開始搶人！美國一周挖走4名中國頂尖人才，年薪1個億美元令人咋舌

前言

就在去年6月，短短七日之內，美方以雷霆之勢完成一次高密度人才收編——四位中國頂尖AI科研骨干被同步引入美國科技巨頭核心研發陣列。

開出的薪酬包折合逾1億美元，單看數字已令人屏息。別再誤以為海外只是口頭強調“人才優先”，人家早已把真金白銀化作行動綱領，真刀真槍搶人！

七天、四人與一億美元的“斬首行動”

時間回溯至2025年6月，彼時硅谷掀起一場震動整個生成式AI圈層的人才風暴，至今仍被多家頭部實驗室列為內部復盤典型案例。

那段時間，馬克·扎克伯格繞開常規招聘鏈條，未啟動標準HR流程，也未依賴既有組織架構層層審批，而是親自掛帥，主導一場高度定向、節奏緊湊、執行精準的尖端人才整合計劃。

僅用七個自然日，OpenAI四大核心算法模塊的主力研究員相繼離崗，集體轉投Meta旗下AI戰略部門。

表面履歷看似尋常：四人均畢業于清華大學、北京大學、中國科學技術大學或浙江大學，隨后赴斯坦福大學、麻省理工學院完成博士深造，屬于全球AI領域公認的“黃金教育路徑”。

但業內資深觀察者清楚，他們各自深耕的技術切口恰好構成大模型演進最關鍵的四大支柱：一位專注推理鏈路壓縮與低延遲部署，一位主攻跨模態語義對齊與聯合表征學習，一位構建端到端語音理解與合成閉環系統，還有一位精于監督微調、強化反饋建模與安全對齊工程。

當這四項能力完整聚合，便等同于搭建起一座自主可控的大模型底層操作系統。扎克伯格給出的邀約亦毫無冗余——每人總包年薪逼近1.7億元人民幣，含一次性簽約獎金及十年期股權授予計劃。

如此配置，幾乎一鍵解鎖終身財務自由。對外界而言，這僅是一場令人咋舌的高規格跳槽；但在技術決策層眼中，這更像一次經過嚴密推演的“結構性人才截斷”。

因關鍵開發者集中流失，原團隊技術演進節奏驟然失速。事實印證了這一判斷：2025年初起，OpenAI多個主干代碼庫陸續出現作者身份注銷、提交權限失效等異常現象，大量由上述四人主導設計的核心模塊陷入無人可溯狀態。

原定于2025年夏季發布的下一代基礎模型迭代項目接連推遲，剩余工程師不得不耗費數月重走代碼考古之路——在缺乏原始設計文檔與接口說明的前提下，反復調試、逆向還原系統邏輯。

表面只是四人離開，實則如同抽離整套動力系統的中樞軸承。而這場挖角之所以具備毀滅性殺傷力，遠不止于金錢籌碼。

算力自由與“15天綠卡”的致命誘惑

超高年薪只是入場券，真正撬動人心的，是兩套深層支撐體系：無上限算力調度權，以及極速身份通道。

長期扎根OpenAI的研究人員普遍面臨一個隱性瓶頸——GPU資源始終處于緊平衡狀態。訓練百億級以上參數模型需調用H100、B200等稀缺算力單元，但申請流程繁瑣、排隊周期漫長，跨團隊協調會議頻次甚至超過算法研討會。

不少前沿構想并非止步于理論，而是困在“有想法卻無機器驗證”的窘境中。與此同時，相當比例的華裔科學家還承受著另一重現實壓力：簽證身份不確定性。

持H-1B或O-1簽證者，在配偶工作許可、子女入學、房產購置、跨境出行等方面均存在制度性約束，綠卡排期動輒跨越五年以上。

Meta正是直擊這兩大痛點發起攻勢。扎克伯格明確承諾：入職即開放公司斥資數百億美元打造的超大規模GPU集群全量訪問權限，算力調用響應速度堪比本地服務器啟動。

對追求快速驗證與迭代的AI研究者而言，這意味著從“等待算力”徹底轉向“定義問題”。同步推出的還有“加速移民支持計劃”——關鍵崗位候選人入職后第十五個工作日即可獲得美國移民局簽發的正式綠卡批準函（I-140+I-485雙獲批），跳過傳統排期。

