Qwen 核心林俊旸离职：压垮顶级 AI 人才的，可能不是 KPI

3 月 4 日（周三）凌晨，阿里 Qwen 团队技术负责人林俊旸突然在社交媒体发布状态；同一天，Qwen 的后训练负责人郁博文也正式离职，他的工作将由今年初加入阿里通义实验室的前 DeepMind 高级资深研究员周浩接任。周浩向阿里云 CTO、通义实验室负责人周靖人汇报。 最初，我以为今年国内 AI 的爆点应该是 DeepSeek V4 的闪亮登场，结果是在 OpenClaw 火得一逼的情况下，居然是 AI 明星产品 Qwen 团队核心接连离职闹得沸沸扬扬，这种反差感还挺强烈的... 这种高阶人才变动，势必引起行业震动，一时间也把阿里推上了风口浪尖，但更多的是口诛笔伐。 探究了一些原因，从表面看貌似是：内部管理层在巨大的商业变现压力下，竟然尝试引入 DAU（日活用户数）、留存率等典型的 C 端消费级产品运营指标，来作为考核专注于底层基座模型研发的 Qwen 科研团队的核心 KPI。 这种被认为外行的考核方式被团队抵制，于是有了离职事件，总而言之对国内的 AI 发展是偏负面的。 一、遗憾但正常 虽然事件偏负面，但高端 AI 人才跳槽是常事，比如 Meta 之前就成立了超级智能实验室，你如果仔细观察会发现：这批人很多都是天价从 OpenAI 挖的： 所以也没大家以为的那么糟糕，比如 24 年就发生过字节天价挖周畅的案例，给出了 4-2 的职级（映射阿里 P11），据说近 8 位数的工资，在这种公司面前，什么竞业协议、保密条款都是没意义的，他们要的是优先身位。 然后就是这里看上去的“最大受益者”：网上疯传空降了一个 DeepMind 来的名不经传的小角色。可能也仅仅是一把刀吧，人家本身水平如何还需要验证，关于这点我们随后会说到。 而从管理角度来说，这是一次典型的服从性测试，最直接背锅的是 KPI、是数据指标，这里我们展开聊聊： 二、数据指标 怎么说呢，我认为：所有的数据指标、团队衡量指标都是伪命题。 只有在 Leader 对下属不满，但又不好直接发作的一种经典拿捏手段，是一次忠诚度测试，并且他很合理，你没办法从道理上直接反对他。 我做管理这么多年，很多老板、Leader 都会聊数据指标、团队衡量相关话题，似乎都很关注、都有心得、但都说不清楚。 我想了想也很正常，大家认为指标重要多半是因为德鲁克的一句话：“如果这件事不能衡量，就无法管理”。 数据指标这个词第一次给我造成深刻印象是来源于 B 站时期，当时团队新来了总经理，于是我的 Leader 一时间可能有些无所适从，想展示自己的专业性，终于着手抓管理了，提出了让每个团队提出衡量团队乃至业务好坏的数据指标... 一时间所有人都惊呆了，但很快有同学做出了响应，比如服务器这块稳定性 4 个 9、质效测的测试通过率撒的。 我因为身处业务团队，那个指标就比较尴尬，接连提了几个版本都不被认可，现在想起来要么是 Leader 一知半解、要么是他故意为难。 但我在理论这块其实是有些较真的，一直在钻牛角尖，会真正去思考数据指标的意义，最后我给了自己两个答案： 第一，想不出来数据指标，说明是对这块事（团队要做的事）没有一个清晰的认知； 第二，想得清楚数据指标，却做不出来，说明对整个团队缺少掌控，不能推动落地； 所以，不能建立数据指标，根本没法做数据驱动，看似简单的数据指标把团队是否在裸奔指了出来。 只不过，随着阅历的增加，我逐渐会认为上述说法仅仅是理论可行的状态，全部是增长停滞的产物！ 因为，后面职位变高了，经常经手各种指标、KPI、人效数字，渐渐我也意识到：去他妈的数据指标，毫无用处... 之所以毫无用处，是因为你发现数据指标出问题了又怎么样呢？去惩罚相关的员工吗？干部层是花了大量时间、资源培养起来的，伤了他的威信他怎么带队伍？ 没法助理 Leader 就只能处理一线员工，所以公司的文化就是折磨一线实际干活的员工，谁干得多、谁错得多，机制就罚得多，是这样吗？ 其实，数据指标没问题，但他只能暴露问题，不能解决问题，更不能解决问题背后的人。 所以，数据指标是没用的，没用的原因是因为公司出于人才培养的沉没成本考虑的，我们总是需要靠谱而忠诚的员工，如果因为员工一些问题就干掉或惩罚，那么换来的只有一堆负能量，其直接结果就是大家不敢去尝试了，这反而得不偿失。 