2025硅谷AI人才暗战：研究大牛退场，华人工程新贵站上C位

作者 | 允毅、木子

2025年，硅谷人工智能领域的竞争焦点早已超越模型参数和基准测试，一场更为激烈的人才争夺战正在幕后悄然升级。

随着大模型发展触及瓶颈，算力堆砌、参数扩张和分数竞赛的边际效益日益衰减，行业重新估值的关键资产变成了“人才”。

过去数年，硅谷AI的主流叙事始终围绕“谁能打造更大模型、刷新更高分数”。

然而步入2025年，模型实力虽依旧关键，却不再是唯一标尺；业界目光正从“参数规模与评测成绩”转向“谁能将模型深度融入产品系统，并在真实业务场景中持续创造价值”。

这一趋势转变，在近期一系列人事变动中表现得淋漓尽致：

一方面，科技巨头们高调砸钱抢人，大肆招募智能体、系统及基础设施领域的研究和工程负责人；另一方面，他们内部正对AI研究架构进行重组，导致众多中高层研究骨干逐渐淡出核心圈。

在一系列重大人事变动中，Meta今年的动作尤为抢眼：例如前不久以20亿美元收购智能体公司Manus，顺带将Manus创始人肖弘收入麾下。另据《华尔街日报》7月报道，Meta采用“爆炸式offer”策略：签约奖金最高可达1亿美元，决策窗口期仅数小时。

而Meta前首席AI科学家兼FAIR创始人Yann LeCun，却在11月宣布离职创业，投身高级机器智能研究项目（Advanced Machine Intelligence，AMI）。

OpenAI CEO奥特曼坦言，今年他经历了职业生涯中“最残酷的人才市场”，Meta向他的OpenAI团队挖人，并开出惊人报价：“签约金1亿美元起步，年薪更是远高于此”。

从Meta到OpenAI，从谷歌到苹果，从“首席科学家”到“研究负责人”……这些名字的变迁，正折射出美国科技巨头AI研发重心的整体迁移。

不过研究的价值并未失效，模型训练仍是产业发展的根基。但AI行业更看重的，已逐渐变成将模型转化为可执行系统、并在真实场景中持续创造价值的能力。

值得一提的是，这场混战中，大量华人工程师站上了关键岗位。

为何今年“裁员”与“抢人”会同时发生？

这一看似矛盾的现象背后，是行业对AI发展路径认知的深刻转向：通用人工智能（AGI）的乌托邦式愿景逐渐褪色，特定领域、可落地的超级智能（ASI）成为新共识。

对此，Anthropic高管Jack Clark曾警告“巨变在即，AI将把世界撕裂为两个平行宇宙”。

更直接的变化在于，AI正从“技术突破期”快速切换至“工程兑现期”。裁员与抢人，正是这一阶段转换在人才市场的投射。

核心矛盾的起点，是大语言模型（LLM）正式迈入平台期。过去数年，“更大参数、更多数据、更高算力”的线性增长逻辑，支撑着AI行业的技术狂热与估值飙升。

但到2025年，这条路径的边际收益明显下降。顶尖模型的能力天花板逐渐显现，再叠加算力成本的指数级攀升，企业突然发现，“把模型做得更强”的投入产出比已大幅下滑。

这一点在OpenAI身上体现得尤为明显，其年营收约130亿美元，却要烧掉90亿美元维持运营，2028年亏损甚至可能膨胀至营收的四分之三，算力成本压力倒逼企业必须转向商业价值兑现。

当技术探索的空间收窄，企业关注的重心自然转向三件事：能不能用、能不能卖、能不能规模化。

这一转向，直接改变了AI人才的价值排序。

在技术突破期，中高层研究人才的核心价值在于定义方向、探索未知、构建长期技术壁垒；但进入工程兑现期，企业的战略重心变成“把已有的模型能力转化为稳定的系统、可落地的产品和持续的现金流”。

