你好，我是傑哥。、領英（linkedin）最近發佈重磅報告——《2026 linkedin talent velocity advantage report》（《2026領英人才速度優勢報告》），標題叫 The talent velocity advantage（人才速度優勢）。這份報告直擊 AI 時代最核心的挑戰：技能變化快得讓人看不清，企業該怎麼跟上？什麼是人才速度優勢？報告定義了 Talent Velocity（人才速度）：一個組織即時看清自身技能、快速建構或獲取所需能力，並把人才調動起來的能力，最終領先市場需求。聽起來抽象，但資料很扎心——根據 LinkedIn 平台海量資料，86% 的企業缺乏足夠的 人才速度，只有 14% 的企業真正跑在前面，成為“人才速度領先者”。領先者的真實優勢這些領先者也的確嘗到了甜頭。他們在四大關鍵信心指標上，平均領先落後企業 28 個百分點：盈利信心高 23 點（88% vs 65%），保留關鍵人才高 26 點（76% vs 50%），吸引關鍵人才高 27 點（83% vs 56%），以及快速調整人才匹配業務優先順序高 36 點（85% vs 49% ）。簡單說，他們對 AI 時代更有底氣，也更敢投人。人 + AI 才是真正的競爭力報告特別強調，人 + AI 才是真正的競爭力。93% 的領先者認為人類技能比以往任何時候都更重要。他們同時在 AI 技能上發力：員工發展 AI 素養 技能的機率是落後者的 2.1 倍，AI 工程技能是 1.6 倍，在溝通、關係技能和適應性等人際技能採用率上也高出 1.6 倍。更厲害的是，他們培養“優秀協作者”的能力遠超同行——建立信任技能領先 5.5 倍，影響他人 4.3 倍，跨文化技能 3.5 倍，人際領導力和營運卓越都是 3.5 倍和 3 倍。人才生態要“流動”起來領先者還把人才生態做得更加靈活。56% 把零工機會列為更高優先順序，72% 認為內部流動比以往更重要。儘管經濟不確定，89% 的組織仍擔心技能敏捷性（把對的技能在對的時間給對的工作），88% 擔心員工留存。提供學習機會仍是第一留人策略，其次是教練、導師和內部流動。首席人力官們最渴望“即時技能可見性”。92% 認為 AI 正在加速 HR 與技術職能的融合，90% 需要即時技能洞察和資源匹配，90% 表示未來會越來越按具體任務所需的技能而非職位頭銜來組隊。全球已有 30% 的組織採用技能-based（基於技能）的工作力規劃，亞太地區最高達 41% ，歐洲/中東/非洲 32% ，北美 22% 。Talent Velocity Curve：你在第幾級？報告引入了一個實用工具——Talent Velocity Curve（人才速度曲線），把企業分成 5 個等級：Level 1（靜態）：7%Level 2（規劃）：11%Level 3（推進）：24%Level 4（新興）：43%Level 5（領先）：14%只有 Level 5 的企業，才在五大加速器上全面轉型，成果清晰可見。五個速度加速器報告給出了五大加速器：Leadership momentum（領導力勢能）：領導者把職業發展當成業務必需品，高 31 點。Culture as catalyst（文化催化劑）：打造快速學習的文化，激發好奇心與創新，高 37 點。Leading on AI（AI 領先）：用 AI 工具和技能放大員工成功，高 22 點。Integrated talent ecosystem（一體化人才生態）：跨 HR 職能無縫協作，高 46 點（差距最大）。Career power（職業賦能）：讓員工自己掌控職業路徑，個性化技能建構，高 21 點。報告還給出一些建議，強調轉型不需要大刀闊斧，從小步開始就行。比如：讓高管成為職業發展冠軍、把成長放在文化中心、制定 AI-first（AI 優先）人才策略、以人才架構為底座、確保每位員工都有清晰的職業目標和計畫。報告還採訪了多位全球人才領袖，比如 KPMG US 的 Edwige Sacco 分享了如何用 15 分鐘小會把“焦慮”變成“好奇”；Genpact 的 Piyush Mehta 談了如何用即時技能智能取代靜態職位頭銜，實現更快內部匹配和更靈活的職業路徑 。最後總的來說，在技能像火箭一樣快速迭代的 AI 時代，誰能把人才速度跑起來，誰就能在不確定性中贏得優勢。企業不需要完美，只要開始行動——先看清自己處在曲線那個位置，再挑一兩個加速器發力，就能逐步拉開差距。 幫你把“人才”從成本變成真正的競爭壁壘。關注公眾號【AI資訊風向】，回覆 666，即可獲取這份 AI 行業報告。AI 技術正以前所未有的速度發展，它將如何塑造我們的未來？讓我們拭目以待。 (AI資訊風向)

