写进论文的技术突破，而是越来越庞大的人际关系网络。2009年底，腾讯即时通信平台活跃账户达到5.2亿，峰值同时在线账户9300万；2010年3月5日，QQ同时在线账户第一次超过1亿。用户彼此连接以后，每增加一个人，已有网络的价值也随之增加。科研成果可以被竞争对手追赶，几亿人的社会关系却很难重新迁移。
电商把权力变化表现得更加明显。2003年，eBay已经控制易趣，当年的易趣占据中国C2C市场大部分份额。淘宝同年进入市场，采取免费开店策略，又推出支付宝和淘宝旺旺，把支付担保和买卖双方的即时沟通嵌入交易过程。易趣原有的收费体系拥有成熟的海外商业范本，淘宝选择围绕中国卖家和买家的交易习惯重新组织平台。短短几年，此消彼长，市场位置发生逆转。
决定竞争结果的问题越来越少出现在实验室里，更多出现在用户获取、支付信用、商家运营和平台规则中。马云最重要的工作不需要解决一个计算机科学难题，而要判断中国消费者敢不敢把钱交给陌生卖家，商家为什么愿意搬到网上，平台应该向谁收费。技术仍然支撑交易，真正决定公司方向的判断已经属于经营者。
刘强东走了另一条路。2003年非典冲击线下生意后，京东逐渐转向线上零售。2007年拿到第一轮融资后，刘强东决定投入自建物流，当时行业普遍质疑互联网公司承担仓储和配送的重资产模式。京东仍然持续投入，物流最终成为用户体验和公司竞争力的重要组成部分。
互联网由此重新定义了“科技公司”。一家公司的核心竞争力，可以来自社交关系，可以来自商家网络，可以来自物流体系，也可以来自平台积累的用户习惯。工程师依旧数量庞大，代码仍然决定产品能否运行，科学家却越来越少出现在公司权力的最中央。
时代崇拜的人也换了。
王选那代人的代表性时刻，是一项国家科研工程解决长期技术难题。进入互联网黄金年代，商业媒体每天追踪的名字变成马云、马化腾、丁磊、张朝阳、李彦宏、刘强东。社会讨论从技术路线逐渐转向商业模式、融资、上市、市值和用户数量。公司内部最有分量的数字，也越来越接近注册用户、活跃人数、交易额和收入。
背后的规律并不复杂。当技术已经足够支撑产品，大规模增长便成为更困难的事情。能够找到用户、建立渠道、获得资本、组织交易的人，自然获得更多资源配置权。科学家没有离开科技产业，只是退到了越来越庞大的商业机器后方。
2012年，移动互联网仍在迅速吞噬新的用户。手机成为越来越重要的上网入口，腾讯、阿里、百度都在寻找移动时代的新位置。同一年，大洋彼岸的一场图像识别比赛里，一套名为AlexNet的神经网络突然拉开了与传统方法的差距。
一个被互联网商业繁荣遮蔽多年的问题重新出现：当已有技术再次无法回答未来，谁来决定下一步往哪里走？
科学家重新获得了进场的机会。
03 科学家第一次归来
2014年3月，美国加州帕洛阿尔托一家酒店的游泳池边，时任百度深度学习研究院常务副院长余凯和吴恩达谈了很久。
余凯希望吴恩达加入百度。两个月后，百度宣布吴恩达出任首席科学家，负责百度研究院和“百度大脑”计划。吴恩达此前参与创建Google Brain，又是斯坦福大学教授。一个拥有全球学术声望的人工智能研究者，从硅谷来到北京，进入一家中国互联网公司的最高技术管理序列。
几年以前，很难想象“首席科学家”会成为互联网公司的明星职位。
中国互联网仍在移动化浪潮中高速扩张，社交、电商、搜索、游戏和信息流不断争夺新用户，流量依然能创造巨大的商业回报。与此同时，技术世界出现了一条新的支线。深度学习在图像识别、语音识别等领域快速取得进展，Google、Facebook、微软等公司在人工智能领域持续增加投入。机器能否识别人脸、理解语言、驾驶汽车，重新变成没有成熟答案的问题。
