教育背景与职业轨迹

田渊栋拥有扎实的学术根基，2005年本科毕业于上海交通大学，随后于2008年3月获得交大硕士学位，在交大度过了约七年的求学时光。此后，他前往卡内基梅隆大学（CMU）攻读博士学位，历时五年，最终于2013年9月正式毕业。这段深厚的学术训练为他后续在人工智能领域的深耕奠定了坚实基础。博士毕业后，他的职业生涯起步于谷歌的无人车团队，当时该项目尚处于内部代号“Schiffer”阶段，隶属于Google X实验室，直到2016-2017年才正式更名为Waymo。他在谷歌停留了一年多，随后加入了Meta（原Facebook），并在此工作至今，时长已超过十年三个月，成为公司的资深员工。

“我在交大待了大概有很七年的时间……然后我就去卡内基梅隆大学啊是进行啊读博士。啊，大概到我在博士读了五年吧。”

“我先去了那个啊谷歌的无人车团队啊，那个时候还不叫那个 Waymo 啊，那时候还是叫 Google X，叫 Schiffer 啊这样的一个内部代号啊。”

在Meta期间，田渊栋主要致力于前沿AI研究。早期团队专注于围棋AI，发布了名为Dark Forest的程序，其发布时间比AlphaGo早几个月，且效果显著。2018年，团队复现了AlphaZero的大规模强化学习训练算法，训练出强大的围棋程序。该程序在单卡推理条件下，每步耗时约50秒，以20比0的绝对优势战胜了四位韩国顶尖职业棋手，包括当时尚未登顶、后成为世界第一的申真谞。这一经历让田渊栋深刻体会到AI通过自我强化带来的巨大潜力，也为后续强化学习与大模型结合的研究埋下伏笔。

“当时我们的战绩是二十比零，啊，对方是一局都没有赢啊，然后我们就用单卡啊做那个推理啊，然后五十秒一步啊，然后战胜了啊所有四位，呃韩国棋手啊。”

“申真谞的棋风非常像AI，就是从那个时候开始，他们学习AI的那个下棋的方案，他的的棋风就跟那个正常的围棋来说就不一样了。”

研究演进与团队调整

田渊栋在Meta的研究路径呈现出从特定领域突破向通用机理探索延伸的趋势。在围棋项目之后，他的研究重点转向了AI决策优化、多智能体系统以及神经网络内部结构的可解释性研究，旨在打开AI的“黑箱”，揭示其工作机理。随着大语言模型（LLM）的兴起，团队的工作重心进一步调整为快速推理与模型加速技术，这些工作被视为强化学习与大模型联合应用的重要基石。

近期，田渊栋的研究团队发生了组织变动。此前，他所在的团队隶属于FAIR（Facebook AI Research），这是一个专注于纯基础研究的部门。最近，团队被整合进Jenny AI团队（注：字幕提及“真链AI”，结合语境及Meta近期架构调整，可能指代特定AI产品线或内部重组后的团队名称，此处依字幕保留原意或通用理解），开始从事与大模型发布更紧密相关的工作。尽管从纯研究转向更具产品导向的方向，田渊栋表示这依然是他科研旅程的延续，且对强化学习与大模型结合的方向充满期待。

“在大模型出现之后呢，啊，我们这边也做了一些就是快速推理啊，这呃和那个加速的啊一些一些工作。那么这些东西其实以后应该说对于强化学习的这个啊和那个和大模型的这个联合是有很大的帮助的。”

“最近我们也加入了那个Jenny AI团队啊。之前我们是在那个Fair，就是Face Research啊，是做纯研究的一个方一个一个组啊。”

小说创作缘起与早期积累

田渊栋的小说创作源于个人爱好，始于2005-2006年。当时他在未来校园实习，受网络小说影响，产生“自己写可能更好”的想法。尽管初期作品质量不佳，但他并未放弃，而是通过持续练习提升写作能力。到2008-2009年，他的写作水平已趋于成熟。在博士期间，虽然因科研繁忙无暇长篇创作，但他养成了记录生活素材的习惯，特别是那些引起情绪波动或具有特殊意义的瞬间。这些碎片化的素材成为日后小说创作的宝贵资源。

小说的核心构思在毕业后逐渐成型。田渊栋认为，当作家对开头、结尾和高潮有清晰构想时，故事便自然生成。他的任务是将这些素材通过人物刻画和情节推进串联起来。然而，早期尝试中，他常因局部情节与全局逻辑冲突而写出废稿，导致效率低下。直到2020年疫情期间，为了克服惰性，他在知乎宣布连载小说，利用外部压力和自我承诺倒逼自己每天写作，从而高效完成了初稿。

