腾讯首席AI科学家“加班论”引争议

大模型竞争进入白热化阶段，大厂的焦虑情绪正在集中爆发。

据媒体报道，腾讯首席 AI 科学家姚顺雨曾在内部表达过类似观点：团队无法像 DeepSeek 那样不加班，但可以通过竞争把 DeepSeek“卷到加班”。尽管该说法的具体语境未经独立证实，但后续流传的版本在行业内外掀起了巨大波澜。

这番言论戳中了当前大模型竞争的核心痛点：习惯了大兵团作战与人海战术的互联网巨头，面对以极高工程效率和极客文化破局的初创公司时，首选的竞争手段难道依然是“卷加班”？

巨头的焦虑与心魔

理解这场风波，首先需要看清腾讯在大模型赛道上面临的压力。

过去一年里，腾讯混元大模型尽管按计划完成了版本迭代和内部业务接入，但在行业影响力与开发者心智上，却面临双重挤压：一边是字节跳动依托庞大流量矩阵与重度投放迅速起量的豆包；另一边则是以极低算力成本、底层架构创新和开源生态享誉全球的 DeepSeek。

对于习惯在社交和游戏领域占据核心话语权的腾讯而言，这种被动极为罕见。如果无法在通用人工智能（AGI）的底层基建上建立技术护城河，巨头自有的庞大应用生态就有沦为底层技术“管道”的风险。

从 OpenAI 挖来顶尖年轻学者并任命为首席 AI 科学家，正是腾讯试图打破内部体制惯性、重塑技术研发引擎的关键动作。年仅 28 岁便挑起核心业务大梁，这位科学家背负着巨头在 AI 时代捍卫技术地位的迫切诉求。

“不加班”的 DeepSeek 与大厂的路径依赖

然而，将 DeepSeek 的技术突破归结为“偷懒不加班”，并在内部强调靠加班去抗衡，暴露了传统互联网企业在面对新型科研范式时的路径依赖。

DeepSeek 并非不投入，而是在架构设计与系统工程上展现了极高的人才密度与智力杠杆。公开数据显示，DeepSeek-R1 的核心训练仅动用约 2000 张 H800 GPU，训练成本约 557 万美元；后续强化学习增量训练仅耗费 512 张 H800、历时 80 小时，成本约 29.4 万美元。这一开销远低于同等水准的闭源大模型。

DeepSeek 在 MoE（混合专家模型）架构、推理优化以及强化学习算法上的探索表明，大模型的技术突破往往源于高水平算法设计与极限工程实现，而非机械工时的堆积。

相比之下，传统大厂内部常见的长链路汇报、繁复跨部门沟通和 KPI 导向机制，容易诱发形式主义的无效内卷。当团队试图依靠增加工作时长来抹平差距，往往意味着其在技术路线的前瞻性与组织运行效率上已经落后于人。

空降技术领袖的组织困境

空降的科学家所面临的真正考验，不仅是外部竞品的追赶，更在于巨头庞大组织内部的重重引力。

大模型研发属于复杂系统工程，需要多层级团队的高效协同。一位年轻的技术管理者要在大厂内部推进深刻的范式变革，面临多重现实阻力：

• 算力资源协调：如何在不同业务群（BG）之间平衡并争取昂贵的 GPU 集群算力；
• 团队信任构建：如何让深耕多年的资深算法团队全面认同并执行新的研发范式；
• 短期交付压力：在迫切需要成绩证明自身的环境下，如何避免滑向刷榜和表面包装的面子工程。

大厂拥有丰厚的资本与算力储备，但也伴随着巨大的组织惯性。如果试图用战术上的加班弥补战略与架构层面的落后，终究难以走出大厂的效率陷阱。

拼的是人才密度，而非工时堆积

跳出具体公司的争议，这场讨论反映出整个 AI 产业研发模式的深层重构。

在传统移动互联网时代，网络效应和人海战术可以快速占领市场。但大模型的演进高度依赖非线性的科研突破，从 Transformer 架构到 MoE 与 RLHF 范式的确立，关键创新往往由极少数高密度人才在高度自驱、开放试错的研发土壤中催化而成。

无论以 DeepSeek 为代表的新兴团队，还是硅谷的 OpenAI、Anthropic，其研发优势均建立在极高的人才密度与精干扁平的架构之上。巨头若想在技术硬仗中突围，需要的不仅是跑分指标的对标，更是研发文化的深层再造——用技术信仰取代流程内卷，以更高维度的算法洞察和系统重构来赢取未来。