馬斯克刪除xAI「研究員」職位引爆網絡！LeCun怒批：如此暴力將扼殺創新
1945年7月16日凌晨，美國新墨西哥州的荒漠深處，人類歷史上第一顆原子彈試驗即將啟動。
就在倒計時前，年輕的數學家與工程師理查德·哈明（Richard Hamming）還在焦慮地反復檢查他的計算結果。
因為曼哈頓計劃的科學家們曾嚴肅提出一個極端假設：原子彈造成的高溫是否可能引發空氣中氮／氧核聚變從而點燃大氣層。
簡單地說，就是核爆炸的巨大能量會不會點燃整個地球的大氣層？
《奧本海默》劇照
在1945年7月16日的Trinity核試驗（人類史上首次核試驗代號）之前，這是一個極其罕見但會帶來世界毀滅性后果的理論風險。
當時，物理學家Edward Teller等人提出這一可能性，Hans Bethe被派去評估是否具備自持鏈式反應條件，并得出結論說這種反應極不可能發生。
就在倒計時前夕，Richard Hamming被要求復核一次關鍵計算。
他原本打算交由助理完成，但當意識到這組計算涉及大氣層是否會被點燃的問題時，決定親自進行檢查。
他詳細檢查了算術過程后確認：「算術過程沒有錯誤，但我不確定氮或氧核截面的物理公式是否正確，因為在那個能級上沒有實驗可以驗證?！?/span>
哈明確認計算過程本身沒有錯誤，并經過反復復核后確信風險接近于零，盡管他仍無法驗證公式背后的物理假設。
1946年，他離職加入貝爾實驗室。在接下來的十五年里，他幾乎參與了該實驗室所有最重要的成就。
由于他的工作，他于1968年獲得圖靈獎，成為該獎的第三位獲獎者。
后來理查德·哈明寫道：
在科學領域，如果你知道自己在做什么，那你就沒必要去做它；
而在工程領域，如果你不知道自己在做什么，那你就不應該去做它。
在那一刻，哈明清晰地展現了科學家和工程師角色之間的微妙界線與相互依賴：
- 科學家提出大膽的猜測、探索未知的風險；
- 而工程師則必須精準掌握一切，確保將未知變成可控的現實。
八十年后，這種微妙界線卻意外地再次成為全球頂尖技術領袖爭論的焦點。
馬斯克的宣布xAI從此再無「研究員」
7月30日，馬斯克宣布，他將從旗下的公司xAI刪除「研究員」這一頭銜，因為在他看來，「研究員」不過是學術界的「虛榮遺產」。
「我們只有工程師」，所有職位都將使用「工程師」這一頭銜。
這一聲明最初是對xAI員工Aditya Gupta在X平臺上發布的現已更新的招聘信息的回應。
最初的職位列表中招募的是「AI工程師和研究員」。
馬斯克迅速回應了該帖子。
這一話題引爆了社交網絡，3000萬人次觀看。
當然，這種熱鬧肯定少不了Yann LeCun，甚至網友比Yann LeCun更快一步的預測LeCun將會反駁！
馬斯克此言一出，立即遭到了AI先驅、圖靈獎得主Yann LeCun的強烈反駁。
他堅持認為研究和工程在方法論、目標、評估標準上有著根本的區別，若不加區分，勢必扼殺長期的突破性創新。
于是，一場關乎科技創新、組織文化、人才戰略甚至行業未來的論戰，由此拉開了序幕……
馬斯克與LeCun的不同理解
馬斯克的觀點：取消「研究員」稱號，強調工程實干。
在馬斯克看來，「研究員」是學術界的遺留產物，有些自命不凡且責任不明，而真正重要的是把東西造出來。
馬斯克甚至以SpaceX為例強調這一點：他聲稱SpaceX在火箭和航天技術上所做的前沿「研究」比全世界大學實驗室的總和還要多。
「但我們從不用研究員這個自命不凡、責任模糊的稱謂，我們只稱工程師?！?/span>
馬斯克的觀點得到很多人的認同。
LeCun的觀點：研究與工程在方法和評價標準上截然不同。
作為資深AI研究者，LeCun明確反駁了馬斯克的看法。
他指出研究（Research）和工程（Engineering）在多個方面都有區別，包括：(1)運作方式，(2)方法論，(3)開放程度以及(4)評估標準。
根據LeCun的描述：
- 研究更接近科學探索。
研究人員運用科學的方法來發現新的原理，驗證其可行性，分析優劣，并與更廣大的研究社群互動，通過論文發表、同行評議等方式共享和改進成果。
研究的評價標準側重于概念的創新性與美感、理論解釋力以及相對于前人工作的明確性能提升。
簡而言之，研究活動注重知識的新穎性和長遠影響，往往需要公開交流以獲得學界的認可。
- 工程則專注于將已有的方法整合起來，構建實際可用的系統。
工程師的哲學是在能滿足任務要求的前提下，優先采用「夠用」的解決方案，注重調試、優化和迭代實踐。工程工作并不追求方法論上的最優新穎，而更在意快速有效地實現目標。
其評價標準主要是對產品的實際影響，常以代碼產出、產品性能和迭代速度等指標來衡量。
LeCun強調，由于研究和工程的產出形態與價值衡量迥異，對從事這兩類工作的人員理應采用不同的激勵和評價機制。
「研究人員主要以智識影響力來評判，而工程師主要以產品影響力來評判」。
