“996文化”席卷硅谷？AI競賽下，工程師你追我趕

在人工智能（AI）浪潮下，硅谷科技企業你追我趕，生怕一個不留神就落于人后、被淘汰出局。近期Business Insider更是用“中國特色996”來形容當前的灣區。

不過，這其實并非新鮮事。“創業企業一直都是如此，但Meta、谷歌等大廠也早就不是什么‘養老院’，現在在AI沖擊下，人人自危。”某硅谷科技業從業者對筆者表示。

沖刺上市的OpenAI和Anthropic是出了名的“卷王”，更有原大廠工程師入職OpenAI一年不到就因工作強度太高而裸辭，拋下上千萬美元的年薪大包（包括股權）。

事實上，去年科技業界就打趣稱，當前的AI圈是美籍華人工程師和中國工程師的較量，因而這種“拼勁”就更不分國界。

筆者也發現，曾經投出Zoom的知名硅谷VC機構TSVC的組合中，一眾AI創業公司都由華人主導。TSVC合伙人王黎晟表示，現在正是一個“特別特別好的窗口期”，“AI本質還是拼數學和計算機能力，而這恰恰是華人和印度工程師長期占優的領域。無論是奧數、編程競賽，還是學術研究，華人群體的密度都非常高。再往下看，在機器人賽道，優勢甚至更明顯，因為這不僅是軟件問題，還牽涉硬件、供應鏈和工程能力，而真正能在全球范圍內形成競爭力的地區并不多。如果你看整個AI供應鏈，現在基本都是華。”他說，這讓華人投資人在某種程度上也感到“很幸運”。

AI給硅谷“上強度”

AI領域的迭代速度已經快到足以讓任何領先優勢迅速平庸化。過去軟件行業的領先優勢以“年”計，現在的技術代差僅能維持數月甚至數周。

在圖像與視頻領域，2025年初，ChatGPT-4o生成的吉卜力風格圖片走紅全網；10月初，Sora 2引發震動；但隨后數月內，Veo 3.1和Nano Banana Pro以及Seedance 2.0等模型在一致性與生成邏輯上迅速完成了超越。

在機構看來，由于迭代過快，大模型廠商陷入了“損人不利己”的階段：MAU（月活用戶）無法沉淀，使用者遷移成本極低，甚至學習速度不一定跟得上AI迭代的速度；無法轉化為預測現金流：沒有穩定的用戶基礎，高昂的算力成本（訓練成本已進入10億美元量級）就無法轉化為可預測的長期現金流。

Business Insider形容硅谷大廠以前是“養老地”，但這種形容并不準確，即使是如谷歌、Meta這種頂級大廠，早年仍是初創企業時文化也極具狼性，而且項目流程推進迅速。只是如今已經長成巨頭，流程環節自然更長，但“養老”絕非大廠的形容詞。甚至從2025年開始，大廠員工在日趨激烈的裁員潮下，變得人人自危，工作壓力陡增。

“硅谷都在搞AI，資本開支暴增，導致其他組的資源都在向AI傾斜，現在做什么都得和AI搭上點關系。”Meta某軟件工程師對筆者表示，每年一輪的裁員也給大家的精神壓力和工作負荷不斷“上強度”。

據觀察，裁員潮一波接一波。年初，亞馬遜就宣布再裁員1.5萬人，將節省下來的數十億美元重新分配，用于人工智能和AWS數據中心的資本支出；禍不單行，也就在上周，Meta正式宣布計劃于5月20日裁員約10%，裁員近8000人并取消6000個空缺職位。

而且Meta每年似乎都有一定比例的裁員，但這更類似于一種新老血液的交換。對于初級的軟件工程師，形勢異常嚴峻，如今的硅谷大廠再也不愿意招“新手”或“通才”，而是希望“對路”。

獨角獸996，大廠再難“躺”

最卷的永遠是硅谷創業企業，OpenAI和Anthropic等獨角獸也以工作強度高著稱。

原Meta、OpenAI工程師波爾Bohr (Chun-Chao) Wang分享稱，OpenAI的工作環境高壓力、高強度，員工需要具備卓越的解決問題能力和持續學習的動力。

