记者 | 江睿杰

实习记者 | 何思锦

编辑 | 孟佳丽

三个不到30岁的年轻人，分别执掌了最大的三家互联网公司的AI命脉。

1998年出生的姚顺雨在去年12月底出任腾讯“首席AI科学家”，并同时掌管AI基础设施部门和大模型部门；1997年出生的曾妍如今是字节跳动Seedance 2.0的预训练负责人；同样1997年出生的孙天祥于2026年7月1日就任百度基础模型研发部负责人并进入百度模型委员会。

这并非中国独有的现象。Meta在2025年就任命了1997年出生的Alexandr Wang担任首席AI官；新近上市的SpaceX在收购初创公司Cursor后，也将后者的三位95后创始人都任命为AI业务的核心高管。

过去3年AI领域的狂飙突进，把一群年轻人推向了AI决策的中心，这场“青春风暴”背后，是一次系统性的组织重构，技术迭代的速度已经超过了经验积累的速度。当老将的认知框架跟不上新技术的节奏时，企业只能选择那些对未来更有判断力的人。

01

为什么是年轻人？

从2022年年底ChatGPT面世之后，各家互联网巨头都开始研发自己的大模型，但是水平参差不齐。经过头两年的试错，落后的选手已经开始焦虑。尤其是2025年1月DeepSeek发布性能可与同期OpenAI模型比肩的R1大模型之后，研发的可行性已经得到充分验证，竞争日趋激烈，对内部人员和组织的审视随之变得空前严厉。

在这个过程中暴露出来的最直观的问题是：技术路线的代际更替，让很多资深员工的知识结构不再适配。

人力资源咨询公司任仕达中国区OTS业务负责人江越指出，目前大厂技术骨干的成长轨迹多基于上一代AI技术，这导致他们在面对大模型浪潮时，更倾向于从工程落地和风险控制的视角去评估，对原生AI技术的发展潜力往往不如年轻人敏感。

CGL猎头公司合伙人梁栋城观察到更残酷的变化，“互联网时代是按资历排队的——70后搭架构，80后管执行，90后慢慢熬。但AI来了以后，队不排了，谁能在关键战场上打出来，谁就上桌。你能解决大模型训练问题，能做成有影响力的开源项目，年龄就不是门槛。”

一位曾在阿里担任AI产品经理的年轻人提供了佐证。“2023年年初，阿里要大搞AI，你说找什么样的人来做？之前的产品经理可能都没做过，那找年轻人还学得快。”他本人的跨界路径——从商科到AI产品，也说明了在AI这件事上，很多人都在同一起跑线。在他年轻人看来，资深员工不如年轻人有“冲劲”的核心原因在于生存压力，“上一代人有房贷车贷，这代人没有；第二个就是对权威和对未知的恐惧。”

这种生活压力和能力限制的双重影响，很难通过公司层面的奖惩措施，也很难通过内部的自查自纠来彻底改变。这种情况下，直接重构现有组织，引入新的话事人，对大厂决策层来说就成了更高效的选择。

此外，在AI这一前沿领域，还有一个特殊因素显著提高了引进年轻“大牛”的急迫性——极强的人才“磁吸效应”。由于AI研发人才的职业前景极大依赖于所做项目，行业新锐会主动聚集到已经有所建树的一线技术“大牛”身边——只有他们才能为团队提供方向感和安全感。“如果不能找到合适的大牛带队，其他人招再多也难以形成真正有效的战斗力。”江越认为。

在内部自我造血效果不佳、外部人才竞争日益激烈的共同刺激下，大力启用年轻人来掌舵AI研发就逐渐成了大厂的共同选择。这些新面孔一方面比原本的大厂中层更年轻、更敢于尝试，另一方面也比刚进入职场的AI新人有更多经验，能够同时满足内外两方面的需求。

02

大厂如何给年轻人“开道”？

年轻人上位，并不只是单靠个人能力就能完成的事。从深层看，是大厂通过一系列组织调整，主动把位置腾了出来。

为了让姚顺雨能够放手干，腾讯高层在他上任之前已经为他清理好战场、准备好弹药。原本独立的腾讯研究机构AI Lab被并入姚顺雨的部门；在他入主之前，混元大模型原本各细分模块的负责人悉数更换；他同时还被赋予更大的招聘灵活度，可以不再死板地卡学历和学校出身，更关注实战能力，并且得到充分授权可以给新员工开出高额薪酬激励。此外，根据已有媒体报道，姚顺雨直接向腾讯总裁刘炽平汇报，这相当于绕开了以往冗长的内部审批流程，让技术决策能更快地获得公司更高层的背书和资源倾 斜。

