馬斯克暢想的是，把高能耗的AI訓練和為其提供能源的太陽能電站一起搬到太空中，那裡“永遠是晴天”，陽光無限量供應，太陽能發電能力可達地面數倍。在最近參與的一檔將近3小時的播客裡，他給出了具體預測：只需36個月，太空就將成為部署AI的最便宜去處，那裡不受地面電網、土地和冷卻水的制約，太陽能輻射穩定得像“永動機”。圖片來源：Allison Robbert/AFP via Getty Images億萬富翁首席執行長伊隆·馬斯克表示，在爭奪科技霸權的角逐中，找到合適的人才並非易事。馬斯克以其“事必躬親”的領導風格著稱（他自己曾戲稱這是“奈米級管理”）。在招聘上也是如此。他表示，在SpaceX創立初期，他親自面試了最早的幾千名員工，後來實在沒時間才作罷。馬斯克在與Stripe聯合創始人約翰·克里森以及科技播客主德瓦克什·帕特爾共同錄製的一期播客中表示，他現在更多依賴團隊來發掘人才的“驚豔特質”，並要求團隊用要點形式提供“卓越能力證明”。馬斯克說道：“通常我會告訴別人——其實也是在告誡自己——不要只看簡歷。要相信現場交流。簡歷看起來可能非常亮眼……但如果聊了20分鐘後還沒有‘驚豔’的感覺，那你就該相信這場對話，而不是紙上的東西。”這一策略成效顯著。馬斯克補充道，特斯拉（Tesla）目前的高管團隊，平均任期已達到10到12年。不過他也提到，在公司早期快速增長階段，高管崗位的更替曾一度相當頻繁。他回憶起有一段時期，蘋果（Apple）等公司曾對特斯拉高管和工程師展開“地毯式轟炸”，狂打電話挖牆腳。根據CNBC的資料，2018年，蘋果為其後來被叫停的電動汽車項目以及其他崗位，聘用了46名特斯拉前員工。馬斯克表示，當時業界普遍認為，特斯拉員工身上帶著某種“明星光環”，彷彿只要有特斯拉工作背景，就自帶能讓企業成功的特質。他表示，蘋果當時給出的薪酬往往是特斯拉的兩倍，並解釋稱，在矽谷挖人之所以容易，是因為員工在不同公司之間跳槽，通常無需搬家或改變生活方式。馬斯克旗下的五家公司共有20萬名員工，他坦言自己在用人問題上也犯過一些錯誤。他表示：“我自己也曾經陷入這種‘明星光環’的誤區，心想：‘哦，我們從Google（Google）或蘋果挖一個人來，他馬上就能成功。’”但他補充道，亮眼的履歷和出色的工作經歷，並不能代表全部。馬斯克認為，應聘者的天賦、進取心和可靠性同樣重要。他表示：“我認為，本性善良很重要。我一度低估了這一點。所以要考察：他們是否善良？是否值得信任？是否聰明勤奮？”馬斯克旗下公司的人員變動最近一段時間，馬斯克旗下公司遭遇了高管流失潮：有人選擇離職創業或暫時休整，也有人因職業倦怠，或對他的政治立場、戰略決策以及近期裁員感到失望而離開。據《金融時報》報導，近幾年，特斯拉的首席資訊官，以及公司公共事務部門和美國電池與動力總成業務的多名高層管理人員，已相繼離職。與此同時，馬斯克旗下初創公司xAI也出現人事變動。首席財務官邁克·利伯托雷在任職僅三個月後便跳槽至OpenAI。他在LinkedIn上寫道：“102 天——一周7天都在辦公室；每周工作120多個小時；只能說，這是一段瘋狂的經歷。”多名員工向《金融時報》表示，馬斯克對xAI員工施加了更大壓力，而他們認為，這與他同OpenAI首席執行長薩姆·奧爾特曼之間的競爭關係及私人恩怨有關。去年8月，作為OpenAI早期投資人的馬斯克，對OpenAI和蘋果提起反壟斷訴訟，指控二者試圖限制AI領域的競爭。而OpenAI則指控馬斯克存在騷擾行為，並試圖拖慢公司的發展處理程序。（財富中文網）

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)

一道題 = 千萬獎金 + 頂配Offer？金融圈最瘋狂的“尋人啟事”正在上演量化大佬懸賞千萬美金只為找到能解題天才一場關於智商與財富的極限挑戰正式開局懸賞1000萬美金解題 XTX Markets太捨得下本了近日，金融圈被一則消息刷屏：英國最大的單一納稅人、XTX Markets創始人Alex Gerko和他的公司，再次擲出重金，懸賞求解數學難題。cr. efc“懸萬金解題”，其實是XTX Markets的老傳統了，早在2023年，XTX Markets就推出了一項獎勵計畫——人工智慧數學奧林匹克（AIMO）。這是XTX Markets於2023年推出的“挑戰基金”，該基金旨在推動AI技術社區一起開發能夠像國際數學奧林匹克（IMO）頂尖人才一樣表現的AI模型！根據AIMO網站的介紹，其500萬美元的“終極大獎”將頒發給首個公開分享的、進入AIMO批准競賽並達到相當於IMO金牌水平的人工智慧模型。就在近日，第三項高達220萬美元的“階段性進步獎”競賽也已開啟，面向全球招募頂尖解題高手。cr. AIMO第三期階段性獎項總基金為$2,207,152，本輪競賽排名獎項如下：第一名：$262,144第二名：$131,072第三名：$65,536第四名：$32,768第五名：$16,384此外，還設有特別獎項，獎金$110,000。本階段的賽事基於首屆AIMO競賽（由Numina項目於2024年7月奪冠）及第二屆AIMO競賽（由輝達NemoSkills團隊於2025年4月奪冠）的基礎展開，題目難度大幅提升，並配備了業界領先的計算資源。