2026年4月，硅谷出了一条让很多人看不懂的新闻：Workday的CTO Peter Bailis离职了，去了Anthropic。这本身不稀奇，稀奇的是他的新Title——Member of Technical Staff，翻译过来就是"技术团队成员"，说白了就是一线工程师。
Workday是什么公司？年营收80亿美元，18000名员工的企业级软件巨头。CTO是什么职位？公司技术体系的最高负责人。MTS是什么？按照国内职场的理解，大概就是"大头兵"。
然后你仔细一翻公开报道，发现Bailis不是一个人。2024年底到2026年初的18个月里，至少六位来自不同公司的CTO，做了同样一件事：
Workday CTO Peter Bailis → Anthropic MTS（2026年3月，专注强化学习工程）。You.com联合创始人兼CTO Bryan McCann → Anthropic MTS（2026年3月）。Instagram联合创始人、前CTO Mike Krieger → 从Anthropic首席产品官转为MTS，联合领导Anthropic Labs（2026年1月）。Super.com联合创始人兼CTO Henry Shi → Anthropic MTS（2025年7月）。Adept AI联合创始人兼CTO Niki Parmar → Anthropic MTS（2024年12月）——顺带一提，Parmar是2017年那篇"Attention Is All You Need"论文的合著者，Transformer架构的奠基人之一。Box的CTO，也在这波迁徙中加入了Anthropic。
这不是一两个人的偶然选择，这是硅谷最顶尖的一批技术决策者用脚投票做出的集体判断。他们放弃了高管头衔、董事会席位、管理数百人团队的权力，去干一线工程师的活儿。
如果你觉得这只是一个硅谷的花边新闻，跟你没关系，那你可能漏掉了一些重要的东西。
MTS到底是什么？它不是"大头兵"
要把这件事说清楚，得先纠正一个普遍的误解。很多中文报道把这波跳槽描述成"CTO降级去当码农""高管自愿降职写代码"。这个说法不准确，因为它用传统组织的层级逻辑去理解了一个完全不同的人才评价体系。
MTS（Member of Technical Staff）这个头衔，在Anthropic和OpenAI是标准的技术岗位称谓，覆盖从刚毕业的研究员到领域顶级科学家的所有人，不分"研究员"和"工程师"两个序列。OpenAI总裁Greg Brockman公开解释过这个设计：他们不希望用头衔把人分成"搞研究的"和"搞工程的"两个阶层，MTS这个Title本身就是刻意保持扁平的信号。你只看一个人的LinkedIn写"MTS"，根本无法判断他到底是在带几十人的团队、主导核心系统的设计，还是在参与某个前沿研究方向。
Anthropic MTS的薪酬范围也说明问题。根据JobsByCulture 2026年6月的最新薪酬报告，Anthropic工程师的中位数总薪酬是44.3万美元，资深MTS（Staff/Principal级别）总薪酬在62万到75.9万美元之间，其中70%以上是股权。Anthropic目前估值约615亿美元，2026年4月的年化营收已突破300亿美元，这个股权包的实际价值还在涨。一个资深MTS的年收入，轻松超过大多数中型公司CTO的现金薪酬。
所以这不是"降薪去做码农"，这是一群已经财务自由的人，选择去一个能把他们的技术杠杆放到最大的地方，做他们最擅长的事。
但薪酬只是表面原因。真正驱动这群人的，是三个更根本的变化。
变化一：权力的来源变了——从管多少人，到离模型多近
Workday前CTO Peter Bailis的背景很说明问题。他不是一个传统的企业软件高管，他的职业主线是研究员、创始人和应用AI构建者。伯克利计算机博士，斯坦福助理教授，创立Sisu Data（被Snowflake收购），然后在Google Cloud做AI工程VP，2025年5月才加入Workday做CTO。他在Workday只待了11个月。
你大概能想象这11个月里发生了什么。一个18000人规模的企业软件公司，技术领导者的日常工作是什么？财报会议、董事会汇报、预算审批、跨部门协调、维护一个巨大而复杂的遗留产品矩阵。Bailis去年一整年可能一行跟强化学习相关的代码都没写。而他在Anthropic的工作描述只有一句话：强化学习工程。
