约翰·兰福德在11月6日写了一篇博客，标题很平：《The End of AI Frontiers》。文章的第一句更平：“所以，AI Frontiers 结束了。”
没有控诉，没有渲染，但这句话在技术社区被顶到了Hacker News首页，277条评论，462分。一个约50人的研究小组解散，按理说不值得这么大的动静。真正让人停下来的是兰福德给出的理由。他说微软AI的领导层哲学是“scaling, and aggressively not research”——规模化，而且激进地不做研究。
01
一个以“前沿”命名的研究组织，被并进了一个明确把研究放在次要位置的地方。这件事的分量，不在50个人身上，在“研究”这两个字在微软AI当前优先级里的位置。
AI Frontiers成立于2023年，ChatGPT发布之后。兰福德当时的判断很实际：微软研究院传统的“一个聪明人加一个小团队”模式，已经跟不上大模型时代的节奏。别人投入的人和算力太多，你一个人想法再好，做出基线的时间太晚，说服力就不够了。
所以他组织了这个小组，走一条介于自上而下和自下而上的中间路线，大约50人，做的东西不算少。对外，AutoGen智能体编排框架和Fara计算机操作智能体都出自这个组；对内，纽约团队在做Next Latent目标函数、Dion3优化器、Full Bandwidth Transformer这些偏底层的能力研究。他们还建了一个默认对全微软研究院开放的代码仓库，里面放着经过验证的边缘规模预训练代码库。
兰福德特意提了一个细节：当时研究院内部至少有四个团队在重复搭建模型流水线，另外三个都把代码攥在自己手里，只有AI Frontiers拿了出来。这个组想在象牙塔和产品线之间踩出一条路。
转折发生在9月初。整个组被重组进微软AI，从微软研究院的架构里挪了出去。表面上的理由说得通：两个AI组织合并，集中力量。但兰福德说，问题不在组织架构，在哲学。微软AI由前Inflection团队主导，那边的核心逻辑是规模化：把模型做大，把数据洗好，回报更可预测。研究探索的回报周期长、不确定性高，在资源分配的排序上自然靠后。
兰福德自己承认这套商业逻辑成立，他在文章里写，更大的模型确实更好，从生意角度看，规模化的回报比研究回报容易算得多。但他不同意把这套逻辑推到“激进地不做研究”的程度。他举了一个具体的例子：字节跳动的实验显示，Full Bandwidth Transformer的一个变体可能等效于两倍规模的模型。如果这个结果成立，同等能力下训练和推理成本可以减半。
在一个投资规模以万亿美元计的行业里，这笔账不是小账。问题在于，这种回报不会出现在下一个季度的报表上。
02
兰福德没有回微软研究院。他给了两个理由，比离职本身更值得看。第一个理由是，他不愿意待在一个“研究没有通往实际使用路径”的公司。他在微软AI内部都推不动自己的创新，回到研究院更不可能被业务部门认真对待。
第二个理由更重：微软研究院那条隐性的契约破了。过去工业研究院的基本约定是“do good work and good things happen”——做好工作，好事自然发生。AI Frontiers做出了东西，却被非自愿地重组掉了。Hacker News上有人在这句话下面留言：“这个契约在微软存在了很长时间，现在被现任领导层反复打破。这是摧毁文化的做法。”
最先感受到震动的，未必是研究员，是开发者。AutoGen在GitHub上有超过六万颗星，但它的README在10月16日被改了一句话，放在了最上面：“微软不为该项目提供缺陷修复、安全修复、新功能或支持。”最后一个autogen-agentchat版本停在2025年9月30日，已经超过一年没有更新。新用户被引向Microsoft Agent Framework，官方把它定位成“企业级继任者”。
但迁移不是改个名字的事。有分析指出，Agent Framework的默认工具循环、会话无状态设计、分布式执行的规划状态，都和AutoGen的行为有实质差异，摆在团队面前的三条路——迁移、转投社区分支AG2、或者干脆弃用编排层，没有一条是零成本的。一个研究小组的解散，落到生产环境里，就是一批工程师要重新评估自己技术栈的长期风险。
03
中文技术社区里有一条评论被转得很多，说这件事的本质是“只要规模，不要研究”。这个概括糙，但方向对。
兰福德在文章里没有否认规模化的商业理性，他否认的是把规模化和研究对立起来、并且默认研究应该让位的思维方式。Hacker News上有一条高赞评论从另一个角度补了一刀：这不只是微软的问题。当前整个行业都把基于Transformer的路线当成一条高速公路，所有公司都在踩油门，探索其他AI方法的尝试被高度抑制。
Meta解雇了之前持“Transformer不会持续扩展”观点的高管，换了一个愿意把现有方法铺开的人。这条评论的作者认为，在当前阶段转向探索性研究是“不理智的”，先把参数从万亿推到十万亿，看看天花板在哪里，是更务实的做法。这个观点和兰福德的立场并不完全互斥，但它点出了一个更冷的现实：兰福德输掉的不是一场办公室战争，是一场关于“时间尺度”的投票。行业当前愿意为可预测的季度回报付钱，不太愿意为五年后的可能性付钱。
兰福德在文章结尾留了一句话，语气很克制。他说，不难想象未来的微软会再次对研究有吸引力，“如果掌权的人能多长出一点智慧”。这句话不好听，但它把一个工业研究实验室最根本的困境摆了出来：研究需要一条通往产品的路，但产品不需要为研究的不确定性负责。
当两边的时间尺度对不上，走掉的不只是一个兰福德，是一整套“做好工作就会有好事发生”的预期。50个人散了可以再组，预期散了，就很难捡回来了。