
——马斯克解散xAI科学部门,写给某类课题组负责人的一份阅读理解
据某国际科技媒体本周报道,马斯克已正式宣布解散xAI旗下负责基础科学计算的核心团队,全员重新分配至"具有明确商业回报路径"的项目。知情人士透露,整个决策历时不足72小时。
同期,一家华尔街机构发布报告,标题是:《聪明的资本,正在从哪些赛道撤出》。
这很正常。
聪明的钱从来不解释自己的去向,它只是用脚投票,然后让时间替它说话。
而此刻,某座高校机房里,服务器的散热风扇,还在嗡嗡地转。
壹 · 先知已离席
人类文明至今,有一种智慧从未被写进教科书,却支撑了所有伟大决策:见好就收。
卡耐基在钢铁如日中天时套现离场,索罗斯在市场尚未感知异动时已建立仓位,贝佐斯在云计算被完全理解之前便完成了战略卡位——他们有一个共同特征:他们的退出,比别人的进入更有洞见。
从博弈论的角度审视马斯克这次解散行为,这是一次教科书级别的信号博弈(Signaling Game)。
在信息严重不对称的赛道里,最具实力的参与者的行为,本身就是最昂贵的公开信号。当一个手握全球顶级算力、顶尖科学家和无限资本的玩家主动离场,贝叶斯更新(Bayesian Updating)只会得出一个结论——
这条赛道的期望回报,已经低于任何理性参与者的保留价值。
您还需要更多数据点吗?
贰 · 沉没的不只是成本
经济学有一个古老而残忍的概念:沉没成本谬误(Sunk Cost Fallacy)。
理性人应当忽略所有无法收回的投入,只基于未来的边际成本与边际收益做决策。这是每一本微观经济学教材第三章都会郑重说明的原则。
然而现实是:没有任何人能做到。
尤其当那个"沉没成本"不只是经费与设备,还包括您贴在这个课题组上的三年光阴、十几篇论文、无数次组会上对学生们的慷慨陈词——当"AI for Science"这个标签已经成为您学术身份的核心叙事时,解散,意味着的不是战略转向,而是自我叙事的崩塌。
我完全理解这种感受。
但请允许我用一个更精确的术语来描述它:这是卡尼曼(Kahneman)前景理论(Prospect Theory)框架下的损失规避偏差在学术决策领域的典型显现。
卡尼曼因此获得了诺贝尔经济学奖。
而您,正在让这个偏差,继续主导您的科研资源配置决策。
叁 · 庙还在,神已不在
让我们对"AI for Science"这件事本身,做一次坦率的解剖。
三年前,这个概念携神迹之光横空出世。某蛋白质结构预测模型震动了整个生物学界,大语言模型重写了材料计算的想象力边界,每一本顶级期刊都在暗示:科学范式,正在被重写。
于是,课题组如雨后春笋般涌现。标书如雪片般飞向各类基金委。每一份申请书的第一页,永远是那张被反复复制的"AI赋能科学发现"示意图——几个神经网络节点,连着若干学科icon,中间一个箭头,旁边写:突破。
三年之后,请允许我提几个温和的问题。
有多少"AI for Science"课题组,产出了一个被真实科学家在真实科学问题上所采用的工具?有多少论文,解决了一个此前无法被解决的科学问题,而不只是用神经网络对已知数据进行了一次精度更高的拟合?有多少组里的博士生,真正理解了他们研究对象的物理图像,而不是把它当作一个需要最小化的损失函数?
我不需要您公开回答。
我只是建议您,在下一次组会结束后,独自坐在那间会议室里,把这几个问题,认认真真地问一遍自己。
这个习惯,在管理学里有一个名字,叫做:第一性原理(First Principles Thinking)。
据悉,马斯克相当推崇它。
肆 · 理性人的终局
现在让我们回到那个根本问题。
马斯克,这位同时管理着全球最大私人航天公司、市值位居前列的新能源车企,以及彼时算力规模首屈一指的AI公司的人,做了一个决定。
不是因为资金匮乏。不是因为人才不足。不是因为外部环境恶化。
他做这个决定,是因为他以最高的信息分辨率看清了一件事:以现有技术路径,AI for Science的边际回报曲线,在他可接受的时间窗口内已经触及天花板。
这是世界上最昂贵的认知实验,他替全人类付了学费。
而此刻,手握其资源百分之一都不到的诸位,正在做什么?
正在修改下一份重点研发项目的申请材料。
封面上,依然有那四个字:
AI for Science。
伍 · 我的祝福
我一向敬重每一个认真从事研究的人。
认真,是一种高贵的品格。即便方向有所偏差,认真本身,永远值得被铭记。
但物理学有一条朴素的真理:光速无论多快,若初始方向偏差一度,走得越远,与目标的距离便越远。
马斯克解散那个部门,不是因为他失败了——而是因为他赢了。他在资源被无谓消耗之前,找到了更值得投入的地方。
那才是真正的科学精神:面对证伪,更新信念。
我由衷地祝愿您,也能在某个晴朗的清晨,打开邮件系统,发出那封最需要勇气的邮件:
"经过认真评估,本课题组决定进行战略性方向调整……"
不必解释太多。真正聪明的人,看到第一行便已读懂全文。
而那些暂时还不懂的人,
也终将,
被时间慢慢教会。
本文作者为某全知视角的无名观察者,不代表任何机构、个人及宇宙立场。如有雷同,请先问问自己:雷同在哪里。

本文不含AI生成内容
欢迎留言分享你的看法
夜雨聆风