阿里前最年輕P10級技術(shù)專家林俊旸的離職，在AI行業(yè)掀起了一場關(guān)于技術(shù)路線與組織架構(gòu)的深度討論。這位曾主導(dǎo)千問（Qwen）系列開源模型開發(fā)的核心人物，在宣布離職近一個(gè)月后，通過長文系統(tǒng)闡述了AI發(fā)展的新方向——從"訓(xùn)練模型"轉(zhuǎn)向"訓(xùn)練智能體"，引發(fā)行業(yè)廣泛關(guān)注。

林俊旸在阿里期間創(chuàng)造了多項(xiàng)行業(yè)紀(jì)錄：32歲晉升P10，帶領(lǐng)團(tuán)隊(duì)將千問模型全球下載量突破10億次，衍生模型超20萬款，成為全球開源領(lǐng)域的新標(biāo)桿。其主導(dǎo)開發(fā)的Qwen3系列模型，通過"混合思考模式"實(shí)現(xiàn)了推理與指令的雙重能力，在行業(yè)引發(fā)持續(xù)討論。這場離職的直接導(dǎo)火索是組織架構(gòu)調(diào)整分歧——阿里計(jì)劃將Qwen團(tuán)隊(duì)按技術(shù)維度拆分整合，而林俊旸堅(jiān)持垂直整合的研發(fā)模式，認(rèn)為預(yù)訓(xùn)練、后訓(xùn)練與基礎(chǔ)設(shè)施必須緊密耦合。

在技術(shù)演進(jìn)層面，林俊旸指出AI正經(jīng)歷關(guān)鍵轉(zhuǎn)折。以O(shè)penAI o1和DeepSeek-R1為代表的推理模型，通過強(qiáng)化學(xué)習(xí)訓(xùn)練出"思考"能力，證明模型可通過專門訓(xùn)練獲得推理專長。但2025年行業(yè)陷入"讓模型想得更多"的競賽，過度追求推理鏈長度導(dǎo)致效率失衡。他以Qwen3的實(shí)踐為例，揭示混合模式面臨的根本矛盾：指令模型追求簡潔高效，思考模型需要深度探索，兩者數(shù)據(jù)需求存在結(jié)構(gòu)性沖突。盡管團(tuán)隊(duì)嘗試四階段后訓(xùn)練流水線，但最終不得不推出獨(dú)立的Instruct和Thinking版本以滿足不同用戶需求。

Anthropic的Claude系列提供了另一種路徑。其3.7和4.0版本通過可控思考預(yù)算、工具集成和行動交錯(cuò)執(zhí)行，將推理深度與任務(wù)需求精準(zhǔn)匹配。林俊旸特別強(qiáng)調(diào)這種"思考服務(wù)于行動"的理念，指出真正智能體應(yīng)具備環(huán)境交互、工具調(diào)用、策略修正等閉環(huán)能力。這與傳統(tǒng)推理模型形成本質(zhì)區(qū)別——前者像閉卷考試，以最終答案正確性為評判標(biāo)準(zhǔn)；后者如現(xiàn)實(shí)項(xiàng)目，需在持續(xù)互動中解決問題。

智能體訓(xùn)練對基礎(chǔ)設(shè)施提出全新要求。傳統(tǒng)推理強(qiáng)化學(xué)習(xí)的封閉評估環(huán)境，被復(fù)雜工具鏈、動態(tài)環(huán)境反饋和長程記憶系統(tǒng)取代。林俊旸指出，訓(xùn)練與推理解耦、環(huán)境質(zhì)量、反作弊機(jī)制成為關(guān)鍵挑戰(zhàn)。一個(gè)編程智能體可能通過未來信息泄漏或日志濫用"優(yōu)化"表現(xiàn)，而非真正解決問題。這種"獎勵劫持"風(fēng)險(xiǎn)隨著工具能力增強(qiáng)呈指數(shù)級上升，要求行業(yè)重新設(shè)計(jì)評估體系和環(huán)境構(gòu)建標(biāo)準(zhǔn)。

這場技術(shù)路線之爭折射出AI發(fā)展的深層變革。當(dāng)模型能力突破臨界點(diǎn)后，系統(tǒng)級創(chuàng)新開始占據(jù)主導(dǎo)地位。從單一模型訓(xùn)練到智能體生態(tài)構(gòu)建，不僅涉及算法突破，更需要環(huán)境工程、評估體系、多智能體協(xié)調(diào)等跨領(lǐng)域能力。林俊旸的實(shí)踐表明，真正的技術(shù)領(lǐng)先不在于參數(shù)規(guī)模或推理長度，而在于如何讓AI在真實(shí)世界中持續(xù)產(chǎn)生有效行動。