本月相关部门传递重要研究成果,东北山村情事：岁月静好，人间烟火

今日行业报告传达政策变化,MetaAI人才动荡，上亿美元为何留不住人？,很高兴为您解答这个问题，让我来帮您详细说明一下。专业售后团队，客服热线随时待命

徐州市邳州市、平顶山市鲁山县 ，淮安市洪泽区、聊城市冠县、重庆市巫溪县、重庆市长寿区、五指山市通什、哈尔滨市平房区、蚌埠市龙子湖区、新乡市新乡县、泸州市龙马潭区、泉州市永春县、杭州市上城区、济宁市任城区、襄阳市老河口市、铜仁市印江县、晋城市沁水县 、吕梁市离石区、九江市德安县、荆州市监利市、汉中市洋县、泉州市惠安县、周口市西华县、岳阳市君山区、长春市绿园区、内蒙古呼伦贝尔市扎赉诺尔区、温州市平阳县、张掖市山丹县、内蒙古乌兰察布市集宁区

专家技术支援专线,本周行业协会传递行业报告,东北山村情事：岁月静好，人间烟火，很高兴为您解答这个问题，让我来帮您详细说明一下：家电操作教学专线，新手快速上手

鄂州市华容区、上饶市德兴市 ，合肥市肥东县、南阳市桐柏县、临沂市临沭县、衡阳市耒阳市、南充市营山县、亳州市利辛县、延安市富县、海西蒙古族茫崖市、商洛市山阳县、红河个旧市、永州市江华瑶族自治县、长治市潞城区、宁波市宁海县、潍坊市昌乐县、株洲市天元区 、澄迈县大丰镇、太原市万柏林区、上海市嘉定区、遵义市桐梓县、黄冈市英山县、东莞市望牛墩镇、广西柳州市柳江区、资阳市雁江区、曲靖市富源县、琼海市会山镇、驻马店市驿城区、潍坊市高密市、泉州市惠安县、吕梁市交口县

全球服务区域: 白沙黎族自治县金波乡、果洛玛沁县 、广西玉林市兴业县、白山市靖宇县、萍乡市湘东区、达州市开江县、深圳市龙华区、西安市蓝田县、永州市冷水滩区、上海市长宁区、绵阳市游仙区、文山广南县、茂名市电白区、滁州市琅琊区、南京市浦口区、杭州市富阳区、齐齐哈尔市克山县 、长春市德惠市、重庆市长寿区、苏州市虎丘区、黔东南岑巩县、哈尔滨市呼兰区

全天候服务支持热线,今日监管部门披露研究新动态,东北山村情事：岁月静好，人间烟火，很高兴为您解答这个问题，让我来帮您详细说明一下：家电以旧换新热线，专业评估回收

全国服务区域: 凉山德昌县、内江市市中区 、海北祁连县、成都市新津区、六盘水市钟山区、广西防城港市港口区、营口市大石桥市、晋城市城区、洛阳市洛宁县、烟台市龙口市、白沙黎族自治县阜龙乡、龙岩市上杭县、怀化市溆浦县、宁波市奉化区、宁夏固原市彭阳县、信阳市平桥区、宁夏吴忠市红寺堡区 、九江市修水县、济南市商河县、梅州市蕉岭县、齐齐哈尔市甘南县、扬州市江都区、汕头市濠江区、荆州市松滋市、楚雄牟定县、赣州市瑞金市、安阳市林州市、泰州市海陵区、内蒙古包头市九原区、杭州市拱墅区、内蒙古兴安盟科尔沁右翼前旗、海西蒙古族德令哈市、南京市秦淮区、温州市瓯海区、周口市西华县、广西梧州市长洲区、内蒙古赤峰市敖汉旗、泉州市洛江区、凉山冕宁县、忻州市岢岚县、陵水黎族自治县隆广镇