不是AI人才变多了，而是“被需要的AI能力类型变了”。

谁在离开舞台中央？ 

长期研究型高层的集体“降权” 

在2025年硅谷AI人才大迁徙中，Meta成为最引人注目的变量：一方面以天价薪酬全球搜罗工程与产品人才，另一方面却持续流失AI体系中的核心研究高层。

田渊栋遭裁员、Joelle Pineau离职、Yann LeCun话语权旁落，这些绝非孤立事件，而是Meta AI战略根本转向的缩影——从“基础研究与产品并重”，彻底转向“以产品为核心的集权式研发体系”。

基础研究不再天然占据战略高地，只有能直接服务产品主线、左右竞争格局的研究，才能留在权力中心。

这一转向最直观的标志，便是FAIR实验室的式微。

2013年，扎克伯格与Yann LeCun携手创立了这个以“推动AI前沿、造福人类”为使命的基础研究高地，彰显了Meta对长期AI研究的耐心布局——彼时逻辑清晰：基础研究定义能力上限，产品负责兑现价值。

然而生成式AI浪潮打破了这一平衡，当算力、数据与资本成为核心变量，组织价值评判标准彻底转向“可转化性”：研究的重要性，不再取决于是否拓展认知边界，而在于能否快速落地为产品能力。负责产品落地的GenAI团队逐渐成为主线，FAIR则从“战略源头”退居“技术后方”。

Llama系列的演进进一步加速了这一趋势。Llama 3的开源成功使Meta跻身大厂开源阵营核心，也让管理层确立目标：AI不仅要领先，更必须渗透进Meta所有产品形态。

在此导向下，Llama 4的规划重点被强行拉向多模态能力与应用整合，推理能力、思维链等基础研究被列为“可延后”选项。直到DeepSeek与OpenAI o1实现推理突破，Meta才意识到基础能力缺口无法单靠产品工程弥补，即便临时抽调FAIR团队“救火”，路线已难以逆转。

Meta在10月裁员600人，众多FAIR资深成员黯然离场，包括顶级研究员田渊栋。

值得注意的是，这些离开或被边缘化的顶尖研究者并未就此退场，反而带着对主流AI路径的明确判断，分流成截然不同的创业赛道。

最具前沿探索性的，当属Yann LeCun押注的“世界模型”路线。

作为FAIR创始人、图灵奖得主，他始终是主流LLM路线的尖锐批评者，长期质疑“堆参数、喂数据”的范式，认为当前模型仅停留在统计拟合层面，并未真正理解世界。

离开Meta后，他创办Advanced Machine Intelligence Labs（AMI），核心目标是通过建模世界运行规律，构建具备持久记忆、推理与规划能力的系统——这一路线不追逐短期性能指标，而是试图从根源重塑智能实现方式。

另一批研究者选择向现实业务靠拢，Joelle Pineau便是典型代表。

2025年5月，这位FAIR体系的核心组织者、Llama早期技术路线的深度参与者离职，加盟Cohere出任首席AI官。她长期主导强化学习与对话系统研究，此次转向清晰指向“可控、可部署、能被企业真正使用的AI”。

而正以“主权模型”重新定位的Cohere，也借Pineau的加入，补齐了研究深度与工程落地之间的关键短板。

还有一条路径，流向了全栈实验室化的创业公司，“PyTorch之父”Soumith Chintala便是其中的代表。

2025年11月，结束11年Meta生涯的他加入OpenAI前CTO Mira Murati创办的Thinking Machines Lab（TML）。这位曾构建全球AI研究基础设施的人直言，离职原因是希望跳出“极度成功的舒适区”，探索下一代AI系统形态。

在OpenAI核心研究员持续外流的背景下，TML正逐渐成为新的承接平台。它以“让强AI更可理解、可定制”为方向，集结多位来自大厂的核心成员，凭借高额融资与“开放科学”的研究取向，逐渐成长为能够独立承担前沿探索的“平行实验室”。

