作为人工智能领域最具影响力的科学家之一，Thinking Machines联合创始人、前OpenAI研究副总裁Lilian Weng的研究理念与实践方法，持续为全球AI从业者提供重要启示。近日，在硅谷举办的华源Hysta2025年会炉边对谈中，Lilian Weng与硅谷知名投资人Connie Chan展开深度对话，系统回顾了其从学术研究到产业实践的成长轨迹，并首次披露了创办Thinking Machines的核心理念。
“数学竞赛让我认识到自己只是普通人。”当被问及性格特质时，Lilian Weng坦言持续学习的动力源于青少年时期的竞赛经历。她回忆道，在北大求学期间参加的数学竞赛中，与顶尖选手的差距让她深刻理解到：“这个领域永远存在比你更优秀的人，唯有通过持续努力才能保持竞争力。”这种认知塑造了她“坚持”与“谦逊”的双重特质，成为其后来在OpenAI领导机器人研究团队的重要基石。
在OpenAI任职期间，Lilian Weng完成了从研究者到管理者的转型。她先后创立Applied AI Research Team和AI Safety Team，主导了OpenAI API的产品化进程。谈及早期通过黑客松探索模型应用场景的经历，她坦言：“当时连接口命名都是实验性的，‘补全端点’（completion endpoints）的设计现在成为行业标准，这完全超出预期。”作为AI安全团队负责人，她构建的模型行为控制框架，为后续ChatGPT的安全部署奠定了技术基础。
2024年离开OpenAI创办Thinking Machines，Lilian Weng坦言是出于对技术前沿的持续追求：“当学习曲线开始趋缓时，我知道需要寻找新的挑战。”她与前OpenAI CTO Mira Murati等人共同创立的这家初创公司，目前聚焦于开发人机协作的AI工具。近期发布的Tinker API测试版，通过提供前向-后向采样等灵活功能，解决了研究人员在语言模型领域的基础设施难题。“我们相信开放科学能加速技术进步，”她强调，“就像早期FairWorks的探索，现在需要为研究者提供更便捷的实验平台。”
作为公司联合创始人，Lilian Weng展现出独特的管理风格。她每周安排完整日查看代码，通过直接参与技术细节保持与团队的深度沟通。“当工程师发现我能理解他们的拉取请求时，这种信任感会极大提升协作效率。”对于非技术背景的从业者，她建议通过日常使用AI产品培养洞察力，同时强调“阅读论文摘要+同行交流”的论文筛选方法，能有效提升技术敏锐度。
在人才培养方面，Lilian Weng推行“允许探索”的管理哲学。她借鉴谷歌80-20法则，在公司层面平衡计划性研究与自由探索的比例。“关键是要了解每个研究者的兴趣点，”她分享道，“将合适的人匹配到正确的项目，比强制分配任务更有效。”这种以研究者为中心的管理方式，与她强调的建设性反馈机制形成互补，共同构建了Thinking Machines的创新文化。
当被问及如何保持工作热情时，Lilian Weng的回答指向更深层的职业观：“当工作占据人生大部分时间时，找到其中的乐趣就是最幸福的生活方式。”她透露，团队最近在机器人与语言模型结合领域的突破，让她再次体验到“现实扭曲场”般的创造快感：“那种相信不可能并最终实现的感觉，正是推动我不断前进的核心动力。”