報名截止日期為2026年4月9日，從Kaggle的資訊看，目前已經至少有4900名參與者報名搶奪這天價獎金了。關於AIMO - Progress Prize 3賽事的細節，以及前兩賽段的冠軍隊伍分享，WST都給大家整理好了，篇幅有限這裡就不一一展開，想深入瞭解的同學可以加入小助理獲取~不知道看到這裡的小夥伴們是否有和我一樣的感受——XTX Markets也太有錢了！帶大家簡單瞭解一下Alex Gerko和他的XTX Markets：Alex Gerko出生於俄羅斯，擁有莫斯科國立大學數學學士、碩士及該校數學博士學位；2004年，Alex Gerko在德意志銀行從事股票交易，之後轉行進入外匯交易領域；2009-2015年，加入總部位於英國的避險基金GSA Capital；2015年1月，創立了XTX Markets。XTX Markets是一家base在英國的演算法交易公司，利用演算法在各種交易場所進行價格差異交易，Gerko持有該公司75%的股份。截至2024年，該公司在全球擁有超過250名員工，他們利用最先進的機器學習技術，對股票、固定收益、貨幣、商品和加密貨幣等5萬多種金融工具進行價格預測。XTX Markets有多壕氣？據可蒐集到的資料顯示，2024年公司12.8億英鎊的利潤分配給了31位合夥人，其中某高額薪酬的成員分得6.825億英鎊，其餘30位合夥人平均每人1990萬英鎊（近2億人民幣），比去年提升逾500萬英鎊。普通員工到手的分紅也不普通：2024年，XTX LLP的19名員工平均薪資55萬英鎊。而且，XTX Markets特別願意提拔年輕的量化人才，比如2019年才走出校園的Ivan Belonogov，短短幾年就晉陞為合夥人。cr. LinkedInIvan的履歷上最不容忽視的，就是滿滿一頁的競賽獲獎經歷：為什麼XTX Markets如此不惜重金尋找全球最聰明的大腦？這背後，揭示的正是量化金融行業一個公開的秘密：對頂尖競賽人才，尤其是數理競賽天才的極致追捧。為什麼量化巨頭在招聘時會尤其重視那些競賽獲獎者？從本質上來說，核心原因在於，這類候選人的能力畫像與量化行業對頂尖數理、演算法、工程落地能力的核心需求高度匹配，這些獎項都很好地證明了其強大的邏輯思維和問題解決能力。在量化圈，遠遠不止XTX Markets和Jane Street會斥巨資去贊助各種競賽，還有不少頭部公司直接開設競賽去選拔候選人，比如：Jane Street Electronic Trading Challenge24h Hackathon，無需金融基礎，拼程式碼與策略，用自研演算法在虛擬市場trading，難度較高但參與感很強IMC Prosperity相對更綜合而且很好玩，涵蓋交易策略、風險管理和市場分析，比較考驗團隊合作，邊學邊玩，有機會能拿到IMC面試直通名額WorldQuant Challenge九坤/幻方量化大賽（中國私募最愛，前50名直接發Offer） (WallStreetTequila)

在北美矽谷大廠裡用中文聊天到底算不算一種“文化冒犯”？部分白人員工：不懂普通話的我像身處地獄華人員工be like：1. Meta上熱搜，因為中國人太多？最近，Meta 的華人員工又一次被推到了風口浪尖。cr. Blind大概意思是，有個哥們在Blind發帖稱Meta華人太多，結果底下有個回覆就開始控訴華人四宗罪：1、中國人在正式會議中說英文，但一結束就用中文交流；2、中國人會排斥非中國人，比如午餐絕不會邀請非中國人加入；3、他們當中很多人英語水平很差，以至於很難理解他們所說的內容；4、他們當中有些人沒有邊界感。這位樓主表示，Meta廣告部門尤其是在門洛帕克總部，他所在的團隊中國人佔比80%。這對於完全不懂普通話的他來說簡直是噩夢。有多少朋友看完第一反應be like：以下是辯方有理有據的發言“英語母語者終於體會到了非英語者在英語世界裡的邊緣處境，我願稱之為當白人成為minority之後的破防”：“吃飯不帶非華人，有沒有可能是白人飯太難吃”以及“合理懷疑是三哥在挑撥離間”：總結一下大家的最終論點：以上截圖源自xiaohongshustatista曾在2022年統計過Meta技術部門和非技術部門中各大族裔的佔比，技術部門中亞裔佔比最高，達到了55.8%：cr. statista2. Meta不是個例，華人改變科技格局其實這已經不是Meta第一次因為華人太多而被控訴，一年前也有類似的吐槽帖出現在Reddit：評論區的資料其實比樓主的吐槽更精彩。“在矽谷隨便挑一家公司，你就會發現工程部門大多是中國人和印度人，不僅僅是在Meta”“大型科技公司60%是印度人，30%是中國人，初創公司仍有70%是白人的原因大機率是不提供sponsor…”以上截圖源自Reddit矽谷正走向“華人時代”最好的例子，就是2023年馬斯克創辦的xAI，創始團隊的12人中，有5位是華人科學家：吳宇懷：xAI核心科學家之一，出生在浙江，2021年獲多倫多大學機器學習博士學位，師從諾貝爾獎得主、深度學習之父Geoffrey Hinton；張國棟：本科畢業於浙大，後於多倫多大學獲得博士學位，同樣師從Geoffrey Hinton，加入xAI前，其職業經歷覆蓋微軟亞洲研究院、Google大腦、DeepMind等頂尖機構；此外，還有本碩就讀於哈佛大學數學系的楊格，本科畢業於清華大學，碩博畢業於卡內基梅隆大學的戴子航，以及吳宇懷的導師、同樣畢業於多倫多大學的Jimmy Ba。