从"千问灵魂"到135亿估值：一个北大语言学硕士如何用六年重写中国AI版图——林俊旸的跨界密码，以及大模型时代给文科生的终极启示

2026年3月4日凌晨，一条简短的推文震动了整个中国AI圈：

> "me stepping down. bye my beloved qwen."

> “我将退任。再见了，我亲爱的通义千问。”

发这条推文的人叫林俊旸，1993年生，阿里巴巴史上最年轻的P10，通义千问大模型背后的灵魂人物。就在前一天，他还在发布Qwen3.5的新模型，还转发了马斯克对千问的夸赞。

14个小时后，他在朋友圈留下最后一句话："我真的需要休息。"

没人想到，这位让千问从0到1、让Qwen成为全球开源模型第一的90后，会以如此决绝的方式离开。

更没人想到，三个月后，他会带着一家叫"卜拉格科技"（Pragmatics）的新公司，以135亿人民币估值、零产品、零技术框架的"裸奔"姿态，拿下红杉、高榕各1亿美元、腾讯2000万美元的投资，成为中国AI创业史上最疯狂的"闪电开局"之一。

一、一个"不务正业"的文科生，凭什么六年干到P10？

1. 北大计算机本科，却去读了个语言学硕士

林俊旸的履历，放在中国AI圈堪称"异类"。

本科北大计算机科学，硕士却一头扎进了北大外国语学院的语言学与应用语言学。在2019年那个"全民转码"的年代，这个选择看起来像个"错误"。

但正是这个"错误"，埋下了他后来所有的爆发点。

语言学研究的，不是背单词、不是翻译，而是人类语言的本质结构——语法如何生成、语义如何映射、语用如何在真实场景中运作。这些看似"文科"的训练，恰恰是今天大模型最核心的底层问题：

> Transformer架构本质上就是在模拟人类语言的统计规律；RLHF（人类反馈强化学习）本质上就是在模拟语用学中的"语境适配"。

当大多数AI工程师还在调参、堆算力的时候，林俊旸已经在用语言学的元视角理解模型了。这不是"跨界"，这是降维打击。

2. 2019年加入阿里达摩院：从P6到P10的"地狱速度"

2019年，26岁的林俊旸以应届硕士身份加入阿里达摩院，职级P6，高级算法工程师。

他的起点并不耀眼。在达摩院的前两年，他参与的是M6多模态预训练模型——一个当时并不被外界熟知的内部项目。但正是这个项目，让他积累了从0到1构建大模型的全链路经验。

2022年，达摩院重组，语言、视觉等AI团队并入阿里云，成立通义实验室。林俊旸被任命为通义千问系列大模型技术负责人。这一年，他不到30岁。

此后三年，他主导了千问的发布、Qwen系列的开源战略、万亿参数模型Qwen3-Max的推出。到2025年，32岁的他晋升为阿里史上最年轻的P10——一个通常需要15年以上才能触及的职级。

六年，从P6到P10。这不是"运气好"，这是每一步都踩在AI浪潮的节拍上。

3. 千问的灵魂：全球下载量10亿+，衍生模型20万+

在林俊旸的带领下，Qwen系列创造了令业界瞩目的成绩：

• 全球下载量突破10亿次
• 衍生模型超过20万个，超越Meta的Llama，成为全球第一大开源模型家族
• Google Scholar引用超4.2万次，Qwen技术报告单篇引用近9000次
• 马斯克亲自点赞：称赞Qwen3.5具备"令人印象深刻的智能密度"

这些数字背后，是林俊旸坚持的"模型即产品"理念和全尺寸开源战略。他不只是把模型做出来，而是把它变成了一套生态操作系统。

二、为什么离开？一场关于"私房菜"与"规模化"的路线之争

1. "私房菜哲学"：预训练、后训练、Infra必须紧密耦合

林俊旸在阿里内部有一个著名的"私房菜哲学"：

> 一桌好菜，从选材、刀工到火候，每一个环节都必须在同一套系统里严密咬合，才能出品稳定、风味极致。

对应到模型研发，就是预训练、后训练、底层Infra基础设施，必须高度协同、紧密耦合。为此，他甚至在团队内部自建了一支专属Infra队伍，绕开公司的公用平台，把整条链路握在自己手里。

