當地時間8月5日，在谷歌工作約27年的Jeff Dean在社交平台宣佈離職，將與數名谷歌AI研究人員共同創辦AI公司Discovery Loop。此前，他擔任谷歌Research和谷歌DeepMind首席科學家，直接向CEO Sundar Pichai彙報，參與確定谷歌人工智慧研究方向，並負責重要的戰略技術專案。
報道稱，Jeff Dean的離職並非單一原因所致，而是個人追求與公司環境共同作用的結果。追求科研自由、擺脫大公司病；厭倦產品交付壓力，渴望長期科研；基於固有方向的發展以及更具潛力的新方向……這些矛盾讓問題變得更加具體。當大公司的職位已經無法完全容納頂尖科研人員的個人目標時，企業究竟應該努力留住一個人，還是重新設計雙方的關係。
Jeff Dean的離職並非個案。2025年，Meta首席人工智慧科學家Yann LeCun宣佈離開任職10餘年的公司，創辦AI公司AMI Labs。Yann LeCun曾長期質疑依靠擴大大語言模型的規模通向AGI的道路，他更看中理解物理世界的世界模型。如果說楊立昆的案例體現了技術路線與公司優先順序之間的不同，那麼OpenAI前超級對齊團隊負責人Jan Leike的離職，則指向科研安全與產品速度、資源分配之間的衝突。
類似的故事也發生在中國公司。阿里千問大模型技術負責人林俊暘於2026年3月份離職後，創辦語用科技，研究內容從基礎大模型轉換為世界模型和具身大腦。華為盤古大模型負責人、諾亞方舟實驗室主任王雲鶴離職後，創辦基元律動，同樣轉向AI Agent領域。
這些離職很難用薪酬或者職位變化解釋。頂尖科研人員可能擁有自己的北極星，如：獲得學術影響力、驗證一種尚未成為主流的技術路線，或者解決他們認為足以影響人類未來的問題。但是，企業也有自己的約束，產品需要按時推出，鉅額投入需要得到解釋，研究方向要與公司戰略保持聯絡。當兩套目標不能完全重合，衝突就可能從績效評價延伸到技術路線、算力分配、組織權力乃至研究倫理。
AI時代加劇了這種衝突。過去，大公司吸引科研人員的重要條件，是穩定的資金、充足的算力、優秀的同事，以及允許長期探索的研究環境。如今，技術迭代變得越來越快，研究成果與產品競爭、資本投入和公司戰略的聯絡也變得更加緊密。與此同時，少數關鍵科研人員對技術方向和團隊能力的影響，可能遠遠超過其職級在組織架構中所顯示的範圍。
這對決策者提出了一系列新的挑戰。招聘科研人員時，雙方應該如何說明公司的目標和邊界；入職以後，企業應當相信制度、管理者，還是專業人員的判斷；如果傳統KPI難以衡量前沿研究，公司又該如何配置資源、評價成果並控制風險；當科研人員的個人目標與企業戰略出現偏差，企業應該糾正、容忍，還是允許一種新的組織關係出現。
帶著這些問題，「明亮公司」對話曾在谷歌總部、Tesla總部和騰訊公司從事人力資源工作的矽谷資深人力資源專家Tom Zhang博士。橫跨多家不同型別科技公司的經歷，讓他得以從招聘、用人、評價和人才流動等多個環節，觀察公司如何與高專業度人才相處。
Tom Zhang認為，Google、Tesla和騰訊三家公司都非常重視人才，選拔標準也都很嚴格，但人才管理理念各有不同。Google追求“智力自由”與“心理安全感”的賦能型邏輯，其管理底層是“相信聰明的頭腦不需要被過度管理”，管理者更傾向於通過資料和邏輯說服，強調管理者是“賦能者”而非“監工”。Tesla追求“極致第一性原理”與“使命狂熱”的極限邏輯，組織架構極其扁平，遇到技術瓶頸時高層往往直接深入一線，用極致的高壓和極度密集的迭代週期逼出突破，結果導向，只看誰能用最直接的物理規律在最短時間內解決問題。騰訊作為中國網際網路的頂尖大廠，形成了一套非常成熟且具特色的研發人才管理體系，極早就建立了專業線（T通道）與管理線（M通道）並行的雙軌制，技術管理風格帶有鮮明的務實基因，既要求研發人員具備極強的業務交付能力，也形成了對技術試錯、攻堅硬核難題的包容機制。
在用人邏輯上，Tom Zhang指出，Tesla的目標是馬斯克確定的，大家深信不疑，執行力很強的專業團隊尋找實現路徑；Google的創新不少來自研發工程師自下而上的探索，人才管理制度的作用是為這種探索提供空間；騰訊和許多中美大公司一樣，用人比較穩健，外部引進的人才多是經驗豐富、被實踐驗證過的行業頂尖人才。任何公司都同時需要制度、管理者和專業人員，只是把決策權和信任放在了不同位置。
Tom Zhang還觀察到，矽谷公司更願意給尚未被充分證明的年輕人機會，他稱之為“重倉年輕人”，因為年輕人雖然缺少既有經驗，卻也較少受到路徑依賴的限制，可能提出更新的方法。而中國公司通常希望候選人已經在知名機構證明過自己。不過，用人大膽不等於長期容忍低績效，不同公司的驗證週期不同，Tesla可能較快驗證一個人是否適合，Google對部分前沿研究則可能給予更長時間。