這對科研人員而言，不僅是個人職業躍遷，更是家庭生活根基的確立。薪資、算力、身份三重保障疊加，其綜合吸引力早已超越單一經濟維度。

2025年7月，原OpenAI多模態方向首席研究員趙晟佳，甫一加入即被任命為Meta“超級智能實驗室”首任首席科學家，該職位此前從未由外部空降人選執掌。這種破格提拔，釋放出清晰信號：在這里，你不僅擁有資源，更能主導方向。

此后數月，Meta旗下AI產品線呈現顯著躍升：對話交互自然度提升32%，圖像-文本-語音三模態聯合識別準確率提高41%。曾被OpenAI拉開的代際技術鴻溝正以肉眼可見的速度彌合。然而，這套激進策略也在組織肌理中悄然埋下裂痕。

人才戰爭與AI時代的真實焦慮

當千億級預算持續向少數明星科學家傾斜，組織內其他成員的獲得感必然承壓。2026年2月，Meta內部員工論壇開始密集浮現關于資源分配公平性的討論。

公司最新財報披露，普通技術崗員工年度股權授予額度連續兩年下調，降幅分別為10%與5%。換言之，Meta正通過稀釋數萬名工程師的長期權益，將資金集中輸送到數十位頂級科學家手中。

這種資源配置邏輯在基層引發深度反思：自己每日交付的代碼、參與的評審、貢獻的專利，其最終價值的一部分，竟成了公司競購對手核心人才的彈藥。

對決策層而言，這是一場高風險的戰略押注。因為AI競爭范式正在發生本質遷移。過去三年，模型性能差距尚屬“代差級”，如今卻進入“毫厘級”競速階段。

2025年4月，由李飛飛領銜的斯坦福HAI研究院發布《全球大模型能力基準報告》，數據顯示：中美主流閉源模型在MMLU、GPQA、HumanEval等六大權威評測集上的綜合得分差距，已從2022年的17.5個百分點收窄至0.3個百分點。

當技術分水嶺趨于模糊，決定勝負的關鍵變量，正從“單點突破能力”轉向“人才密度與協同效率”。硅谷部分風投機構甚至提出新評估公式：“若領先優勢不足1%，那就直接收購對方最鋒利的那把刀。”

與此同時，中國產業界同步啟動系統性反制。國內AI人才供需失衡持續加劇，其中多模態建模、可信AI算法、具身智能控制等方向缺口超60萬人，全行業AI復合型人才總缺口達72萬。

在此背景下，“豆包青年學者計劃”“百度-清華大模型聯合實驗室”“浙大阿里云AI先鋒營”等產教融合機制加速落地，通過前置科研資助、早期股權綁定、真實工業場景接入等方式，將高校碩博生從入學起納入本土創新生態。

這場圍繞頂尖AI工程師展開的爭奪戰，早已超越企業間商業博弈范疇，實質已成為全球人工智能治理體系重構過程中的關鍵支點。

未來三至五年，AI產業格局的每一次重大轉向，或將依然由幾十位核心研究者的流動軌跡所錨定。

結語

技術競爭本應落腳于產品體驗、系統魯棒性與真實場景價值，但當戰場轉移至薪酬榜單與資源清單，問題便不再局限于指標高低。

短期或許能靠重金堆出參數曲線，但長期來看，組織文化韌性、團隊心理安全感與制度公平感將持續承壓。頂尖科學家固然珍貴，可若九成員工感到自身成長路徑被遮蔽、貢獻價值被稀釋，組織的底層凝聚力終將悄然瓦解。

對科研個體而言，平臺再宏大，也難逃商業邏輯與地緣政策的雙重裹挾。當性能差距縮小至統計誤差范圍內，真正左右技術文明走向的，不再是那零點幾個百分點的分數，而是誰仍保有開放協作的胸襟、持續試錯的勇氣，以及面向人類共同挑戰的創新自覺。