过去二十多年，硅谷习惯了一件事——中国的大学负责培养聪明脑袋，美国的公司负责把这些脑袋买回家。这条流水线太顺了，顺到旧金山湾区的招聘经理都懒得琢磨＂人才是从哪儿来的＂。
可就在最近，一份从华盛顿传出来的报告让不少人坐不住：那些最能打的 AI 研究员，不但从中国走出来，还越来越多地选择留在中国。发这份报告的是老牌智库卡内基国际和平基金会。
研究人员盯上了机器学习圈子公认最硬的一个会议——NeurIPS，把最新一届入选论文的作者挨个查了底：本科在哪读、博士在哪读、现在替谁打工。数账算下来，全球顶尖 AI 研究员里，工作地在中国的占了 40.6%，美国是 34.2%。
三年前这个数字是反过来的。2022 年那次统计，美国占 46%，中国不到 28%。三年不到，位置就掉了个个儿。
机构榜单的变化更让硅谷难受。北大冲到了全球第一，清华紧跟其后，谷歌从曾经的老大位置一路滑到第七。
前十名里，上海交大、中科大、浙大也全都挤了进去。美国大厂实验室的名字，只剩 MIT、斯坦福几根独苗还留在前排。
人才的起点更能说明问题。这批全球最厉害的 AI 头脑，有 57% 本科是在中国的大学念的，美国本科培养出来的只占 13%。
翻译一下就是，每十个 AI 大神，六个多是中国大学教出来的。
以前这些人的路径几乎是套模板走的：姚班、元培、少年班的尖子生进微软亚洲研究院实习，跟大牛发几篇顶会论文，然后申斯坦福、CMU、MIT 读博，毕业进谷歌、Meta、OpenAI，接着排队熬绿卡。这条路走了二十年，最近几年突然就走不通了。
一头是签证的门越来越窄。审核动辄拖上几个月，出国参加个学术会议都要担心回不来。这种不确定性，把不少人逼着重新算账。
另一头是国内能给的东西真够看。智源、上海人工智能实验室这些平台先把架子搭起来，DeepSeek、月之暗面、智谱 AI 这批公司跟着冒出来。
开的价钱不比硅谷差多少，还能直接上手做千亿参数的大模型——这是硅谷给不出的诱惑。月之暗面的杨植麟就是这波回流的样本。
CMU 博士毕业没几年他就回了北京，2023 年创立公司。到今年年中，Kimi 的最新一代大模型参数规模已经做到 2.8 万亿，公司估值摸到了 350 亿美元。
同龄人在加州给大厂当高级工程师的时候，他在北京直接掌舵一整条产品线。DeepSeek 的梁文锋更是把国际同行看愣了。
高端芯片被卡着脖子，他们硬是靠算法架构和工程优化把训练成本压下来，让 OpenAI 和 Anthropic 的工程师跑去逐字研读他们的论文。英伟达的黄仁勋今年夏天在一档播客里也顺嘴聊过这事儿。
他说全球 AI 研究者里大概一半是华裔，其中相当一部分现在扎根在中国本土，中国是个＂建设者的国度＂，习惯先动手、边干边改。这话从卖芯片的老板嘴里说出来，多少带点无奈。
技术风向也在帮本土团队一把。深度学习早期比的是原创理论加小算力验证，硅谷靠实验室文化占尽便宜。
到了大模型这一代，比的东西变了——算力堆叠、工程架构、数据清洗、算法微调，几乎全是脏活累活。谁的工程师密度高、谁扛得住反复迭代，谁就跑得快。
北京五道口那一片现在有多密？半径三公里之内，挤着清华北大的顶级实验室、智谱、月之暗面，还有一堆刚冒头的创业公司。
研究员上午在学校讨论论文，下午过两条马路就能去公司测模型。这种物理协同的效率，就连居住分散的湾区都不一定比得上。
不过这份报告也没光讲好话。它顺带戳了一个软肋——中国顶尖高校的研究员和企业形成联合项目的比例，比 CMU 这种美国名校低了一大截。
学术成果转化成商业产品的那条路，中间还有一堵看不见的墙。换个角度看，人留下来只是第一步，接下来的活儿更难。
要让这些扎根本土的头脑持续拿到足够的算力、要让论文顺利变成产品、要让开源社区养出真正的商业闭环——这才是真正的下半场考题。还有一个数据得摆清楚。
虽然中国在总量上超过了美国，但去年美国依然是净流入国，涌进去工作的顶尖 AI 研究员比流出的多了两千多人，而中国是净流出。这说明美国这块吸铁石还没失效，只是自家的池子已经不够深了。
再往下看几年，全球 AI 的牌桌大概率不再是硅谷一家独大。一边是靠闭源模型和超级算力堆起来的美国重型堡垒，另一边是靠人才厚度和工程效率撑起来的中国敏捷生态。
硅谷真正害怕的，从来不是中国有多少算力，而是中国终于开始把自己培养出来的大脑留在了自己家里。
热门跟贴