關於中國公司引進“大神”的問題，Tom Zhang認為，個人能力強不代表他一定能與團隊協作，也不意味著他的能力能夠在當前組織中落地。他還指出中美公司組織結構的差異：中國大公司的架構通常以部門和崗位為中心，結構穩定，組織能力和個人能力是分開的；美國公司的組織架構更圍繞具體的人展開，以人為中心，更直接地承認人與人之間的差異，但缺點是組織可能更加依賴關鍵人物。AI出現以後，兩種組織模式都在壓縮一部分主要承擔資訊傳遞職能的中間層，組織可能進一步扁平化，未來高專業度人才在組織中的實際影響力，可能比其職位名稱更加重要。
對於哪一管理方式更有利於創新，Tom Zhang認為很難脫離具體任務來判斷，但從整體結果來看，美國公司的管理方式似乎更容易產生前沿性的、探索性的創新，而中國公司的謹慎也有自身優勢，能把產品做得非常紮實。不同組織擅長解決的問題不同，有的更容易產生前沿突破，有的更擅長產品落地和持續執行。
前沿創新最直接的代價是燒錢。Tom Zhang提到，谷歌招聘了大量優秀研究人員，支付很高的薪資，但其中許多人在相當長時間內未必產生明顯的短期效益。谷歌擁有數以千計的研究人員，最終寫出Transformer論文的只是少數人，當然不能因此認為其他人的研究都沒有意義。因為企業無法事先知道創新和突破會來自哪個人、哪個團隊或者哪個方向，要獲得少數重大創新，就必須承擔大量研究暫時沒有回報的成本。
DeepMind CEO Demis Hassabis在回顧2014年DeepMind決定被谷歌收購的歷史時，曾多次坦誠地談到資金與計算資源對實現通用人工智慧（AGI）和科學攻堅的決定性作用。他認為獨立的初創公司很難獨自承擔通往AGI所需的、天文數字般的算力和長期資金投入，谷歌能夠提供他們研究所需的“耐心資本”、龐大的計算基礎設施以及分發能力。也就是說，資金和算力是谷歌支撐其長期科學宏圖（如AlphaGo、AlphaFold等專案）的重要後盾。與此同時，企業還要面對財務壓力，科研需要持續投入，其中一部分短期內看不到回報，資本市場和投資者卻會關注季度和年度業績，因此即使企業有錢，也必須處理長期科研與階段性財務評價之間的矛盾。
對於管理者如何管理專業人員，Tom Zhang強調，管理者首先要定義清楚目標。他舉了肯尼迪的例子：肯尼迪不是航天科學家，也不懂火箭製造的具體技術，但他提出了一個明確目標，在20世紀60年代結束以前把美國人送上月球並使其安全返回地球。肯尼迪不需要親自決定每一條技術路線，他的責任是明確組織要完成什麼，科學家和工程師負責解決怎樣製造火箭、完成登月和保障安全等問題。馬斯克提出去火星的目標也是類似，領導者定義目標，專業人員尋找路徑。
在AI公司中，Tom Zhang認為梁文鋒算是一個例子。他把DeepSeek的目標說得很清楚，就是AGI。他偏愛“平凡的人做不平凡的事”這一敘事，強調靠日復一日的打磨、靠譜和責任感，而非依賴明星人才的靈光一現。他沒有把目標侷限在某個短期使用者數字或者收入指標上，而是用一個足夠大的共同使命凝聚團隊。明確的使命可以幫助科研人員理解自己為什麼工作，也能為資源配置和專案選擇提供方向。
但目標本身也可能由外行制定，如果管理者定錯了目標，專業團隊執行力越強，是否反而可能離正確方向越遠？Tom Zhang承認這種風險當然存在。企業經營的問題是非常複雜的，可能在產品、市場、戰略組織和管理，人才不是靈丹妙藥，不能指望招聘幾個AI專家，一個差公司就會自動變成好公司。目標不能只是領導者單方面宣佈，還要接受專業團隊的討論和檢驗，科研負責人也需要具備向上溝通和影響管理者的能力。不能把所有問題都歸結為機制，有時確實是組織判斷錯誤，有時也涉及科研負責人能否提出有說服力的替代方案。
管理者應該管理目標、資源和風險邊界，不宜過多幹預自己並不理解的技術細節、工作流程和實現路徑。如果管理者不懂專業，卻根據誰的PPT做得漂亮、誰的報告寫得好，或者只看論文數量評價科研人員，就容易出現問題。在企業內部，直屬領導如果不理解具體技術，也應該讓同行和相關專家參與專業評價，而不是獨自判斷誰的科研能力更強，管理者可以判斷專案是否符合公司戰略、需要多少資源，以及風險是否可以接受。
Tom Zhang認為，管理者與科研人員的關係有相似於內部投資人與專案負責人的地方，但兩者並不完全相同。企業管理者還要劃定安全、倫理和合規底線，科研負責人也要承擔戰略對齊責任。比如，科研人員提出需要一萬張GPU卡，管理者的責任不是在不瞭解技術的情況下機械地討價還價，逼問五千張或者兩千張能不能完成，但他也不能完全放棄自己的判斷。科研中的許多問題往往無法被精確計算，“模糊的正確”比“精確的錯誤”更有價值，管理者不必決定每條技術路線，但必須判斷什麼時候說“是”、什麼時候說“不”。如果管理者無法判斷專業人員的方案，依據什麼來分配資源？Tom Zhang的回答首先是信任，管理者既然選擇了專業人員，就需要在一定程度上相信他。