去年6月内的短短一周时间，直接豪掷重金把咱中国的4位顶尖科技专家打包带走。
开的年薪更是超过1亿美元，光看数字就让人头皮发麻。你以为国外只是嘴上“重视人才”？人家是真金白银下场抢人！
把时间往回拨到2025年6月，当时的硅谷发生了一件让很多AI公司至今仍然心有余悸的事情。
那段时间里，马克·扎克伯格几乎没有走传统的人才招聘流程，甚至连公司内部庞大的行政和人力体系都没有完全介入，他亲自推动了一次极为精准的人才挖角行动。
短短七天时间里，四位原本在OpenAI核心团队工作的年轻华人研究员先后离开原岗位，转向Meta。
表面上看，这四个人只是来自清华大学、北京大学、中国科学技术大学和浙江大学的优秀毕业生，再加上在斯坦福大学或麻省理工学院深造的背景，似乎只是常见的顶级工程师履历。
但在AI行业内部人士眼里，这四个人的技术方向正好拼成了一整套关键能力：有人专攻推理效率优化，有人研究多模态理解，有人负责语音交互系统，还有人主攻模型后训练与调优。
如果把这四块能力拼在一起，就等于直接组装出了一台完整的大模型核心引擎。扎克伯格给出的条件也简单直接——平均每人年薪接近1.7亿元人民币，其中包含巨额签约金和长期股权激励。
这种级别的待遇几乎等同于直接把人送进财务自由状态。对外界来说，这只是一次夸张的高薪跳槽，但在技术圈看来，这更像一次有计划的“斩首式挖角”。
原本计划在2025年夏季推出的下一代模型项目被迫不断延期。剩下的工程师不得不花时间去理解前任留下的复杂系统结构，很多底层设计逻辑只能靠反复试错去摸索。
看似只是四个人离开，但对研发进度的影响却像抽走了齿轮轴心一样明显。而这场挖角之所以如此致命，还不仅仅是因为钱。
高薪只是第一步，真正让很多工程师动心的，是另一套更隐蔽却更关键的资源条件，长期在OpenAI工作的研究人员其实有一个共同困扰，算力资源始终不够。
训练大型模型需要海量GPU，但这些资源并不是随时都能用，为了争抢像H100、B200这种顶级GPU，团队之间经常需要开协调会议，甚至排队等待计算资源。
很多研究员并不是卡在算法本身，而是卡在没有足够机器去测试想法。一部分华裔研究员还面临另一种现实压力：身份问题。
没有绿卡的人在美国生活和工作都会受到很多限制，配偶签证、居留审批等问题往往需要漫长等待。
Meta正是抓住了这两个最现实的痛点。扎克伯格直接开出条件：加入Meta之后，公司斥资数百亿美元建设的GPU集群可以随意调用，大规模算力就像实验室的电力一样随时可用。
对于想快速推进模型研究的科学家来说，这意味着几乎没有计算限制，Meta还为关键人才提供了极快的移民流程通道，入职后十五天内就能拿到原本需要等待数年的绿卡审批结果。
对很多研究员来说，这不仅解决个人身份问题，也意味着家庭生活稳定下来，金钱、算力和身份保障三件事同时解决，其吸引力远远超过单纯的薪资。
2025年7月，其中一位核心研究员赵晟佳甚至直接被任命为Meta“超级智能实验室”首席科学家，这样的晋升速度在硅谷极为少见，它传递出的信号很清楚：在这里不仅有资源，也有权力。
随后几个月，Meta的AI产品开始明显变化，对话流畅度提升，多模态识别能力大幅增强。原本被OpenAI拉开的技术差距开始迅速缩小。但这种激进策略在公司内部也逐渐埋下了新的矛盾。
当大量资源集中在少数顶级研究员身上时，另一部分员工的利益自然会受到影响，到了2026年2月，Meta内部的不满情绪已经开始浮现。
公司财报显示，普通员工的股权激励连续两年被削减，幅度分别达到10%和5%。换句话说，公司是在压缩数万名普通工程师的长期收益，把资金集中投入到少数顶级科学家身上。
这种策略在内部引发了不少讨论，很多中层工程师开始意识到，他们辛苦工作换来的股票价值，其实在某种程度上变成了公司挖角竞争对手的资金来源。
对管理层来说，这是一场风险极高的选择。因为AI行业的竞争正在发生变化。过去几年，模型技术差距曾经非常明显，但这种优势正在迅速缩小。
2025年4月，李飞飞团队发布的一份研究报告显示，中美大型模型的性能差距已经从曾经约17.5%缩小到0.3%。
这种几乎接近持平的状态，让很多美国科技公司产生强烈焦虑。技术差距不再明显之后，真正决定竞争结果的就变成了人才密度。
硅谷一些投资人甚至公开提出一种简单直接的逻辑：既然技术领先优势已经很薄，那就直接挖走对方最好的工程师。
中国企业也开始采取反制策略。国内AI行业长期存在工程师缺口，多模态与算法人才缺口超过60%，整体AI人才缺口达到约72万。
面对这种情况，像字节跳动推出的“豆包计划”，以及百度联合清华、北大的专项基金，都开始提前锁定高校里的年轻研究者，通过科研项目、股权激励和产业场景把人才留在本土。
这场围绕顶级工程师展开的竞争，本质上已经不只是企业之间的较量，而是一场全球技术体系的长期博弈。
而在这种竞争格局下，未来几年AI产业的走向，很可能仍然会被少数关键人才的流动所改变。
技术竞争本来应该围绕产品和能力展开，但当焦点变成高薪挖人和资源倾斜时，问题就不只是性能差距了。
对科学家个人来说，平台再大，也难免被卷入商业和政策博弈，等性能差距缩小到可以忽略时，真正决定走向的，不是那零点几的指标，而是谁还能保持开放合作和持续创新的能力。
热门跟贴