一句话看懂：OpenAI前安全科学家李兰·翁（Lilian Weng）因工作压力导致健康恶化，从联合创立的AI公司Thinking Machines Lab辞职，但仅两天后就被OpenAI召回，负责“递归自我改进”这一最前沿、也最高压的项目。这一戏剧性转折折射出AI行业人才争夺已进入“燃烧殆尽也要强留”的白热化阶段。
事件核心：发生了什么
周二，李兰·翁在X上宣布辞去Thinking Machines Lab（她与OpenAI前CTO Mira Murati联合创立的AI研究公司）职务，原因是“持续的压力和工作量超出了我的健康承受能力”。她提到过去7个月生病的频率超过一生中任何时期，未明确诊断。她曾试图在团队冲刺发布首个开源权重模型Inkling时休息，但感到愧疚；她也考虑过担任范围更窄的角色，但认为不合适，希望找一份“更可预测、更有边界”的AI工作。
然而戏剧性的是，据The Information报道，仅两天后（周三），翁已重新加入OpenAI，负责“递归自我改进”（recursive self-improvement）——即利用AI模型来构建更好的AI模型，这是当前AI竞赛中最具挑战性、也是OpenAI押注最重的技术方向之一。她原想逃离高压，却接下了一个本质上没有“边界”的位置。
这并非孤例：同月OpenAI董事Fidji Simo因慢性病复发暂时退出；xAI联合创始人Greg Yang因莱姆病转为顾问。离开者多位于CEO之下一级，而一线工作强度常有“996”现象（早9点到晚9点，每周6天）。翁的回归进一步稀释了Thinking Machines Lab——截至5月，该实验室42名创始成员中已有13人离开，包括6位联合创始人中的3位。
为什么重要
翁的跳进跳出揭示了一个悖论：AI行业的人才正在为健康买单，但最优秀的研究员几乎没有“退路”——他们会被头部公司以更高薪、更核心的问题迅速“吸回”。递归自我改进是通往AGI的关键路径，OpenAI显然不愿放走这样一个曾在安全与对齐领域有深厚积累的科学家。但安排一位刚因过劳脱身的研究员去攻克这个“没有上限”的课题，凸显行业对人才消耗的漠视。
同时，Thinking Machines Lab的持续失血（创始人、研究员不断被Meta、OpenAI挖角）说明，现阶段初创AI公司很难在人才战上与巨头匹敌，尤其是当巨头可以开出“无法拒绝的薪酬包”时。
对用户/开发者/创作者的影响
对普通用户和开发者而言，翁回归OpenAI从事递归自改进，最直接的影响可能是：未来OpenAI模型的迭代速度将更快、能力边界将更陡峭地扩展。这或许意味着API定价会更激进（算力成本摊薄），也可能意味着闭源模型的优势进一步拉大——开发者若依赖开源模型，需警惕与头部闭源产品的差距快速扩大。创作者则需关注：更强大的自改进模型可能让AI原生应用（如代码生成、图像生成、自动化工作流）的门槛持续降低，但也要面对模型能力超出预期导致的合规风险（如幻觉、安全漏洞）。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
第一，翁的健康能否支撑她在递归自改进这一“永不停机”的方向上长期工作？如果再次出现健康问题，OpenAI如何应对？第二，Thinking Machines Lab剩余的核心成员会不会继续被挖走？该实验室的“开源权重”路线是否会因此中断或改变？第三，递归自改进是否会在OpenAI已有产品（如GPT-5、推理模型）中尽快落地？如果落地，其安全释放机制（如对齐调试、红队测试）是否足够透明——这直接影响企业采购和合规判断。
来源：The Next Web