研究成果的影響往往要多年甚至數十年后才能體現，因此需要通過論文、引用、獎項等學術同行評價來度量，這也是為什么研究必須公開發表。
相反，工程成就則更直接地體現在產品成效上（如代碼貢獻、產品功能等)。
LeCun警告稱，如果混淆了研究與工程的區別，用同一種標準來要求所有人，那么研究人員將被迫只做短期見效的漸進式工作，長遠來看會「扼殺突破性創新」。
他直言，不加區分地統一稱謂和考核體系，「有可能抹殺重大創新的土壤」，因為真正的技術突破往往來自那些擁有長遠目標、較少產品壓力的研究團隊。
對AI行業和公司組織結構的潛在影響
馬斯克和LeCun的這場爭論，直指AI企業內部組織架構和人才管理的模式選擇。
馬斯克與LeCun之間的「哲學沖突」并非僅僅是理論上的。
它反映在當今頂尖AI實驗室多樣化的組織結構中。
每種方法都代表了在人工智能時代如何最好地促進創新的不同戰略賭注。
這些實驗室可分為三種主要模式：融合模式、專家模式和廢除主義模式。
融合模式：在OpenAI和Anthropic模糊界限
OpenAI和Anthropic開創了一種旨在消除研究與工程之間傳統界限的模式。
兩家公司基本上都放棄了明確的頭銜，轉而為其技術人才選擇統一的稱號「技術人員」（Member of Technical Staff, MTS）。
OpenAI總裁Greg Brockman解釋說，公司刻意選擇不「將人們劃分為研究員和工程師」。
同樣，Anthropic的招聘頁面也指出，隨著「大模型的出現」，這兩種角色之間的歷史劃分已經「消解」。
OpenAI的許多杰出貢獻者，包括DALL-E的創造者Aditya Ramesh和GPT架構師Alec Radford，都沒有博士學位，而是通過在公司內部的實踐工作中學到了他們的技能。
MTS這個頭銜本身是對貝爾實驗室一個術語的「有意識復興」，被重新用于適應這種現代混合文化，在這種文化中，研究進展與大規模工程實力密不可分。
從戰略上看，融合模式提供了幾個優勢。
它培養了一個更具適應性和公平的競爭環境，這在快速發展的人工智能領域尤其有價值，因為個人常常需要身兼數職，一天進行模型實驗，第二天又構建用戶界面。
而且，在人才市場競爭激烈的時候，這種模糊化的頭銜也更難讓競爭對手盯上自家的人才。
此外，正如對Anthropic戰略的一項分析所指出的，統一的MTS頭銜是一種巧妙的「反挖角防御」。
通過在LinkedIn等公共平臺上模糊其員工的資歷和具體專長，競爭對手識別和鎖定高價值人才的難度顯著增加，這有助于在激烈競爭的市場中留住人才。
Meta和谷歌DeepMind的「術業有專攻」
相較之下，Meta和谷歌DeepMind明確區分了研究人員和工程師。
Meta的AI研究實驗室FAIR，就明顯標明自己招聘的是「硬核研究員」，希望這些人專注于長期的基礎研究，做突破性探索。
谷歌DeepMind的運營結構類似。
它將自己描述為一個「專注的科學社區」，并被組織成明確的「研究」和「工程」團隊。
查閱其招聘頁面可以發現，像「研究科學家」和「高級應用AI工程師」這樣的職位有獨立的招聘信息，每個職位都有不同的職責和可能不同的評估標準。
他們相信，通過清晰地劃分專業領域，讓專家各司其職，效率會更高。
這種結構代表了對一種正式流程的信念，即由一組專家進行發現，然后傳遞給另一組專家進行實施和擴展。
但挑戰也很明顯——研究和工程之間如何順暢交接，一直是個歷史難題。
廢除主義模式：xAI的「只有工程師」
埃隆·馬斯克旗下的xAI最極端：直接取消了「研究員」這個角色，只要「工程師」。
xAI的目標很明確，就是強調工程實戰能力、快速試錯、直接解決實際問題。
馬斯克認為，只有通過嚴格的工程實踐，才能真正產生有競爭力的創新。
這樣做的優點是更容易實現高效的產品落地，不會出現研究脫離實際應用的問題。
不過缺點也很明顯，這種方式可能犧牲掉一些偶然的、探索式的突破機會。
歷史的回響：貝爾實驗室和施樂PARC
關于AI實驗室結構的現代辯論并非憑空發生。
它是企業如何組織創新這一悠久歷史的最新篇章。
貝爾實驗室展現了一種成功的模式：通過穩定資金支持，給予研究部門充分自由，使科學家能探索基礎問題而不受短期商業壓力的約束，誕生了晶體管、激光、信息論和Unix系統等革命性技術。
這種受保護的「學術與工業融合」模式，證實了LeCun所強調的，獨立研究部門對變革性創新的關鍵作用。
與之相反，施樂帕克研究中心PARC雖然同樣取得巨大技術突破（如圖形界面和以太網），但卻因與公司主營業務脫節而未能有效商業化，成果最終流入競爭對手之手（蘋果公司即為典型）。
這突出了研發與業務「交接」問題的重要性。
這一歷史教訓成為馬斯克和LeCun爭論背后的核心：
LeCun主張通過專業化分工和精細管理的交接實現突破創新。
而馬斯克則堅信通過統一的工程師文化直接推進產品開發。
誰對誰錯？