“当时这么想没想法，但是一开始我写的时候是非常糟糕的，对，就是写出来的东西是不能看的……等到我二零零八零九年的时候。呃，我觉得就开始质量就开始变好了。”

“一般一部小说是这么生成的，就是一旦作家对他的开头、结尾和高潮有一些想法之后，那么它就自然而然就形成了。”

连载过程与出版经历

2020年的疫情为田渊栋提供了封闭的创作环境。他在知乎宣布不采用传统连载模式，而是集中创作，但这一决定反而引入了读者催稿的压力，促使他每天早晚固定时间写作。这种高强度输出使得小说在三个多月内完成初稿。随后，他进行了细致的润色和加工。出乎意料的是，电子工业出版社主动联系他，表示欣赏这部作品并愿意出版。尽管因工作繁忙导致出版流程有所拖延，小说最终在去年年中至年终期间正式出版，书名为《不消之众》。

田渊栋透露，第二部小说已部分完成，但尚未继续推进。第一部出版后收到的反馈促使他重新审视故事逻辑，第二部计划将故事背景扩展至整个银河系，探索在更大尺度设定下的情节发展。目前，他手中仍持有该书的电影版权，并欢迎相关影视制作方联系洽谈。

“二零二零年的时候，因为那会是疫情嘛，对吧？所以说你也非常无聊，天天在家里待着，也不能去别的地方。啊，所以那段时间我就在想，就是要把自己逼一下自己吧。”

“大概连载了三个多月吧，然后这部小说就写完了。哇，比太快了！对他每每天都会写的话，其实是很快的。”

“第二部就是说，可能在第一部的这个基础上，就是把这个想法扩展到整个银河系吧，然后看看就是在这样的一个设定下，会有什么样的有意思的故事会发生？”

人物命名与创作细节

在小说人物命名上，田渊栋透露了一些隐含的巧思，但并未赋予过深的象征意义。主角朱小河与林福雨的名字组合起来谐音“福小”。另一角色苏烈的名字寓意“苏醒的火焰”。这些命名更多是出于个人喜好或潜意识联想，而非刻意设计的隐喻系统。

创作过程中，田渊栋将自己在博士期间的科研经历、团队讨论及观点融入小说前部分，使部分情节具有自传色彩。然而，随着连载深入，故事走向往往超出最初的大纲预设。例如，某些角色在连载二十章后，其选择和发展路径出现了新的可能性，迫使作者打破原有大纲，即兴创作新情节，再将其拉回主线。这种动态调整的过程类似金庸连载小说时的即兴发挥，既充满挑战也带来创作惊喜。

“像那个朱小河和林福雨这两个人加起来就是‘福小’两个字嘛，对吧？所以其实是有一些名字在里面。然后苏烈的名字其实就是‘苏醒的火焰’的意思。”

“估计可能在二十章写完了之后呢，你会发现有些展开可以有更好的做法，有些人的选择可以不一样。那到这个时候，你就发现你的大纲没有用了，就是你就必须得要自己创作一些你就是之前没想过的想法。”

AI辅助写作的局限与展望

田渊栋明确指出，其第一部小说《不消之众》是在ChatGPT发布之前一字一句敲出的，未使用任何LLM辅助。对于第二部创作，他尝试使用LLM，但效果不佳。主要问题在于：第一，AI生成的文风平淡，缺乏作家特有的起伏和个性；第二，AI难以捕捉细节描写，导致人物形象呆板、行为逻辑过于规范，缺乏鲜活感。

他认为，LLM的本质目标是模仿语料库中的写法，而小说创作的核心在于创新与差异化，两者目标存在根本冲突。因此，AI目前更适合用于润色或连接桥段，而非核心创作。尽管模型能力在提升，但在把握大纲进行扩写时，仍需大量人工修改以增强生动性。未来，他所在团队也在研究如何利用AI辅助小说创作，但承认在风格化和情感表达上仍有较大难度。

“大语言模型的问题是它的目标函数就是啊，想要模仿其他人的写法，对吧？但是写小说的人是希望出新的，不希望模仿其他人写法，他希望这个写的东西跟别人不一样。”

“很多时候就人比较人物比较呆板，就是比较呆板，就是觉得这个人这么做和那个人那么做都比较有规矩嘛，嗯，不是特别的那个鲜活吧？”