[IMAGE>

前言

大家好,我是小李。

《华盛顿邮报》近日重新梳理了一组长期被模糊处理的数据。剔除心理学、社会学、护理学等广义科技相关专业,仅聚焦数学、物理、计算机科学与工程类本科教育产出,2020年中国对应领域毕业生约170万人,美国约为50万人。

打开网易新闻 查看精彩图片

硅谷研发一线华人面孔密集,早已是行业常态。当数量级差距拉到三倍以上,单纯比总量已失去解释力。多出来的百万人,能否真正沉淀为系统性技术势能?那条运行了二十多年的跨国人才输送带,如今正悄然转向双向甚至多向流动。

被重新算清的理工科账本

美国原有统计口径较为宽松,凡带“科技”标签者皆纳入STEM范畴,数据始终光鲜。此次收紧标准后,硬核工程与基础科学板块浮出水面:中国170万,美国50万,差距达3.4倍。

这一格局并非短期形成。

1957年苏联“斯普特尼克一号”升空,震动美国朝野,直接催生《国防教育法》,联邦财政大规模注入数理基础教育,最终孕育出阿波罗计划背后那代本土工程师群体。

打开网易新闻 查看精彩图片

进入1980年代,华尔街金融工程崛起,最擅长抽象建模与逻辑推演的青年才俊大量流向投行与律所,投身实体技术研发被视为“见效慢”。1990年H-1B签证扩容后,硅谷逐步形成依赖海外高校直采顶尖生源的惯性路径,本土K-12及本科阶段的数学与工程训练强度随之减弱。

中国的发展节奏则另辟路径。重工业时代积累的技术管理底子仍在,1999年高校扩招恰逢制造业全面起飞。

产线要人,学校供人,硬核工科类本科招生占比常年稳定在40%以上,而美国同口径数据徘徊于20%左右。青年流向何处,十年之后,产业重心便落在何方。

打开网易新闻 查看精彩图片

仅有规模尚不足以说明问题,关键要看这批人毕业后扎根在哪、解决何类问题。

2015年,何恺明团队在北京微软亚洲研究院面对一个经典瓶颈:深层神经网络中梯度信号随层数增加急剧衰减。

他们引入跨层恒等映射机制,即残差连接(Residual Connection),使可稳定训练的网络深度从数十层跃升至152层,并持续突破至千层量级。

打开网易新闻 查看精彩图片

该成果斩获CVPR 2016最佳论文奖,其核心思想至今仍是人脸识别、医学图像分析、大语言模型底层架构不可或缺的基石。何恺明后续赴Meta任职、再执教MIT,不是因赴美才掌握科研方法论,而是携已成熟的原创范式走向国际舞台。

卡内基中国中心2026年发布的《全球AI研究者教育溯源报告》基于NeurIPS 2025全部10280名作者样本分析显示:全球顶尖AI研究者中,57%本科就读于中国大陆高校,13%本科毕业于美国院校。

在中国完成本科教育的研究者,留国内机构就职比例由2022年的57%上升至2025年的69%;中国机构聘用的顶尖AI研究者占比达40.6%,美国机构为34.2%。

打开网易新闻 查看精彩图片

小李认为,人数本身不会自动转化为即战优势,但每年稳定输出数十万具备扎实数学功底、编程能力与实操经验的工程人才,才是真正的战略底盘。而底盘要真正发力,还需两个前提:人愿留下,地能承载。

若教育供给止步于一纸文凭,那不过是纸上兵力。真正能承接这些人的,是智能工厂、前沿实验室、超大规模数据中心、高端装备产线以及自主可控的软件生态体系。

中国过去二十年恰好同步构建起全球唯一覆盖全产业链环节的制造业网络,毕业生走出校门即可进入真实研发场景、嵌入精密产线、参与全球供应链协同,将傅里叶变换公式、电路原理图转化为设备参数调试与工艺优化动作。这一步跨越,多数国家仍处于追赶或构想阶段。

打开网易新闻 查看精彩图片

再深入一层看,工程教育的本质远非应试训练。数学分析、线性代数、信号与系统、自动控制原理、材料力学、编译原理——这些课程单看略显枯燥,合起来却构筑了一套应对复杂系统的思维操作系统。