商业世界再次碰到了技术边界。
百度最早押下注码。2013年，百度建立深度学习研究院IDL，李彦宏担任院长，余凯负责具体工作。研究院拥有很强的基础研究色彩，研究对象包括深度学习、语音、图像等方向。2014年，百度又设立面向全球年轻人工智能人才的“少帅计划”，试图以远高于普通研发岗位的待遇吸引青年研究者。
互联网公司对于人才的评价标准随之发生微妙变化。过去，一个优秀工程师能够支撑亿级产品稳定运行；深度学习浪潮到来之后，公司还需要另一类人——能够判断一条尚未成熟的技术路线值不值得押注。吴恩达的价值因此超出了算法本身。
百度内部需要建立深度学习平台，也需要招聘研究人员，更需要判断人工智能未来会走到哪里。据第一财经报道，吴恩达任职三年间，百度人工智能和深度学习体系从科研与基础架构逐步扩展，相关人员规模达到千人以上。
百度的动作很快扩散成一场行业竞争。
2016年，腾讯成立AI Lab，把计算机视觉、语音识别、自然语言处理和机器学习列为基础研究方向。2017年3月，张潼出任AI Lab主任。张潼拥有斯坦福计算机博士背景，工作经历横跨IBM研究院、雅虎研究院和百度研究院。腾讯当时披露，张潼带领50多名AI科学家和200多名应用工程师，研究成果同时面向内容、社交、游戏和平台工具。
腾讯拥有微信、QQ和庞大的游戏业务，却依然需要建立一个独立于具体产品的人工智能研究组织。互联网时代积累的用户和现金流，无法自动回答机器学习的下一步方向。公司第一次如此明确地承认，面对新的技术未知，仅靠产品经验已经不够了。
快手也加入了人才争夺。2016年9月，宿华邀请郑文回国，组建Y-Lab。郑文曾在美国从事计算机视觉相关研究，Y-Lab被赋予较强的探索空间，研究人工智能、机器学习、计算机视觉和图形学。宿华希望团队研究一些距离短期商业化更远的东西。几年后复盘快手AI发展时，郑文仍将Y-Lab称为快手人工智能从0到1的重要组织。
真正把互联网公司的科学家热潮推向高点的是阿里巴巴。
2017年10月11日，杭州云栖大会，阿里宣布成立达摩院，未来三年投入超过1000亿元用于技术研发。研究范围从机器学习、自然语言处理、视觉计算延伸到量子计算、芯片和人机交互，首批还邀请Michael I. Jordan、李凯、黄如等学者进入学术咨询体系。阿里计划在北京、杭州、新加坡、以色列、美国等地建立研究机构，并引入约100名顶尖科学家和研究人员。
科学家由此重新站到聚光灯下。顶会论文、博士人数、IEEE Fellow、实验室规模，都被纳入互联网公司对外展示技术实力的名单。资本市场讨论人工智能，地方政府建设人工智能产业园，大厂举行技术峰会，学术会议与商业会议之间的边界越来越模糊。十年前属于高校和科研机构的人才，正在被互联网公司用资本、算力和海量数据争夺。
但新形成的权力结构从诞生之初便带着裂缝，AI Lab可以决定研究什么，却很难决定几亿用户最终使用什么。科学家掌握论文、算法和技术方向，业务部门掌握产品入口、收入和预算。腾讯AI Lab研究社交和游戏人工智能，真正拥有微信与游戏产品决策权的仍是对应业务团队；达摩院能够研究量子计算和机器智能，阿里的现金流仍来自电商和云计算；Y-Lab可以探索视觉技术，快手每天真正关注的仍是用户增长、内容分发和商业化。
科学家的声望已经回归，但经营权力仍然握在另一套系统里。2015年，余凯离开百度创办地平线。2017年3月，吴恩达宣布离开百度。余凯曾解释，创业能够获得更大的自由度，去做人工智能芯片等方向。