cr. 網路，左起分別為馬斯克、吳宇懷、Jimmy Ba今年科技AI圈反反覆覆的搶人大戰，更是證實了華人科學家正成為頂尖科技公司的核心力量。今年6月Meta成立了“超級智能實驗室”，整個團隊44個核心成員中，有超過一半是華人，小扎更是不惜重金招兵買馬，組建的“AI夢之隊”中，華人學者依舊超半數：7月，Meta又從Apple挖走了華裔基礎模型負責人龐若鳴（Ruoming Pang），年薪高達2億美元。Nvidia老總黃仁勳，6月直聘了量化華人、清華校友朱邦華和焦劍濤：黃仁勳與95後清華校友朱邦華根據MacroPolo資料，2019年美國頂級AI研究機構中，擁有本科中國國籍背景的研究人員佔比為29%，僅僅三年後的2022年，這個數字飆升至47%，而美國本土只有18%。毫無疑問的是，2025年隨著AI競爭的加劇，華人科學家的價值將進一步凸顯。為什麼華人工程師在矽谷如此受歡迎？簡單來說是因為他們在AI時代格外具有“最稀缺的高價值資源”。2025年第66屆國際數學奧林匹克競賽（IMO）共產生了72塊金牌，其中中國6名隊員全員奪金，滿分的5位金牌選手中，有2名是中國學生。中國教育體系從小就關注孩子的數學、物理等基礎學科訓練，華人工程師從小接受高強度數理教育，具備深厚的數學功底，如線性代數、機率論等。從晶片到模型，從硬體驅動到演算法驅動，AI競爭的核心已轉向演算法設計、架構創新與資料理解，而這些，恰恰是華人工程師與生俱來的強項。“華人科學家正在接管矽谷”正在成為事實。7月，黃仁勳在北京脫下標誌性皮衣，身著唐裝，用中文演講的行為似乎也在回應這一趨勢。黃仁勳 NVIDIA“中國做得太棒了！全球50%的AI研究人員是中國人，你無法阻止他們推進AI發展。”3. 華人站在矽谷中央，留學生如何入局？前兩年我們看科技圈，總是從layoffs.fyi的裁員資料上感到焦慮。但2025年，裁員大幅減少的同時，AI發展對華人的歡迎也給了所有向往矽谷的新人一顆定心丸。cr. layoffs.fyi如果想在未來的灣區擁有一席之地，有那些熱門的崗位值得留學生沖？1）演算法工程師Algorithm Engineer人工智慧領域的核心人才，主要負責研究、開發和最佳化各種人工智慧演算法。需要深入理解機器學習、深度學習等演算法原理，針對不同的業務場景設計和實現合適的演算法模型。要求從業者具備紮實的數學基礎（線性代數、機率統計）和機器學習理論，精通Python等程式語言，熟悉TensorFlow、PyTorch等深度學習框架，並且能夠從海量資料中挖掘有價值的資訊來最佳化演算法。學歷上本科是門檻，頭部企業更傾向碩士/博士。2）機器學習工程師Machine Learning Engineer機器學習工程師是專注於將機器學習模型落地應用的技術專家，主要負責模型訓練、最佳化和部署。他們需要紮實的Python/Java程式設計能力，精通TensorFlow/PyTorch框架，熟悉資料預處理、特徵工程和模型調優。與演算法工程師相比更側重工程實現，與資料科學家相比更專注技術落地。核心技能包括分散式運算、模型壓縮和雲端部署，需掌握Docker/Kubernetes等工具。企業招聘時看重工程能力和項目經驗，薪資範圍20-60萬，自動駕駛、推薦系統等領域需求旺盛，需具備將演算法轉化為實際產品的能力。3）提示詞工程師Prompt Engineer提示詞工程師（Prompt Engineer）是AI時代的新興職業，負責設計、最佳化和調整與大模型（如GPT、Claude等）互動的提示詞（Prompt），以提升AI輸出的精準度和實用性。企業招聘時通常要求本科及以上學歷（電腦、AI、語言學相關專業優先），熟悉Python程式設計及主流大模型（如LLaMA、DeepSeek）的調優方法，掌握思維鏈引導、角色扮演等Prompt Engineering技巧。還有更多AI時代熱門的崗位以及工作內容和招聘要求，WST為大家整理了一份檔案，需要的同學可以加入小助理獲取。過去幾年，就算你不是尖子生，但只要你畢業於名校，依舊可以收到多個工作類型、地點、薪水和僱主都很有吸引力的工作邀請。但現在的情況是，很多GPA高達4.0的優秀畢業生，連一個Offer也拿不到。時間線為王，低年級是超車的好機會對於想要留美上岸科技大廠的留學生們來說，2025年的機會是比2024年多，但相比繁盛時期依舊更少，但門檻卻因為AI的強勢加入而水漲船高，想要絲滑上岸也需要經歷一番苦戰。簡言之，大一大二打基礎階段則要付出更多的努力。這裡就不得不提許多海外頂級公司都會開放針對低年級學生的早期項目，既能快速瞭解行業狀況，感受企業氛圍，又可以瞭解公司內部的招聘流程，進而加速求職過程。別以為低年級項目只是諮詢/金融行業的專屬，基本上我們熟悉的幾個科技大廠都會開放低年級項目申請。有的是針對大一大二學生，而有的項目已經將年齡捲到了高中畢業生。Nvidia Ignite ProgramDuolingo Thrive ProgramMicrosoft Explore ProgramUber STAR項目Lyft Early Talent ProgramGoogle STEP項目（大一、大二學生可申請）；Summer of Code（面向高中畢業生的實習）Palantir Sophomore internship；Meritocracy Fellowship（面向高中畢業生的實習）Meta University項目Amazon Propel ProgramSalesforce、LinkedIn、Amex、Micron、Dropbox 、Capital One等公司也有相關低年級項目申請。 (WallStreetTequila)