又是一個科技圈的“黑色星期五”Meta“不小心”洩露內部消息給媒體裁員20%，差不多1.6萬個崗位要涼這次裁員的核心邏輯大概是：用AI替代人，省下的錢養AI01. Meta暴力裁員背後，罪魁禍首又是AI？3月中旬外媒直接爆料：Meta正偷偷醞釀一輪大規模裁員，比例可能高達20%，甚至更多。cr. Google截至去年12月底，Meta全球員工差不多7.9萬人，20%四捨五入1.6萬個崗位，相當於把一個中小型網際網路公司直接“端掉”。消息曝光後，Meta官方並沒有直接承認裁員計畫。公司發言人Andy Stone表示這些報導只是“對理論性方案的猜測”。但在矽谷，這種沒有否認但也沒有確認的回應，十有八九都是實錘的訊號，畢竟Meta可不是第一次幹這事了。Meta幹嘛又裁員？比裁員規模更值得注意的，是背後的原因。這一次矛頭幾乎全部指向一個詞——AI。有消息稱，在全面引入AI後，Meta內部發現程式碼提交量不降反升，工程師的有效工作時長卻明顯下降，一些Senior每周工作時間甚至不到10小時。原本需要人完成的工作，被AI大幅加速，甚至直接替代。所以Meta高管一致認為20%的裁員只是first step，後續團隊規模被壓縮到原來的二分之一甚至三分之一，並不是不可能……cr. XMeta上一次大規模裁員，其實很多人還記憶猶新。2022年11月，Meta宣佈裁員約1.1萬人，佔當時員工13%，這是公司歷史上第一次如此大規模的裁員。2023年春天，公司又追加裁員1萬人，短短半年，兩波裁員直接送走2萬多人。當時祖克柏將這一系列動作稱為“Year of Efficiency”，即所謂的“效率之年”。當年裁員的背景，是Meta在元宇宙上的巨大投入以及廣告業務增長放緩帶來的財務壓力，公司需要通過縮減成本來重新調整增長節奏。兩年之後，矽谷的故事已經換了一種敘事方式。過去一年，Meta幾乎把全部戰略重心都押在了人工智慧上。公司計畫在未來幾年投入巨額資金建設資料中心，並持續加碼AI模型研發。根據公開資訊，Meta計畫到2028年在資料中心等AI基礎設施上投入高達6000億美元。這種規模的投資，在整個科技行業中都屬於極為激進的水平。cr. datacenterdynamics與此同時，為了組建新的“超級智能”團隊，Meta正在全球範圍內挖角頂尖AI研究人員，並為這些人才開出極為誇張的薪酬包。有報導稱，一些頂級AI科學家的四年總薪酬可能達到數億美元。比如Alexandr Wang，他是資料標註獨角獸Scale AI的創始人，也是矽谷最年輕的AI億萬富翁之一。Meta不僅挖來他，還直接投資約143億美元入股Scale AI，並讓他負責領導整個AI超級團隊。現在小汪在Meta的角色基本相當於：AI總指揮/Chief AI Officer，祖克柏對他的期待非常直接：目標是做出“superintelligence（超級智能）”。這裡插播一條娛樂新聞💗：多家媒體披露，小扎和小汪關係緊張。小汪私下向同事抱怨小扎的Micromanagement微觀管理讓他感到“窒息”；小扎對AI業務的強勢掌控與小汪追求的靈活性產生衝突。此外，Meta內部多名AI高管離職以及產品上線過快帶來的壓力，進一步加劇了兩人的緊張關係。3月，在外部消息愈演愈烈之際，小紮在社交平台上發佈了一張與小汪的合影，擊碎“不和”傳聞。cr. threads換句話說，Meta正在進行一場極其昂貴的AI軍備競賽。而這場競賽的成本，最終需要通過削減人員規模這種方式來平衡。02. 當矽谷“信條”發生變化不是大廠在裁員，而是時代在篩人如果把時間線拉長來看，這種變化其實不僅僅發生在Meta。在過去二十年裡，矽谷一直有一個幾乎被當作信條的理念：得人才者得天下。科技公司之間的競爭，本質上就是爭奪最優秀工程師的競爭。大量公司甚至會在業務尚未完全確定的情況下提前招聘工程師，因為在那個時代，人才本身就是最稀缺的資源。但隨著AI模型能力不斷提升，很多公司開始逐漸形成一種新的共識：未來最關鍵的資源可能不再是人，而是算力。算力就是電腦處理資料和完成計算任務的能力。在傳統軟體時代，一家公司最重要的資源往往是工程師，因為軟體開發的核心工作是寫程式碼和設計系統。但在AI時代，大型人工智慧模型並不是靠人工一點點寫規則，而是通過海量資料訓練出來的。訓練這些模型需要進行數量驚人的數學計算，而這些計算必須依賴高性能晶片和龐大的伺服器叢集。於是，科技巨頭開始瘋狂投資GPU、資料中心和模型訓練。資本支出迅速增加，而人力成本，反而成為最容易被壓縮的一部分。很多企業高管在解釋這些裁員時，都提到同一個原因——AI工具正在改變生產效率。但因為AI，大廠也有吃虧的時候。比如亞馬遜今年年初也確認裁員約1.6萬人：cr. BBC3月初，亞馬遜卻因AI生成程式碼錯誤導致系統崩潰，引發6小時大面積當機，影響22,000使用者和眾多賣家。cr. Amazon後續亞馬遜要求初中級工程師在使用AI生成程式碼時，需高級工程師稽核，這其實也強調了人工智慧無法完全取代人類判斷力的現實。再比如2月底，金融科技公司Block以AI提效為理由裁掉了接近一半員工，這導致員工對管理層信任瓦解。cr. ReutersBlock高管宣稱AI工具能夠提升效率，但員工實際感受到的生產力提升有限，反而留任員工的工作量明顯增加。而且裁員模式引發員工普遍焦慮，匿名平台上吐槽不斷，比如認為AI工具Goose被公司吹捧，但其實際效果與宣傳不符，甚至可能引發工程複雜性問題。還有網友認為AI提效只是藉口，實際原因可能是經濟衰退、成本削減或者是過度招聘，AI只是一個既能削減成本又不嚇跑投資者的好藉口。cr. reddit面對質疑，Block的CEO Jack Dorsey在X平台親口承認，裁員和AI關係不大，而是因為疫情期間錯誤拆分公司架構，導致過度招聘和人員冗餘。cr. X過去二十年，科技行業依靠不斷擴張團隊來推動增長；但在AI時代，很多公司開始嘗試用更少的人完成更多事情。