與一些強調協作共同進步的硅谷大廠不同，OpenAI的內部可能更多體現出一種競爭氛圍，需要員工不斷證明自己的價值和能力。

在OpenAI，準時下班可能是一種奢望。一方面，在流行“996文化”的美國，一群天才堅信要為實現AGI而戰，因為加班成了常態；另一方面，在動不動就被曝出“年薪上億”的硅谷大廠，薪酬也在激勵著員工奮斗。

例如，波爾表示，OpenAI提供的總體薪酬包極具競爭力，遠超許多傳統大型科技公司。OpenAI作為一家有盈利上限（capped-profit）的特殊結構公司，采用PPU作為員工激勵。

這是一種與公司盈利能力掛鉤的虛擬股份，其價值增長潛力巨大，是實現高額回報的主要來源。華爾街當前估計，OpenAI的估值已經接近1萬億美元，而且極有可能在2026年就IPO。

盡管如此，波爾仍選擇離開OpenAI，他總計也就在OpenAI工作了1個月。高強度的工作模式對個人生活構成影響，尤其是有育兒需求的員工，OpenAI也不允許員工“遠程上班”（一周至少到公司三天）。

不是砸錢就能贏

表面上，硅谷的一些知名獨角獸現在還在拼模型、拼算力，但投資風向早已轉向，當前軟件工程師不只是“卷”，對工程能力的要求實則變得更高了。

原因也在于，對于PE、VC而言，如今再去砸錢投大模型，早已是一場負擔不起的競賽，而且行業格局也已經被巨頭鎖定。

“我們并不打算去追最燒錢的底層基建，而是更偏向應用端，尤其是那些有行業壁壘的方向，比如制造業相關的AI應用。”王黎晟稱。

在他看來，美國有算力和資本，可以探索新方向，但創業和投資并不是簡單砸錢。基礎設施層最終能跑出來的公司其實很少，可能投上千家，最后只有三四家成功，而且需要極其龐大的資本支持。相比之下，應用端才是真正“百花齊放”的地方。

華人工程師優勢凸顯

在應用端，華人工程師的優勢也開始凸顯。

就初創企業而言，華人團隊往往更“省錢”。王黎晟分析稱，在算力受限、硬件條件沒那么理想的情況下，反而會逼著團隊去做模型輕量化和工程優化，這種能力在初創階段尤其關鍵。

“很多來自大廠的工程師，在預算無限的時候很強，但到了創業公司反而不適應，因為突然要面對資源約束、技術優化和工程落地的現實。”

據筆者觀察，TSVC的投資組合中，至少有三家初創企業的創始人都是華人，而且教育工作背景都貫穿中美。

例如，電腦操作大模型公司OpenAGI的秦增益（在清華大學本科完成電子工程學習之后，赴美國攻讀麻省理工學院博士，并曾在斯坦福大學做訪問研究）；端側AI公司Aizip的陳羽北（在加州大學伯克利分校獲得博士學位，并在紐約大學數據科學中心與Meta FAIR擔任博士后研究員，隨后進入學術界并創業）；以及在物理AI時代將扮演關鍵角色的光學企業2PI Optics的創始人古田（從北京理工大學本科到美國特拉華大學博士，再在麻省理工擔任研究科學家）。

在投資人看來，創業企業理想的組合可能是：團隊在美國，利用本地生態和資源，同時吸收華人工程師那種強工程化、強優化能力。畢竟，AI再酷，最后還是一門生意——能不能找到真實的行業場景、能不能賺錢，才是決定成敗的關鍵。

不難發現，如今在硅谷創業，并不是夠卷、技術夠好就能行，它同時考驗技術能力、工程能力、管理能力，甚至是資源配置能力，可見AI創業也并非易事。

No.6863 原創首發文章｜作者 Irene Zhou

開白名單 duanyu_H｜投稿 tougao99999

歡迎點看【秦朔朋友圈】