為何已成名的科技贏家重返親自從事 AI 工作並競相再創業
目錄
你可能想知道
為何那些非常成功的創辦人和高階主管會放棄舒適的職位，重新加入技術團隊或創辦新的 AI 事業？
這波潮流主要是出於害怕錯過 AI 的突破、追求龐大的財務回報，還是更深層希望影響該技術發展方向的慾望？
主要議題
在科技產業中，一個明顯的模式正在浮現：那些已經獲得重大成功與財富的人，正選擇重返技術工作或創辦專注於人工智慧的新公司。這些動向包括在領先 AI 實驗室內擔任形式上非階層化的工程職務，或是獲得顯著創投支持的新創公司。此趨勢值得注意的不僅是參與者的地位，還有他們採取的角色多樣性——從親自動手的工程職位到回任執行長等職位。
一個驅動因素似乎是普遍認為未來幾年將是大型語言模型及相關 AI 系統決定性、形成性的時期。有幾個顯著例子說明這點。Tom Blomfield（GoCardless 與 Monzo 的共同創辦人，前 Y Combinator 集團合夥人）最近宣布休假，加入 Anthropic 的運算團隊，擔任一位 member of technical staff，這是一個頂尖 AI 實驗室刻意使用的非階層化職稱，強調工程貢獻多於形式上的職級。Blomfield 的決定突顯出成功創辦人願意回到技術執行層而非擔任行政領導的意願。
類似地，其他高知名度的轉變也顯示出相同的動機趨向。Instagram 共同創辦人 Mike Krieger 加入 Anthropic 擔任產品長，而 Andrej Karpathy——早期 OpenAI 的人物，之後領導 Tesla 的 AI 並創辦 Eureka Labs——加入 Anthropic 的預訓練團隊，並將未來時期描述為對 LLM 發展特別具形成性的階段。這些動向暗示了共同的信念：直接參與基礎模型的開發將決定長期的影響力與遺產。
不是所有回歸的領導者都採取員級職位。有些人恢復全職營運職務，建立將 AI 應用於特定領域的新公司。Chamath Palihapitiya 長期以來以投資與公開評論著稱，他接受了 8090 Labs（一家企業級 AI 程式碼新創公司）執行長的職位，該公司有一筆可觀的 A 輪資金支持。他將回歸描述為顯而易見的選擇：深信這項工作的重要性，選擇全力投入。同樣地，帶領 Opendoor 長達十年的 Eric Wu 創立了 NavigateAI，一個給建築工人的 AI 助手，他表示若什麼都不做，可能會後悔沒有直接參與 AI 的發展。
在許多這類決策背後，是務實與心理層面的混合驅動。從務實角度看，擁有或建立關鍵 AI 能力的潛在經濟上行空間仍然很大；從心理上來看，有經驗的創造者往往被塑造具持久社會影響力的技術所吸引。對部分人而言，存在一種競爭性的擔憂——一種害怕錯失（FOMO）會錯過定義時代的浪潮；對另一些人而言，吸引他們的是智力上的挑戰以及重返產品與工程前沿問題的機會。
另一個重要因素是 AI 組織在技術角色結構上的文化轉變。像 "member of technical staff" 這類職稱表明了扁平化的階層與對集體技術貢獻的重視。無論先前資歷如何，這個職稱都被新來者採用，並吸引了偏好以工作成果而非傳統企業職級來評價自己的資深操作者。該職稱在 Anthropic 與 OpenAI 等機構中的流行，也傳達出這些實驗室重視集中工程投入與共同使命高於傳統管理階梯的訊息。
這些回流與轉向會產生若干系統性效應。首先，它們提高了 AI 研究與產品團隊中的人才密度，透過結合領域經驗與嶄新的技術專注來加速進展。其次，它們為將基礎模型轉化為領域特定應用的新創公司創造了動能。第三，它們改寫了科技職業路徑的期望：資深創業者與高階主管現在在職涯後期也包含直接技術貢獻的階段，將重返親自動手的模式常態化。
然而，這些領導者的選擇也提出了疑問。高知名度人才的湧入會否加速影響力集中在少數實驗室與新創公司？他們的參與將如何影響風險輪廓、治理，以及更廣泛生態系對運算與研究資源的存取？這些都是值得在該領域演進時仔細關注的開放性議題。
關鍵見解表
| 面向 | 說明 |
|---|---|
| 動機 | 對 AI 定義性時代的 FOMO、潛在高額財務回報，以及直接影響技術的渴望的混合。 |
| 角色類型 | 從 "member of technical staff" 的職位到創辦專注 AI 的新創公司並擔任執行長的角色不等。 |
| 顯著範例 | Tom Blomfield 與 Mike Krieger 加入 Anthropic；Andrej Karpathy 回到預訓練工作；Chamath Palihapitiya 與 Eric Wu 創立 AI 事業。 |
| 系統性影響 | 加速進展、人才集中增加，以及職涯規範轉向在職涯後期重返親自動手的傾向。 |
之後……
展望未來，隨著此趨勢持續，有幾個技術與政策領域值得進一步關注。研究治理、公平的運算存取，以及透明的模型評估實務，是應該與產品工作同步推進的關鍵技術與制度領域。對可解釋性、穩健性與對齊研究的投資，將有助於確保強大模型在安全考量下被開發。
在社會層面，針對勞動力轉型、監管框架與 AI 的公共利益用途進行更廣泛的討論，對於更廣泛實現其利益將是必要的。當有經驗的創辦人與高階主管深入親自從事 AI 工作時，他們帶來的影響力能夠加速創新與規範的形成；有意識地將這些影響力導向負責任的進展很重要。
最終，既有人才進入前線 AI 工作，反映了對機會規模的認知與希望塑造其結果的意願。持續關注治理、安全與包容性的技術擴散，應該伴隨這些領導者所創造的技術動能。