對於企業而言，這意味著更高的效率和更低的成本，但對於正在求職的留學生而言，它也意味著競爭將變得更加激烈。03. 新時代背景下，AI不是取代人工如果說這輪裁員釋放了一個最清晰的訊號，那就是——規則真的在變。過去很多留學生在規劃求職路徑時，默認的是一套非常穩定的邏輯：讀名校、刷實習、進大廠，只要踩對節奏，就有機會進入這個不斷擴張的行業。但現在，行業不再無限擴張，崗位增長放緩，對單個個體能力的要求卻在明顯提高。未來的求職競爭，本質上已經演變成：你是不是那個可以替代兩三個人的人。這也是為什麼我們說，單一技能正在變得越來越不安全，早規劃求職已經從優勢變成了必要準備。AI不是在“取代人”，而是在重新篩選人純寫程式碼的工程師，如果不會用AI工具提升效率，很容易被邊緣化；但只會用AI工具、不理解底層邏輯的人，同樣很難走遠。真正有競爭力的，往往是那種既懂技術、又能借助AI放大自己能力的人。這也是為什麼，矽谷對“複合型人才”的需求開始迅速上升。 (WallStreetTequila)

昨天，阿里千問核心負責人林俊暘離職的消息不但迅速在國內發酵，引發全網熱議，甚至震動矽谷與華爾街，引發人們對阿里AI戰局乃至戰略的關注。相對而言，一場層次更高，變化更大的人才與組織變局，卻幾乎是被輕描淡寫地帶過了。它就是騰訊年前所經歷的史上最大規模的AI架構調整。期間，1998年出生的姚順雨被任命為首席AI科學家，直接向騰訊總裁劉熾平匯報，成為中國網際網路大廠史上最年輕的“AI一把手”；騰訊AI Lab副主任、首席科學家俞棟則離職，騰訊元寶及混元團隊的招聘與“換血”也被加速、調整……“一代人終將老去，但總有人正年輕。”隨著AI的深入，圍繞人的敘事，還會繼續，迭蕩，起伏。2016年春天，當騰訊在深圳宣佈成立AI Lab（人工智慧實驗室）時，全球AI界都還沉浸在AlphaGo擊敗李世石帶來的震撼中。AI Lab，是騰訊史上第一個以“學術+業務”為主心骨的科研單位，由時任騰訊集團副總裁姚星牽頭搭建。姚星是2004年就加入公司的“老騰訊”，歷任騰訊架構平台部總經理、基礎架構部總經理、搜尋技術部總經理，向騰訊“技術中台”TEG（技術工程事業群）老大盧山匯報。▲騰訊2014年組織架構，華商韜略製圖除了AI Lab，當時的騰訊還在AI上有不少的佈局，比如SNG旗下有優圖實驗室，WXG旗下有What Lab、以及微信北京研發中心等。但總的來說，其AI實力並不算“強”。2016年，正是上一輪AI熱潮如火如荼之時，“人工智慧”首次被寫入政府工作報告，微軟亞洲研究院剛剛在2015 ImageNet大賽中用AI打敗人類，AlphaGo以4：1大勝李世石，“自動駕駛、語音助手、人臉識別”這些陌生的詞彙突然湧入人們生活。到騰訊成立AI Lab之時，阿里、百度都已全力備戰AI許久，百度更是早在2013年就設立了百度研究院，最早由李彥宏親自掛帥院長，並憑藉知名學者吳恩達（Andrew Ng）的加入而名噪一時。所以，2017年初的IT領袖峰會上，馬化騰坦言，“在人工智慧方向，騰訊相比百度還是落後”。然後，一轉身，騰訊就把百度研究院副院長張潼挖了過來，擔任自家AI Lab主任。緊接著是俞棟，這位微軟研究院的頂尖科學家，在語音識別領域享有盛譽，被騰訊挖來擔任AI Lab副主任，負責騰訊西雅圖AI實驗室。然後是劉威，前IBM沃森研究中心研究科學家，擔任AI Lab電腦視覺中心總監。▲張潼、俞棟、劉威，圖源：騰訊到了2017年時，騰訊AI Lab已經是一個擁有50+AI科學家、200+AI應用工程師的豪華團隊，專注於人工智慧的基礎研究，研究領域覆蓋視覺、語音、自然語言處理與機器學習——都是當時最火爆的AI課題。2018年，騰訊又加設了Robotics X機器人實驗室，由前任微軟視覺技術組專家張正友負責，與AI Lab平行。張潼加入騰訊時47歲，張正友加入騰訊時53歲，俞棟1998年就在微軟做AI研究——那一年，如今的騰訊大模型“一把手”姚順雨才剛剛出生。張潼、俞棟、劉威、張正友……這些人加起來，組成了騰訊第一代AI人才基本畫像：平均年齡超過45歲，“海歸派”，“學術派”，大多在矽谷IBM、微軟等知名實驗室有著多年研究經歷，學術知名度極高，IEEE Fellow幾乎是標配。這支由學術精英組成的AI Lab團隊，標誌著騰訊首次以系統化、規模化方式進軍AI領域，一時聲勢起得很高。期間，AI Lab的“高光時刻”有兩個，都跟遊戲有關——騰訊的主戰場。2017年3月，騰訊AI Lab開發的圍棋AI“絕藝”在日本第十屆UEC杯電腦圍棋大會上一舉殺出重圍，奪下冠軍獎盃。▲2017年“絕藝”團隊在日本奪冠，最右為騰訊副總裁姚星，圖源：騰訊2019年8月，在吉隆坡王者榮耀世界冠軍杯半決賽的特設環節中，騰訊AI Lab開發的遊戲AI“絕悟”戰勝職業選手賽區聯隊，升級至王者榮耀電競職業水平。然而，同樣在2019年，加入AI Lab僅2年的張潼突然離職，把擔子交到了隔壁Robotics X機器人實驗室主任張正友手上。一時間，所有人都懵了。要知道，張潼剛加入騰訊時的聲勢，不比今天的姚順雨小。