个人选择背后，一场更大的实验仍在继续。互联网公司已经愿意花巨额资金研究未来，却还没有解决一个最现实的问题：当研究成果无法直接变成收入，当科学家的时间以年计算，商业公司的时间以季度计算，谁最终拥有定义公司方向的权力？
2017年，答案，悬而未决。
04 黄金实验室退潮
2019年1月，张潼离开腾讯AI Lab。腾讯向媒体确认，张潼不再担任公司管理职位，将回到学界继续人工智能研究。距离2017年加入腾讯，还不到两年。张潼是中国互联网公司争夺顶尖AI人才最具代表性的人物之一，所以，这一举动格外受业界关注。
一个信号已经出现。大厂花重金把科学家请进来以后，很快遇到了比人才争夺更难的问题——怎样让科学研究真正进入商业公司的运行体系。
科学家仍然重要，独立实验室在互联网公司的位置却越来越难以维持。腾讯没有停止人工智能投入，AI能力继续输入游戏、内容、社交和广告。AI Lab也做出了“绝艺”和“绝悟”等具有传播度的项目，前者在2017年拿下U
科学研究与商业经营之间的时间差，在行业扩张期可以被大量现金流遮住，一旦增速放缓，矛盾便会浮出水面。
2018年前后，中国互联网进入新一轮激烈竞争。抖音迅速扩张，短视频成为新的流量入口；拼多多依靠下沉市场高速增长；美团围绕本地生活继续扩充业务边界。公司内部最受关注的能力越来越具体：推荐效率能否提高，广告点击率能否增长，用户还能多停留几分钟，新的产品能否获得更多日活。
AI因此出现另一种命运，大厂对AI的期待也从探索技术边界，逐渐转向解决眼前的业务问题。
研究院时期，科学家需要回答机器能不能理解语言、识别图像、完成复杂决策。进入成熟互联网业务后，管理者更希望算法直接改善经营结果。一个模型准确率提高几个百分点，如果无法转换成用户时长、收入或者成本下降，很难长期获得与核心业务相同的资源优先级。
字节跳动的变化尤其典型。
字节拥有中国互联网行业极为强势的算法文化。推荐系统直接驱动今日头条、抖音等产品增长，算法工程师天然处在业务中心。可AI Lab承担的是更加前沿的研究，价值评估方式与推荐、广告团队并不相同。2020年，字节AI Lab负责人马维英离职，进入清华大学智能产业研究院。字节方面当时回应，马维英根据个人兴趣转向人才培养和科研工作，同时继续担任公司技术顾问。
更值得注意的是组织本身的变化。公开资料显示，2020年，字节AI Lab由集团级前瞻性项目转为技术中台，为多个业务团队提供支持。从“研究未来”到“服务业务”，一句组织定位的变化，已经足以说明科学家在公司内部权力来源的迁移。
互联网公司需要人工智能，但越来越倾向于要求人工智能贴近收入和产品。
阿里也经历类似考验。达摩院依然持续发布研究成果，并在2022年提出AI for Science、云网端融合等技术趋势，同时越来越多技术被放进企业服务、云计算、医疗和产业智能等明确场景。2022年云栖大会，达摩院专场已经集中讨论视觉AI、语音AI、语义AI如何进入企业业务和自动化流程。科学研究仍然存在，证明价值的方式正在变化。
背后还有更大的社会背景。
2018年以后，中国互联网用户总量已经接近天花板。增量时代留下的大块空白越来越少，大厂从争抢新用户转向争夺用户时间和消费支出。2019年至2021年，直播带货、社区团购、下沉市场、私域流量成为行业热词。资本追逐能够迅速扩张的商业模式，企业内部也更习惯用GMV、DAU、留存率和广告转化率衡量团队价值。
和几年前相比，顶会论文仍然能够带来声誉，却很难与几千万新增用户或者几十亿元收入放在同一张经营表里。