类似的逻辑也在百度发生。百度将基础模型研发部从CTO体系独立出来，与应用模型研发部一道，直接向CEO李彦宏汇报。百度基础模型研发部负责人孙天祥同时进入百度模型委员会——这个委员会的成员由“年轻的、对大模型具有深刻理解的研究员”构成。组织层面的调整同样释放一个信号：百度正在把基础模型与原有的研发体系分开，交给更年轻的人去做。

阿里的做法更加激进——在ATH事业群和Token Foundry事业部内部，涌现出一批由95后、00后主导的“超级小组”。这些3到5人的精干团队拥有高度自主权：可直接与决策层沟通，配备充足算力资源，且不设置短期量化考核指标。他们被鼓励开展高风险高回报的技术探索。

“大厂敢用年轻人的底气，不是赌他所有事都能搞定，而是确保他搞不定的地方有人兜底。”梁栋城分析道。这种“兜底”不再是传统的“老带新”，而是靠组织架构的主动调整——压缩层级、砍掉中间层、设立特区，把年轻人从复杂的组织关系里释放出来，让他们专注“打仗”。

不过，即便大厂的组织变革方向明确，在实际推进中，旧结构的惯性不会一夜消 失。

一位在大厂从零做出过产品的年轻人向《第一财经》YiMagazine提供了一个切面。2026年初，随着底层技术的成熟，他想做的面向C端的AI智能体工程难题逐步得到解决。在独自一人跑通了产品方案之后，他向老板提出要人，于是有了最初零星几人的小团队——除了来帮忙做他的项目，他们还有各自原来的工作。结果出人意料，项目对外公测后，迅速获得了大量用户的关注和下载。从他的经历来看，一个AI产品在大厂内部从0到1的过程，自主性和灵活性都有所增加——边缘创新可以在没有正式立项的情况下启动，但放权并不等于消除摩擦。

项目被市场认可后，原本几人的团队被动扩张，他对项目的话语权也被稀释。当一个由年轻人主导的边缘创新进入主流视野时，旧有组织惯性的反扑几乎是必然的。在大厂体系里，规则、流程和决策权仍然掌握在既有体系中，一旦项目被“看见”，这套体系就会运转起来——扩大团队、引入资深管理者、调整汇报关系。当团队突然涌进几十位陌生人时，他发现自己作为初创者的判断需要经过更多层级的过滤和博弈。最终，他选择了离开。

03

这场青春风暴会走多远？

大厂把年轻人推上了核心岗位，那这些技术天才真的具备带团队的能力吗？

根据江越的观察，不少AI大牛在软性能力、合作能力方面确有不足。“只不过现在AI领域大家都处于‘孤注一掷往前跑’的状态，把跑出新模型、新成效作为唯一标准，这掩盖了各式各样的其他矛盾和不足。”梁栋城也观察到类似现象：年轻负责人最核心的问题不是技术，而是怎么让比自己大5岁、10岁的工程师在资源有限的情况下做取舍。

但这些短板在当下的优先级确实不高。江越说得很直白，“对于AI大牛的招聘要求排序里，管理经验通常排不进前五位。”在“跑出模型”这个唯一目标面前，管理经验是被暂时搁置的。

但搁置不等于不需要。矛盾总会在某个节点爆发出来。

2026年3月4日凌晨，阿里千问大模型原技术负责人林俊旸通过社交平台向外界宣告他的离职意向。1993年出生的林俊旸是阿里技术序列中“最年轻的P10”，被视为千问的“技术灵魂人物”。他的离开并非突然决定的。据多方证实，彼时，通义实验室计划将Qwen团队“拆开打散”，从原本涵盖预训练、后训练、多模态、基础设施的“垂直整合”体系，变成预训练、后训练、文本、多模态等平行的分工团队。这意味着林俊旸的直接管理范围被大幅缩小。据接近此事的人士透露，这一调整涉及林俊旸原有权责范围的变动。

