2025年硅谷給華人AI精英開出上億年薪！Agent、Infra人才被搶瘋了

作者 | 允毅、木子

2025 年的硅谷 AI 圈，最激烈的戰場已不止于模型參數和榜單上，另一場殘酷的戰爭也在暗中同步升級。

當大模型一路卷到極限，算力、參數規模、基準測試分數開始出現明顯的邊際遞減，真正被重新定價的，是“人”。

過去幾年，硅谷 AI 的主敘事是“誰能訓練出更大的模型、刷出更高的分數”。

但進入 2025 年，模型能力仍然重要，卻不再是唯一的決定因素；大家的關注重心逐漸從“模型參數與評測分數”，轉向“誰能夠將模型納入產品與系統核心，并持續推動其在真實業務場景中發揮作用”。

這一變化，非常直觀地體現在一連串人員流動中：

一邊是科技巨頭高調宣布重金搶人、瘋狂擴招 Agent、系統、基礎設施方向的研究與工程負責人；另一邊，他們又在內部對原有 AI 研究體系進行重組，讓多位中高層研究負責人選擇離開舞臺中央。

在一系列重大人事變動中，Meta 今年的變化尤為矚目：比如前兩天豪擲 20 億美元買下智能體公司 Manus，順手也把 Manus 創始人肖弘“納入囊中”。另外據《華爾街日報》7 月報道，Meta 采用“爆炸式 offer”戰術：簽約金最高達 1 億美元，決策窗口短至幾小時。

而作為 Meta 的前首席 AI 科學家兼 FAIR 創始人的 Yann LeCun，卻在 11 月官宣離職創業，聚焦高級機器智能研究項目（Advanced Machine Intelligence，AMI）。

OpenAI CEO 奧特曼直言，今年他見到了職業生涯中“最殘酷的人才市場”，Meta 向他的 OpenAI 團隊挖人，還拋出炸裂的報價：“簽約金 1 億美元起步，年薪還遠高于此”。

從 Meta 到 OpenAI，從谷歌到蘋果，從“首席科學家”到“研究負責人”...... 這些名字的變動，正在折射出一件重要的事情——美國科技巨頭的 AI 研發重心，正在整體遷移。

不過研究的價值也從未失效，模型訓練依然是產業生長的底座。但 AI 行業更看重的，已逐漸變成了把模型轉化為可執行系統、并在真實場景中持續創造價值的能力。

還有值得一提的是，這場混戰中，大量華人工程師在站上了關鍵崗位。

為什么2025年的硅谷，

裁員和搶人同時發生？

為什么今年看起來“裁員”和“搶人”同時發生？

看似矛盾現象的背后，其實是行業對 AI 發展路徑的認知正在發生轉向：通用人工智能（AGI）的烏托邦式愿景逐漸褪色，特定領域、可落地的超級智能（ASI）成為新共識。

對此，Anthropic 高管 Jack Clark 曾警告“巨變在即，AI 將把世界撕裂為兩個平行宇宙”。

更直接的變化在于，AI 正在從“技術突破期”快速切換到“工程兌現期”。裁員與搶人，正是這一階段轉換在人才市場上的投射。

核心矛盾的起點，是大語言模型（LLM）正式邁入平臺期。過去數年，“更大參數、更多數據、更高算力”的線性增長邏輯，支撐著 AI 行業的技術狂熱與估值飆升。

但到 2025 年，這條路徑的邊際收益明顯下降。頂尖模型的能力天花板逐漸顯現，再疊加算力成本的指數級攀升，企業突然發現，“把模型做得更強”的投入產出比已大幅下滑。

這一點在 OpenAI 身上體現得尤為明顯，其年營收約 130 億美元，卻要燒掉 90 億美元維持運營，2028 年虧損甚至可能膨脹至營收的四分之三，算力成本壓力倒逼企業必須轉向商業價值兌現。

當技術探索的空間收窄，企業關注的重心自然轉向三件事：能不能用、能不能賣、能不能規模化。

這一轉向，直接改變了 AI 人才的價值排序。

在技術突破期，中高層研究人才的核心價值在于定義方向、探索未知、構建長期技術壁壘；但進入工程兌現期，企業的戰略重心變成“把已有的模型能力轉化為穩定的系統、可落地的產品和持續的現金流”。

不是 AI 人才變多了，而是“被需要的 AI 能力類型變了”。

誰在離開舞臺中央？

長期研究型高層的集體“降權”