科学家的位置因此发生微妙变化。技术方向仍然需要专家判断，真正能够持续获得预算和人力的项目，越来越需要进入产品链条。研究部门与业务部门的边界被压缩，AI能力逐渐成为基础设施。一个大型互联网公司可以没有声势浩大的“首席科学家”，却不能没有推荐、广告、搜索、视觉、语音和风控算法。
科学家的名字慢慢从媒体头条里减少，算法工程师却要进入越来越多业务环节。
上一轮AI浪潮留下的组织实验由此显示出局限。独立研究院能够吸引人才、发表论文、探索远期技术，也容易悬在商业系统之外。研究成果如果无法穿过工程部署、产品决策和业务指标，科学家拥有的技术权力很难自然转化为资源配置权。
2019年至2022年间，互联网公司并没有放弃人工智能。相反，AI已经渗进广告、推荐、电商、游戏和云计算的每个角落。科学家失去的主要是独立定义公司未来的权力。
时代要奖励的人物对象再次发生变化。
增长负责人、商业化负责人、产品经理和算法工程团队站到了更靠近经营结果的位置。谁能影响DAU、GMV、CTR和收入，谁就更容易获得预算、招聘名额和管理权。科学家的判断仍然具有专业价值，却越来越需要通过业务数字证明意义。
那些从研究院离开的人也没有真正远离人工智能。马维英去了清华，张潼回到学界，余凯已经在地平线推进人工智能芯片。科研人才重新分散到高校、创业公司和产业技术团队里。
当时很少有人能够确定，下一次技术拐点会以什么方式到来。
05 流量统治的最后几年
2021年初，拼多多公布了一组让中国互联网行业震动的数据。
截至2020年底，拼多多年活跃买家达到7.884亿，比上一年增加超过2亿人，首次超过同期阿里巴巴中国零售市场的年度活跃消费者数量。全年GMV达到1.67万亿元，同比增长66%。一家成立只有五年多的公司，已经坐到中国电商牌桌最中央的位置。
拼多多的崛起延续了互联网黄金年代最熟悉的成功路径：发现尚未充分开发的人群，用社交关系降低获客成本，再依靠补贴、算法和平台机制扩大交易规模。黄峥当然重视技术，拼多多内部同样拥有庞大的工程团队，但真正让市场兴奋的数字是用户、GMV和增长速度。到2021年底，拼多多年活跃买家进一步达到8.687亿，全年GMV达到2.44万亿元。
互联网公司的价值，越来越可以通过一套数字语言迅速描述。
DAU代表每天有多少人打开产品，MAU衡量用户规模，GMV记录平台交易额，CTR决定广告点击效率，留存率检验用户愿不愿意继续留下。一家公司能够让其中任何一个数字快速上升，就有可能获得更多预算、资本和人才。
科学家的论文很难进入同一套坐标。
2019年前后，中国互联网进入一段近乎全民寻找“新增量”的时期。拼多多证明下沉市场仍然能够容纳数亿用户，抖音证明用户时间还能被重新分配，直播带货又把内容流量直接接到交易环节。2019年被很多行业机构称为直播电商爆发之年，全年直播电商成交额达到4512.9亿元，同比增长超过200%。淘宝、快手、抖音相继把直播放到更重要的位置。
算法在其中扮演重要角色，却越来越像一台大型商业机器内部的传动装置。
推荐模型判断下一条视频应该推给谁，广告系统计算什么商品更容易产生点击，电商算法预测用户可能购买什么。每一次技术优化都要经过在线实验，再被转换成停留时长、转化率和收入。技术人员距离业务越来越近，能够影响经营数字的算法工程师获得大量资源，基础研究的评价周期显得格外漫长。
字节跳动把一套逻辑推到了极致。
抖音的内容供给几乎无限，真正有限的是一个人每天能够拿出的时间。推荐系统负责在海量内容中不断预测用户下一秒还想看什么。算法能力最终通过用户停留、广告曝光和商业收入得到验证。据媒体报道，到2021年，字节跳动收入约580亿美元，即便广告市场增速放缓，全年收入仍保持较高增长。字节也在当年确认，国内广告收入此前半年出现停止增长的情况。
