當AI人才身價超過球星，一人獨角獸或加速出現？

AI自帶超級槓桿，一人獨角獸或加速出現

錢到底多到什麼程度？

• 2024-25 賽季 NBA 工資帽 1.4 億美元，但單個球員最高年薪也就 5,300 萬美元左右；勒布朗‧詹姆斯把商業代言算上，年收入約 1.34 億美元；
• Meta、OpenAI、Google DeepMind 等為“頂尖大模型專家”開出的單人 報價已沖上千萬美元年薪，甚至直接給 1 億美元的簽約獎金或 2 億美元等級的總包裹。

這意味著——只要技術夠稀缺，一張“研究員合同”現在可以比一張“頂薪合同”還貴。平均現金薪酬，NBA 巨星仍領先；但一旦疊加股權與一次性激勵，極少數 AI 超級人才出現“報價爆表”現象。

經濟本質：在可復用、可擴散的軟體世界裡，頂級演算法創新對邊際價值的放大遠超單人競技表現，資本自然敢出手。

若 AI 行業繼續呈現寡頭格局，“體育化”——聯盟＋工資帽＋轉會費 的治理模式大機率會被借鑑，而技術‐金融兩條市場也會更緊密耦合到“人”這一本質稀缺資源。

AI人才價值定價的底層方程

邊際產出 × 可放大的槓桿 × 稀缺度 – 約束 = 薪酬上限

AI 頂級人才在邊際產出、槓桿、稀缺三項全勝且“無工資帽”——自然能突破體育明星的貨幣天花板。當“約束”極弱，而前三項同時極高時，薪酬上限自然被抬到體育之外的高度。

底層方程揭示的是真正決定薪酬天花板的，不是行業類別，而是槓桿總量與制度約束之差。AI 人才憑藉軟體復用、算力擴容、資本期權三大槓桿，在一個幾乎無工資帽的市場中，把個人價值推向體育明星之外的水平。

為什麼 NBA 球星仍然貴？

• 冪律注意力經濟：頂流球星鎖定全球球迷，形成邊際收益遞增的“明星效應”。
• 真實可見的勝率彈性：1 個詹姆斯≈+30 個勝場，直接決定球隊季後賽收入。
• 聯盟壟斷 + 轉播分成：NBA 作為單一聯盟控制賽程與商業版權，保障現金流。
• 供給極端稀缺：700 萬美國高中生裡能進 NBA 的機率 < 0.03%；身體稟賦難以後天複製。
• 品牌年限長：明星生涯 + 退役 IP 代言可持續 20-30 年，現金流可貼現到當下。

為什麼資本願意用「球星價」搶 AI 人才？

當“程式碼＋算力”能把單個人的創意擴散到全球，而賽場仍受 94×50 英呎限制，市場出價自然倒向前者。 這既是一場對稀缺智力資本的搶奪，也預示著下一輪經濟增長的主引擎已從“體能＋娛樂”徹底切換到“演算法＋推理”。

①供給稀缺度：NBA 超級球星在全聯盟約 450 名活躍球員中，真正能左右聯盟格局的只有 20 人左右，可見人才稀缺。AI 頂尖研究員，全球具備獨立攻克前沿演算法、訓練最新模型能力的人估計不足 1 000 名，且往往需要跨數學、電腦、認知科學等多學科。兩類人才都稀缺，但 AI 頂尖人才的“有效供給”更窄，難度與交叉學科深度使其成為“1 萬倍工程師”。

②邊際價值槓桿：一名巨星的影響力頂多覆蓋一支球隊、帶來數十億轉播與票務收入。而對於AI人才來說，一次演算法突破可以被嵌入成千上萬產品、觸達億級使用者，幾乎零邊際成本複製。AI 產出可無限複製、邊際成本≈0，價值槓桿遠超體育賽事這種一次性、線下的商業模式。

③付費主體 / 競標結構：30 支球隊受工資帽限制，競價天然被壓抑。AI 人才則主要需求方來自於科技巨頭、AI 獨角獸、避險基金、SaaS 初創等無統一天花板，資本密度高且資金自由。缺少聯盟式薪酬約束，疊加資本扎堆，AI 人才“價無上限”。

