吳恩達解讀 AI 天價薪酬：資本堆起的1億美元不是情緒

大數據文摘整理

人工智能界掀起了新的薪資地震。吳恩達對此做了評價。

吳恩達在推特中表示，Meta為AI大模型開發者開出超過1億美元的薪酬大禮包，震動了整個科技行業。這些薪酬雖然多數分攤在幾年內支付，但依然罕見到足以成為新聞頭條。

吳恩達指出，這一出手并非沖動，而是基于精密的資本邏輯。

Meta今年計劃投入660億至720億美元在資本支出上，其中很大一部分將用于建設AI基礎設施，例如數據中心和GPU集群。在這樣龐大的投入面前，拿出幾億美元“買人”，只是成本結構中的一小部分。

他表示，這與傳統的軟件創業公司形成鮮明對比。普通初創公司約70%至80%的預算用于員工工資，而在AI大模型企業中，工資反而成了最小的一項支出。

如果企業已經決定砸幾十億美元買GPU，那么花幾億美元請人把這些硬件用好，完全合理。

高薪不是情緒表達，而是投資配置。

吳恩達觀察到，一個構建AI基礎模型的公司，員工數量相對較少，但資本投入極高。這種“人少錢多”的結構，為超級高薪提供了天然土壤。

在Meta出手之前，一些AI模型訓練師的薪酬已高達每年500萬到1000萬美元。如今，Meta將這個數字推到了新的高度。

這不僅是Meta一家的策略。

Netflix也是類似模式的代表。它今年計劃投入180億美元制作內容，而公司僅有1.4萬名員工。在人力成本比例極低的背景下，公司可以持續支付高于市場的工資，并形成強烈的企業文化定位，比如“我們是一支運動隊，而不是一個家庭”。

反觀制造業巨頭富士康，全球員工超過100萬人。在這種勞動密集型結構中，每提高一點工資，都會成倍放大整體成本壓力。

吳恩達指出，AI企業與傳統企業的薪酬邏輯，已經走上兩條完全不同的路徑。

資本密集型企業，可以用資本換人才，用少量人撬動巨額算力；勞動密集型企業，只能用人換產值，用大量人力維持運轉。

吳恩達提醒，Meta雖然業務復雜，包括Facebook、Instagram、WhatsApp、Oculus等，但其AI訓練體系正在變成最燒錢、也最關鍵的部分。

他特別提到，Meta等平臺長期依賴用戶生成內容（UGC）吸引用戶注意力，再通過廣告實現收入。而現在，AI生成內容（AIGC）正悄然逼近。

AI可以自動生產文本、圖像、視頻，甚至互動內容。當AI內容開始與人類內容競爭注意力，UGC賴以生存的邏輯就被撼動了。

Meta不是唯一焦慮者。

TikTok、YouTube等同類平臺，同樣意識到AIGC可能徹底重塑整個社交生態。于是它們競相投入，部署AI戰略，而“高薪挖人”，成為這場戰爭最直接的表現形式。

吳恩達分析，Meta在高價聘用AI人才時，除了看重他們的未來貢獻，還可能意在“技術側寫”，通過引入關鍵人物，獲得競爭對手技術布局的洞察。

這是硅谷常見的商業博弈，叫“挖人即獲取技術情報”。只要這種做法不破壞企業文化，它就是合理的戰略支出。

吳恩達還提到，早在十年前，他就曾為AI團隊建立預算模型，評估在既定資金下，該雇用多少員工、采購多少GPU，以獲得最優生產力。

而今天，這種模型幾乎不再需要。答案已經寫在行業邏輯里：一切向硬件傾斜，一切以擴展為先。

但即便如此，人才仍是關鍵。

他為那些獲得高額薪酬的AI從業者感到高興，同時也強調，每一位投身AI行業的人都值得尊重。他們的工作，正在參與一場影響深遠的技術革命。

以下是推特原文，DeepSeek整理如下：

最近，Meta 因為給大模型研發人才開出“破表”的薪酬方案而上了頭條：單人總包動輒超過 1 億美元（通常分幾年兌現）。公司今年計劃在數據中心等資本開支上投入 660—720 億美元，其中相當一部分指向 AI。純從財務角度看，為了讓這些硬件發揮最大效用，再多拿出幾十億美元留住頂尖人才，并不算不理性。

對不參與訓練基礎模型的典型應用型創業公司來說，支出結構通常是：70%—80% 用于人力，5%—10% 是房租，另外 10%—25% 是各類運營成本（云服務、軟件授權、市場、法務/財務等）。但把模型做大是高度資本密集的活兒，薪酬反而只占總成本的一小部分。于是，雖然團隊不大，卻有能力給出異常優厚的待遇：既然你在 GPU 硬件上的投入動輒以數百億 美元計，為何不拿出其中十分之一來砸在人上？在 Meta 最近抬價之前，大模型訓練崗位的薪酬就已不低，很多人年薪 500—1000 萬美元；而 Meta 進一步把天花板又推高了一截。

Meta 業務線眾多：Facebook、Instagram、WhatsApp、Oculus 等都在其列，但 Llama/大模型訓練這條線尤其資本密集。Meta 的諸多產品依賴 UGC（用戶生產內容）來聚攏注意力，再通過廣告變現。AI 對這種模式既是威脅，也是機會：如果 AIGC（AI 生成內容）開始替代 UGC 成為主要“吸睛”供給，并承載廣告，社交媒體的格局就會被重塑。

這也是為什么 Meta，和 TikTok、YouTube 等平臺一樣，對 AIGC 高度關注，并在 AI 上重金投入合情合理。進一步講，招到關鍵人才，不僅獲得其未來產出，還可能帶來對競爭對手技術的洞察；只要不傷公司文化，高薪就是理性的商業選擇。

資本密集型行業給員工開高薪并不是什么新故事。比如 Netflix 今年預計在內容上投入 180 億美元，給 1.4 萬名員工發工資只占總成本的小頭，于是便能長期提供高于市場的薪酬。這種花錢方式也塑造了它獨特的文化“我們是一支球隊，不是一個家庭”（對 Netflix 有效，但未必適用于所有公司）。相反，像富士康這種全球雇員超百萬的勞動密集型制造業，在薪酬上就必須更加精打細算。

早在十年前，我帶隊做 AI 擴容時，就做過電子表格模型：預算里該分多少給人、多少給 GPU？我們用自定義的“人（N）+ 機（M）→ 產出”函數來估算生產率，在預算約束下優化 N 與 M 的組合。此后，AI 擴容的開支結構明顯向 GPU 傾斜。

我為那些拿到大包的人由衷高興。撇開個體數字，我也感謝每一位投身 AI 的同行。所有做 AI 的人都該拿到體面的回報。盡管薪酬差距在拉大，我認為這反映的是更大的時代背景：在當下，從事 AI 開發的人正站在一個能產生巨大影響、推動世界變化的歷史機遇點上。

via

作者長期關注 AI 產業與學術，歡迎對這些方向感興趣的朋友添加微信Q1yezi，共同交流行業動態與技術趨勢！

GPU 訓練特惠！

H100/H200 GPU算力按秒計費，平均節省開支30%以上！

掃碼了解詳情?