OpenAI首席科學家Jakub Pachocki與首席研究長Mark Chen開啟同台爆料模式：氛圍編碼的下一步或許是氛圍研究（Vibe Researching）；OpenAI的最終目標是實現自動化研究員；現有評估指標正趨近飽和，下一個里程碑將涉及實際的發現和在經濟相關事物上取得實際進展；成功的秘訣在於保護基礎研究，避免被短期產品競爭所牽制；……在a16z的這場最新訪談中，兩人不僅深入探討了GPT-5如何引入長遠推理、如何在基準飽和後衡量進度，以及為什麼強化學習不斷讓懷疑論者感到驚訝，還係統闡述了OpenAI的用人標準、未來路線圖以及算力分配這些重要問題。一句話，凡是你對OpenAI感到好奇的問題，他倆幾乎都談到了~（網友1）：深入又有趣！（網友2）：聽起來像是一支有著清晰願景的強大團隊。話不多說，訪談重點這奉上——GPT-5：將推理與Agentic行為引入主流採訪第一趴主要關於GPT-5。Mark Chen表示，GPT-5是OpenAI試圖將推理能力帶入主流的一種嘗試。在此之前，公司有GPT系列（主打即時響應）和o系列（主打推理）兩類模型。從策略上講，他們不希望使用者被「我應該使用那種模式」所困擾，所以把未來重心放在了越來越多的推理和Agents上。我們認為，GPT-5是朝著默認提供推理和更多Agentic行為的一步。他還一再強調，雖然比起o3和以前的其他模型，GPT-5在很多方面都有改進，但這款模型最主要的意義還是在於將推理模式帶給更多人。緊接著，主持人又問到了評估趨於飽和的問題，對此Jakub Pachocki也做了一番回答。他一開口就直接承認，我們過去幾年一直使用的這些評估確實已經非常接近飽和。具體而言，早期（從GPT-2到GPT-4）的訓練依賴大規模預訓練資料，並通過評估測試模型的泛化能力；但如今隨著針對嚴肅推理的強化學習出現，可以讓模型在特定領域深度訓練成專家，從而在某些評估中表現突出（卻不一定具備良好泛化性）。因此，目前缺乏更合適的評估體系。他表示，未來OpenAI將重點關注模型是否能夠發現新事物，並在具有經濟相關性的領域中取得實際進展。OpenAI的宏大目標：實現自動化研究員順著發現新事物這個話題，兩人又分別回答了「在GPT-5發佈之前，那種能力最讓你感到驚訝？」這個問題。Mark Chen分享道，印象最深刻的是模型能夠推動非常困難的前沿科學研究。他曾經和一些物理學家、數學家朋友們共同體驗模型，結果大家發現模型能夠解答一些新的、非常複雜的問題。這對他們來說有點像靈光一閃的時刻，它能夠自動化解決可能需要他們的學生花費數月時間的工作。而Jakub Pachocki則表示，o3的出現真正讓他眼前一亮。尤其是在處理數學公式或推理時，它確實達到了一個“相當值得信賴”的水平。至於未來，Jakub透露OpenAI的一個大目標是培養一個自動化研究員，而這個研究員可以自動發現新想法。初步想法是，先自動化自家內部的研究工作，然後再考慮自動化其他科學領域的進展。並且他提到了一個衡量這方面進展的「好方法」——觀察這些模型實際上可以進行推理和取得進展的時間跨度。隨著我們達到近乎精通高中競賽的水平，現在的推理水平達到了大約1~5小時。接下來OpenAI會專注於延長這個時間跨度，無論是在模型的長期規劃能力方面，還是在維持記憶方面。對此Mark Chen也call back了一下評估的問題：這就是為什麼我們對衡量模型自主執行階段間長度的評估很感興趣的原因。強化學習遠未達到瓶頸，“不要將當下的狀態視為終局”接下來話題跳轉到強化學習（RL）。每當OpenAI發布模型新版本之後，很多人都會懷疑強化學習會達到瓶頸，但不知何故，RL依舊「生命力頑強」。所以，為什麼RL運作得如此出色？ RL有什麼讓人感到驚訝的地方嗎？面對這一連串提問，Jakub Pachocki首先解釋了RL能運作良好的幾點原因：RL的通用性和強大性：RL本身是一種非常通用的方法，它是一個極其強大的東西，建立在深度學習這一「令人難以置信的通用學習方法」之上。一旦RL系統開始運作，研究人員就可以探索很多想法。錨定現實世界：長期以來，OpenAI努力解決的問題是如何將這些模型錨定到現實世界，即「環境是什麼」。與語言模型的結合：語言模型突破的出現是關鍵轉折點。通過擴展深度學習來建模自然語言，OpenAI能夠建立出對人類語言具有「令人難以置信的細微理解」的模型。Jakub Pachocki認為，過去幾年是OpenAI研究中最令人興奮的時期，因為他們發現瞭如此多的新方向和有希望的想法，而這些想法似乎都在奏效。