在审视中美两国AI行业”卷”文化时，一位亲历者的经历颇具代表性。这名女性先后在字节跳动和阿里巴巴的人工智能团队任职，四年大厂经验中有三年深耕AI赛道，身处国内科技圈这股浪潮的最前沿，亲眼目睹企业不计成本地投入资金与人力去训练和商业化模型，那种阵势堪比一场”科技大跃进”。
就在受访前一天，她的上级在工作群发了通知——”号召全员9116″，即每天早九工作到深夜十一点，一周干六天。理由很简单：”别的团队都已经拼起来了。”
不同于大多数被淘汰的同事，她在大厂严酷的筛选机制中存活下来。鉴于字节、阿里等头部公司对在职员工有严苛的保密要求，此处以”A小姐”代称。
入职字节之初，A小姐被分配在”头条新闻”部门，每天朝十晚六，空闲时间不少，下班后还去报了架子鼓培训班。”那阵子确实挺闲的，花了一万块钱去学鼓。”
然而这笔学费注定打了水漂——她很快从原部门调入大模型研发岗位，加入了后来孵化出”豆包”的项目组。
2022年末ChatGPT 3.5问世之前，国内仅百度和少数创业公司在大模型领域有所布局。”说实话，头部大厂之前压根没把这事当回事。但3.5发布后所有人都看到了——原来对话机器人真能做出来，于是各家蜂拥而至，大举招兵买马。”
2023年四五月间，字节跳动对大模型研发（豆包项目）开启了疯狂扩招。A小姐借助”内部活水”转岗通道进入了这个急缺人手的新团队。和大部分人一样，她被这个新兴且前景诱人的赛道深深吸引。
“当时没人会预想到后面加班会那么凶。而且豆包那个组强制大小周，为了调动积极性还承诺发加班费。其他部门的日常加班一般是没有加班费的，所以虽说更辛苦了，到手的钱倒也多了。”
彼时A小姐还沉浸在一种”从零创造新事物”的兴奋中，觉得自己正在做一件极具前沿意义的事。
但此后的走向，远远超出了多数人的预期。
2023至2024年间，模型训练的核心工作本质上是”教AI像人一样说话”——类似老师批改作文，由人工撰写”标准答案”（例如编一段小说或回答日期），再喂给模型让它学习模仿。这一阶段技术门槛并不高，主要依靠堆人力来完成。
伴随DeepSeek等推理模型的崛起，AI的定位从”学说话”转向了”能办事”，进化为具备工具调用能力的Agent（智能体）。训练方式也从教它遣词造句，变成了教它拆解和处理复杂的现实问题。
打个比方，过去你说”帮我推荐一家餐厅”，AI大概率会编造一个店名。而现在它必须像真人那样操作：先调用地图API定位你的位置，再打开点评平台搜索周边餐厅，比较评分和距离，最后给出综合推荐——”建议去这家，评分高而且离你最近。”
到了这一阶段，对训练人员的要求也随之水涨船高——不再只是看文字通不通顺，还必须掌握编程和数据分析能力，检验Python代码是否正确、推理链路（先查地图再看评分）是否合乎逻辑。
2024至2025年，各大厂的模型训练逐步转向自动化评估——设定一套打分规则，让AI进行”机器阅卷”。至此，前期大量投入的人力价值骤然归零，裁员浪潮随即席卷而来。
在此期间A小姐获得晋升，开始带团队，肩上的压力也成倍增加：既要”向上管理”证明部门存在的价值，又要落实裁员指标。那段时间公司内盛行”降本增效”的激进口号，逼着管理者思考”如何用更少的人做更多的事”，由此形成了一套不断扩招又不断裁撤的循环——优先砍掉前几年扩张期招进来的、学历一般（普通本科）、绩效偏弱或用人成本偏高的”老员工”，取而代之的是学历更亮眼（985高校、海归硕士）、更年轻聪明且薪资更低的应届生和实习生——”性价比极高”。那些日复一日以996节奏训练和打磨模型的打工人，最终被自己训练出来的模型取代了。
“那时候特别流行一句话——怎样让更少的人干更多的活。每次听到这话我都反胃。”
去年A小姐从字节跳槽到阿里，切身感受到了大厂内卷的极致——“阿里特别热衷搞大跃进式运动，还特别擅长’讲故事’。他们动不动就要在两个月内上线一个大产品，然后我就拼命做宣传推广，把产品推出去。”
阿里内部实行”赛马机制”：两三支团队做同一件事，败者全员被裁或拆散编入其他组。不同业务线之间竞争同样白热化，一些部门甚至把公司内部兄弟事业部的产品当作头号竞品来对标。
在人力成本高企与降本增效的双重压力下，裁员甚至演变为管理层的”政绩指标”，层层加码——上面说砍10%，中层就砍20%，完全不顾实际业务是否撑得住。
A小姐回忆，以前自己是典型的”F人”（MBTI情感型），感受力丰富，也容易共情他人。但这两年高压工作下来，她渐渐变成了”T人”（理性型），遇事已很难泛起情绪波澜。团队有女同事因工作量崩溃大哭打来电话，她没有安慰，而是直接切换到解决问题模式——分配任务、理清优先级。
她坦言，之所以能在这种高压、决策混乱的大厂环境中活下来，是因为学会了剥离个人情感、放弃对价值认同的追求，把一切简化为”打工赚钱”四个字，以此避免精神崩溃——”同事们都管我叫’天选打工人’。”
谈及AI迭代之快，A小姐流露出一种”且过且看”的心态：
“模型进步的速度远比想象中要快。2023年我们看到的还是很粗糙的东西，如今已经相当成熟了。比如以前做产品经理要手动画交互界面，可能得画好几天。现在我让新版3.0 pro来画，两分钟出初稿，再花一分钟告诉它怎么改就完事了——等于省掉了好几天的工作量。”
眼下国内AI产业仍处于扩张期，整体人力需求还在增长。但在那些真正做模型的从业者心中，这个窗口期并不会太久：”说实话我们心里都清楚，再过几年可能真的就找不到工作了。”