谁在被疯狂争抢？ 

华人工程师站上关键岗位 

答案从2025年硅谷科技巨头的招聘与收编动态中可见一斑，这场激烈的人才争夺战主要围绕三类核心能力展开：智能体、多模态与实时交互、推理和AI基础设施。

首先是智能体与可执行系统方向，即能把模型变成“能干活”的系统。

这类人才的能力，不局限于模型训练本身，而是将模型嵌入可执行、可操作的系统——包括多步任务规划、工具调用、页面/应用直接操作等能力。

其二，多模态在2025年不再停留于“能生成图片/文字”的静态功能，而是更强调实时感知、持续交互和环境理解。

极具代表性的案例，便是Meta在6月不仅斥资约140亿美元投资并收编Scale AI，还将其创始人兼CEO亚历山大·王（Alexandr Wang）招至麾下。

亚历山大·王是一位97年出生的美籍华人，从MIT辍学后创立了AI数据与评测基础设施公司Scale AI，为大型科技公司训练最新AI模型。

扎克伯格还让这位年轻人和前GitHub CEO Nat Friedmany一起领导新成立的“超级智能实验室（Meta Superintelligence Labs，MSL）”。

这个MSL来头不小，据OpenAI CEO奥特曼爆料，Meta给该团队新员工提供的签字奖金可达1亿美元（约合人民币7亿元）！

至于此消息为何从奥特曼口中说出，或许是因为扎克伯格从OpenAI猛烈“挖墙脚”——他在备忘录中提到了11人，其中至少6人为华人，7人来自OpenAI。

据Business Insider消息，MSL首发团队成员中，余家辉、赵晟佳、毕树超、Huiwen Chang、Ji Lin、任泓宇等6人都曾在OpenAI担任关键模型或团队的负责人。

这些人中，有的曾参与智能体、多步推理或执行研究，有的则是在多模态、语音/视觉理解、后训练/交互系统方面有深厚积累的复合型研究人员。

另外，马斯克的xAI虽然尚未统一公开名单，但其战略规划多次提及多模态能力（尤其与超算中心、NVIDIA推理能力结合），这类战略需要大量精通多模态模型与分布式系统的工程师来实现。

其三，关于推理和AI基础设施，主要是为了让模型跑得起、跑得稳、跑得便宜。

这里的“推理与AI基础设施”包含两个层面：

推理系统设计与优化：如何让大模型在实际场景中高速、低成本响应；

基础设施与可服务化能力：从数据管线、模型发布、调度、监控到弹性伸缩。

这类人才既要懂深度学习，又要懂系统工程、服务架构、调度策略，在2025年极度抢手。

例如，英伟达通过与AI芯片初创公司Groq的顶尖工程师达成协议，引入其联合创始人Jonathan Ross及执行团队。

这批人才曾在谷歌等大厂负责高性能、低延迟的AI推理芯片架构设计，而优化推理能力正是基础设施人才的核心一环。

而谷歌这边，也在忙着抢夺AI软件工程师，其中高达20%的新增员工是“回流员工”（boomerang workers），这类岗位几乎全部聚焦于将内部AI研发转化为产品/系统层能力，包括推理效率提升、API服务化框架、企业级部署架构等。

可见，推理效率和基础设施能力已成为AI竞争的重要战场，过去单纯堆算力的模式已无法满足企业级需求。

总而言之，这些正是当前硅谷AI战场被重金争抢的关键能力，其价值远超过去单纯的“模型参数”和“基准测试比拼”。

2025年，顶级AI人才并未离场，只是他们从论文和演示，更多地走向了系统、平台与现实世界。而2025年的硅谷，也正是在这场无声的人才迁徙中，完成了一次新的方向校准。

参考链接：

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

声明：本文为 AI前线整理，不代表平台观点，未经许可禁止转载。