一个曾经依靠流量高速成长的行业，第一次大范围碰到流量边界。截至2020年12月，中国网民已经达到9.89亿，互联网普及率70.4%；一年以后，网民规模增至10.32亿，普及率达到73%。超过十亿人已经进入互联网，能够继续被第一次拉上网的新用户越来越少。
增长没有停止，只是变得更昂贵了，平台纷纷寻找新的交易入口。内容平台做电商，电商平台做社区团购，本地生活平台继续扩张边界。社区团购在2019年前后迅速获得资本关注，进入B轮及以后融资的项目比例明显增加；疫情期间，线上购物、外卖、在线办公进一步渗入日常生活。
市场上最有权力的人，也随着稀缺资源迁移。能够拿到低成本流量的人受到重视，能够提高商业化效率的人进入核心岗位，能够打开新业务的人获得更大预算。资本则负责给增长定价。只要用户仍然快速增加，亏损就可以被解释为市场投入；只要GMV不断扩大，商业模型便还有继续修正的时间。
互联网公司内部形成了高度一致的经营语言。会议讨论新增用户、投放成本、转化率、用户时长、复购率，业务负责人拿着数据争夺预算。一个科学研究项目即使拥有漂亮的论文记录，如果无法解释未来一年能改变哪个经营指标，也很难与高速增长的业务竞争资源。
科学家在产业中的位置因此降到一个特殊阶段。人工智能从未如此广泛地存在于中国互联网，同时，研究人工智能的人却很少拥有定义公司未来的权力。每天几十亿次推荐、广告竞价和交易匹配都依靠机器学习完成，AI已经成为基础设施中的基础设施。技术越成熟，科学家的个人存在感反而越弱。公司真正依赖的是大规模工程系统，以及能够持续把模型优化转成经营结果的人。
2021年前后，流量时代已经走到接近极限的位置。拼多多拥有8亿多买家，微信生活在十亿级用户关系中，抖音占据大量用户时间，中国网民也突破十亿。平台能够继续争夺的空间，更多来自彼此的腹地。
资本、渠道、平台和流量统治了中国互联网很长时间。几乎所有人都已经熟悉如何获得用户、如何变现、如何提高效率，却很少有人知道下一轮真正的大规模增长将从哪里产生。
2022年11月，答案从一家并不掌握巨大流量入口的美国公司传来。
ChatGPT上线以后，用户第一次可以直接感受到一个基础模型本身的能力。没有电商GMV，没有内容信息流，也没有依靠社交关系建立的庞大入口，一个技术产品仅凭模型能力便迅速获得全球用户。
过去十多年，互联网公司最熟悉的增长逻辑，突然遇到了另一种力量。当流量已经足够丰富，真正稀缺的东西重新变成了技术答案。
06 模型成为产品，科学家重新掌权
2022年11月30日，OpenAI上线ChatGPT。产品最初只被标注为“research preview”，五天后，注册用户超过100万。一个原本属于研究论文和实验室演示的技术对象，突然进入普通人的工作与生活之中。用户可以直接提问、写作、编程、修改文本，也可以连续追问，让模型在对话中完成复杂任务。
人工智能第一次以如此直接的方式接受市场检验。上一轮AI主要藏在推荐系统、广告系统、语音识别和图像识别背后。用户能够感受到产品变快、推荐更准，却很少知道模型具体做了什么。
ChatGPT把基础模型直接推到用户面前。模型能力提高一点，产品体验就跟着变化；推理能力、知识覆盖、语言表达和代码能力，都可以由用户立即感知得到。科研成果与商业价值之间原本漫长的传导链条被大幅压缩。
大洋彼岸的技术兴奋和技术压力，几乎以毫秒级的速度传导至中国科技公司的神经中枢。那是一种混合着生存危机与战略饥渴的强刺激：被时代断层抛下的恐慌迅速蔓延，但在科技大厂内部，这种焦虑没有停留为情绪，而是被直接高压压缩为极度敏捷的“战时执行力”。