面对真实挑战,如传感器随机噪声干扰、无线通信突发丢包、芯片封装良率周期性波动,受过完整训练的人自然知道从哪个变量切入、用哪种工具建模、按什么路径验证。170万人中哪怕仅10%持续攻坚硬核问题,十年沉淀下来的经验资产,已足够支撑多个技术纵深领域的持续突破。

然而仅有底盘与尖兵仍不充分,人才流动规则正被一股更底层的力量重塑。

打开网易新闻 查看精彩图片

开源把技术从实验室门里放出来

曾几何时,“中国出人力、美国出平台”是业内共识,意指最前沿算法与基础设施长期由少数科技巨头闭环掌控。开源大模型兴起后,这道高墙开始松动。

中国研发团队主动公开模型权重,海外开发者无需赴美、不必申签,即可下载、微调、再训练、部署应用。

国内高校研究生、东南亚独立开发者、东欧远程协作组,共同阅读同一份代码库,合作开发质检专用模型、低资源语种翻译插件、基层医院影像初筛工具。地理边界不再天然构成参与壁垒。

打开网易新闻 查看精彩图片

有资深研究者指出,人工智能是罕见的“大盘技术”——应用场景高度碎片化、迭代周期极短、对人力密度要求极高。

个别顶尖人才流失,不会导致整体能力塌方。只要核心代码持续开放、社区保持活跃、算力资源可及,分散在全球各地的研究者仍会以论文合作、代码提交、创业孵化等方式持续反哺生态。

观察Hugging Face等主流开源平台的贡献图谱即可发现:参与前沿技术共建,早已不再依赖是否入职某家头部企业。模型权重公开、文档详尽、API提供免费额度,三线城市一名全栈工程师也能在周末完成垂直领域小模型的轻量化适配。

打开网易新闻 查看精彩图片

所谓技术平权,并非空洞口号,而是由真实下载记录、有效Pull Request、Issue深度讨论与二次分发节点共同编织的协作网络。

小李看待这个问题的视角略有不同。过去统计人才流动,只关注护照归属与雇佣关系。

今天更应追踪贡献链路:一位常驻旧金山的研究者,仍可为国内开源项目提交关键补丁;一位德国博士后因中文社区响应及时、文档清晰、问题闭环快,主动将主力开发时间投入国产框架生态。

打开网易新闻 查看精彩图片

政策层面也在呼应这一趋势。2025年9月,美国将部分H-1B新申请行政收费上调至10万美元,随后联邦法院裁定该费用未经国会立法授权、实质具备征税属性,暂停执行。

年底另一联邦法官则驳回美国商会提起的诉讼,认定该举措属总统移民事务裁量权范围,允许有限执行,但移民局随即转向优化抽签算法。政策反复拉锯间,释放出明确信号:高端技术移民通道正趋于收窄。

中国方面,自2025年10月1日起正式实施K字签证制度,面向全球45岁以下青年科技人才,取消强制雇主绑定,放宽停留期限与入境频次。一紧一松之间,人才流动方向已出现结构性偏移。

打开网易新闻 查看精彩图片

开源绝非单方面让利,而是当下最具实效性的留人策略。谁能为研究者提供低成本算力接入、开箱即用的实验环境、从论文到产品的快速验证路径,谁就能真正留住人心。

这里需厘清一个关键区分:开源显著降低的是参与门槛,而非研发门槛。跑通一个Demo只需几行代码,但要把模型训得鲁棒、推理延迟压得稳定、安全对齐做得可信,仍需深耕底层原理。

真正具有生命力的开源生态,不是简单搬运国外模型权重,而是构建自有编译器栈、定制化算子库、面向中文场景的评测基准、端到端模型部署工具链。中国开发者社区近年快速成长的,正是这一整套“硬基建”。

打开网易新闻 查看精彩图片

更深层看,开源正在重构学术与产业的评价权力结构。过去一项工作是否重要,取决于顶会录用结果、头部企业引用次数。

如今还可叠加一层现实维度:多少家企业将其权重集成进生产系统?多少高校将其纳入AI系统设计课程实验?多少地方政府将其用于城市治理智能体?

