
北大才女翁荔,又杀回OpenAI,刚从创业公司裸辞2天

官宣离职48小时后,翁荔就杀了个回马枪。
2026年7月30日,据The Information报道,前OpenAI研究与安全副总裁、Thinking Machines Lab(以下简称TML)联合创始人翁荔,将重新加入OpenAI,带队研究“递归自我改进”(RSI)方向。
而就在两天前,7月28日,翁荔刚刚宣布因健康原因离开TML。

图源:X
一边是因“生病频次远超人生任何阶段“而离职的告别信,一边是48小时后重新入职OpenAI的消息,这场快速反转,让不少AI从业者都感到意外,甚至有网友调侃 Altman “简直是在世华佗”。
在加入TML之前,翁荔曾是OpenAI最核心的研究人员之一。她在OpenAI工作过近7年,参与了GPT-4等关键模型的安全体系建设;2024年离开OpenAI后,翁荔加入Mira Murati创办的TML,担任联合创始人。
兜兜转转,翁荔为何再次选择了老东家OpenAI?
一、裸辞后闪电复出,重返老东家做RSI
7月28日凌晨,翁荔在社交平台X上发布离职声明,宣布次日将是自己在TML的最后一个工作日。
翁荔在离职信里写道,过去七个月里自己生病的次数超过了人生中的任何时期,在全公司为Inkling发布冲刺的时候,她试着好好休病假,却始终被内疚感折磨。
她也考虑过留下来、缩小自己的职责范围,但最终觉得这条折中路线不适合自己:“如果我不能对负责的事情投入百分之百,那就说明我没有做好这份工作。”
翁荔提到自己接下来的职业方向,是要找一个“节奏可预测、职责边界清晰”的岗位,而不是继续做联合创始人。
TML创始人兼CEO Mira Murati在这条帖子下留言,感谢她这一路的付出,并表示很高兴翁荔把健康放在第一位。
整封离职信的基调平静、克制,没有涉及公司路线或团队矛盾,看起来就是一次单纯由健康问题推动的个人选择。
按照常理,这样一封信之后,接下来该是一段休整期。但仅仅两天后的7月30日,The Information就爆出翁荔即将重返OpenAI的消息,OpenAI发言人也向Business Insider证实了这一变动。
据知情人士透露,翁荔回归后,将带领一个聚焦“递归自我改进”(Recursive Self-Improvement,简称RSI)的团队。通俗地说,就是用AI去研发AI,让AI加速OpenAI设计、训练、评估下一代模型的整套流程。
这个方向,正是OpenAI今年重点押注的战略之一。
3月,OpenAI首席科学家Jakub Pachocki曾明确表示,打造一个全自动的“AI研究员”,是公司未来几年的北极星目标。
据此前披露的时间表,OpenAI计划分两步走:2026年9月,先做出一个能独立承接少量具体研究问题的“自主AI研究实习生”;到2028年3月,目标是一个全自动的多Agent研究系统,能自己提出假设、设计实验、得出结论。而翁荔接下来负责的RSI团队,正是这个方向的重要一环。
事实上,从翁荔近期公开表达的研究兴趣来看,这次回归并非完全没有征兆。
二、六年OpenAI老将,一篇博客埋下伏笔
翁荔这次重回OpenAI的伏笔,埋在她三周前的一篇博客里。
7月4日,翁荔在Lil'Log发布了一篇题为《Harness Engineering for Self-Improvement》的长文,主题正是RSI。三周后,这个研究方向直接关联了她在OpenAI的新岗位。