在談到獎勵模型（Reward Model）時，他預計獎勵模型的發展速度會非常快，並且未來會變得更簡單，就像幾年前大家討論如何建立合適的微調資料集一樣。與此同時，他指出這一演變還遠未結束，OpenAI正在逐步向更接近人類學習的方向邁進，而當前的RL仍無法完全做到這一點。他特別強調，理解RL的關鍵思維模式是不要把當下的狀態視為終局，要保持靈活，因為相關的工具和方法論還會持續快速迭代和演變。氛圍編碼之後：氛圍研究對於當下大熱的AI程式設計，主持人也cue到了OpenAI本月發表的GPT-5-codex，這是一個專門針對程式設計進行優化的模型。Mark Chen表示，在這項工作上他們投入了大量精力來調整預設，以更好地匹配程式設計師對等待解決方案時間長度的預期。上一代程式設計模型的問題在於，花在解決最困難問題的時間太少，而花在解決簡單問題上的時間太多。並且為了測試模型能力，他們選擇了去參加程式設計競賽。Jakub Pachocki認為，程式設計競賽提供了一個很好的、封裝的測試，可以衡量模型在受限環境和時間範圍內提出新想法的能力。不過，Jakub自述作為一位歷史上極其不情願使用任何工具（甚至只使用Vim）的「老派」程式設計師，使用GPT-5最新的編碼工具讓他覺得「這不是（以前的）方式了」。他現在意識到，模型可以在15分鐘內幾乎完美地完成30個檔案的重構，因此「你必須使用它」。他形容這種新的編碼方式目前仍有點處於“恐怖谷”（uncanny valley）階段，因為它雖然解決了許多問題，但“仍然有點像……不如一個同事那麼好”，並表示OpenAI的首要任務是擺脫那個恐怖谷。而Mark Chen則將模型當前達到的水平和圍棋選手李世石面對AlphaGo時的經歷聯繫起來，他直言：從解決八年級數學問題到一年後在編碼競賽中達到他們自己的表現水平，這種進展是瘋狂的。他坦言，他們確實感受到了李世石所經歷的部分情緒，並思考這些模型「有什麼是它們做不到的」。Mark Chen觀察到，這種進步已經改變了編碼的默認方式。他引用最近與高中生的對話，指出現在的年輕人認為默認的編碼方式是「憑感覺編碼」（vibe coding），而自己從頭開始編寫所有編碼機制反而成為一個奇怪的概念。他最後總結道，氛圍編碼之後或許就是氛圍研究（vibe researching），也就是憑感覺研究。OpenAI招募：並非尋找「最出圈」的人具體回歸到人上，兩人也分享了他們最重視的研究特質。Jakub Pachocki認為，堅持是關鍵。研究的本質是探索未知，許多嘗試都會失敗，因此必須做好失敗和從失敗中學習的準備。同時，要有清晰的假設，並且對進展保持極度誠實，不能為了證明結果而自欺欺人。他強調，對自己的想法保持信心很重要，但更重要的是知道什麼時候它有效，什麼時候無效，從而調整方向。Mark Chen補充說，研究沒有捷徑，需要經驗來學習如何選擇合適的問題。問題太難容易受挫，太簡單又缺乏滿足感。研究過程常伴隨大量失敗，需要學習什麼時候堅持，什麼時候轉向。他指出，「趣味性」來自於閱讀好論文、交流和經驗積累。而關於如何留住人才，Mark Chen表示，OpenAI的優勢在於他們專注於基礎研究，而不是簡單地模仿競爭對手。他們有清晰的研究目標，創新氛圍鼓舞了研究員，同時公司也專注於文化建設和人才培養。Jakub則指出，他們尋找的不是最「出圈」的人，而是曾經解決過難題的人，具備紮實技術功底並願意迎難而上的人，那怕之前的領域不是深度學習。我們不會純粹尋找誰做了最引人注目的工作，或者誰在社交媒體上最引人注目（小扎：報我名得了~）。在團隊文化方面，Jakub強調要保護基礎研究，不要被產品競爭的節奏帶偏，研究員需要空間思考未來一兩年的重大問題。總之，OpenAI的長期目標是打造“自動化研究員”，因此不同研究方向會圍繞這一目標逐漸融合。以Mark Chen的話來說就是，粗線條上需要規定方向，但細節保持開放。如果有10%的額外資源，會投向計算如果你有10%的額外資源，你會把它投入到計算、資料整理還是人員方面？面對最後一個關鍵問題，Mark Chen明確表示，計算資源是合理答案。（笑）沒有研究人員會覺得自己有足夠的算力。Jakub補充說，必須明確優先順序，否則可能在所有方向都只能做第二名。他強調計算仍是決定性因素，幾年前大家認為會轉向“數據受限”，但事實證明今天依舊處在強烈的計算限制下。在算力有限的情況下，如今所有主流廠商幾乎都會面臨產品發表和研究那一個優先的問題。對此，Jakub強調OpenAI的研究路線主要基於長期信念，而非短期市場回饋。並且當談到未來那些先驗會保持不變，他認為除了計算，還要考慮能源等物理約束。他預測機器人技術會在不久的將來成為主要焦點。Okk，至此訪談內容告一段落，你怎麼看二人提到的上述觀點？ （量子位元）

