林俊旸离职阿里Qwen：AI人才危机下的KPI之困与专业忠诚度博弈
三月四日（周三）凌晨，阿里通义千问（Qwen）团队的技术负责人林俊旸在社交媒体上发布了一则状态。同日，Qwen的后训练负责人郁博文也正式宣告离职，其职责将由年初新加入阿里通义实验室、前DeepMind高级资深研究员周浩接替，周浩直接向阿里云CTO兼通义实验室负责人周靖人汇报。
起初，业界普遍认为今年国内AI领域的焦点事件将是DeepSeek V4的发布。未曾预料，在OpenClaw等产品异常火爆的背景下，反而是明星AI产品Qwen团队核心成员的接连离职引发了轩然大波，这种强烈的反差感令人深思。
如此高规格的人才变动，必然在行业内激起震动，一时将阿里推至舆论的风口浪尖，并招致诸多批评。
探究其背后原因，从表面看似乎是：内部管理层在巨大的商业变现压力之下，尝试引入DAU（日活跃用户数）、用户留存率等典型的面向消费者（C端）产品的运营指标，用以考核专注于底层基座模型研发的Qwen科研团队。这种被认为不够内行的考核方式遭遇了团队的抵触，从而触发了离职事件。总体而言，这一事件对国内AI产业的健康发展产生了偏负面的影响。
人才流动：AI行业的常态与隐忧
尽管事件性质偏向负面，但高端AI人才的流动在行业内实属常见。例如，Meta此前成立的超级智能实验室，其核心成员中便不乏从OpenAI以天价挖角而来的人才。
因此，情况或许并不像外界想象的那么糟糕。类似案例在过往亦有发生，例如2024年字节跳动曾以高价挖角周畅，提供了相当于阿里P11级别的4-2职级，据传薪资接近八位数。面对这种量级的邀约，竞业协议与保密条款的约束力往往显得有限，企业争夺的是在技术竞争中的优先身位。
而事件中看似“最大的受益者”——那位从DeepMind空降、此前名不见经传的接任者，或许也仅是被推到台前的一把刀，其真实能力水平尚待时间验证，这一点我们稍后会展开讨论。
从管理学的视角审视，这更像是一次典型的“服从性测试”。最直接的归咎对象是KPI和那些数据指标，对此我们可以深入探讨一番。
KPI之困：数据指标的管理悖论
坦白说，我认为所有用于衡量团队或业务的数据指标，在某种程度上都是一种伪命题。
它们常常是管理者对下属工作不满，却又不便直接表达时，所采用的一种经典“拿捏”手段，本质上是一种忠诚度测试。并且，这种方式在表面上极具合理性，你几乎无法从道理上直接反驳。
在多年的管理生涯中，我接触过许多热衷于探讨数据指标和团队衡量的老板或领导者。他们似乎都非常关注这个话题，也各自有些心得，但往往又无法将其阐述清晰。
细想之下这也很正常。大家普遍重视指标，很大程度上是受管理大师彼得·德鲁克那句名言的影响：“如果你无法衡量它，就无法管理它。”数据指标这个概念首次给我留下深刻印象，是在我职业生涯的某个阶段。当时团队新来了一位总经理，我的直属领导可能一时有些无所适从，为了展示自身的专业性，终于开始狠抓管理，要求每个团队提出能够衡量自身乃至业务好坏的数据指标。
一时间众人愕然，但很快有同事做出了响应，例如服务器团队提出了稳定性要达到四个九，质量效能团队提出了测试通过率等指标。
而我当时身处业务团队，提出的指标就显得颇为尴尬，连续提交了几个版本都未获认可。如今回想，原因要么是领导对此一知半解，要么就是他有意为难。
但我当时在理论上有些较真，一直在这个问题上钻牛角尖，真正去思考数据指标的意义所在。最终，我给了自己两个答案：
第一，如果我想不出合适的数据指标，说明我对自己团队所负责的事务缺乏清晰的认知； 第二，如果我想清楚了数据指标，却无法推动其落地，说明我对整个团队缺乏掌控力，不能有效推动执行。
因此，无法建立有效的数据指标体系，就意味着无法实现数据驱动。看似简单的数据指标，实则如同一面镜子，映照出团队是否在“裸泳”。
然而，随着阅历的增长，我逐渐认识到上述观点或许只是一种理论上的理想状态，甚至是业务增长陷入停滞时的产物！
因为后来我的职位逐渐升高，经手了各种各样的指标、KPI和人效数字。我渐渐意识到，这些数据指标很多时候“毫无用处”。
之所以说它们无用，是因为即便你发现某个数据指标出了问题，又能怎样呢？去惩罚相关的员工吗？中层干部是公司花费大量时间和资源培养起来的，损害了他们的威信，他们还如何带领团队？
如果无法处理干部，压力就只能传导至一线员工。长此以往，公司的文化就会演变成：谁干得越多，谁出错的概率就越大，而机制惩罚的也正是这些实际干活的人。难道应该如此吗？
实际上，数据指标本身没有问题，但它只能暴露问题，却不能解决问题，更无法解决“问题背后的人”。
因此，数据指标之所以显得“无用”，是因为公司不得不考虑人才培养的沉没成本。我们总是需要可靠且忠诚的员工，如果因为员工的一些问题就轻易采取惩罚或淘汰措施，只会滋生负能量，直接后果就是大家变得不敢尝试、不愿担当，这反而得不偿失。
最关键的一点是：多数时候，你找不到更合适的人选，你根本没得选！
综上所述，现实情况往往是，各大公司都在高呼数据驱动、建立指标体系，但多数公司并不会真正严格地依据这些指标进行决策。因为数据指标本身并不直接解决问题，更处理不了人性与关系的复杂性。