作为国家高新技术企业认证平台:今日官方发布新研究成果,东北山村情事：岁月静好，人间烟火

东北的山村，四季分明，风景如画。这里的人们，世代生活在山水之间，过着简单而宁静的生活。然而，在这看似平静的山村中，却隐藏着许多不为人知的情事，它们如同山间的溪流，潺潺流淌，汇聚成一幅幅生动的生活画卷。 清晨，当第一缕阳光透过窗户洒进山村，村民们便开始了一天的忙碌。老人们起床后，会先到村头的井边打水，然后开始准备早餐。年轻人们则早早地出门劳作，或是去山里砍柴，或是去河边捕鱼。而孩子们则欢快地在村子里奔跑嬉戏，他们的笑声，如同山间的鸟鸣，清脆悦耳。 在东北山村，邻里之间关系亲密，彼此之间互帮互助。每当有村民家中有红白喜事，全村人都会前来帮忙。这种淳朴的乡情，让人感受到了浓浓的亲情和友情。而那些关于爱情的情事，更是让人心生感慨。 李大娘家的女儿小红，长得如花似玉，是村里出了名的美人。她勤劳善良，心灵手巧，吸引了村里许多年轻后生的追求。其中，小张和小李是最为突出的两位。他们两家都是村里的富裕人家，两家父母早已商量好，要将小红嫁给他们中的一个。 然而，小红的心里却有着自己的打算。她喜欢小李，觉得他为人正直，有担当。于是，小红决定向小李表白。在一个阳光明媚的午后，小红约小李来到村头的小河边，她鼓起勇气，向小李表达了自己的心意。小李听后，感动不已，他告诉小红，他也一直喜欢她，只是担心自己配不上她。 为了证明自己的决心，小李决定去城里打工，攒够钱后回来娶小红。而小红则在家中照顾父母，等待小李的好消息。这一等，就是三年。三年间，小红无数次地梦见小李，梦见他们幸福的未来。终于，小李带着攒够的彩礼回到了山村，两人举行了简单的婚礼，过上了幸福的生活。 在东北山村，还有许多类似的情事。这些情事，虽然平凡，却充满了真挚的情感。它们让我们看到了人性的美好，也让我们感受到了生活的真谛。 岁月静好，人间烟火。东北山村，这个充满情事的地方，让我们明白了，幸福其实很简单，就是与心爱的人一起，过着平凡而美好的生活。 如今，随着时代的变迁，东北山村的生活也在发生着变化。许多年轻人纷纷走出大山，去追寻更广阔的天地。然而，那些关于东北山村的情事，却永远留在了人们的心中。它们如同山间的溪流，潺潺流淌，见证着山村的发展，也诉说着那些美好的回忆。