2025 年硅谷 AI 人才流動潮中，Meta 是最具沖擊力的變量之一：一邊以天價薪酬全球爭搶工程與產品型人才，一邊持續流失 AI 體系核心的研究型高層。

田淵棟被裁、Joelle Pineau 離職、Yann LeCun 話語權旁落，這些并非孤立事件，而是 Meta AI 戰略根本轉向的集中體現——從“基礎研究與產品并行”，徹底轉向“以產品為核心的集權化研發體系”。

基礎研究不再天然擁有戰略優先級，唯有能直接服務產品主線、影響競爭勝負的研究，才能留在權力中心。

這一轉向最直觀的標志，是 FAIR 實驗室的衰落。

2013 年，扎克伯格與 Yann LeCun 共同創立這個以“推動 AI 前沿、造福人類”為使命的基礎研究高地，代表著 Meta 對長期 AI 研究的耐心押注——彼時邏輯清晰：基礎研究定義能力上限，產品負責兌現價值。

但生成式 AI 浪潮打破了平衡，算力、數據與資本成為核心變量后，組織價值評判標準徹底轉向“可轉化性”：研究的重要性，不再取決于是否推進認知邊界，而在于能否快速落地為產品能力。負責產品落地的 GenAI 團隊逐漸成為主線，FAIR 則從“戰略源頭”退為“技術后方”。

Llama 系列的演進加速了這一趨勢。Llama 3 的開源成功讓 Meta 成為大廠開源陣營核心玩家，也讓管理層明確目標：AI 不僅要領先，更必須滲透進 Meta 所有產品形態。

在此導向下，Llama 4 的規劃重點被強拉至多模態能力與應用整合，推理能力、思維鏈等基礎研究被歸為“可延后”選項。直到 DeepSeek 與 OpenAI o1 實現推理突破，Meta 才意識到基礎能力缺口無法用產品工程彌補，即便抽調 FAIR 團隊臨時“救火”，路線已難以逆轉。

Meta 在 10 月裁掉 600 人，不少 FAIR 老人黯然離場，包括頂級研究員田淵棟。

值得注意的是，這些離開或被邊緣化的頂尖研究者并未退場，反而帶著對主流 AI 路徑的明確判斷，分流成截然不同的創業賽道。

最具前沿探索性的，是 Yann LeCun 押注的“世界模型”路線。

作為 FAIR 創始人、圖靈獎得主，他始終是主流 LLM 路線的尖銳異議者，長期質疑“堆參數、喂數據”的范式，認為當前模型僅停留在統計擬合，并未真正理解世界。

離開 Meta 后，他創辦 Advanced Machine Intelligence Labs（AMI），核心目標是通過建模世界運行規律，構建具備持久記憶、推理與規劃能力的系統——這一路線不追逐短期性能指標，而是試圖從根源重塑智能實現方式。

另一批研究者選擇向現實業務靠攏，Joelle Pineau 是典型代表。

2025 年 5 月，這位 FAIR 體系的核心組織者、Llama 早期技術路線的深度參與者離職，加盟 Cohere 出任首席 AI 官。她長期主導強化學習與對話系統研究，此次轉向清晰指向“可控、可部署、能被企業真正使用的 AI”。

而正以“主權模型”重新定位的 Cohere，也借 Pineau 的加入，補齊了研究深度與工程落地之間的關鍵短板。

還有一條路徑，流向了全棧實驗室化的創業公司，“PyTorch 之父” Soumith Chintala 是其中的代表。

2025 年 11 月，結束 11 年 Meta 生涯的他加入 OpenAI 前 CTO Mira Murati 創辦的 Thinking Machines Lab（TML）。這位曾構建全球 AI 研究基礎設施的人直言，離職的原因是希望跳出“極度成功的舒適區”，探索下一代 AI 系統形態。

在 OpenAI 核心研究員持續外流的背景下，TML 正逐漸成為新的承接平臺。它以“讓強 AI 更可理解、可定制”為方向，集結多位來自大廠的核心成員，憑借高額融資與“開放科學”的研究取向，逐漸成長為能夠獨立承擔前沿探索的“平行實驗室”。

誰在被瘋狂爭搶？

華人工程師站上關鍵崗位

答案從 2025 年硅谷科技巨頭們的招聘與收編動態就能讀出來，這場激烈的人才搶奪賽主要圍繞三類核心能力展開：agent、多模態與實時交互、推理和 AI Infra。

首先是 Agent 與可執行系統方向，即能把模型變成“能干活”的系統。

這類人才的能力，不只限于模型訓練本身，而是把模型嵌入到可執行、可操作的系統里——包括多步任務規劃、工具調用、頁面 / 應用直接操作等能力。

其二，多模態在 2025 年不再停留在“能生成圖片 / 文字”這種靜態功能，而更強調實時感知、持續交互和環境理解。

極具代表性案例，就是 Meta 在 6 月份不僅斥資約 140 億美元投資并收編 Scale AI，還將其創始人兼 CEO 亞歷山大·王（Alexandr Wang） 招致麾下。