图源:X
其实,回看翁荔过去的研究轨迹,她的职业路径并不是一开始就围绕大模型展开。
翁荔出生于陕西,2005年考入北京大学信息管理与信息系统专业,本科期间还拿过国家奖学金。
之后,翁荔赴美国印第安纳大学布卢明顿分校攻读博士,研究方向是复杂网络、社交网络与信息传播,跟今天大模型领域常见的研究路径并不重合。
博士毕业后,翁荔曾在Facebook实习、在Dropbox做过数据科学家,随后又加入金融科技公司Affirm做了机器学习工程师。直到2018年,翁荔加入当时规模还不大的OpenAI,被分到了机器人团队。
翁荔在OpenAI参与的第一个重要项目,是机械手Dactyl。团队花了两年时间,教一只机械手单手复原魔方,这在当年AI领域是一个很出圈的演示,而翁荔正是核心贡献者。
2021年,OpenAI的研究重心从机器人转向GPT系列的大模型,翁荔也随之转向,参与组建并带起了应用AI研究团队。
GPT-4发布后,翁荔从零搭建起Safety Systems安全系统团队。到她离开时,这支团队已经扩张到超过80人,覆盖模型行为对齐、滥用监测、安全评估等工作,翁荔本人也是GPT-4技术报告的作者之一,并参与了GPT-4o、o1等模型的安全研究。
2024年8月,翁荔升任研究与安全副总裁;三个月后,也就是2024年11月,她宣布离职,理由是“在OpenAI待了近7年,我准备好清空自己、去探索一些新东西。”
值得一提的事,当时OpenAI正经历一轮剧烈的人才流失,Ilya Sutskever、Jan Leike、John Schulman、Mira Murati、Barret Zoph等核心人物都在此前数月陆续离开。
2025年,翁荔以联合创始人的身份,加入Mira Murati创办的TML。
除了任职经历,翁荔在AI圈还有另一重身份:高产技术博主。她从2017年开始运营个人博客Lil'Log,长期撰写关于强化学习、Transformer、Agent、AI安全等主题的长文,不少文章都成了相关领域的经典入门材料。
三、TML四位联创离职,三位去了OpenAI
翁荔重新回到OpenAI,并不是一场孤立的人事变动。
过去一年间,TML这家曾被视为“OpenAI接班人”的明星AI创业公司,正在经历一场核心团队的大幅调整。包括翁荔在内,公司最初的6位联合创始人中,已经有4人离开。
TML全称Thinking Machines Lab,成立于2025年2月,由OpenAI前CTO Mira Murati创办。Mira曾在OpenAI工作超过6年,经历了公司从早期研究机构到ChatGPT时代AI巨头的全过程。2023年Sam Altman短暂离任期间,她还曾临时担任OpenAI CEO。
离开OpenAI后,Mira带着一批老同事组建TML,团队成员包括John Schulman、Barret Zoph、Luke Metz以及翁荔等多名前OpenAI核心研究人员。公司成立之初,就被外界认为延续了OpenAI早期的技术路线,希望推动更开放、更可定制的前沿AI研发。
凭借这套豪华阵容,TML从成立开始就获得了资本追捧。
2025年7月,TML完成20亿美元种子轮融资,由a16z领投,英伟达、AMD等机构参与,投后估值达到120亿美元,成为当时硅谷规模最大的种子轮融资之一。而彼时,公司甚至还没有发布正式产品。
高估值和顶级人才团队,让市场一度期待TML成为下一家AI基础模型巨头。
但创业公司的考验,也往往从获得关注之后开始。
成立初期,TML最大的竞争力来自创始团队本身。然而随着公司逐渐进入研发和产品推进阶段,核心成员开始出现变化。
2025年10月,联合创始人Andrew Tulloch离开TML,转投Meta。随后,2026年1月,联合创始人兼CTO Barret Zoph离职,联合创始人Luke Metz也同时离开,两人之后重新加入OpenAI。
7月15日,TML终于发布成立以来首个开放权重基础模型Inkling。这款模型拥有9750亿总参数,单次推理激活约410亿参数,并支持最长100万token上下文,被视为公司从“人才驱动”走向“产品验证”的关键一步。
但就在模型发布不到两周后,联合创始人翁荔宣布离开TML。
虽然翁荔在离职信中明确表示,主要原因是健康和创业公司高强度节奏带来的压力,并未提及公司路线或团队矛盾,但她的离开,仍然让外界再次关注TML的人才稳定性。
如今,在TML最初的6位联合创始人中,只剩下Mira Murati和首席科学家John Schulman仍留在创始团队,而离开的4人中,有3人选择回到了OpenAI。
这也形成了一个耐人寻味的循环:人才从OpenAI出走,带着经验和声望创办新的AI实验室;而当竞争进入下一阶段,拥有更强算力、资金和商业化能力的大厂,又开始重新吸引这些顶尖研究者回归。
这背后,也暴露出AI创业公司的一个现实难题:顶尖研究者可以凭借技术影响力迅速吸引资本和资源,但如何在公司成长过程中持续留住这些核心人才,仍是一场更长期的考验。
对于OpenAI来说,翁荔的回归意味着公司再次补充了一名熟悉模型研发和安全体系的核心研究者。
尤其是在AI行业开始探索“让AI参与研发下一代AI”的阶段,翁荔此前在模型安全、Agent以及前沿研究方向上的积累,正好匹配OpenAI正在推进的RSI路线。
而对于TML来说,如何在核心成员变化之后继续推进技术路线,则成为这家明星创业公司必须面对的新挑战。
毕竟,在AI时代,模型、算力和资本固然重要,但真正决定一家实验室能走多远的,依然是那些掌握关键技术方向的人。
参考资料:
《突发!北大校友翁荔入职OpenAI》,新智元;
《这这这...翁荔光速回OpenAI上班了》,量子位;
《离开创业公司后,翁荔或将重返OpenAI》,DeepTech深科技;
《突发,翁荔官宣离职!穆拉蒂的创始团队仅剩两人》,智东西;
《翁荔离开Thinking Machines Lab:首个大模型发布两周后,又一位联合创始人退场》,DeepTech深科技;
《刚刚,北大校友翁荔官宣离职,AI时代最好的「对齐」是照顾好自己》,APPSO。
完整产业数据报告、市场趋势分析,移步「产联社」客户端
格隆汇声明:文中观点均来自原作者,不代表格隆汇观点及立场。特别提醒,投资决策需建立在独立思考之上,本文内容仅供参考,不作为实际操作建议,交易风险自担。