▲2017年騰訊官宣張潼入職的新聞稿中，騰訊總裁劉熾平發言；圖源：騰訊張潼離開的原因眾說紛紜，有人猜“水土不服”、有人猜“山頭林立”——當時知乎上有一個回答這麼說：“說真的，今天Al Lab是個很難想像的存在，一方面體量如此之大，一群人拿著很高的title和package，但沒有KPI沒有OKR，不產生直接價值。”這話多少有些尖銳，卻也道出了為追求利潤的“公司”與為追求學術的“研究院”之間的天然壁壘。研究院這一架構源自矽谷，中國網際網路大廠早期爭相模仿，但落在中國往往“水土不服”——例如，騰訊最早對標的百度，其研究院在經歷過多輪的洗牌、重組後，今天已被收編為業務體系內的一個部門，不再獨立於營收之外。而張潼的離開，在時間上，又與一場騰訊內部的“大改革”息息相關。——騰訊930變革。2018年9月30日，騰訊宣佈了自2012年以來最大規模的架構調整，也是騰訊歷史上最大規模的組織調整之一。MIG（網際網路事業群）、OMG（網路媒體事業群）、SNG（社交網路事業群）全部打散，to C部分被收編進新設的PCG（平台與內容事業群）、to B部分收入CSIG（雲與智慧產業事業群）中。▲騰訊2018年“930變革”組織架構，華商韜略製圖這一重磅的架構調整背後，是騰訊面臨的巨大壓力。2018年3月，國內遊戲版號審批突然全面暫停，猛烈衝擊著騰訊的主營業務；同月，第一大股東南非Naspers首次減持騰訊，套現近800億港元後離場。騰訊的股價也從2018年1月底的470+港元高點，一路下跌至10月的250+港元，跌幅達到了驚人的47%，創下歷史最大回撤。在C端之外，騰訊缺少第二增長曲線，這是市場最擔憂的。騰訊的應對方案是兩手——1、“勒緊褲腰帶”；2、做ToB。在930變革中，騰訊新成立的CSIG全稱“雲與智慧產業事業群”，由有10多年業務經驗的“老騰訊”湯道生負責帶領，將原先散落在集團各處的ToB業務整合，並將騰訊雲作為AI技術產出的重要平台。第一財經報導稱，2018年左右，“騰訊AI Lab就拆分成了兩個部分，只有少部分人繼續留做AI基礎研究，其他大部分成員都要開始服務於公司的遊戲與廣告業務。”當然，受威脅的並不僅僅是騰訊。那幾年，市場急劇動盪，百度、阿里、騰訊個個都在焦慮“流量見頂”，字節跳動卻帶著強大的推薦演算法半路殺出，快速成為所有上一代巨頭的心腹大患。另一方面，當人工智慧泡沫越吹越大，但除了人臉識別之外幾乎在C端看不到賺錢的苗頭，巨頭也都齊齊轉身，號召“搞ToB”“AI+產業”“落地工廠”“降本增效”。2021年，姚星——騰訊副總裁、AI Lab牽頭人，同時也是有著17年資歷的“老騰訊”——離職。而自2019年後，騰訊AI Lab再未官宣任何學術明星入職。2022年底，ChatGPT突然殺了出來。全球科技界，炸了。大模型太強了，幾乎在一夜之間火遍了世界；在人類技術發展的歷史上，所有企業第一次以前所未有的速度達成了共識——要搞大模型。除了騰訊。騰訊是國內大廠中最晚推出自研大模型的公司。2022年11月底ChatGPT上線後，全球科技巨頭瘋狂湧入大模型賽道，百度、阿里、字節等巨頭要麼早有佈局，要麼緊急跟進。但騰訊直到2023年9月才發佈了首款大模型“混元”，C端產品“元寶”更是要到2024年5月才推出，比百度、字節晚了一整年。而2024年5月的時候，豆包下載量已經突破1億，擔得上一句“遙遙領先”。馬化騰每年都會在年底的員工大會上做總結與復盤，復盤2023年的騰訊AI時，馬化騰的口徑是騰訊的AI“不能算最領先，但是至少沒有太落後”；2024年時在強調“各個BG擁抱大模型的產品化落地，基於混元做更多AI探索”；但最近，馬化騰復盤2025年的騰訊AI時，話開始說得重了：“騰訊AI整個動作慢了”“基礎設施不足”“平台不能比別人差”。騰訊AI的“慢”，其實也有原因。這幾年，騰訊經歷了兩次歷時9個月的“遊戲版號暫停風波”，降本增效成為全公司的主旋律，AI大模型這種一眼望不到邊的“燒錢”研發，自然也就要能省也省著些。騰訊早期在大模型上的投入非常謹慎，沒有大規模招攬AI人才，沒有積極儲備算力，領導層在談起AI大模型時，對外始終強調“看重AI的落地應用”。不過，騰訊“慢”也有慢的底氣。——幾乎所有人都堅信，只要“微信+QQ”這對流量王炸出手，一切都會好起來的。這也是騰訊多年來摸索出的一套戰略經驗。作為一家應用能力極強的巨頭，大多數時候，騰訊根本不需要在市場早期入局，只需要等“百X大戰”打到終局，場景、技術、路線全都清晰後，再憑藉強大的資源與流量武器，一舉KO。2015年春節騰訊的“微信紅包”奇襲戰就是一個絕好的案例。然而，在十年後大模型領域，這套打法卻有些失靈。它遇上了字節跳動。上文提到，憑藉著技術先發+“字節系”龐大的流量體系，2024年，字節“豆包”下載量已經突破1億，DAU攀升到了2000萬。而到2024年底，騰訊“元寶”那怕手握“微信+QQ”作為流量靠山，DAU仍舊只有幾十萬。騰訊有些急了。所有改革的第一步，都是換人。還記得張正友嗎？2019年，張潼離職後，AI Lab主任一職一直由Robotics X機器人實驗室主任張正友兼任。騰訊第一代大模型研發班底“混元助手”，就由張正友組織搭建。2024年7月，張正友突然卸任AI Lab主任，回歸Robotics X實驗室——騰訊AI的另一位關鍵人物蔣傑，浮出水面。蔣傑，是一位有著12年業務經驗的“老騰訊”，曾任騰訊CDG、TEG副總裁，曾經靠搭建騰訊廣告平台而聲名鵲起，他接任AI Lab主任，並成為彼時騰訊大模型的“一號位”。