一夏天，馬斯克一頭紮進xAI，誓要追趕OpenAI。結果呢？內部重組大戲上演，奪走實權高管跳槽。內部會議上，馬斯克豪言打造「巨硬」劍指微軟，還預告了兒童版「Baby Grok」。整個夏天，馬斯克都住在xAI辦公室。不為別的，只為心無旁騖將全部精力投入AI，追趕OpenAI勢不可擋的成功。可最終，一切仍是一地碎片。在一次罕見全公司會議上，馬斯克再次向全員，描繪了xAI的未來藍圖——建構追求真理的超級AI。同時，他還預告了打造微軟競爭對手「Macrohard」（巨硬）的計畫。整個夏天，全力押注xAI在一個長達1.5小時的演講中，馬斯克多次強調，「我們是唯一一家，以真相為使命的公司」。如果強迫AI撒謊，或相信不真實的事情，你將極有可能創造一個反烏托邦的未來。自6月，與川普鬧掰了之後，這位54歲億萬富翁，將精力加倍投入到了xAI身上。這家成立僅兩年的公司，正奮力在AI賽道上追趕競爭對手。自上線以來，團隊多次迭代開發Grok模型，近期xAI估值已高達1200億美元。親身經歷之後，馬斯克視政府為「無解難題」，轉而將希望寄託於AI。他堅信，xAI將打造出領先的技術體系，並最終反哺特斯拉、SpaceX等其他核心業務。甚至在X上，他發帖列出了自己的瘋狂日程：特斯拉開會12個小時，視察xAI資料中心.......知情人士透露，整個夏天，馬斯克大部分時間都待在xAI，位於加州帕洛阿爾托的辦公室。那段時間，他以一種幾乎瘋狂的、全天候衝刺的節奏工作，有時甚至會通宵達旦。偶爾，與他多年來在特斯拉、SpaceX風格一樣，直接睡在辦公室裡。這種專注度，讓外界一度開始懷疑，他還能兼顧其他公司嗎？尤其是，特斯拉董事會正推動一項兆美元薪酬方案，激勵馬斯克提升業績。不過，有12個特別瞭解xAI內部情況的人都這麼說——馬斯克本來是想靠親自盯場，讓xAI跑得快一點，結果沒想到，整個夏天搞得那叫一個雞飛狗跳。100天招100人，內部大重組外界不知道的是，xAI臨時搞了一波重組，馬斯克親自帶隊瘋狂招人——在100天內招聘100名工程師，將員工規模翻倍。同時，他還擠走了一批傑出的研究人員。另一些人則因不滿xAI放棄科學追求、轉向「博眼球」產品而離職。在技術投入方面，xAI斥資數十億美元，在田納西州建成了一個資料中心，使用了輝達10萬顆GPU。眾所周知，這是全球最大的超算之一，已於2024年9月正式啟用。今年2月，基於此訓練的Grok 3一經面世，就在基準測試中霸榜第一，碾壓其他頂尖模型。到了五月，馬斯克在一個超過100人的群聊中抱怨，Grok太政治正確了。當晚，一名工程師響應了他的話，並修改了Grok的程式碼。這一舉動，導致了Grok在X上輸出不當內容，如錯誤宣稱南非對白人進行「種族滅絕」。公司緊急修復，將此歸咎於「未經授權修改」，但未提馬斯克的初始資訊。六月初，馬斯克參加蒙大拿州「Symposium」聚會，與Peter Thiel等科技大佬討論AI未來，卻避開奧特曼。不久後，他從指定的兩名日常營運負責人手中奪取了控制權，並解僱了多名高管。先是，趕走了負責訓練Grok圖像和聲音團隊的Ting Chen。隨後，他又解僱了監督視訊生成AI的Aakash Sastry。與此同時，他還削減了聯創Jimmy Ba的職責，Igor Babuschkin轉任無管理崗位。然後，讓自己最信賴的副手之一Ross Nordeen和Tony Wu負責產品。結果，卻適得其反。七月，程式碼更新後Grok再次輸出反猶言論，甚至自稱「機械希特勒」。公司迅速修復後，但事件引發內部不滿。幾周後，xAI推出每月300美元的「SuperGrok Heavy」服務和一對卡通AI戀愛機器人。這讓一些研究人員失望，認為公司偏離科學使命，導致多人離職。七月底，xAI籌集100億美元，包括SpaceX投資，但一半為需償還債務兩個月後，CFO Mike Liberatore跳槽OpenAI。整個夏天，xAI多位員工，包括聯創紛紛離職。下一步規劃會議上，馬斯克表示，「我從未見過比AI招聘更瘋狂的事了」。據稱，內部員工每成功推薦一個人入職，就能拿到被推薦人薪水的5%作為獎金。更誇張的是，公司甚至還搞了個競賽，大獎是包私人飛機去看SpaceX發射。這待遇，真是沒誰了。為留住人才，xAI一直強調自己和和馬斯克旗下其他公司是一家的。比如，Grok現已經給柯博文提供語音功能了。馬斯克還放話說，柯博文未來的生產力會比全球經濟還猛——它產出的東西和服務，會超過全人類加起來的總和。此外，他再次提到那個叫「Macrohard」計畫——打算用Grok做軟體，還要搞一個面向2-12歲孩子的「Baby Grok」。 (新智元)

一個讓留學生心頭一緊的消息：普華永道PwC宣佈到2028年美國辦公室初級崗位數量將減少近三分之一曾經一介頂流的四大如今也要撐不住了嗎......cr.Business Insider四大，真撐不住了？從上個月開始，各大官方外媒就頻頻傳出PwC招募放緩的消息。8月，PwC美國宣佈，未來三年的校招崗位將減少30%，尤其是審計和稅務兩個部門。根據內部PPT，PwC在2025財年招收了3,242名稅務初級助理，但到了2028財年，這個數字預計會縮減到2197，跌幅高達32%。審計部門砍的人更多，今年招了1676人，而到2028年將少減少661個名額，近40%。不知道銀幕前有多少剛好是2028年畢業準備「直奔四大」的留學生，在這裡先心疼你一秒鐘......PwC英國地區CEO給出的解釋口徑是：技術變革、AI接管部分基礎工作，再加上員工流動率降低，讓公司「沒必要再大量吸納新人」。更令人心寒的是，四大不只PwC一家在縮減校招名額，其他幾家的「收口」趨勢也日益顯現。