2024年某个星期，Meta公司快速行动，一次签下四位之前在OpenAI工作的华人工程师，赵晟佳负责模型架构设计，完整参与了GPT-4开发，余家辉专注于多模态技术，是GPT-4o团队的核心成员，毕树超熟悉产品落地流程，过去在谷歌管理广告算法项目，任泓宇承担后训练和人机交互任务，这四人合计薪酬接近一亿美元水平，这不是普通加薪行为，而是把从模型设计、感知系统搭建、产品上线到演示交付的整个链条拆开搬了过去。
这四位工程师目前在美国工作,他们的技术基础是在中国打下的,本科时就投入ACM竞赛训练,大三开始编写实际系统代码,学校提供的资源有限,他们就自己钻研技术细节,优化性能,追赶项目截止日期,这种培养方式不追求灵光乍现的创新,而是让人在算力紧张、时间紧迫、模块冲突的环境下坚持把系统调通,美国高校注重发表顶级会议论文,中国工程师更擅长将论文成果转化为实用工具,Meta公司需要的不是会数学推导的人才,而是能精准定位关键代码、避免系统崩溃的实践者。
Meta最近有些着急，Llama系列的更新速度变慢，开源模型的优势正被竞争对手逐渐赶上，公司新设立了一个Superintelligence Labs，这个实验室的负责人来自Scale AI和GitHub，目标很直接，不做复杂的理论探索，只专注于开发能够快速部署的基础模型，这次招聘是整体计划的一部分，用资金换取经验，这四个人带过去的不是几行代码，而是许多未写入论文的实际问题，例如长文本处理时如何节省内存，语音响应怎样保持流畅，多模态数据如何协调延迟，这些经验，开源社区难以复制。
现在不光是Meta公司，英伟达、谷歌和Anthropic也都在悄悄开通面向中国背景人才的渠道，他们不招纯学术型人才，专门盯着从国内985高校毕业、又在一线互联网公司实际搭建过模型的人，中国这边在芯片和高性能算力上受到限制，反倒让技术人才成了高性价比的输出资源，中国的教育体系不断培养出能扛住压力、会调节参数、懂得落地的工程师，美国那边用资本和产业生态接住这些人，再把他们安排进自己的产品闭环里，这不是单向的人才流失，更像是全球分工正在重新洗牌：中国负责练手速，美国负责定方向。
有意思的是，Meta没有公布具体的工资数额，但有消息说，除了现金报酬，他们还把Llama 5路线的一部分主导权给了工程师，这意味着在国内，就算你是顶级工程师，可能连模型结构调整都说不上话，但在硅谷，你就能坐在会议桌前，参与决定下一代模型的样子，钱当然重要，但更关键的是，你有没有机会去定义什么是好模型，这种差距，比工资数字更让人感慨。
这四个人的经历，表面上是猎头之间的较量，实际上代表着两种不同体系的碰撞，一个体系依赖长期高压训练来培养抗压能力，另一个体系依靠生态整合来实现扩展能力，现在还不能确定哪个更占优势，但可以预见的是，未来AI领域的竞争将不再局限于人才争夺，而是要看哪套系统能让新手快速成长为能担当重任的熟手。
有人觉得人才外流是件坏事，我倒不这么想，如果国内的机制不改变，光靠感情留住人才，只会让有能力的人越来越不愿意表达意见，反过来想想，假如有一天我们能让一线工程师直接参与到架构决策中，那就不怕别人来挖人，因为最好的人才根本不想离开。
热门跟贴