" 一个亿的小目标，和 AGI 的大目标。"采访丨程曼祺整理丨姚一楠2025 年 6 月，Meta 以 143 亿美元收购 Scale AI 49% 股权，招募 28 岁的 Scale AI 创始人亚历山大 · 王（Alexander Wang）；这之后，Meta 天价招募顶尖 AI 研究员，开出了最高 4 年 3 亿美元惊人薪资。这些新血液和 Meta 原本的部分 AI 团队在 6 月底正式组成 Meta " 超级智能实验室 "（Meta Superintelligence Labs，MSL），由亚历山大 · 王和前 GitHub CEO 奈特 · 弗里德曼（Nat Friedman）共同担任负责人。就在大家期待 Meta 一雪 Llama 4 的失利时，9 月，Meta AI 团队离职潮爆发：既有已在 Meta 工作了 12 年、参与 PyTorch 构建的 Bert Maher（加入了 Anthropic）等老员工离开；也有两位加入不足 2 个月的 OpenAI 研究员又重返 OpenAI（Avi Verma 和 Ethan Knight）。本期节目，我们邀请了 Pokee AI 创始人朱哲清（Bill Zhu），他曾在 Meta 工作 7 年多，担任 Meta " 应用强化学习 " 部门的负责人，去年 10 月开始创业，做以强化学习为内核的 Agent。Pokee AI 在今年 7 月完成了 1200 万美元的种子轮融资，前不久被美国知名科技投资机构 a16z 列入智能体工作流的标杆企业目录。朱哲清分享了他观察到的 / 硅谷顶尖 AI 人才的流动趋势，Meta、Google、OpenAI、Anthropic 等美国核心 AI 公司的组织特点，和由此延伸的业务策略；以及，作为一个 AI 创始人，如何在今天打造原生于 AI（AI-Native） 的新组织。以下是播客的文字整理，有部分精简。Meta 曾是创业氛围最浓厚的硅谷大厂，但疫情期间变臃肿晚点：Meta 近期经历了天价挖人到人才流失的戏剧性转折，甚至有 2 名刚被挖来不久的 OpenAI 研究员又回了 OpenAI 。你认为这是怎么发生的？朱哲清：硅谷人员流动频繁，但三个月内就跳槽的不多，更何况他们在 Meta 拿到的薪资包比在 OpenAI 等公司更优厚。这次有人快速离开，可能是不习惯 Meta 的环境。我 2017 年加入的前两年，Meta 是美国最有创业氛围的大公司：写代码、审批、上线到生产环境，整个流程只要几小时，非常高效。疫情后，流程没变，但 Meta 组织更臃肿了，VP 层级变多，每次迭代都要经过多个 VP 审批，可他们往往既不懂项目也没时间，只是形式化地审核一遍，留下一堆批示，搞得大家都很不爽，很多人因此离职。同时，Meta 的内部 " 政治斗争 " 比较多。这次离职的员工很多来自 OpenAI 或 Google，他们往往不擅长在有政治斗争的环境里工作，会觉得在浪费时间。而这类高层级人才的选择很多，往往被十几家公司同时抢，他们会快速离开就不意外了。晚点：扎克伯格现在让 28 岁的亚历山大 · 王来负责超级智能实验室，是不是在尝试改变，试图重新打造一个更扁平、更接近创业文化的组织？朱哲清：我认为这是他的初心。但 Super Intelligence Lab 已有 5000 人，而现在一个 SOTA 模型（State Of The Art 模型，指在某一任务 / 数据集上，当前公开评测中表现最好的模型）的核心训练团队其实不超过 50 人，其中二十多人做模型设计和调优，二十多人负责基础设施和工程支持，还有一些产品经理思考功能方向，比如模型哪些部分重要、哪些不重要。剩下的组织都在做相对边缘化、不是主线的产品。所以，如果 Meta 的目标是让 Llama 超过 GPT-5，它可能需要的是一个 150 到 250 人的核心团队，把事情做到极致，而不是一个 5000 人的大团队，那反而会互相掣肘。我还怀疑内部存在 " 赛马 " 现象——不是被动，而是主动的。Meta 的文化非常 bottom-up，会启动类似的方向。产品有明确的 ownership，但模型训练没有。谁都能尝试，只要训练结果好就行。这种缺乏 ownership 的情况让管理和协调更难，因为多个团队可能同时做同样的事。亚马逊就没有太多这种问题，因为他们的每个事业部都有自己的研究团队，资源和目标都绑定在具体产品上。即使两个团队做出类似模型，也能落到各自的产品里。Google 更依赖在研究上公认有权威的人来定方向，其他人配合执行，相对 top-down。这减少了内部不服气、各自开工的问题。OpenAI 和 Anthropic 则是使命驱动。他们会先设定清晰目标：模型需要达到什么能力，对哪些 benchmark 负责。然后全公司都围绕这个目标努力，不会出现多个团队重复做同样的事情。而且他们团队规模本来也不大，更需要集中力量。晚点： Meta 也有很多产品，为什么它不能和亚马逊一样，每个产品线的研发落到自己的场景里？朱哲清：核心原因在 Meta 的组织架构里，部门对产品掌控力不强。组织内所有代码库和基础设施完全开放，任何团队都能修改别人的代码，这导致团队对产品缺乏处置权。其次，部门的财务自主权很弱。 VP 的预算很有限，无法做大规模的资源配置。例如他没法独立决定给谁多少奖金，花多少钱在数据中心，也没法裁掉部门一半人然后集中资源到算力。这导致 Meta 的团队只能在现有框架下行事，很难像创业公司那样做出战略性改变。晚点：这种组织形态给 Meta 带来的好处是什么？朱哲清：好处是速度很快。举个例子，我训模型时发现 Facebook Feed 的推荐模型有问题，可以直接找团队沟通，甚至自己改，最后不到半年就把模型完全替换了。在正常流程里，跨团队改模型早被 VP 卡死了。它的缺点也很明显：2017 年到现在公司人数翻了数倍，扩张到七八万人。