最重要的是：多数时候你找不到更合适的人，没得选！ 综上，实际的情况就是，各个公司都在呼吁数据指标、创建数据指标，但多数公司却不会真实使用数据指标，因为数据指标其实并不解决问题，更不能解决问题背后的人。 但作为管理者是需要重视指标的，因为他会让人觉得你很懂、很专业，这是个很好的向上管理工具！ 至此各位就应该清楚了，如果一个员工是因为数据指标而离职的，他大概率是受到了上级的刁难。 所以，离职的原因就一定不是数据指标了，而是背后的站队逻辑，这涉及了 2 个名词：高定价与专业忠诚度。 三、高定价 在市场中，一个正常人，在管理上不会有多高价格，都是你过往公司加注在你身上的额外技术或者行业加成，他们买的是认知，买的是 KnowHow。这是一种典型的资源换时间的表现。 举个例子，字节绝不可能因为某些天才的技术而给出 4-2 的职级，一定是他在原公司已经做出了什么可以直接拿来用的成果，这里与其说是买人才，还不如说是买成果。 所以，各位领域专家、管理高手千万不要死抓着通用技能不放，那并没有什么竞争力。 纯管理意义不大，更多属于项目管理的一部分；纯专业更仅仅是实现目标的工具。大家努力的核心还是要围绕行业项目做展开。 所有高薪，全部是因为你的 KnowHow。所以深入理解行业，做几个有壁垒的行业项目，这个事情很关键。 这是大家都能轻易明白的道理，各个公司高管岂能不知，于是就有了一个不得不说的道理：中高层干部有一条生存逻辑是，上面得有人，他必须作为嫡系，并且要帮自己的老板找课题，让老板跑马圈地。 很显然这里的案例就不对，因为似乎没有高管出面保林，至于原因我猜测有两点： 1. 当前 AI 溢价太高，谈不拢，彼此的期待完全不一样，都想做话事人； 2. 技术理想化，不想沾染那些管理上的破事； 反正结果就是，谈崩了。 那么这里问题就来了，该不该怪那些高管呢？答案可能是否定的，因为关键岗位用人一定是任人唯亲的。 大家自己想一想，如果你作为高管，手里有个 AI 大项目，接下来要投资 10 个亿，相信我，这笔钱随便砸谁身上，都能砸出一个大神，那么这笔预算应该放谁身上呢？ 如果放在一个桀骜不驯的同学身上，他还跟我不亲近，他项目做完了跑路了怎么办？ 这里就涉及到专业忠诚度了，也是很多关键岗位高定价的原因： 第一是买个专业忠诚度，也就是专业人员在做专业决策时，在关键时刻会跟公司站在一起，会帮公司省钱；第二是买他不会拿着成果跑路。 四、专业忠诚度 这个专业忠诚度，对很多同学可能比较陌生，这里以 CTO 举例，当前项目有 2 条实现路径： 1. 一条与技术相关性很大，做了在技术侧会有长足的进步，但可能会花不少额外的成本； 2. 另一条与技术相关性不大，但也能解决问题，成本会降低不少； 如果你是那个 CTO，面对技术的极致追求，在 4 个技术总监的不停撺掇之下，能不能做出最有利于公司的决策？ 这是一个很重要的问题 这里举个真实例子：之前在一家大公司的时候，部门负责人极度迷信 Flutter 这个技术，想要推动用 Flutter 重构公司 APP。 于是他先在团队内做验证，大概花了 10 多个人做了半年，成本的话大概 300w 左右，年底自然是无疾而终。 但谁应该为这 300w 买单呢？ 要注意的是，这里当然不是说不该做技术创新，管理不能从一个极端到另一个极端。 只不过在各个公司中，有些技术基建是浪费，有些技术基建是必须，什么是浪费什么是必须，是需要专业人员去判断的。 作为专业 Leader 首先要端正态度，自己首先代表公司，其次才是一个领域专家，屁股一旦坐歪，造成的浪费可就大了； 大家再带入当今 AI 的话题，这种通用模型成本极高，无论是数据工程上出点篓子、技术架构上来点争执，看上去是小事，体现出来的数字可能上亿！ 所以，高管们会尽量用“信得过的人”，只不过是不是真的可信，这需要时间来验证... 结语 好的人才对于公司一定是必须的，其实这里破局点当然不是高管，而是一号位。 公司当然需要一批年轻的人才，如果他们直接汇报给 CEO，事情就会少很多，只不过 CEO 们年纪大了后，可能多少有点难以社交，他们圈子固定了，这很麻烦... 总而言之，很可惜