英國《經濟學人》近日刊文指出，中國正在全球AI人才競逐中逐步擴大對西方國家的領先優勢。輿論在予以關注的同時，紛紛解析中國的吸引力何在。多年來，發達國家對開發中國家的人才虹吸近乎碾壓。這些年，隨著中國綜合國力躍升與科研環境持續最佳化，全球人才流動逐漸轉向，“最大規模海歸潮”悄然出現。同時，一些西方國家出於政治私利，動輒對全球人才關上大門，客觀上也推動了人才洋流“一路向東”。近五年來，不僅海外留學人員回國就業人數逐年增加，不少領軍人物也選擇來華任職任教。更重要的是，中國已默默搭好“如何留人”的生態系統。人工智慧競爭，本質是算力、資料與演算法的“鐵三角”之爭。在晶片受限的相對被動局面下，中國AI經歷了從“大力出奇蹟”到“精益求精”的轉變，探索出一條“軟體定義算力、演算法驅動效能、人工智慧+賦能場景”的創新路徑。完善的工程體系、海量的優質資料、充沛的算力資源、豐富的應用場景，為天下英才提供了廣闊舞台。而對夢想上路時的成本焦慮與風險挑戰，相關政策給予穩穩支援，各類人才計畫為早期AI創新力量搭建了專業化、全周期的賦能平台。中國在AI人才競爭中佔有優勢，靠的不僅是攬才、留才，更是強大的本土造血能力。中國高度重視教育，擁有全球規模最大的教育體系，各級教育普及程度達到或超過中高收入國家平均水平。資料顯示，中國人才資源總量達2.2億人，其中高技能人才超7200萬人，科學家與工程師規模接近2000萬人；每年培養STEM專業畢業生超過500萬人，全球領先。這都為中國造就了領先全球的AI人才底座。以嶄露頭角的DeepSeek團隊為例，這支平均年齡僅20多歲的生力軍，核心成員均為本土培養，充分證明中國高等教育體系與科研環境已具備培養、吸引並成就世界級AI人才的深厚土壤。當然，人才之戰不是百米衝刺，而是一場漫長的馬拉松。前段時間，國務院印發《關於深入實施“人工智慧+”行動的意見》，明確提出到2030年人工智慧全面賦能高品質發展。此外，八部門聯合發文，提出要“超常規”建構領軍人才培養新模式。當然，也要看到，中國AI在“從0到1”的原創突破上仍有差距。要鼓勵弄潮兒心無旁騖試錯深耕，尤須營造更加包容寬鬆的創新環境，糾正科研領域的實用主義傾向。“美國絕對有可能在AI上落後於中國，因為人才在變。”輝達創始人黃仁勳曾如是感慨。AI人才“東流”無須大驚小怪，人才流向改變更不是終點。持續建構創新創業的優質生態圈，讓各類人才的創造活力競相迸發、聰明才智充分湧流，中國必能擁抱更廣闊的星辰大海。 (長安街知事)

近日，英國《經濟學人》發表題為《中國正贏得人工智慧人才競賽》的文章，指出中國正在全球AI人才競逐中，逐步擴大對西方國家的領先優勢，為贏得AI競爭增加更多可能。西方媒體並非第一次有這類言論和預期，事實上，他們說得都對。相比算力，電力而言，人才，才是贏得AI競爭的終極籌碼，而中國正建立自己的領先優勢。《經濟學人》那篇文章拋出了一個判斷：在中美競爭中，中國“贏得”AI人才戰的方式是：留住增量，吸引更多存量回流。先看增量。文章援引了卡內基國際和平基金會的一份報告：2019年，全球頂尖的AI會議NeurIPS上，華裔研究者的比例是29%，已經超過了美國本土的20%；到了2022年，這個數字接近一半；而來自中國機構的作者佔比，從2019年的11%猛漲到28%——雖然還落後於美國的42%，但升勢已十分顯著。與此同時，中美之間的緊張關係也在悄悄改變年輕人的選擇。STEM專業的中國學生，前往美國讀博的機率降了大約15%，畢業後留在美國的機率又降了4%。過去，最頂尖的中國AI研究者大多把“去美國”當成理所當然的下一步；現在，越來越多人開始把目光留在中國。種種跡象指向同一個結論：美國正在失去吸引下一代的能力，進而在人才增量上出於被動。再看存量。黃仁勳說過一句很直白的話：“美國絕對有可能在AI上落後於中國，因為人才在變。”