这不是一句简单的岗位描述变化。这背后是一个产业逻辑的根本逆转。
在过去二十年里，技术人的价值放大路径是这样的：先做一个优秀的IC（Individual Contributor，个人贡献者），然后带一个小团队，然后管一个大团队，最终成为技术VP或CTO。每一步都在增加你"管的人"，因为只有管更多人，你才能影响更大的系统、撬动更多的资源。
AI改变了这个等式。
一个在Anthropic参与核心模型训练的工程师，他写的一段RLHF奖励函数优化代码，可能影响Claude数亿用户的行为模式。一个关键的训练策略调整，可能让模型在SWE-bench上的得分提高5个百分点——这5个百分点意味着数千家企业客户的采购决策。这种杠杆，不是靠"管更多人"能达到的。
Anthropic在2026年初成立了一个内部孵化器叫Anthropic Labs，Mike Krieger——Instagram联合创始人、管理过从百万用户到十亿用户规模的产品和技术体系——从CPO转为MTS去联合领导这个团队。Labs孵化的第一个大项目是什么？Claude Code，一个终端原生的AI编程Agent，从2025年底发布到2026年中，已经成为开发者社区最活跃的AI编程工具之一，在SWE-bench Verified测试中得分超过80%。
一个曾经定义了全球最大的社交产品之一的技术决策者，现在每天在做的是一线产品实验——因为在这个阶段，"做出一个能改变开发者工作方式的Agent"比"管理一个成熟产品线的roadmap"有意义得多。
有句评论说得非常到位：在AI时代，管多少人已经不重要了，离模型有多近才重要。
这句话触及了本质。前沿AI公司正在成为新的技术权力中心，而这种权力的来源不是组织层级，而是对模型能力的直接影响。从前技术人的权力来自"我能调动多大的团队"，现在来自"我能在模型的哪个环节产生影响"。
变化二：AI工具正在把"一个人的产能"变成"一个团队的产能"
第二个变化跟AI编程工具本身的进化有关。如果AI工具还停留在2023年那个"给你补全三行代码"的水平，那一个再厉害的人回到一线也折腾不出多大动静。但到了2026年，情况完全不同了。
根据aidesigner.ai 2026年3月的行业报告，超过62%的专业开发者每天都在使用AI编程工具，AI编程工具市场规模达到了85亿美元。SWE-bench Verified基准测试中，Claude Code的得分达到80.8%，已经超过了大多数人类工程师在同样任务上的表现。
而且工具形态也在发生质变。2024年的AI编程工具主要是"补全器"——你写一个函数签名，它帮你填后面的几行。2025年进化成了"对话助手"——你在编辑器里跟AI聊天，它帮你解释代码、分析Bug。到了2026年，主流的交互方式变成了"Agent执行"——你用自然语言描述一个任务（"把这个认证模块从Session改成JWT"），AI自动读取相关文件、制定修改计划、跨多个文件编辑代码、运行测试、根据测试结果迭代，直到任务完成。
这意味着什么？意味着一个懂系统设计、能精准描述需求、会审查AI输出的资深工程师，借助Agent级别的AI工具，其个人产出可以抵得上一个小团队。
这不是夸张。DSInnovators 2026年2月的一份AI开发流程研究报告中提到，当Claude Code这类Agent工具被用于跨文件重构和复杂调试任务时，一个有经验的工程师用一个下午就能完成一个传统上需要2-3人周的前端模块迁移。
但这个效应有一个前提：你得足够懂技术，才知道AI产出的东西到底能不能用。AI不会替你思考架构，不会帮你判断这个安全边界是不是合理，不会在它生成了一个"能编译但有隐患"的方案时主动提醒你。这就是为什么真正有技术功底的CTO回到一线，能发挥出比一个普通IC大得多的杠杆——他们不是在跟AI竞争写代码的速度，而是在用AI放大自己多年的技术判断力。
而一个长期脱离一线的CTO，是做不到这一点的。Apollo Technical 2026年4月的一篇工程管理转型研究中有个非常贴切的比喻：技术深度不是靠履历维持的证书，是需要每天练习的肌肉。一个工程师转管理一年后回到IC角色，基本没什么障碍。三年后回去，需要刻意努力。五年后回去，你的思维习惯和知识结构已经变成了管理者而非工程师的，回到有效的技术工作会变得"真正困难"——Charity Majors的经典判断。
这些CTO选择在还来得及的时候回到一线，某种程度上也是在抢时间窗口。
