中文互联网，终于迎来了新的科学家时代

嗅态

嗅商业冷暖，见人间百态

作者 | 石灿

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。”

离开阿里千问团队几个月后，林俊旸正式成为一名创业者，也把酒给戒了。高榕创投、红杉中国、腾讯等机构出现在他的融资名单中，市场消息给出的估值达到20亿美元。资本机构愿意给出如此高的价格，很大程度上来自林俊旸过去几年在大模型领域中的行业成就与自身资质。

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，一路进入千问核心团队，主导Qwen系列的研发，成为具有全球影响力的开源大模型。3月4日，他宣布离开阿里，“me stepping down. bye my beloved qwen”，直到如今，王者归来。

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，Kimi创始人杨植麟本科毕业于清华、博士毕业于卡内基梅隆大学；MiniMax创始人闫俊杰博士毕业于中科院自动化所；DeepSeek创始人梁文锋同样长期拥有技术研发背景。

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UEC杯计算机围棋大会冠军，后者在2019年达到《王者荣耀》职业电竞水平。但企业经营的重心已经转向另一套更加直接的指标：用户增长、广告收入、游戏流水、云业务和产业互联网。

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，百度发布文心一言并开放邀请测试。李彦宏和王海峰在北京总部展示文学创作、商业文案、数理推算、中文理解和多模态生成等能力，百度智能云同时开放企业API预约。百度过去多年积累的昆仑芯、飞桨框架、文心模型和云计算资源，被重新串到同一条产品线上。

几个月内，大模型迅速从技术议题变成公司战略。阿里推进通义千问，腾讯在2023年9月发布混元，参数规模超过千亿，并直接通过腾讯云面向企业开放。国内一度出现“百模大战”，仅2023年公开的大模型数量便迅速突破百个。

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Kimi，把长文本能力直接做成面向普通用户的产品。

梁文锋走了另一条路。2023年，幻方体系建立DeepSeek，团队把资源集中到基础模型研发。2024年发布的DeepSeek-V2采用MLA和DeepSeekMoE等技术，在降低训练和推理成本的同时提升模型能力。论文披露，DeepSeek-V2相比前代模型训练成本下降42.5%，KV Cache减少93.3%，最大生成吞吐提升到5.76倍。技术创新第一次可以被直接换算成算力成本、服务价格和商业竞争力。

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、MiniMax等公司在很短时间内获得大额融资，一批三四十岁的研究者站到创业公司中央。科学家曾经需要进入大厂实验室才能获得算力和数据，如今，技术团队本身就可以成为一家公司的起点。

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月成立可灵AI事业部时，也采用了类似方式。新事业部内部直接设置产品、运营和技术部门，负责可灵、可图等模型业务；社区科学线同时成立基础大模型与应用部，负责语言模型、多模态理解和应用研发。可灵发布十个月后，全球用户规模已经超过2200万。模型研究、产品迭代和用户增长被放进同一个组织。

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。