亞歷山大·王是一位 97 年出生的美籍華人小伙，從 MIT 輟學，后創立了一家做 AI 數據與評測基礎設施的公司 Scale AI，為大型科技公司訓練最新 AI 模型。

小扎還讓這位年輕人和前 GitHub CEO Nat Friedmany 一起領導新成立的 “超級智能實驗室（Meta Superintelligence Labs，MSL）”。

這個 MSL 很不簡單，據 OpenAI CEO 奧特曼爆料，Meta 給該團隊新員工提供簽字獎金可達 1 億美元（約合人民幣 7 億元）！

至于此消息為啥為從奧特曼口中說出，或許是因為小扎從 OpenAI 猛猛“偷家”吧——扎克伯格在他的備忘錄中提到了 11 人，其中至少有 6 人是華人，7 人來自 OpenAI。

據 Business Insider 消息，MSI 首發團隊成員中，余家輝、趙晟佳、畢樹超、Huiwen Chang、Ji Lin、任泓宇、等 6 人都曾在 OpenAI 擔任關鍵模型、關鍵團隊的負責人。

這些人中，有的人曾參與過 Agent 型、多步推理或執行研究，有人則是在多模態、語音 / 視覺理解、后訓練 / 交互系統方面有深厚積累的復合型研究人員。

另外，馬斯克的 xAI 雖然暫時沒有沒有統一公開名單，但關于 xAI 的戰略規劃，曾多次提到多模態能力（尤其與超算中心、NVIDIA 推理能力結合），這類戰略需要大量精通多模態模型與分布式系統的工程師來實現。

其三，關于推理和 AI Infra，主要是為了讓模型跑得起、跑得穩、跑得便宜。

這里的“推理與 AI Infra”包含兩個層面：

• 推理系統設計與優化：如何讓大型模型在實際場景中高速、低成本地響應；

• 基礎設施與可服務化能力：從數據管線、模型發布、調度、監控到彈性伸縮。

這類人才既要懂深度學習，又要懂系統工程、服務架構、調度策略，在 2025 年極度搶手。

比如，英偉達通過與 AI 芯片初創公司 Groq 的頂尖工程師達成協議，引入其聯合創始人 Jonathan Ross 及執行團隊。

這批人才曾在谷歌等大廠負責高性能、低延遲的 AI 推理芯片架構設計，而優化推理能力正是 Infra 人才的核心一環。

而谷歌這邊，也在忙著搶奪 AI 軟件工程師，其中高達 20% 的新增 hires 是“回流員工”（boomerang workers），這類崗位幾乎全部聚焦于將內部 AI 研發轉寫入產品 / 系統層，包括推理效率提升、API 服務化框架、企業級部署架構等。

可見，推理效率和基礎設施能力已成為 AI 競爭的重要戰場，過去僅靠堆算力已無法滿足企業級需求。

總而言之，這些都是硅谷 AI 戰場上現在被重金爭搶的關鍵能力，遠遠超出過去單純“模型參數”和“benchmark 比拼”。

2025 年，頂級 AI 人才并沒有離場，只是大家從論文和 Demo，更多地走向了系統、平臺與現實世界。而 2025 年的硅谷，也正是在這場無聲的人才遷徙中，完成了一次新的方向校準。

https://www.reuters.com/business/sam-altman-says-meta-offered-100-million-bonuses-openai-employees-2025-06-18/?utm_source

https://www.businessinsider.com/meet-the-people-zuck-hired-for-his-ai-superintelligence-team-2025-7?utm_source

https://www.ft.com/content/3584197e-a99a-4a06-9386-dc65cf603f45?utm_source

聲明：本文為 AI前線整理，不代表平臺觀點，未經許可禁止轉載。

技術人的年度儀式感！ 年度盤點與趨勢洞察 啟動！

《2025 年度盤點與趨勢洞察》由 InfoQ 技術編輯組策劃。覆蓋大模型、Agent、具身智能、AI Native 開發范式、AI 工具鏈與開發、AI+ 傳統行業等方向，通過長期跟蹤、與業內專家深度訪談等方式，對重點領域進行關鍵技術進展、核心事件和產業趨勢的洞察盤點。

力求以體系化視角幫助讀者理解年度技術演化的底層邏輯、創新方向與落地價值，并為新一年決策提供參考。內容將在 InfoQ 媒體矩陣陸續放出，歡迎大家持續關注。

今日薦文

你也「在看」嗎？