硅谷最担心的局面，还是出现了。
过去20年，中国顶尖理工科学生有一条几乎标准化的成长路径：从清华姚班、北大元培或中科大少创班起步，进入被称为“中国AI黄埔军校”的微软亚洲研究院（MSRA）积累履历，再拿到Stanford、CMU等美国名校的录取通知书。博士毕业后，他们往往进入Google Brain、FAIR或OpenAI，随后通过H-1B签证等待绿卡。
在这套体系里，中国负责培养最优质的理工科苗子，美国则凭借名校、实验室、算力和高薪，把全球最聪明的一批年轻人留在硅谷。
卡内基国际和平基金会最新发布的研究报告《Who's Ahead in the Global AI Talent Race?》，呈现出一个完全不同的趋势：持续多年的单向人才流动正在减弱，越来越多顶尖AI人才开始选择留在中国，甚至从海外返回中国。
曾被视为全球人才终点的硅谷，正在失去它最重要的一项优势。
这条人才链条形成的起点，可以追溯到1998年。
当年，比尔·盖茨在北京希尔顿饭店创立MSRA，看中的正是中国数量庞大、成本相对较低，却具备极强数学与工程能力的人才。此后二十多年，MSRA逐渐成为全球AI领域极具影响力的人才筛选器。
对美国高校教授来说，一名中国学生如果拥有沈向洋、孙剑等知名学者的推荐，其能力往往已经得到充分验证。中国投入基础教育和高等教育，美国则利用全球领先的科研资源完成最后的人才吸纳，这套合作模式一度运行得异常顺畅。
但近几年，两股方向相反却共同作用的力量，改变了人才的选择。
首先是美国政策带来的外部推力。
面向部分STEM专业留学人员的“10043号行政令”，以及可能持续数月的221(g)签证行政审查，明显增加了华人科研人员在美国学习和工作的风险。
一名在硅谷科技公司负责AI业务的高级架构师，即使年薪达到60万美元，也可能因为回国探亲后遭遇续签审查而无法及时返回美国。受企业合规制度限制，他身处中国时可能无法连接公司的核心计算集群，研发工作随之停顿。如果审查持续三个月，甚至还会面临无薪休假的压力。
对高端人才而言，真正令人担忧的已经不只是能否拿到高薪，而是职业生涯是否可能因为签证问题突然中断。当科研合作受到更多行政因素影响，原本在回国与留美之间摇摆的人，自然会重新计算风险。
因此，“10043号行政令”也被一些人调侃为中国科技行业不花钱就能获得的高效猎头。
中国本土平台的吸引力正在快速上升。
当一位海外AI专家陷入签证困境时，国内资本和实验室已经能够拿出另一套方案：薪酬接近湾区水平，提供2000张新型算力卡，允许组建20人团队，并直接负责千亿参数大模型。
这份机会最大的诱惑，不只是待遇，而是核心项目的主导权。与其在美国科技巨头内部等待身份、充当庞大组织中的一个环节，不如回国掌握模型研发方向，亲自决定技术路线。
一边是越来越高的不确定性，另一边是资金、算力和决策权同时到位。两种力量叠加之后，硅谷原本压倒性的吸引力便不再牢固。
人才流向发生变化，还与AI技术范式的迁移直接相关。
在那个时代，谁更接近前沿理论，谁就拥有更大的话语权。美国聚集了最强的高校和实验室，硅谷因此占据明显优势。
大模型时代却改写了游戏规则。
今天的AI研发，早已不是一个天才带着几张显卡就能完成的单点突破，而是一套由算力、系统架构、数据质量、算法优化和工程执行共同组成的复杂工业体系。模型能否跑起来、训练是否稳定、推理成本能否压低，每一个环节都需要密集协作。
如果说美国企业更像依靠资金与高端芯片构筑的重型要塞，那么中国团队正在尝试用极致工程效率完成突围。
DeepSeek等本土团队已经证明，即使高端算力受到限制，通过MLA架构、GRPO强化学习、快速代码迭代以及对CUDA底层内核的精细优化，依然有机会做出具备世界级竞争力的模型。
这种竞争方式，恰好对应了中国理工科教育的长项：人才密度高、工程能力强、执行速度快，也更擅长在资源约束下寻找系统性解决方案。
北京五道口周边的产业生态，就是一个典型缩影。在大约3公里范围内，清华、北大的实验室与智源研究院、智谱AI、月之暗面等机构高度集中，附近还有大量AI创业团队。
研究人员白天可以在高校讨论算法，傍晚与创业团队交流产品方向，当天深夜便能把新方案放到数千张算力卡上验证。高校、研究机构、资本和企业之间的空间距离被压缩后，知识流动和工程迭代速度大幅提升。
与人才居住分散、通勤时间较长的硅谷湾区相比，这种高度集中的协作网络，已经形成独特竞争力。
卡内基报告披露的数据，则让这种变化变得更加直观。
2022年，美国汇聚了全球46.4%的顶尖AI研究者，中国所占比例为27.1%。最新统计中，中国的占比升至40.6%，成为全球第一；美国则下降到34.2%。
如果按本科院校追溯人才来源，中国的优势更加突出。全球顶尖AI研究人员中，57%的本科教育在中国高校完成，美国高校培养的比例只有13%。换句话说，中国已经成为全球AI人才最重要的基础供给地。
人才去向也在改变。中国高校培养的顶尖AI人才中，选择留在国内就业或继续学习的比例，已经从2022年的57%上升到69%。
机构排名同样发生洗牌。2022年，Google还是全球顶尖AI人才最集中的机构；在最新名单里，北京大学升至第一，清华大学位居第二，上海交通大学、中国科学技术大学和浙江大学也进入全球前十，Google则降至第七。
曾经承担人才输送功能的中国高校和研究机构，正在成为全球AI创新的重要目的地。
40.6%对34.2%的变化值得关注，但这并不意味着中国已经可以高枕无忧。
卡内基报告中还有一组数据，揭示了中国AI生态目前最需要补上的短板：在美国，CMU等顶尖大学约有37%的AI研究人员同时参与企业联合项目，或者担任企业顾问；中国高校中，具备类似产业联系的研究人员比例还不到15%。
中国已经能够培养并留下大量优秀人才，也能持续产出国际顶级学术成果，但高校研究能否快速进入产业，转化为模型、产品和商业价值，仍然受到机制壁垒影响。
这也意味着，全球AI竞争正在形成两套并行模式。
美国依靠闭源科技巨头、庞大资本和超大规模算力，继续强化自己的重型研发体系；中国则依托更大的人才底座、更快的工程迭代和不断扩张的开源生态，形成另一条发展路径。
两种模式各有优势，中国也并非已经解决所有问题。但全球人才只能单向流向美国的时代，正在成为过去。
二十年前，最优秀的中国理工科学生把硅谷视作职业终点；如今，越来越多人开始把海外经历当成能力积累的一站，再将技术、经验和创造力投入中国AI产业。
热门跟贴