2024年11月，曾經的AI Lab電腦視覺中心總監，同時也是騰訊傑出科學家、騰訊混元大模型技術負責人之一的劉威離職。2025年1月，“元寶”團隊從TEG技術事業群調整至湯道生領導的CSIG事業群。不僅如此，在AI大模型的演算法、模型、產品、增長等各個領域，騰訊都掀起了一場“搶人大戰”，高薪招募年輕博士、高薪挖角競爭對手……這場戰事的高潮是2025年8月，前OpenAI研究員姚順雨官宣加入騰訊。這位出生於1998年、國內大廠中最年輕的“大模型一號位”加入後，騰訊AI架構更是順勢進行了全面改革：2025年12月，騰訊大模型研發在原有架構上新設AI Infra部（AI基建）、AI Data部（AI資料）、資料計算平台部。其中，AI Infra部和原有的“大語言模型部”向姚順雨匯報；其餘向AI Lab主任蔣傑匯報；這條技術匯報線的上級是騰訊TEG事業群負責人盧山。但與此同時，姚順雨還單獨位列“CEO/總裁辦公室”首席AI科學家，直接向騰訊總裁劉熾平匯報。▲騰訊2025年12月大模型架構調整，華商韜略製圖姚順雨在加入騰訊前僅在OpenAI有1年的工作經驗，但他的年輕與號召力有目共睹，也讓人看到了騰訊“加碼AI”的決心。姚順雨加入後不僅加快了騰訊AI原有團隊招人、換血的步伐，同時在模型資料策略、模型訓練方向上提出了新的思路。也是在姚順雨的影響下，2026年2月，清華博士、新加坡Sea AI高級研究科學家龐天宇（1995年出生）宣佈加入騰訊，擔任混元大模型團隊首席研究科學家。馬化騰曾經有句名言，“有時候你什麼都沒做錯，錯就錯在你太老了”。當姚順雨、龐天宇們開始挑起大梁，騰訊AI自然也就年輕了。與之伴隨， 2025年12月底，原騰訊AI Lab副主任俞棟離職。至此，成立初期的“AI Lab三劍客”張潼、俞棟、劉威，以及最初的實驗室牽頭人姚星，已全部離開騰訊。“一代人終將老去，但總有人正年輕。” (華商韜略)

作為特斯拉CEO，他直接在個人X帳號上發文，目標直指韓國半導體人才。沒有多餘鋪墊，沒有拐彎抹角，態度直白到毫不掩飾。2月19日，馬斯克分享了特斯拉韓國公司的招聘資訊，附帶16個韓國國旗表情。他甚至直接喊話：“來自韓國的工程師，加入特斯拉吧。”馬斯克的野心很明確，就是靠韓國人才，加速自研內部AI晶片。這些晶片，未來會用在特斯拉的自動駕駛汽車和人形機器人上。而且特斯拉的招聘不止於此，設計、軟體、系統架構等領域，都在擴大招人規模。更狠的是，特斯拉的篩選方式不走尋常路。應聘者不用提交冗長履歷，只需說明自己曾解決過的3個最困難技術問題即可。這種務實的方式，恰恰戳中了有實戰經驗的韓國工程師的痛點。不只是特斯拉，全球科技巨頭都在盯著韓國半導體人才這塊“肥肉”。輝達、Google、博通，一個個都拿出了殺手鐧。高薪、巨額股票補償，甚至提供前往矽谷工作的機會，誘惑力拉滿。分析師早就點明，AI半導體霸權的爭奪，早已變成了人才的爭奪。為了在AI競賽中不掉隊，這些巨頭必須把核心半導體技術攥在自己手裡。而韓國工程師，憑藉紮實的技術功底，成了他們精準獵殺的目標。這可急壞了韓國本土的半導體巨頭——三星電子和SK海力士。作為全球第一、第二大記憶體公司，它們是韓國半導體行業的支柱。即便如今處在AI驅動的半導體“超級周期”，盈利可觀，它們也坐不住了。最核心的擔憂，就是自家的關鍵人才被全球巨頭挖走。畢竟，比起全球巨頭開出的天價激勵，韓國本土企業的薪酬確實沒優勢。被逼到絕境，兩家公司只能緊急出手，推出留人政策。SK海力士率先改革薪酬體系，把年營業利潤的10%拿出來當績效獎金基金。更狠的是，直接取消了績效獎金的上限，就是想留住核心人才。三星電子也不甘示弱，不僅強化績效薪酬，還大幅上調了員工專利獎勵。最高等級專利的獎勵，從100萬韓元漲到150萬韓元，力度空前。業內人士直言，兩家公司的留人之戰，能不能奏效還是未知數。有人坦言，比起單純的薪資，研究自主權、項目規模更能打動人才。三星和SK海力士，能不能提供有吸引力的研究環境，才是關鍵。比起這兩家巨頭，韓國本土的中小材料、零部件和裝置公司，更慘。它們的員工基礎本就薄弱，人才儲備遠不如三星、SK海力士。如今全球巨頭和本土大廠雙重擠壓，它們的人才短缺已經到了臨界點。2月11日首爾舉辦的SEMICON Korea 2026展會，就暴露了這一困境。東京電子、ASM等全球裝置公司的展位前，擠滿了諮詢福利的工程師。這些公司甚至開出“按10分鐘遞增計算加班費”的福利，吸引力十足。而韓國本土的中小廠商，只能蜷縮在場館的偏僻角落，近乎“乞求”人才。根據韓國貿易、工業和能源部的統計，這些中小公司的人才流失更嚴重。有1到3年經驗的工程師，離職率是大型企業的兩倍多。大量受過專業培訓的技術工人，要麼去了三星、SK海力士，要麼被挖到海外。業內人士的擔憂，不是沒有道理。如果這些中小材料、零部件和裝置公司的人才基礎垮了，整個韓國半導體生態都會受影響。 (1 ic芯網)