2023年3月16日，百度发布
几个月内，大模型迅速从技术议题变成公司战略。阿里推进
大厂重新争夺算法人才、算力和训练数据，科研部门获得了多年未见的资源倾斜。区别也很明显。十年前，AI Lab可以围绕若干前沿方向自由探索；大模型时代的技术团队直接背负模型版本、训练效率、推理成本和产品竞争。科学家的判断离经营结果越来越近。
变化在创业公司身上表现得更加鲜明。
2023年，杨植麟创办月之暗面。杨植麟本科毕业于清华，博士阶段长期研究自然语言处理，曾参与Transformer-XL和XLNet等工作。Transformer-XL试图解决长文本依赖问题，XLNet则在多项自然语言理解任务上取得领先结果。学术积累进入创业公司之后，很快转化为模型路线。2023年10月，月之暗面推出
梁文锋走了另一条路。2023年，幻方体系建立
资本的判断也随之改变。过去十年，投资人更熟悉用户增长、市场份额和商业模式。大模型浪潮到来以后，创始人的论文、模型经验、训练能力和技术判断重新成为融资的重要筹码。月之暗面、智谱、
权力来源也发生了变化。移动互联网时期，一个产品经理可以通过修改版本提高留存率，一个增长负责人可以用投放换取数千万用户。基础模型时期，一个研究团队对架构、数据配比、强化学习和训练方法的判断，可能直接决定数亿元算力最终能够换来什么样的模型。
科技公司的核心问题重新回到一个熟悉的位置。机器究竟还能聪明到什么程度，下一次能力跃迁从哪里出现，训练成本还能下降多少，已有模型架构能不能继续扩展。大量问题重新没有标准答案。
当产业再次进入无人区，能够接近技术答案的人，也重新靠近了公司权力中心。
07 第二次归来的科学家已经变了
2026年3月20日，腾讯内部发出一份组织调整通知。成立近十年的AI Lab被撤销，部分人员转入混元团队，向首席AI科学家姚顺雨汇报，另有人员进入产学研合作中心。2016年成立时，AI Lab曾经是腾讯面向未来设立的企业级研究机构，研究机器学习、自然语言处理和计算机视觉。十年后，实验室的名字退出组织架构，研究人员却更加靠近公司的基础模型。
表面上的收缩，背后对应着科学家位置的一次深刻变化。
AI Lab时代，大厂习惯在主营业务之外划出一块相对独立的空间，让研究人员寻找几年以后可能有助于公司发展的技术。基础模型时代，研究本身已经进入经营系统。模型训练需要持续占用昂贵算力，一个技术方案会影响训练周期，一个架构选择会改变推理成本，研究团队每隔几个月还要面对新模型的公开比较。科学家得到的资源更多，承担的责任也更直接。
腾讯的调整发生在一系列AI组织重组之后。2025年底，腾讯成立AI Infra部，姚顺雨同时负责AI Infra和大语言模型部门。到2026年3月，腾讯总裁刘炽平公开提到，公司重新建设预训练和强化学习基础设施，提高数据质量，希望加快模型迭代。过去分散在研究实验室里的能力，被集中到混元模型附近。
字节跳动也在重新寻找科研与组织之间的关系。
2025年初，曾参与Google Brain和Gemini研发的吴永辉接管Seed基础模型研发。晚点LatePost报道，接手Seed后，吴永辉与100多名核心研究员逐一沟通，又推动内部数据和代码共享。Seed随后组建面向长期AGI课题的Seed Edge，同时设置负责下一代模型攻坚的Focus团队。原字节AI Lab剩余的AI for Science、Robotics和Responsible AI等方向，也被并入Seed。到2026年初，Seed团队规模维持在约1500人。
