为何已成名的科技赢家重返亲自从事 AI 工作并竞相再创业
目录
你可能想知道
为何那些非常成功的创始人和高管会放弃舒适的职位，重新加入技术团队或创办新的 AI 事业？
这波潮流主要是出于害怕错过 AI 的突破、追求巨额的财务回报，还是更深层希望影响该技术发展方向的愿望？
主要议题
在科技产业中，一个明显的模式正在浮现：那些已经获得重大成功与财富的人，正选择重返技术工作或创办专注于人工智能的新公司。这些动向包括在领先 AI 实验室内担任形式上非层级化的工程职务，或是获得显著创业投资支持的新创公司。此趋势值得注意的不仅是参与者的地位，还有他们采取的角色多样性——从亲自动手的工程职位到回任首席执行官等职位。
一个驱动因素似乎是普遍认为未来几年将是大型语言模型及相关 AI 系统决定性、形成性的时期。有几个显著例子说明这一点。Tom Blomfield（GoCardless 与 Monzo 的联合创始人，前 Y Combinator 集团合伙人）最近宣布休假，加入 Anthropic 的计算团队，担任一位 member of technical staff，这是顶尖 AI 实验室刻意使用的非层级化职称，强调工程贡献多于形式上的职级。Blomfield 的决定突显出成功创始人愿意回到技术执行层而非担任行政领导的意愿。
类似地，其他高知名度的转变也显示出相同的动机趋向。Instagram 联合创始人 Mike Krieger 加入 Anthropic 担任产品总监，而 Andrej Karpathy——早期 OpenAI 的人物，之后领导 Tesla 的 AI 并创办 Eureka Labs——加入 Anthropic 的预训练团队，并将未来时期描述为对 LLM 发展特别具形成性的阶段。这些动向暗示了共同的信念：直接参与基础模型的开发将决定长期的影响力与遗产。
并非所有回归的领导者都采取员工级别的职务。有些人恢复全职运营职位，建立将 AI 应用于特定领域的新公司。Chamath Palihapitiya 长期以来以投资与公开评论著称，他接受了 8090 Labs（一家企业级 AI 代码新创公司）首席执行官的职位，该公司有一笔可观的 A 轮资金支持。他将回归描述为显而易见的选择：深信这项工作的重大性，选择全力投入。同样地，带领 Opendoor 长达十年的 Eric Wu 创立了 NavigateAI，一个给建筑工人的 AI 助手，他表示若什么都不做，可能会后悔没有直接参与 AI 的发展。
在许多此类决策背后，是务实与心理层面的混合驱动。从务实角度看，拥有或建设关键 AI 能力的潜在经济上行空间仍然很大；从心理上来看，有经验的建设者往往被能够产生持久社会影响的技术所吸引。对部分人而言，存在一种竞争性的担忧——一种害怕错过（FOMO）会错过定义时代的浪潮；对另一些人而言，吸引他们的是智力上的挑战以及重返产品与工程前沿问题的机会。
另一个重要因素是 AI 组织在技术角色结构上的文化转变。像 "member of technical staff" 这类职称表明了扁平化的层级与对集体技术贡献的重视。无论先前资历如何，这个职称都被新来者采用，并吸引了偏好以工作成果而非传统企业职级来评价自己的资深操作者。该职称在 Anthropic 与 OpenAI 等机构中的流行，也传达出这些实验室重视集中工程投入与共同使命高于传统管理阶梯的信息。
这些回流与转向会产生若干系统性影响。首先，它们提高了 AI 研究与产品团队中的人才密度，通过结合领域经验与新的技术专注来加速进展。其次，它们为将基础模型转化为领域特定应用的新创公司创造了动力。第三，它们改写了科技职业路径的期望：资深创业者与高管现在在职业后期也包含直接技术贡献的阶段，将重返亲自动手的模式常态化。
然而，这些领导者的选择也提出了疑问。高知名度人才的涌入会否加速影响力集中在少数实验室与新创公司？他们的参与将如何影响风险轮廓、治理，以及更广泛生态对计算与研究资源的访问？这些都是值得在该领域演进时仔细关注的开放性议题。
关键见解表
| 方面 | 说明 |
|---|---|
| 动机 | 对 AI 定义性时代的 FOMO、潜在大额财务回报，以及直接影响技术的渴望的混合。 |
| 角色类型 | 从 "member of technical staff" 的职位到创办专注 AI 的新创公司并担任首席执行官的角色不等。 |
| 显著范例 | Tom Blomfield 与 Mike Krieger 加入 Anthropic；Andrej Karpathy 回到预训练工作；Chamath Palihapitiya 与 Eric Wu 创立 AI 事业。 |
| 系统性影响 | 加速进展、人才集中增加，以及职业规范转向在职业后期重返亲自动手的倾向。 |
之后……
展望未来，随着此趋势持续，有几个技术与政策领域值得进一步关注。研究治理、公平的计算访问，以及透明的模型评估实践，是应该与产品工作同步推进的关键技术与制度领域。对可解释性、稳健性与对齐研究的投资，将有助于确保强大模型在安全考量下被开发。
在社会层面，针对劳动力转型、监管框架与 AI 的公共利益用途进行更广泛的讨论，对于更广泛实现其利益将是必要的。当有经验的创始人与高管深入亲自从事 AI 工作时，他们带来的影响力能够加速创新与规范的形成；有意识地将这些影响力导向负责任的进展很重要。
最终，既有人才进入前线 AI 工作，反映了对机会规模的认知与希望塑造其结果的意愿。持续关注治理、安全与包容性的技术扩散，应该伴随这些领导者所创造的技术动能。