上周的文章130 GB 記憶體……Claude Code 又崩了裡，我提了一下正在招人，沒想到還真收到了兩份簡歷。還有五六個人來諮詢，問我在招什麼人？做什麼事？團隊畫像什麼樣？……這裡挑幾個問題簡要說一下，也順便招人：1 . 都 AI 時代了，為什麼還要招人？讓 AI 來幹不行嗎？當然需要人。一方面是面向使用者：需要去洞察問題和機會、找到最合適的解決路徑、去獲取真實的使用者反饋，目前確實還需要人，AI 還不太行，當然會用但不能全聽它的。另一方面是面向 AI：程式設計確實不再是瓶頸了，但如何去給 AI 下發任務、驗收結果，還是需要人的。當然，我們做了很多自動化收集 issue，AI 自己開 branch、自己開發、自己提 pr、多 agent cross review、自己幹 test、ci 的工作（後面我可以 share 一下）……但離全 AI 化還有不小距離。還有就是，時機很重要，人多了，當然會有一些 context 切換而帶來的摩擦和損耗，但只要這個人的加入，能讓整體的結果更提前，那就是合適的。當然，摩擦損耗的程度也與個人的能力和團隊協作的機制有關。我不敢說現在已經是最優，但我會一直去審視和調整，最大化地減小損耗，最大化個人的能力釋放。2. 需要什麼樣的人？AI First：凡事先AI，找人之前先找 AI靠譜：事事有回應、問題終結者敏銳：能從混亂中找到規律，從不變中找到機會聰明：被認為比身邊大部分人聰明自信：自認為比身邊大部分人聰明不設限：❌：我是做……的，我不會……，✅：在 AI 加持下，我什麼都可以！全端：IC、有較好技術或演算法基礎、科班出身、暫謝絕純 vibe coder（除非有不錯的案例加持）以及，這個人的加入能提升而非降低團隊的平均水平3. 當前團隊畫像一半是 00 前後，也有 85 後清華、北航、國防科大等字節、網易、阿里、特斯拉等4. 團隊規劃現在不到 10 人，計畫每月 +5 人，年底 50 人爬蟲、演算法，工程、全端、AI Agent、……還有產品，不過其實，職能的邊界不會分得非常清楚5.  年齡有限制嗎？不太有，當然太大可能不太合適。兩個角度：年齡無關：靠譜的人老了依舊靠譜，不靠譜的人年輕時就不靠譜年齡有關：年輕人的成功經驗和和苦澀經驗都不多，慣性和約束也不多，會更願意試錯；所以新鳥老鳥都可6. 公司現狀0人民幣收入，都是其他幣種，涉及 100+ 國家已實現規模化盈利，國內頭部美元機構投資，輪次和金額就暫不透露了。7. 公司做什麼騎在模型廠商身上、而非躺在其身下的垂類 agent我的判斷是，模型廠商至少五年內不會做，也基本做不好。業務上先賣個小關子，具體的私信我簡歷，我再告訴你😆8. 工作和 AGI Hunt 公眾號有關嗎？無關。還真有不少人問我這個問題，還有主動問招不招編輯的……公眾號不招人，也沒這方面需求和預算，這就是我每天 20 分鐘寫點東西分享一下的號而已，佛系寫寫。9. 薪資薪資 open，基本沒上限，當然和小扎是完全沒法比的，這個要有預期10. 福利提供最好的模型和充足的額度。其他的你來提，我來滿足 (AGI Hunt)

AI國際學會「NeurIPS」的企業攤位（12月3日，美國加州聖迭戈）“第一年的期望薪酬是200萬美元”，德州大學的在讀博士生說。在AI領域中，像強化學習這樣供不應求的方向，「年薪100萬美元」成為企業招攬人才的起始價。會場上到處都能聽到中文…近日，人工智慧（AI）的國際學會「NeurIPS」在美國西部聖迭戈舉辦。近年來，該會議作為企業爭奪AI人才的招募平台屬性愈發突出。在此次創下歷史新高、約2.5萬人參加的現場訪談中可以發現，在AI熱潮的推動下，頂尖研究人員的薪資水準已提高至與職業運動員不相上下。NeurIPS兼具學術會議與招聘會的雙重功能。來自世界各國的研究人員在會場內講解論文，約150家贊助企業在緊鄰會場的區域內設立了展位。各家企業的共同目標，都是為AI研發部門招募優秀人才。在科技界，2025年美國Meta以高薪從競爭對手挖來AI人才，一度成為話題。在各家公司以巨額投資推進AI開發競賽的背景下，頂尖研究人員的待遇與一流的職棒選手不相上下。這股浪潮也波及了研究生們。“第一年的期望薪酬是200萬美元”，美國德州大學奧斯汀分校的在讀博士生（29歲）平靜地說。這是包括簽約獎金和在職數年後可獲得全額的股票薪酬在內的總額，相當於日本大型企業員工的終身工資。他表示，只要有符合條件的錄用邀請，就會選擇退學。他的研究方向是透過讓AI不斷試錯來提升表現的“強化學習”，這是AI企業尤為重視的領域。直到兩年前，他還打算走研究者道路，但看到學長和朋友們以約100萬美元的薪酬入職美國OpenAI等公司後，改變了想法。他表示：「高薪或許只是當前的泡沫現象，就業還是趁早為好」。在AI領域中，像強化學習這樣供不應求的方向，「年薪100萬美元」成為企業招攬人才的起始價。一名就讀於美國維吉尼亞大學博士課程、從事強化學習研究的研究人員表示：“在我周圍，開出100萬美元年薪的報價並不罕見。”參與爭奪的不僅是科技公司。美國大型避險基金城堡投資（Citadel）、DE Shaw、投資公司海納國際集團（Susquehanna International Group）等作為頂級贊助商，佔據了會場入口附近的顯要位置。根據城堡投資的AI團隊負責人介紹，為了將生成式AI的基礎技術、大語言模型客製化為面向金融領域並用於交易，正在招募專業人才。該負責人表示：「相對於以股票報酬為主的科技公司，我們可以提供100萬美元現金」。在汽車製造商方面，除了作為NeurIPS常客的美國特斯拉之外，美國通用汽車（GM）也是近年來首次參加。TikTok（抖音國際版）的母公司字節跳動和阿里巴巴集團等中國企業也參加了本屆NeurIPS。在美國大學就讀的AI研究人員中也有很多來自中國，會場上到處都能聽到中文。阿里巴巴旗下的金融公司螞蟻集團和電商網站淘寶網幾乎沒有在美國的招募崗位，主要是為了吸引回國人才而參展。日本企業的存在感則較弱。(日經中文網)