这套逻辑在精品路线上无懈可击。但问题是：大模型的天花板，从来不只是靠精细取胜。

Scaling Law的本质，是数据和资源的暴力堆叠。要在每一个环节都能独立放大、各自scale up，就必须把链路拆开——预训练归预训练，Infra归Infra平台，各司其职，才能在每个维度上同时发力，大力出奇迹。

2. 阿里的"换挡"：当千问成为集团战略级基模

2026年初，阿里对AI战略进行了重大调整。随着通义千问上升至集团核心战略级基模，公司希望进一步拔高团队人才密度，引入在大规模模型研发、工程化落地等领域具备深厚经验的顶尖领军人才。

这直接导致了林俊旸原本负责的权责范围面临调整。在多轮沟通后，林俊旸未能接受相关安排，最终主动提出离职。

这不是"被排挤"，这是技术理想与组织升级之间的结构性张力。当一家公司要从"精品路线"转向"规模化战争"时，创始架构师的"私房菜"哲学，往往会成为组织升级的阻力。

3. 离职前的朋友圈："我真的需要休息"

3月4日凌晨发文，下午2点，林俊旸在朋友圈留下那段著名的话：

> "抱歉各位朋友，今天不回复消息和电话了，我真的需要休息。qwen的兄弟们，按照原来安排继续干，没问题的。"

没有撕逼，没有抱怨，只有一个技术人的疲惫与体面。

但就在这条朋友圈发出的同时，谷歌DeepMind的负责人Omar Sanseviero已经在社交平台公开向原Qwen团队成员抛出橄榄枝。全球AI巨头都在盯着这位"千问灵魂"的下一步。

三、卜拉格科技：135亿估值背后的"疯狂逻辑"

1. 公司还没官宣，钱已经到位了

2026年5月，林俊旸创办的卜拉格科技（Pragmatics）完成首轮融资：

投资方 金额 角色

红杉中国 1亿美元 领投

高榕创投 1亿美元 领投

腾讯 2000万美元 跟投

投后估值 约20亿美元（135亿人民币）

没有公开产品，没有对外发布技术框架，仅凭创始人履历和方向判断，公司刚创立就拿下百亿级估值。

这在中国AI创业史上几乎闻所未闻。

2. "Pragmatics"：一个语言学博士的终极浪漫

卜拉格的英文名Pragmatics，是语言学中的语用学——研究语言在实际使用中的意义、语境和交际功能的分支。

林俊旸还注册了"语用（上海）科技有限公司"和"上海格物致用管理咨询合伙企业"。后者把"格物致知"改成了"格物致用"——不仅要穷尽物理世界的道理，更要将其转化为实际的机器人应用。

一个北大外语系出身的技术负责人，用语言学术语给自己的新公司命名。这不是噱头，这是他整个技术哲学的宣言：

> 从"理解语言"到"理解世界"，从"语用学"到"具身智能"。

3. 方向：世界模型+具身智能，从"推理"到"代理"

卜拉格科技瞄准的是世界模型和具身智能——让AI不仅能"说话"，还能"行动"；不仅能"理解"物理世界，还能"干预"物理世界。

这恰恰是林俊旸离职后那篇万字长文的核心论点：

> "我们正在从训练模型的时代，走向训练Agent的时代。"

四、万字长文揭秘：从"推理思维"到"智能体思维"

1. 推理模型的时代快结束了

2026年3月26日，离职阿里后第22天，林俊旸在X平台发布长文《From "Reasoning" Thinking to "Agentic" Thinking》，系统阐述了他对大模型下一阶段的预判。

他将2024-2025年定义为"推理思考"阶段，以OpenAI o1和DeepSeek-R1为代表。这一阶段的核心成就是证明了"思考"可以作为一种可训练、可交付的一流能力。