变化三：管理层正在被"掏空"——CTO这个职位本身在异化
第三个变化更微妙一些，但可能影响更深远：传统企业里的CTO角色，正在变得越来越不像一个技术岗位。
The Art of CTO 2026年6月发了一篇文章，题目是"Should a CTO still write code?"，里面引用了一组数据：2025年，99%的CTO承认技术债务是公司风险，但他们中的大多数人已经没有能力自己去评估这笔债务的严重程度了。一个CTO的一天是什么样子的？财报会议、董事会汇报、跨部门协调、预算削减谈判、投资人路演、媒体采访。真正接触技术的时间，趋近于零。
CTO这个Title在过去二十年的演变，本质上是把"首席技术官"变成了"首席技术行政官"。你坐在整个技术体系的最高处，但你离技术本身的距离比一个入职两年的中级工程师还远。你做的是"关于技术的决策"，但你做决策所依赖的信息全都来自别人的汇报。
在传统SaaS时代，这个矛盾还不算致命。因为SaaS公司的技术栈相对成熟，CTO的主要工作是管理技术团队的规模、节奏和方向，而不是亲自判断一个分布式系统的CAP取舍是不是合理。一个1000人工程团队能把产品迭代到什么程度，CTO的"亲自编程"能力并不直接决定交付质量。
但在AI时代，这个矛盾被严重放大了。
AI产品的技术决策和产品决策之间的界限正在消失。模型选型、训练策略、推理成本优化、Agent架构设计——这些既是技术问题，也是产品竞争力问题，更是商业模式问题。一个不理解底层技术细节的CTO，在AI公司里会迅速失去决策的公信力。
这也就是为什么大量传统SaaS公司的CTO正在经历一种"职业存在感危机"。你可以对比一下：Anthropic的CTO是谁？你大概率想不起来——因为Anthropic的扁平MTS结构下，CTO这个Title本身就不那么重要。真正重要的人，是那些直接参与模型训练、安全研究和Agent系统设计的人。而那些在传统公司里做CTO的人，发现自己在技术圈子里越来越难以建立影响力——你管着两千个工程师，但你在真正的技术前沿讨论中没有话语权。
Workday 2026年2月刚承认Anthropic、Google、OpenAI都是Workday软件的客户，一个月后自己的CTO就跑去了Anthropic。这个讽刺比任何分析都更有说服力。你去了一家"用你们公司产品的客户"那里做工程师——因为你判断在这家客户公司里做一个一线技术贡献者，比在原公司里做CTO更有未来。
这就是职业权力正在换地方的信号。过去你想参与最重要的技术变革，你的路径是做高管。现在你想参与最重要的技术变革，你的路径是去能直接接触到模型层的地方——管多少人反而不重要了。
经济账算得过吗？
到这里，有人可能会问一个很实际的问题：从CTO到MTS，经济上到底划不划算？
这个问题得分两层来回答。
第一层：对大多数人来说，不划算。CTO的年薪加股权回报，对于还在职业上升期的技术管理者来说，是最稳妥的路径。Anthropic的MTS虽然总薪酬可观（L5级别总包49万到62万美元），但它毕竟是"打工人"的薪酬，不是高管薪酬。放弃管理岗位的权力和积累去搏AI公司的远期股权，这个风险对99%的人来说都太大了。
第二层：但对这六位CTO来说，他们已经过了需要算经济账的阶段。
Peter Bailis在加入Workday之前就卖过公司（Sisu Data卖给Snowflake），Mike Krieger和Kevin Systrom一起把Instagram做成了十亿用户级产品又卖了Artifact给Yahoo，Bryan McCann是You.com联合创始人，Henry Shi把Super.com从零做到了2亿美元年营收。这批人早就财务自由了。他们选择去Anthropic做MTS，不是因为觉得自己能赚更多的钱（虽然以Anthropic目前615亿估值、年化营收300亿的增长速度，手中的股权兑现之后未必比当CTO少），而是因为"手头在做的事"本身对他们有足够的吸引力。
当钱已经不是核心约束的时候，什么驱动人？是问题的难度和影响力。基础模型的训练、强化学习对齐、Agent系统的架构——这些是当下计算机科学里最具挑战性的课题，而且它们正在直接影响全球数亿用户的日常工作。能在自己有生之年参与这场技术变革的一线，对真正热爱技术的人来说，比坐高管会议室里开预算会要有意义得多。
MTS这条路，中国会跟吗？
写完硅谷，不能回避一个问题：中国的CTO们会不会也批量走向一线？
