被裁一週收到所有大廠 offer！Meta FAIR 前總監：大型語言模型可能走錯路了
被裁還不到一個禮拜，田淵棟的手機就沒停過。2025年10月22日，Meta 裁減 AI 部門約600人，這位前 FAIR 研究總監是被裁員工之一。但與其他人不同，各大科技公司高層都在第一時間聯繫他，你能想到的大公司都來了，還有小公司和共同創辦的機會。168小時內，他收到的工作機會多到需要仔細考慮。
但這位在 Meta 待了多年的頂尖科學家似乎並不急著做決定。在訪談中，他穿著 FAIR 的衣服，語氣平靜，「我在被裁之前已經有工作機會了，因為我在公司待的時間多了，所以也許這個正好是個時機可以出來看看。」從頭到尾，他都是主動選擇的那一方。是什麼讓這位頂尖科學家，早在被裁前就已經想離開？
FAIR：從開放研究到產品導向的轉變
FAIR，全名 Fundamental AI Research，基礎 AI 研究實驗室，2013年12月由 Mark Zuckerberg 和圖靈獎得主 Yann LeCun 共同創立。當時的使命很明確：透過開放研究推進 AI 技術，造福所有人。這個實驗室做出了許多奠基性的貢獻，最知名的就是 PyTorch，現在已經是 AI 編程的事實標準。
但過去兩年，FAIR 經歷了劇烈變化。2024年1月重組，負責人 Joelle Pineau 離開，研究重心從基礎科學轉向可規模化的 AI 產品。到了2025年10月22日，600人被裁。更戲劇性的是，就在最近，創辦人 Yann LeCun 也宣布將離開 Meta，創立自己的新創公司。從基礎研究到產品導向，從開放探索到商業優先，FAIR 的轉變折射的是整個科技巨頭對 AI 研究態度的改變。
離開的理由：不只是被裁
表面上看，田淵棟離開 Meta 是因為裁員，但實際上這只是加速了一個早已醞釀的決定。「我早就跟主管說想尋找機會，」他說，「本來可能再待半年，裁員只是讓這個決定提前了。」對於被裁這件事，他的反應是「無所謂吧，就是反正我有工作機會。」
這種從容來自更深層的原因。2025年1月後，他轉到生成式 AI 團隊幫忙 Llama 4，「其實我們大部分時間沒有在做研究，就是在做各種比較救火的工作吧。」作為一個科學家，這不是他想要的狀態。研究被救火取代，探索被執行取代，當工作內容變質到這個程度，離開只是時間問題。
更關鍵的是，他對公司方向有感覺，感覺到裁員會來。雖然不方便透露太多公司內部情況，但他的態度很明確：「也許這正好是個時機可以出來看看。」說白了，他根本就是主動走的。當一個頂尖科學家開始質疑自己所處的方向，離開就成了必然。究竟是什麼讓他對現狀不滿？在訪談中，他毫不掩飾地表達了對當前 AI 路線的三大質疑。
三大質疑：對 AI 路線的深層反思
質疑一：大型語言模型是正確的路線嗎？
「我覺得大型語言模型呢，是一個很有意思的路線，但我不知道會不會是正確的路線。」田淵棟的這句話，道出了許多研究者不敢說的疑慮。作為科學家，他不會滿足於現有框架，「肯定不會在上面做到死。」
他提出的核心問題是：大型語言模型需要10兆以上詞元訓練，但人類一生只學習約100億詞元，中間有1000倍差距。「你怎麼樣去用人類的學習能力去彌補？很難彌補。」這背後指向的是對學習本質的質疑。
歷史上偉大的科學家沒看過那麼多書，沒接觸過那麼多數據，但能發現獨一無二的定理、證明、發明。這些能力從哪來？大型語言模型達到了嗎？「也許訓練算法並沒有達到最優，可能有更好的方式。」他甚至提出「暴論」：也許不要做梯度下降了，可能有別的方法。
質疑二：規模決定一切是悲觀的未來
「規模決定一切是一個悲觀的未來。」這是他最直白的論斷。為什麼悲觀？因為規模決定一切本身是個「很奇怪」的主題，任何模型都可以說塞數據就會有更好結果，「這個都是顯而易見的。」
他用自動駕駛做類比。一開始進展非常快，大家覺得馬上能取代人，但越往後問題越大。好的洞見和數據越來越難找，數據越來越少，模型就訓練不上去。大型語言模型會不會走上同樣的路？當數據紅利消失，當容易的進步都被摘完，剩下的是什麼？
真正應該追求的不是單純規模化，而是什麼樣的模型能在這條路線上走得更有效率。但現在產業的方向是什麼？更大的模型，更多的數據，更多的算力。這是技術進步，還是資源堆砌？
質疑三：通用 AI 神話，人類永遠領先
田淵棟用 GPT-o1 從零開始寫了一篇論文。結果是：沒有領域知識的問題建構缺乏創新性，必須靠研究員指出致命問題，AI 才能在正確方向上深入。這是他的親身經驗，也是他對通用 AI 最大的質疑。
「人對數據的獲取能力和深度挖掘能力永遠是超過計算機的。」人只需1到2個樣本就能看到本質，AI 需要幾百上千個。這根本就是本質上的能力差異。人有高層次的洞見，有領域知識，有對問題的獨到見解，有小領域專家的經驗，這些都無法量化。
「如果是這樣的話，那 AI 就只能永遠是跟在人後面走了。人通過某種比較好的資訊處理的方式獲得一些洞見，然後灌給計算機，灌給 AI，讓 AI 去在這個方向上做得更好。」這是他對通用 AI 最清醒的認識：AI 不會取代人類的創造力，只能增強它。
在 FAIR 的遺憾與收穫：研究品味是什麼
回顧在 FAIR 的時光，田淵棟有遺憾也有收穫。遺憾是「我應該在 FAIR 工程工作應該做更多一點可能好一點。」為什麼這麼說？因為理論和工程需要平衡，純做研究可能脫離實際。這是一個科學家的自我反思。
但最大的收穫是培養了研究品味。「2018年之後，我應該在這段時間之內，我有很多的研究品味。」什麼是研究品味？「有研究品味意味著就是自己給自己是一條道路可以往前走。」不需要別人告訴你該做什麼，知道什麼問題值得做，什麼方向有前景。
在 AI 產業快速變化中，研究品味比技術更重要。技術會過時，框架會改變，但判斷力不會。這是他在 FAIR 培養出的核心能力，也是各大公司搶著要他的原因。現在他收到很多工作機會，還在考慮，有大公司、小公司、共同創辦的機會，但他不急，「還需要想一想，還要考慮考慮。」這種從容，來自對自己能力和方向的確定。
頂尖科學家的選擇，折射了什麼
為什麼各大公司都來挖角？因為像田淵棟這樣有研究品味的科學家太稀缺。但這個故事折射的不只是個人價值，而是整個產業的困境。
當頂尖科學家開始質疑主流路線，當 FAIR 這樣的研究機構大規模裁員，當「做 AI 的人會越來越少」成為趨勢，這反映的是什麼？是 AI 產業進入成熟期的必然，還是方向選擇的警訊？是技術進步的代價，還是創新枯竭的前兆？
田淵棟還在考慮下一步。但有一點很清楚：無論他去哪裡，他都會帶著那些對大型語言模型路線的質疑，對規模決定一切的反思，對人類洞見的堅持。也許，正是這些質疑和反思，會帶來下一個突破。或者，正如他自己說的：「總有一天大家都沒有工作。」（笑）