吴永辉面对的问题已经和十年前的首席科学家不同。张潼、吴恩达那一代人的重要任务之一，是让互联网公司相信人工智能值得长期投入；吴永辉需要在一个已经投入上百亿元的模型组织里，提高研究效率，同时追赶全球最强模型。基础研究仍然需要耐心，公司对模型版本的竞争又按月推进。科研自由与产品交付的双重责任被挤压进同一个团队，科学家很难只负责远方。
阿里的变化更加直接。2026年4月，阿里将通义实验室升级为通义大模型事业部，CEO吴泳铭亲自担任集团技术委员会负责人，周靖人担任首席AI架构师并负责通义大模型事业部。阿里同时把AI云基础设施、推理平台和基础模型建设放入集团级技术协调体系。一个曾以“实验室”命名的研究组织，正式拥有“事业部”的身份。
两个称谓只有几字之差，考核逻辑却已经改变。实验室首先面对技术问题，事业部还要面对产品节奏、资源协同和商业价值。科学家的研究判断由此进入公司预算和经营决策，技术路线也越来越难脱离产品路线单独存在。
快手在2025年4月成立
科学家的权力由此获得了新的来源。十年前，一名首席科学家的影响力很大程度来自学术声望、人才号召力和对未来技术的判断。今天，一名基础模型负责人还要决定算力投向、数据策略、训练路径和模型节奏。一次错误判断可能耗掉数月训练周期和巨额GPU资源；一次有效的架构创新，也可能迅速变成更低的推理成本和更强的产品能力。
科学家的独立空间随之缩小。研究员身边越来越多地出现Infra工程师、数据工程师和产品负责人，一个模型从预训练走向用户，需要众多角色同时工作。传统意义上的科学家、工程师和产品经理，也越来越难按照清晰边界切开。
中国互联网公司的AI组织绕了一圈。上一轮浪潮试图给科学家一座独立实验室，让科研替公司寻找未来；新一轮浪潮把科学家直接放进驱动公司生产力的核心位置。实验室的牌子可以撤掉，科学研究的重要性却比十年前更接近经营核心。
科学家第二次回到权力中央时，已经很难只做一个研究未来的人。
08 尾声
2026年的AI行业陷入了一种奇特的繁荣与焦虑：钱比任何时候都多，算力以每年三倍的速度膨胀，中美前沿模型的差距被抹平到了个位数。然而，以资源换增长的杠杆，正在失灵。
商业世界的竞争永远有两种逻辑。
一种是“路线已明”的战争。一个清晰的时间周期是2012年至2022年，商业模式成立、算法推荐被验证，技术便迅速沦为标准品。在这个阶段，胜负属于组织、渠道、资本和工程执行力。企业不需要预言家，只需要能把已知路径跑得更快、成本压得更低的执行者。科学家的判断，在这里会被工程的洪流稀释。
另一种则是“前路未知”的迷局。2022年之后，大模型正在撞向这堵墙——继续堆算力，不再必然带来智能跃迁；强化学习的边界在哪里、合成数据何时见顶、架构何时重构，没人有现成答案。
这正是科学家被重新请回牌桌的时刻。
成熟的行业花钱买现成答案，而前沿的博弈只能花钱买“寻找答案的资格”。 工程团队能把一条路走到极致，资本能把一次下注放大千倍，但它们都无法回答：该往哪条路上押注？
科学家的权力从来不是线性的。当科学发现退化为工程规范，权力就流向了工程师与管理者；当既有范式撞上天花板，权力又会无可避免地流回科学家手中。
资本和规模可以把一条已经走通的路重复一万遍，胜利却始终要求公司找到下一条路。回望几十年的科技产业史，每当旧地图走到尽头，总会有极少数人先一步走进没有路标的荒原，找到第一条可以落脚的路径，身后才有工程、产品、资本和市场浩浩荡荡地跟上来。科学家总会回来。因为科技的历史走得再远，抵达下一程的第一步，仍然要从一个无人回答的问题出发。
本文来自微信公众号“嗅态”，作者：石灿，36氪经授权发布。
