•
為什麼AI實驗室越來越像職業體育球隊？
算力不再稀缺，頂級人才成為新一輪AI競賽的核心資源
在過去一年裡，儘管AI產業繼續高速發展，但真正值得關注的變化，並不在於技術本身，而是產業結構的核心驅動力發生了轉移。從前，決定AI領先地位的關鍵變數是“誰擁有更大的叢集、更充足的算力和更強的預訓練能力”；而現在，在算力相對充裕的環境下，真正稀缺的資源變成了人才。
紅杉美國合夥人David Cahn今天夏天提出上面這個有趣的問題，他在去年夏天寫了不少關於 AI 的文章，從《AI 的 6000 億美元問題》、《AI 資本支出的博弈論》、《AI 已準備就緒》構築未來：紅杉美國2025年人工智慧最新預測、《鋼鐵、伺服器與電力》紅杉評論｜鋼鐵、伺服器和電力：如何贏得下一階段的人工智慧，一直寫到《AI 供應鏈拉鋸戰》。
David表示一年過去，回頭看，其實變化並不大：原本是“6000 億美元問題”，如今變成了“8400 億美元問題”（假設 Nvidia 到 2025 年底的資料中心營收年化可達到 2100 億美元）。根據路透社消息，OpenAI 仍然佔據整個 AI 收入的大頭，近期突破了 100 億美元大關OpenAI 宣稱其年經常性收入（ARR）達到 100 億美元，它是如何做到的？。整個 AI 生態的總收入，依舊遠不及已投入的巨額資本。事實上，他去年對大科技公司 AI 收入的預估可能還偏高了。
過去一年，AI 有三項重大進展：
1、程式碼生成 AI 迅速爆發。一年前，這類產品的演示還令人震撼，如今程式碼 AI 領域已經創造了約 30 億美元的年化收入Cursor的百億估值背後：真壁壘or泡沫？
2、“推理能力”找到明確的產品-市場契合點，引發了對“推理階段算力利用效率”的廣泛關注。通過反覆查詢模型結合強化學習，我們能獲得更精準可靠的結果。巴克萊投行：人工智慧邁向推理模型和Agent的重大轉變
3、ChatGPT 的使用出現“smile curve（微笑曲線）”，使用者行為逐漸固化，這項新技術正深入日常生活。
所謂“微笑曲線（smile curve）”，通常用來描述兩端高、中間低的趨勢圖。在 ChatGPT 的使用中，這種曲線可以理解為使用場景和使用者活躍度呈現“兩頭高、中間低”的態勢：
從“模型即基礎設施”到“人即護城河”
這一趨勢正在從多個層面重塑AI產業格局。去年，主流觀點還集中於模型規模、訓練成本和基礎設施投入，例如“訓練一個GPT-4等級模型到底要花多少錢”“誰能率先上線超萬卡叢集”等。但到了2025年中，我們看到的是另一個敘事逐漸佔據主導地位：頂級人才才是AI下一階段突破的決定性要素。
隨著AI應用層生態的持續豐富，算力價格不斷下降，建構一款AI產品的門檻不再高不可攀。大量初創企業借此機會進入市場，建構以“整合式工作流和輕量化模型呼叫”為核心的業務系統。例如 Harvey、Abridge、Perplexity、OpenEvidence 等公司，均在各自領域取得顯著進展。這些企業的核心優勢，不再是底層模型或訓練能力，而是如何用有限資源組織出一支具備創新能力的人才團隊。
但與這些正面趨勢相對的是另一個現象：過去被廣泛討論的“預訓練階段”的模型開發、叢集搭建等話題，正在從公共話語體系中逐步淡出。可能原因包括大型算力叢集的建設周期延長，或者如 OpenAI 聯合創始人 Ilya Sutskever 所言，“我們所理解的預訓練方式即將終結”。與此同時，一年前我們看到很多研究實驗室因為成本壓力而合併、收縮，而如今，一批新興力量重新湧現，包括 SSI、DeepSeek、Thinking Machines 等，他們不再依賴大規模算力，而是將“團隊質量”作為差異化競爭的關鍵。
這種變化的背後，是AI產業邏輯的轉變——從資源驅動轉向組織能力驅動。過去我們默認：“有錢、有卡、有電”，就能訓練出世界級模型。而現在則愈發清晰地意識到：即便你擁有最大的叢集，也未必能實現技術突破，真正的關鍵，是是否能吸引、留住並釋放頂尖人才的創造力。
這種現像在Meta和Google的身上表現得尤為明顯。Meta最近以頗具戰略意圖的方式入股了AI基礎設施公司Scale 49%的股份，並將創始人Alex Wang引入Meta，主導一支“創始人風格”的實驗室，目標是重建長期主義的AI研究文化。Meta擬斥資150億美元控股Scale AI：資料優勢加持能否逆轉AI困局？Google也在多個產品線上進行重組，試圖擺脫現有AI產品的被動局面，重新掌握主動權。這些動作的共同指向是：在當前算力不再是稀缺資源的時代，人才成為唯一的突破口。
某種程度上，AI實驗室如今已越來越像職業體育球隊。他們有充足的資本、有明確的“戰術體系”、有明確的“轉會窗口”，更重要的是，他們願意為頂級“球員”，即AI研究員、系統架構師、模型最佳化工程師提供極具競爭力的薪酬待遇。目前，一線AI人才的薪資包動輒在千萬美元以上，個別關鍵人物甚至可談到“億級”甚至更高。而與體育不同的是，AI領域的人才合同流動性極強，沒有多年繫結，隨時可能被挖角。
具有諷刺意味的是，最早提出“AI競賽”這一概念的，其實是AI安全社區。他們的初衷，是提醒業界警惕因資本驅動和技術衝動所引發的無序博弈，可能帶來的系統性風險。然而，時至今日，這場競賽已然全面展開，並在“算力”和“人才”兩個核心維度上成為現實。
從根本上說，這種趨勢反映了人類面對重大機會時的一貫反應。每當出現一個足夠誘人的技術突破或市場窗口，人們幾乎不會主動“剎車”。AI 正是這樣一種變革性技術，它有可能重塑整個產業格局甚至社會結構，回報極其可觀。也因此，圍繞它的關鍵資源，尤其是最稀缺、最難複製的人才，正在被不斷推向競爭的極限。
更值得注意的是，儘管當前AI實驗室之間的競爭異常激烈，但整個行業的氛圍卻較三年前顯得更為“平穩”。一個合理的解釋是：對大多數參與者而言，“持續競賽”已成為默認狀態，市場結構基本固化，主導力量明確，生態內部逐漸建立起某種“動態均衡”。雖然風險與不確定性依然存在，但從系統性角度看，這個行業正朝著一種更自洽、更有秩序的形態演進。 (Miss LN)