所謂人才在變，核心是流向在變，是美國的頂尖AI人才正在流往或回到中國。2025年3月，齊國君回到中國。他在美國工作了十幾年，先後在IBM研究中心、華為美國研究中心、OPPO西雅圖研究中心任職，履歷漂亮得像教科書；回國後，他全職加入杭州西湖大學，帶著一支近20人的團隊，組建了“MAPLE實驗室”。差不多同一時候，純外籍的Alex Lamb也前往中國。這位前微軟研究院高級研究員，師從圖靈獎得主Yoshua Bengio，在亞馬遜、Google Brain和微軟研究院都留下過足跡。他宣佈加入清華大學人工智慧學院，成為了一名助理教授。頂尖學者的回流只是冰山的一角，更密集的變化發生在產業界。姚順雨，前OpenAI研究員，加入騰訊成為其史上最年輕的首席AI科學家；吳永輝，前GoogleDeepMind研究副總裁，去了字節跳動；潘欣，前Google大腦研究員，加入了美團……再往前推兩年，楊植麟從卡內基梅隆大學博士畢業後，沒有留在美國，而是回到中國創辦了月之暗面。如今，成立不過三年的月之暗面已是估值超過180億美元的世界級獨角獸，其大模型也被不少美國初創公司改採用。▲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值得注意的是，所有這些回流，都不遠遠不是“為國效力”的口號在驅動，而是最樸素的理由——選擇更好的發展環境與空間。越來越多的頂尖AI研究者發現，“在中國”就是最好的職業路徑。中國擁有發展科創的巨大政策支援，也有一批頭部公司和頂尖高校，算力不缺，資料全面，工程體系完整，更重要的是，有大量可落地的應用場景。而且，中國公司，包括中國資本現在也都捨得為頂級人才投入，給錢、給空間，乃至給權力。不少人在矽谷可能是“螺絲釘”，但回到中國就能獨當一面，當負責人。最重要的是，中國不斷湧現的成功案例，大大增加了對美國矽谷人才的吸引力。過去幾年，中國湧現出一批10億美金，百億美金的AI初創公司，它用真金白銀告訴全球優秀人才，這裡是實現夢想的理想殿堂。如今，談中國的科創人才優勢，核心的核心，還在於自身強大的教育體系。自改革開放，尤其鄧小平提出科技是第一生產力以來，中國的理工科教育就一直備受重視。國家不斷出台政策支援理工科人才培養，民間也曾長期有著“學好數理化，走遍天下都不怕”的理工崇拜。這些的積累，為中國造就了一個領先全球的AI人才底座。現在，中國不但擁有全球最大的高等教育體系，每年培養以千萬計的大學學子，而且還約有四成的大學生攻讀STEM專業，這個比例幾乎是美國的兩倍。早在“人工智慧”這個詞還沒流行起來的時候，這片土地就已經為它儲備了最龐大的人才池。當AI的浪潮真的拍過來時，中國的這一優勢立刻湧出了驚人的勢能。到今天，中國已有80多所高校設立了AI學院，僅2025年一年，就有包括人大、北理工、西北工大在內的二十多所名校加入這個行列。五年間，AI專業新增了406個布點，在所有本科專業中增量最大。其中，清華在2025年擴招了150名本科生，全部進入新成立的通識書院，眼下已有117門課程、147個班級在嘗試AI賦能教學；而在另一頭，深圳技術大學這樣的地方院校，則選擇與華為、騰訊、百度聯手，把課堂無限延伸，讓實習直通產業。從頂尖名校到普通院校，中國搭起了一座人才培養金字塔——塔尖培養能“開天闢地”的領軍人才，塔身和底座則源源不斷地輸送應用型人才。教育端的播種，持續在產業端開花結果。2025年，中國企業發佈了超過300款AI產品，遍佈醫療、教育、物流。其中，其中，DeepSeek以不到150人的研發團隊、十分之一的成本，打造出可與GPT-4“掰手腕“的大模型。但DeepSeek最讓人感慨的不是技術本身，而是這支隊伍的底色——核心研發團隊平均年齡僅28歲。創始人梁文鋒曾坦言：“目前在人工智慧領域，前50名頂尖人才可能都不在中國，但也許我們能自己打造這樣的人。”