据晚点LatePost报道，腾讯首席AI科学家姚顺雨曾在内部表达过类似意思：团队无法像DeepSeek那样不加班，但可以通过竞争把DeepSeek”卷到加班”。该说法具体语境未获独立证实，后续流传版本将其争议进一步放大。这一言论在舆论场引发广泛讨论，也折射出当前中国大模型竞争中，互联网巨头与初创公司之间在组织文化和技术路径上的深层分歧。
从时间线来看，腾讯于2025年底从OpenAI引进顶尖年轻科学家，赋予其首席AI科学家的头衔，并让其负责核心业务线。这一人事安排被外界解读为腾讯试图打破内部体制惯性、加速AI研发效率的举措。混元大模型在过去一年中按部就班发布了多个版本，并在内部完成了大量应用接入，但在开发者心智和外部声量层面，面临字节豆包和DeepSeek的双重挤压。前者依靠流量和投流获取数亿用户，后者则以极低算力成本和开源生态在全球范围内快速扩张。
DeepSeek的工程效率数据可以作为参照。据公开披露，DeepSeek-R1的核心训练仅动用约2000张H800 GPU，训练成本约557万美元；后续强化学习增量训练使用512张H800、耗时80小时，成本约29.4万美元。这一成本水平仅为同类闭源模型的十分之一甚至更低。其技术路线依赖算法创新、系统工程和代码效率，而非单纯延长工时。DeepSeek在MoE架构上的突破以及推理框架的极限优化，构成了其竞争力的核心来源。
对比来看，大型互联网企业内部往往存在多层汇报流程、跨部门对齐会议以及围绕KPI展开的重复性工作。当团队需要以”卷加班”作为竞争手段时，通常意味着其在技术路线选择或组织协同效率上已处于被动位置。这一逻辑在AI大模型研发领域尤为明显：算法前沿的关键突破，如Transformer、MoE、RLHF等架构的提出，往往集中在少数研究人员的密集智力投入上，而非依靠人力规模的线性叠加。
对于空降的年轻技术负责人而言，真正的挑战来自组织内部而非外部竞争对手。大模型研发需要数百人团队高效协同，涉及跨事业群的GPU资源统筹、资深算法团队的管理协调，以及短期KPI与长期底层创新之间的平衡。在高速运转的巨型组织内部推动技术路线调整，其执行难度不容低估。大厂拥有顶级薪酬和庞大资源，但同时也承载着沉重的组织惯性。
从行业层面看，这场争议触及了AI研发模式的核心问题。传统互联网时代的网络效应和规模效应，使巨头可以通过人海战术和资金优势建立壁垒。但大模型时代的技术演进呈现非线性特征，人才密度而非工时密度成为决定竞争力的关键变量。DeepSeek的实践表明，极客文化驱动的小型高效团队在当前阶段仍具备与资本驱动型大厂正面竞争的能力。Anthropic、OpenAI等硅谷公司同样依靠极高的人才密度维持技术领先。
对腾讯而言，在模型跑分之外，组织形态的调整可能是更具决定性的变量。建立尊重工程效率、允许试错的研发文化，减少以汇报文档为导向的流程消耗，是其在AI下半场保持竞争力的必要条件。真正的技术突围依赖于前瞻性的技术判断、扁平化的组织架构以及对”用算力换取智能”这一底层法则的持续投入，而非工时时长的简单累加。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
