但 AI 大模型有本质不同。一位在国内某头部 AI 创业公司担任 COO 的创业者分析道：“做移动互联网产品，你可以用 AB 测试来决策。但做大模型，你不能 AB 测试，你今天训练一个模型，一个月后才看到结果，你不可能一个月后再来 AB 测试另一个方案。大模型的创新节奏，天然跟大厂的月度、双月考核周期打架。”
他补充了一个细节：他此前在某互联网大厂 AI 部门工作时，每一次季度复盘都要拿出“可见的产出”，要么是模型指标提升，要么是产品功能上线，要么是论文发表。“如果你一个季度没交出这三样东西里的一样，你就会被标记为“没有产出”。但做大模型研究，有时候一个季度就是在试一个方向，试出来是死路，这也是有价值的。但大厂的体系不认这种价值。”
开源运动的冲击进一步放大了这个矛盾。
阿里开源的 Qwen 和 DeepSeek 开源的 V4 系列，让最前沿的模型能力变成了某种意义上的“公共品”。多位开发者反映，目前国内大量 AI 应用的底层模型用的就是开源方案，而不是自研。当模型本身不再是壁垒，竞争的关键从“谁的模型更强”转向了“谁更懂场景、更快迭代产品”。
而后者恰恰更有利于小团队。“场景理解需要的是跟用户泡在一起，产品迭代需要的是快速决策，这些事情在 10 人团队里就是一句话的事，在大厂里要过好几层评审”，一位从字节离职创办 AI 应用公司的创始人说。“我们周一决定做一个功能，周三上线。我在字节的时候，同样的事最快两周，因为有评审、有排期、有资源协调。”
六、人才流向哪里？
根据公开统计数据，2024 年至 2026 年 6 月，全球 AI 核心人才流动中，在可确认去向的 78 位知名 AI 研究者里，49 位选择了创业或加入创业公司，占比超过六成。
他们去的地方，是 Anthropic、OpenAI、DeepSeek、月之暗面、智谱 AI 这些独立 AI 公司，而不是另一家大厂。
“大厂的 AI 人才去小厂，不是因为钱，”一位专注 AI 领域的猎头分析道。“大厂的薪酬 package 往往更高，尤其是股票部分。问题出在三个地方：第一，你能不能做你想做的方向；第二，你的决策链条有多长；第三，你做的东西能不能真正落地。大厂在前两点上普遍不如创业公司。”
这位猎头提供了两组具体对比：某头部大厂 AI 研究员想要启动一个新方向，从提方案到获得正式批准的平均周期是 4 到 6 周。而在大多数 AI 创业公司，这个过程不超过一周。在大厂，一位 AI 研究员大约 40% 的时间花在各种会议和流程上；在创业公司，这个比例通常低于 15%。
她还提到一个更具象的细节：“有的候选人跟我说，在大厂最累的不是写代码、跑实验，而是‘跟各部门对齐’。一个大模型团队，要跟云部门对齐、跟业务部门对齐、跟中台对齐、跟法务合规对齐。你但凡有一个部门不点头，实验就跑不了。”
七、谷歌的 AI 正在吃掉谷歌
大厂的另一层困境藏在商业模式里：AI 不是在帮大厂赚钱，而是在吃它的老本。
发表于 