“me stepping down. bye my beloved qwen.”
发出这条消息的人，是阿里通义千问（Qwen）大模型技术负责人林俊旸。就在几天前，他还刚刚带队发布 Qwen3.5 模型。不到48小时，这位阿里最年轻的 P10 技术负责人宣布卸任。随后，团队中多位核心研究人员陆续离开，这件事很快在 AI 社区与科技媒体中传播开来。
阿里随后召开内部会议稳定团队。CEO 吴泳铭在内部沟通中坦言，自己应该更早知道团队的情况。表面上看，这似乎只是一次科技公司的核心团队震荡，但如果把这件事放在更大的背景中，它其实触及一个已经出现多年的问题：当互联网公司全面进入 AI 时代时，传统的大厂管理方式是否还适合技术创新。
很多人把这种问题简单地称为“大厂病”。但在 AI 时代，它所暴露出来的矛盾，可能比过去更加尖锐。
AI组织与工业组织，是两种完全不同的生物
很多人习惯把 AI 团队理解为互联网公司的一个部门，但从组织研究的角度看，这种理解并不准确。过去几年，关于 AI 实验室的研究逐渐增多，一个被反复提及的概念叫做“研究型生产组织”（research-production organization）。这种组织同时承担两种任务：一方面进行基础研究，另一方面又直接参与商业竞争。
MIT 学者 Michael Cusumano 在研究 AI 企业时指出，大模型研发往往依赖一种与传统互联网公司不同的组织结构：规模不大，但高度自治的研究共同体。AI 创新的核心并不是流程化生产，而是研究探索。模型结构、训练方式和数据策略，很多时候依赖研究人员的判断，而不是既定流程。
这意味着 AI 创新的关键资源并不是组织规模，而是研究环境。成功的 AI 团队往往具有一些相似特征：结构扁平、决策迅速、研究自由度较高。相比之下，大型互联网企业通常拥有清晰的层级体系、严格的资源审批流程，以及高度制度化的管理机制。当这种科层结构遇到研究型团队时，冲突往往不可避免。
AI 技术的节奏，正在超过组织的节奏
过去几年，AI 行业出现了一个明显变化：技术迭代速度越来越快。新的模型架构、训练方法和数据策略不断出现，技术能力的提升往往以月为单位发生变化。研究团队需要频繁尝试新的路径，以保持在技术前沿的位置。
但大型企业的组织节奏通常是季度。战略调整需要层层审批，资源配置需要跨部门协调。很多决策在组织内部完成一次循环时，技术环境已经发生变化。教育技术研究者 Neil Selwyn 在研究 AI 实验室时提出一个判断：AI 时代真正的瓶颈往往不是技术，而是组织。
技术发展的速度，已经超过了企业组织适应变化的速度。这种现象在 AI 行业尤其明显。过去几年，全球顶级 AI 研究人员的平均岗位周期大约只有两年左右，明显短于传统互联网行业。原因并不复杂。AI 研究需要三样东西：算力、数据和研究空间。算力与数据可以通过资本获得，但研究空间往往很难通过制度设计实现。一旦研究团队被过多行政流程包围，创新效率就会迅速下降。
管理追求确定性，但技术来自不确定
如果再往深处看，这种冲突其实触及一个更基本的问题。组织管理希望事情可以被预测、被评估、被控制，但技术突破往往来自不可预测的尝试。技术社会学家 Donald MacKenzie 在研究算法组织时提出一个现象：企业越依赖技术系统，就越倾向于把创新过程制度化。
例如建立统一评估体系，设计明确的研发路线图，甚至为创新设定时间表。这些制度的初衷是提高效率，但技术历史反复证明，很多关键突破都来自偶然尝试。Transformer 架构最初只是一次普通论文实验，而强化学习与人类反馈（RLHF）也只是研究团队的一种探索性路径。
技术创新往往带有强烈的不确定性，而大型组织通常不擅长处理这种不确定。管理体系需要稳定的流程，需要清晰的责任结构，需要可追溯的决策记录。于是很多公司会试图通过制度来“管理创新”，例如重新划分团队、统一资源调度或增加管理层级。这些措施在工业生产体系中非常有效，但在研究组织中，往往会产生相反效果。
技术哲学家 Langdon Winner 很早就提出过一个观点：技术系统并不是中性的，它会反过来塑造社会组织。AI 这种技术形态更接近科研共同体，而不是工业流水线。当企业试图用工业逻辑管理科研组织时，冲突几乎不可避免。
AI 时代的竞争，其实是组织模式的竞争
从更大的视角看，这次事件其实揭示了一个更深层变化。AI 可能正在改变企业组织形态。过去一百多年，现代企业大多遵循一种稳定结构：科层管理、专业分工、流程控制以及规模扩张。这种模式在工业时代非常成功，也支撑了互联网平台的发展。
但 AI 的核心生产要素不同。它依赖算法、数据和研究者，而这些要素更接近科学研究体系，而不是工业生产体系。因此，一些学者开始提出新的判断：未来科技公司可能会逐渐出现一种新的组织形式，有人称之为“实验室型企业”。
在这种结构中，企业不再是严格的层级体系，而更像多个研究团队组成的网络。研究者拥有更高的自主性，而组织更多承担资源平台的角色。某种意义上，今天的 OpenAI、DeepMind 和 Anthropic，已经在尝试这种结构。
从这个角度看，AI 的竞争表面上是模型能力的竞争，但更深层其实是组织模式的竞争。谁能够建立更适合创新的组织环境，谁就更可能在 AI 时代取得优势。
最后
很多人把最近的团队震荡当作科技公司的普通人事变动。但如果把视角拉远一点，会发现事情并没有那么简单。
过去一百多年，现代企业大多建立在同一种组织逻辑之上：层级管理、专业分工、流程控制和规模扩张。这种结构在工业时代极其成功，也支撑了互联网平台的崛起。但 AI 的生产方式不同，它更像科学研究，而不是工业生产。
当技术形态发生变化时，组织结构往往也会随之调整。铁路时代改变了企业规模，互联网改变了商业模式，而 AI 可能正在改变企业结构本身。
所以真正的问题其实不是为什么有人离开，而是另一个更重要的问题：当 AI 成为核心生产力时，大厂是否仍然是最适合创新的组织形态。
这个问题，今天还没有答案。但越来越多的公司，已经开始遇到它。