今年2月，EY剛因為重組裁去技術諮詢部門的100名員工。隨即全球首席執行官Janet Truncale在6月的米爾肯研究所年會上表示，EY不會因AI而裁員，但可以“用更少的人做更多的事”，稱：我認為我們可以用今天的員工隊伍實現規模翻倍。「不會裁員」的說辭真假暫且不論，但「不再擴招」這一點顯然是真的。全球頂尖的四大，光環也慢慢褪去。根據今年財報統計的資料，四家利潤均有不同程度的下滑，曾經一度穩居老大位置的PwC，利潤更是下降超過25%，對於這樣以人力成本為主的公司來說，不可謂不是一個重創。四大停招縮招的原因，其實都有共通之處，總結下來主要有這麼幾點👇1）AI正在接管新人飯碗過去習慣了大規模「金字塔式」招人的四大，如今正主動收縮基層崗位，把更多原本初級基礎職能交給AI完成。PwC人工智慧保證負責人Jenn Kosar表示：AI將會被更廣泛地運用於工作中，使員工能夠專注於“更高級、更有價值的工作”，這也提高了對於新員工的要求，入職三年要達到管理層等級水平，縮招的同時也意味著四大的進入門檻更高了。2）員工自然流失率過低由於疫情期間的過度擴招導致的勞動力過剩，再加上近幾年經濟下行，招聘市場大環境普遍低迷，自願離職的員工少之又少，那隻能相應進行裁員和停招了。3）大型項目需求低迷經濟放緩以及由此導致的投資、招募和交易減少是PwC今年畢業生招生人數下降的最大因素。隨著今年上半年政府效率部DOGE大規模取消與諮詢公司合同，受影響最大的Deloitte，Deloitte 2024財年的收入為672億美元，其中約10%來自政府合同，被終止了超過11.6億美元價值的合同。4）加速中心AC外包AC也就是我們常說的離岸外包中心，PwC高層在訪談中提到，目前離岸外包中心把大量低成本崗位轉移到印度，菲律賓和阿根廷等勞動力成本較低的地方，這也減少了各地核心團隊對人力的需求。有人戲稱，四大情況再持續這樣下滑，2nd Tier事務所都要崛起了，“Big Four”變“Next Four”。cr.xhs

Meta 一擲千金、開出千萬美元年薪“搶人”，並由 CEO 扎克伯格親自發郵件挖角的消息，引爆了整個行業。這場看似簡單的人才爭奪戰，背後卻藏著深刻的戰略焦慮與技術野心。AI 的發展早已不只是技術問題，更是一場關於未來主導權的博弈。人才，就是這場競賽中最關鍵的槓桿。Meta 此番親自下場、重金挖角，不僅反映出其在大模型時代的緊迫感，也預示著全球 AI 人才格局或將發生新一輪重構。01 事件核心：Meta的“天價 Offer”與 CEO 親自下場CEO 扎克伯格親自出馬，向全球僅 50–100 位擁有大模型訓練經驗的頂尖 AI 研究員發出邀請，開出的年薪高達 1000 萬美元（約合人民幣 7184 萬元）。更令人震驚的是，部分候選人甚至無需經過常規面試流程，即可直接入職。Meta 尋找的並非普通技術人員，而是能駕馭大型基礎模型、具備“生成式 AI 原生思維”的稀缺型專家。這些人被稱為“AI 煉金術士”並非誇張，他們是支撐大模型核心能力的第一生產力，決定著一家科技公司在新一輪 AI 競賽中的底層戰鬥力。為了搶到這些極端稀缺的人才，Meta 不僅祭出了空前薪酬與股權激勵，還直接突破了傳統招聘方式。扎克伯格在自家私宅接待潛在候選人，專門建立 WhatsApp 招聘群進行即時溝通，展現出高度的誠意與效率。此外，Meta 還從Google DeepMind、Anthropic、Sesame AI 等核心對手那裡持續“挖角”，包括 DeepMind 前首席研究員 Jack Rae 在內的多位專家已被納入麾下。這一輪全球獵才風暴，不僅是資本驅動的延伸，更是 Meta 重構 AI 技術中台、強化模型原研能力的關鍵一戰。02 戰略動機：Meta 的焦慮與 “超級智能” 野心Meta 最新發佈的大模型 Llama 4 並未達到外界預期，在多個基準測試中的表現平平，甚至被業內質疑存在“對測試資料過擬合”的嫌疑，技術公信力受到一定衝擊。與之對比，OpenAI 的 GPT-4、Google的 Gemini 已在多模態能力、工具呼叫等關鍵領域實現突破，技術差距正在拉大。為迎頭趕上，Meta 正計畫組建一支專注於通用人工智慧（AGI）研發的新團隊，由 Scale AI 創始人 Alexandr Wang 領銜。這支團隊欲將在未來一輪 AGI 競賽中實現“跨越式趕超”。為配合這一戰略，Meta 還投入高達 150 億美元，與資料標註公司建立深度合作，擴充高品質訓練資料。這一動作不僅展現其追求基礎研究突破的決心，也標誌著 Meta 正將 AI 上升為集團未來十年的核心增長引擎。Meta 在其法律檔案中曾明確表示，到 2035 年，生成式 AI 業務有望帶來累計 4600 億至 1.4 兆美元營收。這個估算略顯激進，但足以體現其對 AI 商業化潛力的高度信心。在這個規模背景下，給頂級研究員開出千萬年薪，其實並非“重金”，而是按戰略優先順序配置的必要投入。Meta 認為，越早建構出核心模型、掌握自研能力、聚攏人才優勢，越能在 AGI 到來之前鎖定商業主動權。無論是組建高規格研發團隊，還是在全球範圍內高薪搶人，Meta 都已做好了長期投入、技術補課與生態搭建的全面準備。