离职消息传出后，千问后训练负责人郁博文等多位核心贡献者相继告别。千问的核心技术团队在非常短的时间内出现了严重人才流失。3月5日，阿里巴巴CEO吴泳铭在内部邮件中紧急回应，批准林俊旸辞职，同时宣布成立基础模型支持小组以避免类似冲击再次发生。

但林俊旸的案例并不能推导出一个悲观的结论。它恰恰证明：在技术研发这一特定领域，管理缺位的代价往往不如在产品、运营部门来得明显，尤其是当技术推进顺利的时候。

这也是为什么大厂敢于把年轻人放在基础研发岗，却很少把他们直接放到产品、运营等直面市场和用户的岗位。技术研发这件事本身要单纯得多，而且在AI大模型研发这个具体领域，只要负责人真正懂业务，能抓住关键指标，成果更容易量化评价，任务也更容易模块化。这极大降低了管理的复杂度，无形中弥补了许多AI技术大牛缺乏团队管理经验的短板。而且为了鼓励技术探索，梁栋城发现大厂正在弱化对技术岗位的失败惩罚，以便研发部门放下心理包袱。

但产品和运营部门的管理逻辑完全不同，这类岗位涉及跨部门协调、资源博弈、用户理解、市场判断，工作成果无法被简单量化，员工的短板也无法通过“懂技术”来弥补。垂直行业的情况更加明显。科锐国际AI科技团队负责人李取补发现，每年新毕业的AI人才中，只有大约20%进入大厂做基座大模型，其余则进入垂直行业。和大厂的AI负责人不同，垂直行业AI业务的落地最迫切需要的往往不是底层研发能力，而是具体场景的应用落地能力。李取补举的一个典型例子是AI改变了职业的能力构成，比如CFO岗位，现在公司的招聘需求往往都要求候选人熟悉AI，能够借助AI自主设计独立的公司财务系统。最后成功被聘用的候选人年龄大多在35至40岁，比以往的大公司的CFO要年轻得多。他们在大学里学的往往是与AI并无直接关系的专业，纯粹是通过自学将AI技术应用到日常的工作之中。

一旦涉及到应用，需要的就不仅仅是技术知识，还有对公司业务的具体理解。这也能部分解释为什么很多大厂的AI“少帅”很多还不满三十，而头部AI创业公司的创始人都是四十出头的中年人。做一个聚焦研发的管理者当然不容易，但是其难度远低于执掌整个公司。从为整个公司提供愿景，到说服投资人接受愿景，再到把技术产品化并最终转化为利润，这里面的每一步都需要对人性的深度洞察、长期磨练的沟通交往的技巧以及应对突发事件的心理素质……这些都不是单纯靠熟悉技术就能解决的，而是需要大量时间来沉淀。

值得注意的是，国内外的节奏并不相同。作为全球最受关注的AI公司之一，Anthropic的估值已经超过OpenAI。6月11日，AI招聘平台Fonzi AI的人才工程负责人Sebastian Cuadros在自媒体平台发布了有关Anthropic工程师团队的系统性分析。他发现，这家以基础设施和大规模系统工程为核心的公司，招聘的大多数人是拥有10年以上经验、长期构建大型生产系统的资深工程师——在1680份履历中，44%的员工拥有13年及以上工作经验，仅50人工作经验不足3年。

这与国内大厂大量起用刚毕业或毕业不久的年轻人形成了鲜明反差。“国内外的打法不太一样，海外已经在工程落地阶段了，他们需要见过大风大浪的人，需要能够打仗的老兵，国内的话还在快速追赶期，所以需要大量新鲜血液去跑通技术。”梁栋城分析道。不过他也就这个话题跟企业高管聊过，得出的结论是现阶段看似年轻人是上桌了，但最终落地的时候，还是需要老将——“那些知道在突发情况下，怎么才能在组织层面最终把事情做赢的人”。这揭示了一个更本质的逻辑：年轻人上位不是因为年龄本身，而是因为行业所处的发展阶段需要快速试错和迭代。一旦技术路径趋于稳定、重心从探索转向工程化落地，经验的价值就会重新凸显。

本文转自：凤凰网科技

原文地址： https://tech.ifeng.com/c/8vfVlkO4Yyc