但对于管理者而言，重视指标依然是必要的，因为这会让上级觉得你专业、懂行，这是一个极佳的向上管理工具！
至此，各位应该能够明白，如果一个员工因数据指标问题而离职，他大概率是遭遇了上级的刻意刁难。
所以，离职的根本原因就不在于数据指标本身，而在于其背后的站队逻辑与权力博弈。这便涉及到两个关键概念：高定价与专业忠诚度。
高定价逻辑：资源换时间与任人唯亲
在人才市场中，一个纯粹的管理者通常不会有太高的定价。其高价值往往源于过往公司赋予的额外技术或行业壁垒加成，企业所购买的是其独特的认知与“Know-How”（技术诀窍）。这是一种典型的“用资源换取时间”的策略。
举例而言，字节跳动绝不可能仅仅因为某人是技术天才就给予其4-2这样高的职级。一定是此人在原公司已经取得了某些可以立即被借鉴或复用的显著成果。这里与其说是“购买人才”，不如说是“购买现成的成果”。
因此，各位领域专家和管理者切勿死守所谓的“通用管理技能”，这在激烈的竞争中并无太大优势。纯粹的管理工作意义有限，更多属于项目管理的范畴；而纯粹的专业技能也只是实现目标的工具。个人努力的核心，应当围绕能够构建壁垒的行业项目展开。
所有的高薪背后，都是因为你拥有稀缺的“Know-How”。所以，深入理解特定行业，并主导完成几个具有技术或商业壁垒的行业项目，这一点至关重要。
这个道理各家公司的高管岂能不知？于是便衍生出一条中高层的生存法则：“上面必须有人”，即需要成为某位高管的“嫡系”，并且要善于为你的老板发现和创造新课题，帮助其扩张势力范围。
显然，在本次案例中，情况似乎并不符合这条法则，因为没有更高层级的管理者出面力保林俊旸。至于原因，我猜测有两点：
- 当前AI领域人才溢价过高，双方在薪酬、权限等方面的期待存在巨大落差，都想掌握主导权；
- 技术出身的负责人可能更倾向于理想化的技术追求，不愿过多卷入复杂的管理斗争。
无论如何，结果就是谈判破裂。
那么，问题来了：应该责怪那些高管吗？答案或许是否定的，因为对于关键岗位的任用，“任人唯亲”几乎是一种必然的选择。
请大家设想一下：如果你是一位高管，手中握有一个预算高达十亿的AI重大项目。请相信，这笔巨资无论砸在谁身上，都有可能“砸”出一位行业大神。那么，你会将这笔宝贵的预算交给谁呢？
如果交给一个能力出众却桀骜不驯、且与你关系疏远的人，一旦他在项目成功后携成果离职，该怎么办？
这就引出了“专业忠诚度”的问题，这也是许多关键岗位能够获得高定价的核心原因：
第一，企业购买的是“专业忠诚度”，即专业人员在面临重大决策时，在关键时刻会与公司利益站在一起，甚至会主动为公司节约成本；第二，是购买他不会轻易拿着核心成果跑路的承诺。
专业忠诚度：关键岗位的核心价值
“专业忠诚度”这个概念，对许多同学来说可能比较陌生。这里以CTO的角色举例说明：假设当前项目有两条技术实现路径：
- 第一条路径与技术前沿强相关，实施后能带来显著的技术进步，但可能需要投入额外的巨额成本；
- 第二条路径与技术革新关联不大，但同样能解决问题，且成本会低很多。
如果你是那位CTO，面对技术极致的诱惑，以及在四位技术总监的不断劝说之下，你能否做出最符合公司整体利益的决策？
这是一个至关重要的考验。
这里有一个真实案例：我曾在一家大型公司任职，当时的部门负责人极度推崇Flutter技术，并极力推动使用Flutter重构公司的主要APP。
为此，他先在团队内部进行验证，投入了十几人耗时半年左右，成本粗略估算约300万元。结果到了年底，项目无疾而终。
那么，这300万元的成本应该由谁来承担呢？
请注意，这并非是说企业不应进行技术创新。管理不能从一个极端走向另一个极端。
关键在于，在公司运营中，有些技术基建是必要的投入，有些则可能成为浪费。如何区分“浪费”与“必须”，恰恰需要专业人员的精准判断。
作为专业的团队领导者，首先必须摆正自己的位置：你首先代表的是公司利益，其次才是一名领域专家。一旦立场发生偏移，所造成的资源浪费将是巨大的。
让我们将视角拉回到当今的AI领域。通用大模型的研发成本极高，无论是在数据工程上出现疏漏，还是在技术架构上产生分歧，这些看似微小的“小事”，最终体现出来的损失数字都可能以亿计！
因此，高管们倾向于启用自己“信得过的人”，实属情理之中。只不过，这个人是否真的值得信任，还需要时间的验证。
结语
优秀人才对于任何一家公司而言都是至关重要的资产。实际上，本次事件的破局点或许并不在于高管层，而在于公司的“一号位”（最高决策者）。
公司无疑需要倚重一批富有创造力的年轻人才。如果这些人才能够直接向CEO汇报，许多中间层的管理摩擦或许就能避免。只不过，当CEO们随着年龄增长，其社交圈层可能逐渐固化，接触新鲜血液的渠道变得狭窄，这便构成了一个现实的难题。
总而言之，林俊旸与郁博文的离职，对阿里Qwen团队乃至国内AI界而言，都是一件令人深感惋惜的事情。它映照出技术理想与商业现实、专业追求与管理考核之间复杂而深刻的矛盾。这场风波留下的，不仅是对个别人才去留的感叹，更是对整个行业如何构建健康人才生态与管理体系的一次严峻拷问。