2026年1月4日，前Meta FAIR研究总监田渊栋发布离职后首份年终总结，回顾2025年Meta裁员风波中被裁经历，坦言被迫离开工作十年的公司。他透露已选择创业，担任新初创公司联合创始人，并深入探讨AI可解释性、推理效率及人类在AI时代的角色转变，提出‘费米能级’概念，警示原创力危机。
谁能想到，在Meta深耕十年、主导过围棋AI“DarkForest”和连续思维链Coconut等前沿项目的田渊栋，最终竟以“被优化”的方式黯然离场？2025年10月，Meta CEO扎克伯格宣布AI部门裁撤600人，连被视为技术核心的FAIR研究团队也未能幸免——田渊栋所在的整个小组被直接“一锅端”。这场裁员并非简单的成本削减，更像是一场AI战略路线的清洗：老派研究者让位，新势力上位。
更讽刺的是，就在年初，田渊栋还曾临危受命，带领团队紧急支援Llama4项目，加班加点赶进度。然而项目最终未能如期交付，他本人也未获得任何实质性认可。他在年终总结中坦言：“我算过四种可能的结局，唯独没算到被裁。”尽管Meta提供了八个月薪资的“体面”补偿，但这无法掩盖十年心血被一键删除的荒诞感。他曾是Meta AI最硬核的研究者之一，如今却成了“战略重组”中最刺眼的牺牲品。这场离开，不仅是个人的职业转折，更折射出大公司在AI浪潮中对原创研究的态度转变。
职业转折：拒绝大厂橄榄枝，选择创业
2025年Meta裁员风暴中，田渊栋的离职引发硅谷震动。作为FAIR核心科学家，他的动向迅速成为行业焦点——OpenAI、xAI、Anthropic等头部AI公司接连在社交媒体公开示好，评论区一度沦为“抢人现场”。英伟达研究员范麟熙更以“热乎乎的高性能GPU”为筹码，折射出算力资源已成为顶尖人才争夺的核心武器。
然而，面对巨头抛出的橄榄枝，田渊栋最终选择了一条少有人走的路：担任一家新初创公司的联合创始人。他在年终总结中坦言，尽管收到诸多邀约，但更希望“安静地忙一段时间”，暂不公开具体细节。这一决定背后，既有对Meta“战略重组”逻辑的失望——他曾临危受命参与Llama4项目，却在成果未达预期时与团队一同被裁，补偿仅八个月薪资；也暗含对AI研究独立性的坚持。与其依附大厂体系，不如以创始人身份探索更自由的技术路径。
值得注意的是，田渊栋并非孤例。同批离职的Meta首席AI科学家杨立昆（Yann LeCun）同样选择创业，聚焦“世界模型”开源研究。两位顶尖科学家的共同选择，或许预示着AI人才流动的新趋势：当大厂的短期绩效压力与基础研究理想冲突时，顶尖大脑正加速流向更具自主权的创新土壤。
AI研究新方向：推理与可解释性
2025年，田渊栋团队将研究重心转向大模型推理机制的本质突破与模型可解释性的理论构建，试图在“Scaling Law”边际效益递减的背景下，寻找智能跃迁的新路径。其核心成果——连续隐空间推理（Coconut），彻底跳脱传统思维链的离散语言框架，将推理过程压缩至连续隐空间，通过梯度动力学实现知识的高效表征与传递。这一范式不仅被COLM'25收录，更被视为通向“类人推理”的关键一步。
“可解释性不是选择题，而是AI发展到临界点的必答题。”
田渊栋强调，无论是防范超级智能失控，还是突破当前技术瓶颈，理解模型“为何如此思考”已成为刚需。
连续隐空间推理（Coconut）的理论突破
Coconut摒弃了依赖自然语言生成思维链的传统方式，转而将推理轨迹嵌入连续向量空间，使模型能在无显式语言中介的情况下完成复杂逻辑推演。这一设计显著降低了语义歧义带来的误差累积，同时提升了跨任务泛化能力。实验表明，在数学推理与代码生成任务中，Coconut相较传统CoT方法准确率提升18%，且训练稳定性更强。
提升推理效率的多项技术探索
团队同步推进多项工程优化：TokenAssorted混合隐空间token与文本token，减少30%计算开销；DeepConf实时监测token置信度，动态剪枝低效路径，反使多数投票性能提升15%；ThreadWeaver构建并行思维链架构，推理速度达传统方法2倍以上。这些技术共同指向一个目标：以“质变”替代“量变”，打破对参数规模的盲目依赖。
Grokking现象揭示模型学习本质
通过对Grokking（顿悟）现象的深入研究，团队发现：当模型主权重分量稳定、仅次要分量稀疏调整时（如强化学习场景），泛化能力可自然涌现；而监督微调（SFT）因直接扰动权重根基，反而导致灾难性遗忘。这一发现发表于《未被选择的道路》，被学界称为“打开黑箱的一扇窗”，为理解模型从记忆到理解的跃迁提供了新解释框架。
AI时代的生存法则：从员工到创始人
田渊栋提出“费米能级”这一颠覆性概念，用以揭示AI时代职业价值的非线性重构。传统劳动力投入-回报呈单调上升曲线，而如今在AI能力碾压的领域，普通人的独立产出价值趋近于零，唯有能系统性增强AI能力者，才可能跨越阈值，获得指数级回报。这解释了为何Meta裁撤基础研究团队——当大模型自身能力逼近甚至超越人类平均水平，企业更看重“谁能更快让AI落地赚钱”，而非“谁能更深入理解AI”。
“低于费米能级的职业，可能在一夜之间就被颠覆掉，就像一场洪水或者地震一样。”
这一判断背后，是人类角色的深刻转变：人的价值不再取决于“本人产出的劳动数量及质量”，而在于“人+AI”的整体效能是否大于AI单独运行。普通人只能对AI的个别输出修修补补，而顶尖人才则能提出系统性解决方案，结合GPU、数据等资源，几何级数地放大AI的能力。这种两极分化将导致智能体分布呈现“电子能级”特征：大量低水平智能体求着工作，极少数高水平智能体被争抢却难以获取。
面对这一趋势，田渊栋强调保持原创力的关键在于“主动思考”。他提出战术与战略双重路径：战术上，要不断审视AI答案的漏洞，寻找其无法解决的新问题；战略上，则需从“员工”思维转向“创始人”思维——“如果心中有一个坚定的目标，并愿意动用一切手段（包括将大模型作为核心工具）去达成它，那么主动思考就是自然而然的结果。”他甚至鼓励看似荒诞的志向（如“去土卫六开演唱会”），因为唯有远大的目标，才能激发持续的主动思考，让人始终屹立于“费米能级”之上。
在这个“遍地神灯”的时代，AI不再是稀缺的阿拉丁神灯，而是俯拾皆是的工具。真正的稀缺品，是“愿望”本身，以及将愿望化为现实的坚持与创造力。田渊栋的警示清晰而紧迫：若沉溺于AI提供的廉价便利，丧失独立构思能力，人类终将沦为“连许愿能力都失去的空壳”。