導語：中美作為全球AI領域的核心競爭者，中國籍AI研究人員的留存與流動直接影響兩國科技競爭力格局。12月3日，美國智庫卡內基國際和平基金會發佈分析文章《頂尖中國AI研究人員是否選擇留美？》，直面中美戰略博弈中科技人才競爭這一核心議題。文章通過對保爾森研究所（Paulson Institute）資料集《全球AI人才追蹤報告》（Global AI Talent Tracker）的獨家追蹤與更新，以詳實資料揭示了近年來頂尖中國籍AI研究人員的職業去向，以及美國對中國AI人才的留存能力與吸引力變化。研究發現，儘管中美關係持續緊張，但絕大多數研究對象仍選擇留在美國，這凸顯了美國當前科研生態系統的“留存”能力依然穩固。但與此同時，文章也指出，美國在“吸引”新一代中國頂尖人才方面已出現明顯的乏力跡象，中國本土科研機會的崛起、AI研發環境的改善，正在改變人才流動的初始選擇。長期以來，來自中國的研究人員一直是美國企業和大學前沿人工智慧研究的最主要貢獻者之一。對頂尖AI研究論文的分析顯示，原籍中國的作者對美國AI成果的貢獻，即便沒有超過美國本土作者，也與之不相上下。但過去七年不斷升級的中美緊張關係引發了一個新問題：這些在美國工作的中國籍AI研究人員如今是否在大規模返回中國？更尖銳地說：美國是否正在培養那些最終會為其頭號地緣政治對手建構AI能力的研究人員？為解答這一問題，我們利用並更新了保爾森研究所（Paulson Institute）2020年一項研究中的獨特資料集——《全球AI人才追蹤報告》（Global AI Talent Tracker）（本文作者馬特·希恩是該研究的作者之一）。該資料集包含675名頂尖AI研究人員的樣本，這些研究人員的論文均被全球頂級AI會議——2019年神經資訊處理系統大會（NeurIPS 2019，接收率約為20%）接收。資料涵蓋了這些研究人員的本科畢業院校（大致可作為原籍國的參考指標）、研究生就讀院校以及當時的工作單位。在這675名研究人員中，截至2019年，恰好有100名中國籍研究人員在美國機構從事研究工作。為評估美國是否留住了這批頂尖AI人才，我們近期收集了這100名研究人員如今的工作去向的更新資訊。結果顯示，其中87人仍就職於美國機構，僅有10人前往中國企業或大學工作，其餘3人則隸屬於其他國家的機構。圖一：2019–2025年，頂尖中國籍AI研究人員的職業路徑。註：國家隸屬關係基於研究人員目前所在機構的總部所在地。來源：保爾森基金會與卡內基國際和平研究院這對美國的AI競爭力而言是個好消息——或許也令人意外。從歷史上看，赴美攻讀博士學位的中國研究人員留美率極高，約90%會長期留在美國。但在過去五年中美緊張關係加劇的背景下，多項研究表明，多個學科領域選擇離開美國返回中國的研究人員數量大幅上升。在此背景下，我們關於中國出身的AI研究人員的資料，顯示了美國作為AI前沿研究工作地的持續吸引力。但擔憂依然存在。儘管資料顯示美國有能力留住已在美的頂尖AI研究人員，但有跡象表明，美國吸引中國人才的能力正在減弱。儘管相關資料有限，但顯然，如今有更大比例優秀的中國AI研究人員選擇一開始就留在中國，而非前往美國。留美障礙與離美原因近年來，多位備受關注的中國AI研究人員決定離開美國返回中國，這引發了廣泛關注。每位研究人員回國的原因各不相同，且往往帶有個人因素，但近期的地緣政治動盪為希望留美的中國研究人員製造了新的障礙和壓力。自2018年起，一系列針對學生簽證的實際限制和擬議限制——包括討論全面禁止中國學生入境——讓許多中國研究人員陷入不確定狀態。中國申請者面臨簽證續簽的長期拖延，這使他們無法確定自己是否能完成學業並留美工作。許多選擇留下的研究人員表示，受中美科技的緊張局勢和工業間諜活動（industrial espionage）指控的影響，他們的工作被籠罩在懷疑的陰影之下。多起針對在美中國研究人員的備受關注的起訴案件，讓這一群體不寒而慄，但經進一步調查後，其中多數案件都不了了之。2021年一項針對自認為是中國出身的大學研究人員的調查顯示，42%的受訪者表示遭受過美國政府的種族定性（racially profiled）。在此期間，與中國工程師和研究人員的交流中，有多人講述了自己或同事、朋友的電子裝置被美國海關官員沒收並搜查的經歷。新冠疫情期間實施的旅行限制，進一步削弱了中國研究人員赴美或返美的意願和機會。2020年2月，美國總統唐納德·川普（Donald Trump）第一屆政府禁止過去兩周內曾在中國境內的外國公民入境，中國隨後於3月出台了針對入境旅行的限制措施。即便中國於2023年正式重新開放邊境，兩國間的航班數量依然稀缺，如今的每日航班量仍不足疫情前水平的30%。除了這些留美障礙外，中國的AI產業也對海外研究人員產生了更強的吸引力。就在五到十年前，如果有人想在AI研究的全球前沿領域工作，在中國能獲得的機會相當有限。但如今，中國的企業和大學在突破性研究和前沿AI模型訓練方面已迅速趕超，讓這些研究人員無需遠渡重洋、使用第二語言，就有機會從事這類工作。