?——【·前言·】——?

普通程序員大多月薪兩萬左右，還天天被脫發(fā)、加班折磨，可頂尖的AI人才完全是另一個世界，Meta短短一周就從OpenAI挖走四位華裔精英，開出的總薪酬高達(dá)一億美元。

美國一面搞技術(shù)封鎖，一面瘋狂收割中國培養(yǎng)的精英，這種前后矛盾的做法，這種極度矛盾的行徑正撕開其內(nèi)心深處深不見底的技術(shù)焦慮。

一億美元到底是什么概念？

按這個體量，在北京核心區(qū)域買下一整棟像樣的商業(yè)樓都不算離譜，，放到個人收入上，更是絕大多數(shù)高級技術(shù)人員一輩子都碰不到的數(shù)字。

可Meta出手就是這種級別，而且動作很猛：據(jù)稱在短短一周內(nèi)，把這筆天價待遇連著砸向四位華人專家，趙晟佳、余家輝、畢樹超、任泓宇。

他們被看重的點不是“會寫代碼”這么簡單，而是能把大模型從底層機(jī)制、訓(xùn)練路徑、到產(chǎn)品化落地一條鏈路打通的那類稀缺型人才。

趙晟佳從 ChatGPT 和 GPT?4 剛起步就加入研發(fā)，一路跟著做到成熟落地，摸透了模型升級里最容易卡殼的環(huán)節(jié)、風(fēng)險最高的參數(shù)設(shè)置，也清楚常見問題怎么避開，有很強(qiáng)的實戰(zhàn)把控。

余家輝長期做多模態(tài)方向，核心能力是讓模型在面對圖像、文本、音頻等混雜信息時仍能保持穩(wěn)定判斷與識別效果。

畢樹超同時懂互聯(lián)網(wǎng)產(chǎn)品和AI工程，擅長把實驗室里的模型更快推到真實業(yè)務(wù)里去，讓技術(shù)更快產(chǎn)生商業(yè)結(jié)果，任泓宇主攻后訓(xùn)練與對齊等工作，負(fù)責(zé)把“能跑的模型”進(jìn)一步打磨成“好用、可控、能賣”的系統(tǒng)。

把這四塊能力拼起來，等于直接湊齊一支成熟大模型團(tuán)隊的關(guān)鍵部件，Meta的目的也很明確：不僅是招到人，還要得到他們在OpenAI時期沉淀下來的經(jīng)驗和手感。

那些經(jīng)歷過反復(fù)失敗、調(diào)參、推翻重做后形成的判斷力，很多并不會寫進(jìn)論文或文檔，卻往往最值錢，對Meta來說，這類“帶不走但記得住”的經(jīng)驗，才是它愿意燒錢的原因。

一旦這些經(jīng)驗被帶進(jìn)Meta體系，Llama后續(xù)的研發(fā)和產(chǎn)品節(jié)奏就可能少走很多彎路，甚至直接把試錯時間壓縮一大截。

這些不可言說的技術(shù)秘辛，足以讓Meta的Llama系列在全球博弈中強(qiáng)行縮短至少兩年的摸索周期。

Meta之所以在這個時間點用重金挖人，被外界看成“很野”，根本原因是它感到了被淘汰的壓力。

現(xiàn)在AI競爭已經(jīng)進(jìn)入硬碰硬階段：OpenAI的GPT體系仍然領(lǐng)先；中國這邊像DeepSeek等模型也迅速追上來，按一些中美頂級模型的實測對比，差距已經(jīng)被壓到約0.3%這種幾乎可以忽略的水平。

領(lǐng)先不再穩(wěn)固，掉隊的代價卻變得更大，在這種環(huán)境下，Meta過去靠開源Llama攢下的口碑，開始頂不住新一輪核心能力對抗。

外界對Llama 4的反饋沒有達(dá)到預(yù)期，尤其在多模態(tài)交互、實時語音、復(fù)雜推理這些關(guān)鍵戰(zhàn)場，表現(xiàn)被對手壓了一頭。