這句話像一枚石子投進湖面，漣漪很快擴散到了招聘市場。據一家頭部AI獵頭透露，當下各家都在爭搶“C9”院校的高端人才。一位清華大學電腦系的博士畢業後，同時收到了華為“天才少年”項目、某大模型創業公司以及海外網際網路巨頭的Offer，最終他選擇了那家中國創業公司，年薪過百萬。這並非個例。脈脈資料顯示，2025年中國AI崗位的招聘量一年漲了十倍，平均月薪超過六萬，一半以上的應屆AI崗月薪破五萬。大模型演算法工程師的起薪，已經超過了不少傳統行業老專家的天花板。市場的熱度，反過來推動著教育繼續擴張——人才培養、產業吸納、再反哺教育，一個完整的閉環悄然成形。而在這套系統的底層，是國家的力量在穩穩托舉。2025年8月，國務院印發了《關於深入實施“人工智慧+”行動的意見》，明確提出到2030年，人工智慧要全面賦能高品質發展；同月，八部門聯合發文，提出要“超常規”建構領軍人才培養的新模式。政策支援不僅是檔案上的表態。2024年，中國的研發經費超過了3.6兆元，投入強度2.68%，已經超過歐盟的平均水平；2025年中央科技預算接近4000億元，同比增長一成，重點投向人工智慧、積體電路這些關鍵戰場。同時，人社部也在去年發佈了42個新工種——生成式人工智慧系統測試員是其中之一，同時頒布了73個國家職業標準，為AI賽道上的年輕人畫出了清晰的成長路線圖。教育、產業、政策，三股力量交織在一起，讓中國的AI人才培養不再是一個個孤立的點，而是一張綿密、可持續的網。當世界還在爭論“去那兒搶人”的時候，中國已經默默搭好了“自己造人”的底座。這場人才戰，贏得的不只是眼前，更是未來十年。人才培養的底座越築越厚實，但遠沒到高枕無憂的時候。這場人才戰的敘事裡，依然藏著幾道繞不過去的坎。首先，眾多頂尖人才還漂在海外。卡內基基金會追蹤了100位在2019年NeurIPS上亮相的中國籍研究者，六年後再看，87%的人還留在美國機構裡。▲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“回流”確實在發生，但還只是“涓涓細流”，星星之火。美國為什麼能留住他們？一來，它從基礎研究到技術轉化再到產業應用的鏈條，已經打磨得足夠成熟；二來，中國與西方頂尖創新生態之間，還橫著一條看得見的“鴻溝”。諾獎、圖靈獎的突破，至今仍然高度集中在西方。中科院院士唐本忠點破了一個尷尬的事實：“中國在AI領域擅長‘從1到10’的最佳化升級和‘從10到100’的規模擴張，但在‘從0到1’的原創突破上步履維艱。”他進一步拆解了根源——我們太推崇實用主義了，科研工作總盯著短期的成果和落地的應用，卻忘了基礎研究和原創探索才是一切的根。其次，本土人才的供需矛盾突出，AI產業的人才缺口依然巨大。2025年，AI技術類崗位的需求比前一年漲了四成。而另一邊，真正能駕馭垂直領域大模型訓練和最佳化的人，供需比已經掉到了0.3左右。高性能計算工程師更誇張——0.15，相當於七個崗位搶一個人。再者，美國政策的不確定性，既是機遇，也是變數。簽證收緊、經費削減、對華裔學者的懷疑氣氛，在一定程度上推動了美國AI人才向中國流動。2025財年，H-1B簽證的中國留學生中籤率跌到了11.7%。Meta、亞馬遜這樣的科技巨頭，已經宣佈不再為部分崗位的留學生提供擔保；那些研究半導體材料、AI演算法最佳化的學生，如果研究方向被貼上“受控技術”的標籤，連簽證都可能拿不到；美國眾議院甚至還提出議案，打算限制中國人在美國從事AI和機器學習相關的職業。這些變化，都在讓年輕一代重新思考“要不要出去”。▲北京的招生會上，中國赴美留學生人數近年來有所下降 圖源：紐約時報但問題的另一面是：這類因素極不穩定。政策會隨著選舉、隨著地緣政治的風向來回搖擺，不能把它當成可以長期依賴的變數。AI競爭，表面是算力之爭、模型之爭，乃至電力之爭，但真正的底層卻是教育體系、產業結構與人口結構的長期較量，人才，才是贏得競爭的終極變數。人才之戰，不是一場百米衝刺，而是一場漫長的馬拉松。曾經，中國不但本土優秀人才有限，而且優秀人才大規模外流。如今，中國不但本土優秀人才湧現，而且還迎來外流人才的回流。趨勢已經逆轉，但要真正長期形成超越優勢，還任重道遠。當下，或許只是這場競賽的起點。 (華商韜略)