但他明确指出：推理链更长不等于模型更聪明。

> "真正的问题是：下一步是什么？我认为答案是智能体思考（agentic thinking）：为了行动而思考，同时与环境交互，并根据来自真实世界的反馈持续更新计划。"

2. 智能体思维 vs 推理思维：五个根本差异

维度 推理思维（Reasoning） 智能体思维（Agentic）

核心问题 模型能否思考足够久？ 模型能否以支撑有效行动的方式思考？

优化目标 最终答案前的内部推导质量 在与环境交互中持续取得进展

反馈来源 静态验证器（数学、代码编译器） 真实世界的嘈杂、不完整观察

关键能力 思维链、自我反省、算力分配 工具调用、计划修订、多轮交互

基础设施 自包含的rollout轨迹 工具服务器、浏览器、沙箱、API层、记忆系统

3. 核心论断：训练对象已经改变

林俊旸在长文中给出了一个极具洞察力的结论：

> "训练的核心对象已经改变了。它不再是单独的模型，而是模型加环境的系统，更具体地说，是Agent和围绕它的工具架（harness）。"

这意味着，未来的竞争优势不再来自更好的模型架构或更多的训练数据，而是来自：

 更好的环境设计（稳定性、现实性、覆盖范围、防作弊性）

 更紧密的训练-服务集成

 更强的工具架工程

 让模型的决策和决策带来的后果形成闭环的能力

4. 千问的弯路：思考模式与指令模式的融合之困

林俊旸在长文中罕见地复盘了千问团队的内部探索：

> "2025年初，Qwen团队有一个宏大的愿景：理想的系统应该统一思考模式和指令模式。它应该支持可调节的推理力度，类似于低/中/高的推理设置。"

但实践发现，两种模式的数据分布和行为目标差异显著，强行融合易导致"两头平庸"。

- 指令模型追求：直接、简洁、遵循格式、低延迟

- 推理模型追求：消耗更多Token、保持中间结构连贯性、探索备选路径

真正成功的合并，需要一个平滑的推理力度光谱，而非简单的模型合并。

五、深度解码：林俊旸成功的底层逻辑

逻辑一：跨学科思维是AI时代的"核武器"

林俊旸的成功，首先是一个"文科生逆袭"的故事模板。

北大计算机本科+语言学硕士的组合，在今天看来像是为AI大模型"量身定制"的：

 计算机科学给了他工程实现的底座

 语言学给了他理解模型本质的元视角

 语用学（Pragmatics）更是直接指向了当前AI从"理解语言"到"理解世界"的范式转移

当大多数工程师还在纠结"怎么调参"的时候，他已经站在"语言的本质是什么"的高度上思考问题了。

这不是"文科生跨界做技术"，这是"用文科的元认知做技术"。

逻辑二："私房菜哲学"的本质是系统思维

林俊旸的"预训练、后训练、Infra紧密耦合"理念，表面看是"固执"，本质上是系统思维：

他不相信"模块化分工"能做出极致产品，他相信端到端的掌控力。

这种思维在创业初期是巨大优势——创始人必须对产品的每一个环节有体感。但在组织规模化后，它也可能成为瓶颈。林俊旸的离职，某种程度上也是这种思维与阿里组织升级的冲突。

逻辑三：开源即战略，生态即护城河

林俊旸主导的Qwen全尺寸开源战略，是中国大模型最成功的一次"生态战争"：

20万+衍生模型意味着什么？意味着全球开发者用Qwen构建了自己的产品、论文、创业公司

10亿+下载量意味着什么？意味着Qwen已经成为全球AI基础设施的一部分

马斯克点赞意味着什么？意味着连竞争对手都不得不承认它的技术密度

这不是"免费发福利"，这是用开源构建不可替代的生态位。

逻辑四：从"推理"到"代理"，踩准了AI的下一个范式

林俊旸选择具身智能和世界模型，不是跟风，而是基于对技术演进的深度判断：

 当大语言模型已经"卷"到边际效益递减

 当推理模型的天花板逐渐显现

 当"Agent"成为2026年最热的概念

他选择了一条"从语言到世界"的跃迁路径。这不是退出竞争，而是进入下一个战场。

六、给文科生的跨界启示：大模型时代，你的"无用之学"可能是最强武器

启示一：AI不是"理科生的专利"，而是"跨学科者的游乐场"