更要命的是行業(yè)節(jié)奏變了：以前可能18個月做一代更新，現(xiàn)在很多能力半年就要拉開一次差距，慢一步就會被甩開，甚至直接失去存在感。

扎克伯格也清楚，算力和機(jī)房這些東西，只要肯花錢、肯擴(kuò)建，總能追一段；但真正決定模型上限的，是懂架構(gòu)、訓(xùn)練、對齊、產(chǎn)品化全流程的頂級人才。

這種人不可能靠臨時招一批工程師、堆幾輪試驗就“培養(yǎng)出來”，與其自己花幾年時間交學(xué)費，不如用資本把成熟團(tuán)隊和經(jīng)驗直接搬過來，用錢去換時間、換路線、換把握。

所以Meta寧可頂著輿論也要豪擲重金，本質(zhì)上是在用最快方式補(bǔ)齊短板，后來幾個月Meta新版AI工具上線，很多人也確實看到指標(biāo)提升：跑分上漲，對話更細(xì)膩，多模態(tài)響應(yīng)更快，實時語音更穩(wěn)。

這種變化很難靠單純增加顯卡數(shù)量實現(xiàn)，更多來自關(guān)鍵人才帶來的方法、經(jīng)驗和工程體系更新，這些脫胎換骨的改變，絕非通過增加幾萬張顯卡就能帶來的，而是頂尖大腦入場后的必然產(chǎn)物。

Meta用高薪搶人的做法一出來，很快把硅谷的胃口也帶起來了，隨后包括英偉達(dá)在內(nèi)的多家美國科技公司開始更有計劃地“點名挖人”，重點盯著有中國學(xué)習(xí)或工程經(jīng)歷的AI專家。

一類是國內(nèi)頂尖高校里做基礎(chǔ)研究的尖子，另一類是頭部互聯(lián)網(wǎng)公司的一線架構(gòu)師，為了提高成功率，他們往往直接給出高額獎金、解決身份的路徑和遠(yuǎn)超行業(yè)平均的報價，把目標(biāo)鎖得非常明確。

更值得警惕的是，這種挖角有往“上游”走的趨勢，不再只搶成熟工程師，還想更早介入，從年輕人才甚至還沒出名的階段就開始吸引進(jìn)自己的研究體系，把人才鏈條在源頭處截走。

美國不少專門做研究分析的智庫，都在公開場合說過，在大模型最核心的底層架構(gòu)搭建、不同模態(tài)融合這些關(guān)鍵技術(shù)方向上，華裔工程師做出的貢獻(xiàn)，占比已經(jīng)超過了 30%，這等于從側(cè)面說明。

全球公司之所以盯著華人和中國背景人才，是因為他們確實在硬技術(shù)上能打、能落地、推進(jìn)速度快。

在看到DeepSeek等中國模型進(jìn)展后，美方也逐漸意識到，單靠硬件限制并不能完全擋住創(chuàng)新，于是“掐尖式”人才戰(zhàn)變成更現(xiàn)實、更好操作的手段。

與此同時，中國AI行業(yè)本身也存在缺口，人才缺口指數(shù)被提到0.51，算法架構(gòu)師、核心產(chǎn)品經(jīng)理等崗位尤為緊缺。

在這種供需背景下，美國提供的高薪與資源對部分頂尖人才會形成很強(qiáng)吸引力，因此問題不只是“別人來搶”，也包括我們能不能留住。

如何在繼續(xù)開放交流的同時，給本土頂尖人才更好的平臺、更清晰的回報和更體面的發(fā)展空間，讓他們愿意把能力用在國內(nèi)的長期建設(shè)上，當(dāng)資本的獠牙已經(jīng)亮出，我們是否做好了守衛(wèi)“大腦”的準(zhǔn)備？

參考資料：Meta連續(xù)兩年削減股權(quán)激勵 去年降10%今年降5% 同步翻倍AI資本支出并裁元宇宙1500崗
2026-02-21 04:26·金融界