你好，我是傑哥。史丹佛大學《AI Index Report 2026》系列終於來到最後一期。我們前兩期聊了技術狂飆和全面滲透，這次把目光轉向最關鍵也最容易被忽略的部分——AI治理博弈。AI 發展太快，治理卻跟不上。這份報告用資料直白地告訴我們：能力在飛奔，責任、政策和公眾信任卻在拉鋸。專家和普通人的看法差距巨大，全球各國政策走向也完全不同。負責任AI：能力全報，責任卻“選擇性失明”報告最刺眼的一個發現是負責任AI明顯滯後。幾乎所有前沿實驗室都會完整公佈能力基準成績，但涉及安全、公平、隱私等責任基準的報告卻少得可憐。更現實的問題是AI事件數量大幅上升。2025 年全球記錄在案的AI相關事件達到 362 起，比2024年的 233 起增加了超過50%。更麻煩的是，研究發現：提升一項責任維度（比如安全），有時反而會損害另一項（比如精準性）。這意味著“修補”變得異常複雜。政策分化：歐盟收緊，美國放鬆，開發中國家集體入場2025年各國AI政策走向出現了明顯分化。歐盟AI Act首批禁止條款正式生效，美國則轉向放鬆管制。日本、韓國、義大利分別通過了國家AI法律。更值得注意的是，超過一半的新增國家AI戰略來自開發中國家，它們第一次大規模進入政策舞台。報告特別強調，“AI主權”已成為全球共識。各國都在努力掌握自己的AI生態，避免被少數大國完全主導。無論是建超算中心還是制定本土規則，主權意識正成為新政策的核心。人才流動“斷崖式”下降：美國吸引力下滑美國仍然是AI人才最集中的地方，但吸引力正在快速減弱。報告顯示，赴美AI研究者和開發者數量自2017年以來下降了89% ，僅去年一年就跌了80% 。這可能是近年來最劇烈的變化之一。與此同時，開源社區正在悄然改變格局。GitHub 上，非歐美地區的貢獻已超過歐洲，正逼近美國。這讓更多語言的模型和基準測試出現，全球參與度變得更加均衡。專家與公眾：50個百分點認知鴻溝最發人深省的是公眾意見部分。當被問到AI對工作的影響時，73%的AI專家認為會是積極的，而普通公眾只有23%持相同看法，差距高達50個百分點。在經濟和醫療領域，也出現了類似的巨大分歧。信任版圖同樣分裂。在受訪國家中，美國民眾對自己政府監管 AI 的信任度全球最低，僅為31% 。相比之下，歐盟在全球範圍內的監管信任度最高。中國和美國的信任資料也形成了鮮明對比。報告總結得很中肯：資料並沒有指向單一方向。AI 在加速發展，治理體系卻在適應中掙扎。樂觀和焦慮同時存在，關鍵在於我們如何平衡。完結篇：技術狂飆之後，我們需要什麼？《AI Index Report 2026》給我們畫出了 AI 完整圖景：技術在狂飆，落地在滲透，治理在博弈。中美 仍在技術前沿你追我趕，但治理層面的分化和信任鴻溝，正在成為新的變數。開源正在重新分配參與權，主權意識正在重塑國家策略，而公眾與專家的認知差距提醒我們——技術最終要服務於人，不能只跑在前面。如果你對 AI 治理、政策或公眾態度有自己的看法，歡迎在留言區分享。下次我們繼續關注 AI 最新動態，一起把脈這個快速變化的世界。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)

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)