论文影响力正加速演化为可测量、可追溯、可复用的现实影响力,这对技术后发区域尤为公平。这也自然引出下一层逻辑:规模化工程能力,终将把人口基数优势转化为可持续的成本效率优势。

打开网易新闻 查看精彩图片

算力紧的时候

高端GPU出口管制常态化后,中国团队无法复制硅谷“堆卡战术”,转而向算法效率与系统协同要空间。

DeepSeek公开的技术白皮书揭示了典型路径。V3模型总参数量达6710亿,但单次推理仅激活约370亿参数,激活率仅为5.5%,依托细粒度混合专家(MoE)架构,实现Token级专家动态路由。

V4进一步扩大总参数规模,仍坚持稀疏激活策略,在长文本推理场景下KV缓存占用较同等性能稠密模型下降超40%。

打开网易新闻 查看精彩图片

目标极为务实:相同硬件配置、相同服务延迟下,支撑更高并发请求量。

往系统底层深挖,十万张GPU卡协同成一张逻辑计算网,涉及分布式训练调度、底层编译优化、高性能通信算子、液冷散热工程、区域电网负载均衡等多重技术耦合。这些工作低调务实,却是大模型真正落地的“重工业”底座。

中国每年170万工科毕业生中,只要有数千人长期深耕上述方向,十年积累足以重塑整个AI基础设施的成本曲线。

打开网易新闻 查看精彩图片

芯片可列入出口管制清单,关税可加征,但每年稳定输出百万级高质量工程师的教育体系,无法靠行政命令关停。

小李观察发现,外部约束越刚性,系统级原始创新越易破土。资源丰裕时习惯“堆资源”,资源受限时倒逼人回归数学本质、深挖算法机理。这种节俭型创新不是权宜之计,正逐步沉淀为新一代工程师的本能习惯——从比拼显卡数量,回归到比拼单位算力产出效能。

再拆解一层看,算法节俭背后是一整套软硬协同体系:模型结构需支持稀疏化部署,通信协议须实现计算与传输重叠,任务调度系统需具备故障自愈能力,硬件异常须支持热插拔替换。

打开网易新闻 查看精彩图片

任一环节失效,节省的算力都会被调试成本、重传开销或宕机损失吞噬殆尽。胜任这类工作的工程师,不能只会调用PyTorch高级接口,必须理解数值稳定性边界、网卡DMA队列调度逻辑、显存碎片化成因、局部电网峰值功率特性。

此类复合型能力,恰恰依赖大规模、标准化、强实践导向的工科教育体系持续培育。

更重要的是,它推动竞争焦点从“谁卡多”,转向“谁用得精”;从硬件堆叠,升级为模型架构、任务调度、编译优化、能耗管理的全栈协同。

打开网易新闻 查看精彩图片

未来比拼的不再是某一年流失几位天才学者。人才需要真实场景锤炼,开源需要健康社区共建,工程能力需要产业需求买单。三者深度咬合,170万才不再是静态统计数字,而成为年复一年自我强化的技术复利引擎。

中美AI竞合关系早已超越传统零和博弈。美方握有顶尖大学集群、深厚风险资本土壤、先发平台生态;中方则拥有全球最大规模的工程人才供给、最丰富的垂直场景厚度、最活跃的开源协作网络。双方将持续相互渗透、彼此塑造,比拼的核心在于:谁能率先将教育供给、算力基建、开源社区拧成闭环自洽的正向循环。

在这个系统中,撰写理论论文者、调试模型参数者、运维万卡集群者、落地行业应用者,缺一不可,环环相扣。

打开网易新闻 查看精彩图片

未来真正稀缺的,不是某位擅长发表顶会论文的个体,而是能把论文中一行行数学公式,转化为工厂产线上稳定运行的控制系统、三甲医院影像科可用可负担的辅助诊断模块、县域中小企业买得起接得上的智能客服引擎的系统整合者。

结语

170万对比50万,表面是年度毕业人数差异,实质是七十年来两国教育哲学、产业导向与人才治理路径的根本分野。人才通道正从单向虹吸演变为多维共振,开源则将技术红利从封闭实验室释放至全球开发者桌面。

打开网易新闻 查看精彩图片

中国手中真正的优势,从来不只是“人多”,而是规模化供给能力、长期积淀的工程直觉、以及开放协作规则共同锻造的可持续人才再生系统。

下一阶段AI竞争胜负手,不再系于个别明星科学家,而在于谁能将教育体系、算力网络、开源社区锻造成生生不息的有机循环。技术史尚未定稿,主角不会是一座孤岛式的科技城,而是一张不断延展、日益致密、自主呼吸的全球创新协作网络。

打开网易新闻 查看精彩图片