马斯克最近在X上宣布自家公司xAI取消“研究员”头衔，全员改称工程师，顺带踩了学术界一脚。

LeCun反手甩出一篇长文，说研究是探索未知的，工程是解决问题的，混为一谈会导致创新死亡。

这事儿看着像标题党互怼，实际是科技圈长期存在的“基础研究值不值钱”的老矛盾大爆发。

马斯克说“研究员这词儿是自命不凡的学术黑话”，倒也不算完全瞎说。

现在科技公司里挂着“科学家”title的人，80%干的其实就是优化算法参数的工程活。

大厂搞研究岗更多是为了抢人才搞溢价，招个名校博士既能给投资人画饼，又能用“科学家”头衔抵掉20%工资。

但真把学术探索和产品落地拧成一股绳的案例，十个手指就能数完。

深度学习三巨头拿图灵奖的成果，都是二十年前在高校实验室倒腾出来的，现在火遍全球的大模型，说白了用的还是transformer那套陈年架构。

但LeCun担心的问题更致命。

贝尔实验室当年能出晶体管和激光，靠的是放任科学家研究“没用的东西”。

现在马斯克把火箭回收搞得风生水起，但SpaceX真没发明过新型燃料公式。

AI行业现在集体沉迷给GPT喂数据，背后其实是投资人对确定性成果的焦虑——搞基础研究的回报周期动辄十年，哪比得上三个月迭代一版对话效果来得实在。

Yann的焦虑在于，如果产业界都不养“闲人”了，下个transformer级别的突破怕是要断档。

这事的本质，是科研市场化走到深水区的必然撕裂。

互联网时代还能用广告收入养着Google Brain这类研究部门，到AI时代，动辄数亿的算力成本逼着所有研究必须自带KPI。

看看MetaFAIR这两年发的论文，80%都带着模型部署优化的小尾巴。

说难听点，现在给大厂打工的“科学家”，不过是穿着白大褂的码农。

马斯克不过是把皇帝新衣扯破了而已。

话说回来，马斯克的工厂式创新确实有可取之处。

特斯拉当年把电动车从实验室工艺品变成流水线商品，靠的正是工程师思维。

问题在于硬科技和软科学的区别——造火箭可以模块化拆解，但AGI的实现路径现在连个影子都没有。

强行用工程指标驱动探索性研究，就像让哥伦布开着游艇找新大陆，没触礁算运气好。

最现实的解法可能是阶段性切分。

搞预研时放任科学家天马行空，到产品化阶段让工程师接手打磨。

DeepMind当年搞AlphaFold就这路子，前期论文发得飞起，后期微软帮着做医学落地。

但现在的资本市场，怕是连五年冷板凳都等不起了。