我的判断是：短期内不会成规模地发生，但方向是一样的。
原因有三。
第一，中国科技行业对"高管"的社会赋值远高于硅谷。一个大厂高管的头衔，代表着社会认可度、商业人脉网络和行业背书价值。你从阿里P11去一家创业公司做一线工程师，你身边的家人、同行、投资人都会用看疯子的眼神看你。这种社会压力确实存在，而且不是每个人都能承受的。
第二，中国目前还没有出现Anthropic这样的"人才黑洞"。Anthropic能吸引这么多顶级CTO，不只是因为它钱多，而是因为它做到了三件事的叠加：有最前沿的技术问题、有扁平且尊重技术贡献者的文化、有足够的商业回报来支撑薪酬。中国的AI创业公司中，极少有同时具备这三个条件的。技术前沿的公司往往管理混乱，管理规范的公司往往技术上不够前沿，两者都好的公司薪酬又未必能打动已财务自由的人。
第三，也是最根本的：中国企业的组织设计还没有认真思考过"高层级IC路径"这件事。根据Hakia 2026年的职业调研数据，只有30%的公司有明确的IC（个人贡献者）晋升通道延伸到高级别以上。大部分中国企业的组织架构里，"往上走"天然等于"开始管人"。如果你不想管人，你在组织里的天花板很快就到了。这种结构不改变，MTS在中国就永远被理解为"大头兵"而不是"核心技术贡献者"。
但方向是一致的。AI Coding工具在中国的渗透速度可能比硅谷还快——因为中国有全球最密集的软件工程师群体，而且中国开发者对效率工具的接受度极高。Cursor、Claude Code、GitHub Copilot、Trae等AI编程工具正在快速进入中国开发者的日常工作流。当一个中国技术管理者发现借助AI工具一个人可以完成过去三个人的产出时，"管更多人=更大的影响力"这个公式自然而然就会松动。
而且变化往往不是以"大厂高管集体辞职"这种戏剧化的方式发生的，而是在更低调的场景里：一个技术VP主动申请转回架构师岗位，一个团队Leader跟HR说我不想带人了我想回去写代码，一个CTO在融资完成后选择做首席科学家而不是CEO。这些案例在中国已经零星出现，只是还没有形成硅谷那样的规模效应。
你能马上做的三件事
如果你读到这，觉得这件事跟自己的职业有关联，下面三件事是立刻可以做的。
第一，重新审视你的职业杠杆来源。拿出纸笔（或打开Notion），给自己做一个评估：你过去三个月里产生最大影响力的那项工作，是因为你管了几个人完成的，还是因为你个人的技术判断力完成的？如果你的答案偏向后者，你就应该认真想一想，"带更大的团队"是不是你真正的职业增长路径，还是只是你所在公司的默认路径。
第二，哪怕你现在是管理者，保持一周至少四个小时的一线技术时间。不是做Code Review，不是看技术方案，是真正自己动手——写一段代码、搭建一个实验环境、用Claude Code跑完一个从需求到部署的完整任务。这四小时不是为了产出，是为了让你的技术判断力不退化。很多CTO在两年后发现自己"不会做技术决策了"——不是因为知识不够，而是因为失去了做技术决策的手感和直觉。
第三，研究一下你在的公司的IC通道到底通到哪一层。如果你发现自己所在公司没有明确的"不转管理也能晋升"的路径，这本身就是一个职业信号。要么推动公司建立这条通道（如果你有足够的影响力），要么在下一份工作的选择中，把"IC天花板有多高"作为跟薪酬同等重要的评估维度。
这只是一个开始
回到开头那六位CTO的选择。有人觉得他们疯了，有人觉得只是在硅谷才能发生的猎奇故事。但如果你把这件事放到更长的时间线里看，它可能是一个比大多数人以为的更重要的信号。
过去二十年，科技行业的职业路径是单向的：从IC到管理、从管理到高管。这是工业时代组织效率最大化逻辑的延续——一个人的影响力上限等于他能有效管理的人数。
AI时代的逻辑反过来了。一个人的影响力上限，取决于他能借助AI工具撬动的技术杠杆有多大。在这个新公式下，一个离技术前沿足够近、技术判断力足够强、能用Agent工具把个人产出放大到团队级别的人，他的影响力可以超过一个管理百人团队但脱离一线的CTO。
这不是说管理不重要了。团队协作、资源调配、组织文化建设这些事永远需要人做。但"技术管理的唯一出路是管更多人"这件事正在松动。当最聪明的一批技术决策者选择回到离代码和模型最近的地方，他们不是在放弃权力，而是在重新定义权力的来源。
硅谷那六位CTO可能只是一小撮先行者。但他们踩出来的那条路——从管理回到一线、从层级回到杠杆、从头衔回到影响——未来会有更多人走。
（全文约6,800字）