誰選擇留下，誰選擇離開儘管存在這些新的推力與拉力因素，但六年後，資料集中的絕大多數研究人員仍選擇繼續在美國機構工作。在此期間，許多人從美國大學轉入了私營部門。在這87人中，41人目前就職於美國公司，40人在美國大學擔任教授職務，另有6人要麼正在攻讀博士學位，要麼處於博士後研究階段。在就職於美國公司的研究人員中，超過一半受僱於"七巨頭"科技公司（Magnificent Seven）——Google（Google）、亞馬遜（Amazon）、蘋果（Apple）、元宇宙（Meta）、微軟（Microsoft）、輝達（Nvidia）和特斯拉（Tesla），其餘人則效力於美國一些頂尖的AI初創企業。這87人中還有3人在美國創辦了自己的初創公司。儘管100名研究人員中僅有10人返回中國機構工作，但那些選擇回國的研究人員往往具有巨大的影響力。其中2人創辦了自己的初創公司，2人在聚焦AI的科技巨頭中擔任領導職務，5人成為中國頂尖大學的教授。歸國者之一是明星研究人員楊植麟（Yang Zhilin），他於2015年從清華大學本科畢業，隨後前往卡內基梅隆大學（Carnegie Mellon University）攻讀電腦科學博士學位。在卡內基梅隆大學期間，楊植麟作為第一作者發表了多篇被廣泛引用的研究論文，合著者包括多位全球極具影響力的AI研究人員。2023年，楊植麟返回中國創辦了月之暗面人工智慧公司（Moonshot AI），其中文名是為了致敬他最喜歡的專輯。此後，月之暗面融資超過10億美元，並行布了多款全球性能領先的開源大語言模型（open-source OS models）。如今，許多美國初創企業正在採用並基於另一款中國大語言模型Kimi進行研發。他們在解釋這一選擇時，經常提到中國模型往往兼具強大性能和高性價比，而這些是OpenAI和Anthropic等美國企業發佈的封閉專有模型所不具備的。楊植麟的經歷凸顯了一個事實：儘管地緣政治競爭不斷升級，但中美AI研究界依然深度交織，通過人員、思想以及如今頂尖AI模型的豐富跨境流動緊密相連。月之暗面在過去一年迅速完成多輪融資，受到頭部基金、網際網路巨頭與產業資本的密集下注。圖源：VCG錯失下一代人才儘管美國在過去六年成功留住了大部分中國AI研究人員，但有跡象表明，其吸引中國新人才的能力已有所下降——考慮到中國在全球AI人才中的佔比，這一趨勢可能並不樂觀。最初的《全球AI人才追蹤報告》的資料來源於2019年神經資訊處理系統大會（NeurIPS）的研究人員。當時，中國籍研究人員佔該會議論文作者的29%，超過了美國的20%和歐洲的17%。對美國而言幸運的是，這些中國籍作者中的大多數（以及來自世界各地的研究人員）選擇在美國機構開展研究。從這675名頂尖研究人員2019年的所屬機構來看，59%就職於美國機構，相比之下，中國機構佔11%，歐洲機構佔10%。在本科畢業於中國的研究人員中，56%在美國機構學習或工作，37%在中國機構。而在所有就職於美國機構的研究人員中，31%的人本科學位授予自美國，其次是中國（27%），歐洲和印度各佔11%。圖二：頂尖AI研究人員的主要工作國家，2019年與2022年。註：國家隸屬關係基於研究人員目前所在機構的總部所在地。來源：保爾森基金會三年後，保爾森研究所利用2022年神經資訊處理系統大會（NeurIPS 2022）的論文作者資料重新開展了這項研究。到那時，中國籍研究人員佔抽樣作者總數的比例已接近一半，中國機構的佔比也翻了一番多，達到28%。這一數字仍遠低於美國的42%，但已足以表明中國在產出當年眾多頂尖AI研究論文方面極快的追趕速度。這也意味著，更多頂尖中國研究人員選擇留在中國而非前往美國。2022年的研究並未提供本科畢業於中國的研究人員中，有多大比例留在國內攻讀研究生學位並工作的具體資料，但該研究指出，越來越多中國出身的研究人員選擇留在中國。圖三：頂尖AI研究人員的來源國（基於本科教育背景）。來源：保爾森基金會如果這一趨勢持續下去——中國籍頂尖研究人員佔比不斷上升，而其中前往美國的比例持續下降——這對美國競爭力而言並非一個好兆頭。幾十年來，美國積累了大量精英研究人員，他們來自中國但選擇長期在美國生活和工作。如果這類人才流動停止——甚至更糟，出現逆轉——美國將難以培養和吸引足夠多的優秀研究人員來填補這一空缺。"全方位"戰略在建構和部署全球最先進、最高效的AI系統方面，美國仍保持諸多優勢。在獲取用於訓練和運行AI系統的尖端晶片方面，美國相較中國具有顯著優勢。儘管部分中國應用程式迅速崛起，但Google（Google）和元宇宙（Meta）等美國科技巨頭擁有更龐大、更多元化的全球使用者基礎，這讓它們在市場切入點和使用者洞察方面擁有中國同行所不具備的優勢。但美國AI生態系統最強大的長期優勢之一——全球最優秀的研究和工程人才庫——正面臨風險。要降低這些風險，就需要採取"全方位"戰略來培養、吸引和留住世界級AI研究人員。這需要加大對美國高中的投資，讓美國人具備進入AI領域工作的基礎能力；同時需要提供研究經費並確保簽證政策的穩定性，以吸引全球最優秀的國際學生來美攻讀研究生學位；還需要營造良好環境，讓包括中國在內的世界各地最優秀的AI研究人員願意在美國生活並行展事業。這些都並非易事，但前進的道路，以及成敗的關鍵，已然十分明確。 (IPP評論)