03 人才爭奪戰的殘酷真相：薪酬、文化與使命感的多重博弈真正具備千億參數大模型訓練經驗的核心研究員，全球數量不過百人，這類人才是全球 AI 產業的“戰略稀缺資源”，各大科技公司爭相高薪挖角，成為決定技術路線和產品上限的關鍵變數。據公開資料顯示，OpenAI 和 Anthropic 的核心人才留存率均超過 60%，而 Meta 即便祭出天價 offer，留存率也僅為 64%。這說明，僅靠高薪遠遠不夠。在多個案例中，有頂尖候選人因對 Meta 企業文化、研究自由度等存在顧慮，最終選擇加入 OpenAI，或乾脆自己創業，回歸獨立探索。這場 AI 人才戰，已經進入“超級軍備競賽”階段。頂尖初創公司為吸引科學家，紛紛開出 200 萬至 400 萬美元的股票期權激勵，OpenAI 甚至允許員工提前套現公司股份，這種高流動性與高預期的組合，對人才具有極強吸引力。相比之下，Meta 雖然基礎年薪可達 200 萬美元以上，但在的競爭中並不佔優。許多 AI 科學家願意投身更具理想主義色彩的組織，比如以“確保 AGI 安全”為目標的 OpenAI，或圍繞長期主義展開技術探索的 Anthropic。與之相比，Meta 強執行、高指標的工程文化在一些人眼中可能更像是“工業流水線”，缺乏科研自由與精神牽引。04 深層矛盾：技術理想主義 vs 商業現實就拿前 Twitter AI 負責人 Yudian Zheng 來說，他就拒絕了 Meta 的百萬年薪，他表示更看重 “從零創造價值” 的創業生態。這體現出很多頂尖科學家在選擇工作時，不僅僅考慮薪酬待遇，更注重能否在工作中實現自己的技術理想，創造出真正有價值的東西。Anthropic 能有 80% 的留存率，很大程度上是因為他們給員工提供了項目自由度，讓科學家們能夠在自己感興趣的領域自由探索。而 Meta 的留存率只有 64%，這可能就與他們相對受限的 “增長駭客” 文化有關，這種文化更注重短期的商業增長，可能會束縛科學家們的創新思維。美國國會部分議員已經對大型科技公司“挖牆腳”的做法提出批評，指出這類高強度挖角正在蠶食初創企業的人才基礎，打擊創新生態，形成“強者恆強、弱者出局”的惡性循環。在歐洲，這一趨勢尤為明顯。受限於資本規模和薪酬體系，大量具備前沿 AI 能力的工程師和研究員正不斷流向美國。歐洲科技公司在與美國巨頭的人才競爭中處於劣勢，逐步淪為“人才淨出口國”。不僅削弱了本地技術的自主能力，也加劇了全球 AI 創新版圖的地理失衡。如果頂尖人才過度集中於少數幾家科技巨頭，AI 發展的治理結構將變得更加不均衡，可能催生技術壟斷、倫理失控等系統性風險，最終影響全球範圍內的產業安全和政策制定。05 未來影響：AI 人才大戰加劇“馬太效應”高端演算法工程師與模型架構專家一旦高度集中於少數平台，將形成事實上的“技術壟斷”：創新資源、算力基礎與生態優勢也會向各大巨頭傾斜，小公司難以獲得支撐前沿研發的基本條件。這種趨勢如果持續，將不利於行業長期的技術多樣性和創新活力，甚至可能削弱整個AI生態的抗風險能力。Meta 傾向推動開源生態，其 Llama 系列模型廣受開發者歡迎，也在全球範圍內建立起一定的開源影響力。然而，商業化Meta仍遠落後於Google、OpenAI等閉環生態玩家。前者強調社區共建與開源模型的廣泛應用，後者則通過資料、產品、分發、支付等環節形成閉環商業閉路，效率更高、變現更快。部分技術理想主義者更傾向開源與社區協作，而傾向商業化的工程人才則流向閉環企業。這種結構性分流，可能在未來幾年決定全球 AI 技術演化的基本格局。總結：一場撬動未來格局的 AI 人才之戰這場由扎克伯格親自下場推動的“非常規”招聘，揭示了 Meta 對 AI 技術焦慮的真實寫照——在面對 GPT-4、Gemini 等強敵技術領先的背景下，Meta試圖以重金組建通用人工智慧（AGI）核心團隊，實現戰略突圍。然而，事情並非只是“錢到位、人就到”。在這場激烈的“軍備競賽”中，薪酬固然重要，但並非唯一籌碼。越來越多的 AI 科學家將價值觀契合、技術自主權與長期願景視為關鍵考量因素。Meta 開出的“天價 offer”仍面臨留存難、認同低的困境，其企業文化、研究自由度與使命感劣勢正成為軟肋。巨頭搶人加劇了中小企業“技術斷層”，帶來技術集中度提升與創新生態失衡的雙重隱憂。部分國家甚至開始反思這種資本密集型挖人模式對本土 AI 發展的長期影響。與此同時，開源 vs 閉環的發展模式分歧，正因人才流動而進一步強化。Meta 等開源派面臨商業變現壓力，Google、OpenAI 等閉環模式則憑藉產品閉環迅速建立優勢。大力財經認為AI 人才爭奪戰就像一場技術版的冷啟動核競賽，拼的不是當下的產品，而是未來的技術槓桿。Meta 這次以千萬年薪、CEO 親自出手，開出的不僅是職位，而是一種戰略訊號：誰掌握了頂尖人才，誰就可能佔據下一個技術高地。但真正決定勝負的，並不只是錢，而是那種組織機制能真正留住人才、激發創造。AI 的未來歸根結底還是由人決定的，不是那家資本雄厚，而是那些人能沉下心來做長期主義的事。在這場全球競賽中，也許我們更該關注的不是誰挖了誰的人，而是這一代最聰明的大腦，最終會選擇跟誰一起定義時代。你會選理想主義，還是現實陣營？歡迎聊聊，你心目中理想的 AI 創新土壤，是什麼樣的。 (雲媒體)