一件事原本一个人做，现在五个人做。绩效要分摊，利益分配不均，容易变成政治斗争，这在大公司很常见。举个例子：假设 A 团队目标是把某模型推广到全公司所有产品线，B 团队目标是让某产品 DAU 提升 2%。如果 B 团队产品用了 A 团队的模型，结果 DAU 确实涨了 2%，那功劳算谁的？双方就会为 credit 争夺。因此 B 团队可能会自己重做模型，而不是直接用 A 团队的成果。晚点：其实 OpenAI 和 Anthropic 都是上千人的团队，就不存在团队分工矛盾吗？朱哲清：他们是所有人有一致目标，这是初创公司的关键。哪怕团队有几千人了，只要大家不在乎功劳分配，政治斗争就不存在。晚点：怎么在千人规模的团队做到目标一致的？朱哲清：有一个临界点，即是否所有员工都在做真正重要的工作。所有公司事件中大致可以分为重要的 20% 和不重要的 80% 。如果所有人都在做重要的 20% ，还很忙，那没问题；但一旦有人在做 80% 的次要工作，他们就想变得重要。大公司为了维持财报、营收和股价，会招人来做只能带来 1% 增长的事情，因为即使极小的营收增长也能覆盖人力成本。这些人也想做重要的事情，政治斗争就产生了。晚点：以 " 使命驱动 " 看，怎么理解 Ilya 和 Sam Altman 的分裂？朱哲清：当重要成员的个人使命出现差异时，使命驱动的公司容易分崩离析。因为唯一的纽带不是金钱，而是使命。成员使命不同，公司自然分裂；夸张点说利益绑定才最牢靠。OpenAI 里 Sam Altman 和 Ilya 的根本分歧在于：Sam 关注用户增长；Ilya 则更关注模型安全性和可靠性。两条路都需要投入大量人力和资源，公司只能选一条，于是最后有人要离开。晚点：关于 Meta 的人事动荡，除了刚才的深层原因，也有人提到亚历山大 · 王的风格过于强势。朱哲清：我倒觉得不是个人风格，而是架构错配。在 AI 领域，CEO 不直接负责研究。比如在 OpenAI，Sam Altman 是 CEO，Mira 曾是 CTO，但也有其他人带研究团队—— Greg Brockman、John Schulman、Noam Brown 等，他们知道研究方向往哪里走。而现在 Meta 的情况像是让 Sam Altman 直接管研究团队。还有个细节，这轮热潮之后才成长的年轻研究者很难真正服众；你需要的是德高望重又和公司路线一致的人才。但这种人很难找。晚点：Ilya 离开之后，OpenAI 由谁来扮演这样的技术领军角色？朱哲清：其实有好几个人。比如 Noam Brown 带多智能体方向；还有 Schulman ，他主要带 RLHF （ Reinforcement Learning with Human Feedback，人类反馈强化学习）以及 RL（ Reinforcement Learning，强化学习）；还有 Jan Leike 。他们过去做出重要成果，而且和公司的研究方向一致，所以大家愿意跟随；但如果让新人直接带大方向，就难服众。不过除了 Noam Brown，刚才提到的人都离开了。科学家型 vs 工程型人才：工程型人才会决定公司未来 2-3 年的发展，科学家型人才会决定公司未来 10 年的发展，但是你有可能活不过 2-3 年晚点：那些在 ChatGPT 有重要研究成果的人，他们普遍多少岁？朱哲清：一般在 35-40 岁。常见情况是，这个人做了几个奠基性的研究，于是成了这个方向的领军人物。比如 David Silver 是 AlphaGo 第一篇论文的一作； Schulman 提出了 PPO 算法（Proximal Policy Optimization，强化学习中的策略优化算法，被广泛用在包括机器人控制、对话系统训练等任务中）。现在 AI 研究很难有根本性的突破性研究，因为这需要算力，而算力掌握在大公司手里。博士只能找大公司没做的小方向发论文；或者进入大公司跟着公司的战船往 LLM（大语言模型）走。结果是，过去三四年毕业的博士生没人再写出像 PPO 这种影响深远的算法。问题是，如果 LLM 碰到瓶颈，要怎么突破？目前没人真正开辟出这条新路径。晚点：这里有个错配，顶尖人才更有野心做原创性工作，但大公司更希望在收益明确的主线上取得进展。朱哲清：我自己也想做开创性的研究，但过去 7-8 年更多专注在技术落地上。很多研究者一旦方向基本定型，剩下的就不做了，让别人跟进；但大公司真正需要把成果落地的人，纯研究五六个人就够。比较理想的领导架构是：5-6 个顶尖研究者，配上 5-6 个强执行力的落地型人才。晚点：你刚才盘点硅谷重要的 AI 公司时没提到 xAI。这是为什么？朱哲清：讨论顶尖研究科学家的去向时，我一般不会把 xAI 算进来。马斯克是工程师型人物的代表——用现有技术把落地做到极致，做出极其复杂、别人无法复制的工程项目，从而形成壁垒。这在 AI 上表现为扩大模型规模、叠加算力，把模型能力不断往上推。之前马斯克和杨立昆（Yann LeCun，图灵奖得主 ）在推特上吵架时，还说 " 根本不存在 research，一切都是 engineering"。xAI 更偏工程驱动，Google 更偏科学驱动——通过科学飞跃带来革命性突破。晚点：这是不是有点像中美差异？朱哲清：我觉得不完全恰当，中美都有科学家型和工程型人才。我更倾向这样理解：工程型人才一般决定公司接下来 2-3 年的发展，而科学家型人才会决定公司未来 10 年的发展，但是你有可能活不过 3 年。晚点：和国内技术人员交流时，大家普遍觉得中国难有最原创性的突破。朱哲清：确实， ChatGPT 出现后，大家蜂拥做 LLM ，很少有中国研究机构或公司尝试挑战这条技术路径。中国研究者一直面临指标压力，高校、企业都去追逐最容易拿指标、出业绩、发表论文的方向。很多美国和欧洲高校团队会挑战 Transformer （Transformer：一种以自注意力为核心的神经网络架构，已成