林俊旸的故事打破了两个迷思：

1. "做AI必须计算机科班出身"——他的语言学背景恰恰是他在多模态、语用理解上的独特优势

2. "文科生只能做产品/运营"——他证明了文科思维可以直接驱动底层技术突破

大模型的本质，是对人类知识和语言的压缩与重构。这意味着：

 懂哲学的人，能更好地理解模型的"涌现"与"意识"问题

 懂语言学的人，能更好地设计Prompt和评估体系

 懂心理学的人，能更好地设计RLHF的人类反馈机制

 懂社会学的人，能更好地预测AI的社会影响和使用场景

AI的瓶颈， increasingly不在算力，而在"对人类本身的理解"。

启示二：不要急着"转码"，先找到你的"元能力"

很多文科生看到AI浪潮，第一反应是"我要学Python、我要学深度学习"。

但林俊旸的路径告诉我们：真正稀缺的不是"会写代码"，而是"能用独特的认知框架重新定义问题"。

他的核心竞争力，不是他代码写得比别人快，而是他能用语言学的框架理解Transformer、用语用学的视角设计Agent。

你的"元能力"可能是：

对叙事结构的敏感 → AI内容生成、剧本创作

对文化语境的理解 → 多语言模型、跨文化AI产品

对伦理困境的洞察 → AI安全、对齐研究

对人类行为的观察 → 人机交互、用户体验设计

启示三：在"大模型+"的交叉地带，文科生有天然优势

当前AI创业的几个热门方向，恰恰是文科生的主场：

方向 文科生的优势

AI+教育 教育学、心理学背景

AI+内容 文学、传播学背景

AI+法律 法学、逻辑学背景

AI+医疗 医学人文、伦理学背景

AI+艺术 美学、艺术史背景

具身智能/世界模型 语言学、认知科学背景（林俊旸路径）

大模型是"通用底座"，但"底座+垂直场景"的结合，需要深厚的领域知识。

启示四：从"消费者"到"创作者"，AI降低了技术门槛

今天的AI工具（ChatGPT、Claude、Cursor、Midjourney）已经让"不写代码也能做AI产品"成为可能。

林俊旸创办卜拉格科技时，团队核心来自字节、腾讯及海外机构——他不是一个人在战斗。但定义方向、构建愿景、设计系统的能力，是任何工具都无法替代的。

文科生需要做的，不是去和计算机系学生拼LeetCode，而是：

> 找到那个"只有你能问出的问题"，然后用AI工具去回答它。

七、结语：一个时代的隐喻

林俊旸的故事，是2020年代中国AI的一个完美隐喻：

 一个93年的年轻人，用六年时间从P6干到P10

 一个语言学硕士，主导了全球最强的开源大模型

 一个"私房菜"哲学的坚守者，在组织升级时选择离开

 一个零产品的创业者，拿下135亿估值

他的成功不是"逆袭"，而是"跨界思维+系统能力+时代机遇"的三重奏。

而他给所有文科生的最大启示，或许藏在他公司的名字里——

Pragmatics（语用学）。

语用学研究的不是"语言是什么意思"，而是"语言在真实场景中如何被使用、如何产生效果"。

这正是AI的下一站：从"理解语言"到"理解世界"，从"推理"到"行动"，从"模型"到"Agent"。

在这个意义上，林俊旸不是在创办一家AI公司。

他是在用一家公司的形式，实践自己从语言学博士到AI架构师的全部认知。

而对于每一个在AI浪潮前感到焦虑的文科生来说，他的故事告诉我们：

> 你的"不务正业"，可能正是这个时代最稀缺的"务正业"。

参考资料：虎嗅、36氪、钛媒体、量子位、IT之家、The Information等公开报道

推荐阅读：《一天一家人工智能企业⑦ | 阿里巴巴：通义千问10亿下载、20万衍生模型的"开源霸权"，能否复制安卓神话？》