④收益路徑：球星主要是固定工資＋代言，談判範圍侷限於個人。AI 人才可拿現金、期權／股權、里程碑獎金，甚至未來獨立創業。股權機制讓僱主能把“潛在市值”分散給人才，整體成本相對更低，激勵更強。

⑤可替代性與窗口期：球星巔峰期約 7–10 年，身體機能衰退後價值驟降；AI 人才的技術積累可複利，還可向管理或創業轉型，職業生命周期更長。僱傭 AI 人才更像買一張“長期看漲期權”，風險—收益比更優。

從稀缺程度、槓桿效應、資本競標、激勵手段、職業壽命到制度約束，AI 頂尖人才在幾乎所有維度都具備更高的可擴張性與更大的價值捕獲空間。這解釋了為何近年來科技公司開出的待遇已超越 NBA 巨星：AI 人才創造的是可無限複製、指數放大的數位資產，而球星依舊受限於物理場景和聯盟制度。

連鎖影響：AI 搶人大戰釋放的三條宏觀訊號

①人力資本 > 有形資產

Meta 僅用 ~$500 M 年薪預算就可能改變其 Llama 路線的競爭格局，折算為年均 CAPEX 的零頭。這說明在演算法驅動行業，“1% 人 + 99% GPU” 的組合裡，人的定價可以與 GPU 電費一樣寫進商業模型。

②智慧財產權的“不完全可交易性”

$100 M 級簽約金本質是“買來即用”不現實，更多是封鎖對手、鎖定路徑依賴。預示著未來 AI 領域會像體育轉會一樣出現“人才轉會費 / buy-out clause”體系。

③“聯盟化”與“工資帽”或將移植到科技行業

當頂尖實驗室數量 <10、人才池 <1 000 時，監管與行業自律組織很可能引入上限、互不挖角條款，避免成本螺旋。1990 年代 MLB 薪資通膨→Luxury Tax；未來 AI 行業或出現“算力稅 + 人才薪酬帽”。

我個人覺得核心根本還是在於AI 自帶的“槓桿”

①軟體複製槓桿 —— 一次開發，億次呼叫

模型或演算法一旦訓練成功，複製成本趨零，開發者的邊際貢獻隨呼叫量線性乃至指數放大。OpenAI、Anthropic等將單一模型包裝成 API，允許第三方產品把“一個人的突破”嵌入千萬終端。

②算力擴容槓桿 —— 資本換產能

個人思路 + GPU 叢集 = 規模效益。團隊可以通過追加算力把同一演算法的產出級數抬升，而不需要等比例增加人頭。因此公司願意為「能寫出算力吃得飽」的頂尖研究員付出溢價——一人即可驅動數億美元的 GPU 投資回報。

③股權/資本槓桿 —— 未來市值預支到今天

科技公司用高估值期權把潛在超額利潤折現成當前薪酬。Meta、Google、xAI 等甚至追加九位數一次性激勵來“鎖人” 。在聯盟沒有統一薪酬帽的背景下，股權成為突破現金天花板的“第 2 貨幣”。

而如果按照我前期的文章人生的三大槓桿與數學之美，深度展開分析過四類“加槓桿”——傳播、程式碼、人力、資本，如果逐一拆開，並放回「邊際產出 × 槓桿 × 稀缺度 – 約束」這條價值定價方程裡，看 AI 是如何層層疊乘，把個人或團隊的價值推到前所未有的高度。

放進方程，薪酬上限是怎樣被四重槓桿推開的？

• 傳播槓桿先把個人成果的受眾規模乘以 10²–10³。
• 程式碼槓桿再把同一成果的生命周期乘以 10¹–10²（重用深度）。
• 人力槓桿把“人均產出”基數乘以 5–10（AI-Copilot 帶來的效率躍遷）。
• 資本槓桿讓企業通過算力和股權，把上面三种放大後的價值再“融資”一次，兌現為今日薪酬。

目前在 AI 領域幾乎不存在統一工資帽或奢侈稅，因此總放大因子幾乎未經削弱地傳導到報價上。

互動疊乘：為什麼四個槓桿不是簡單相加，而是「巢狀乘法」？

• 傳播 × 程式碼

一行被廣泛復用的核心演算法，只需一次網路發佈即可在全球 API 呼叫中反覆複製；每一次呼叫都再次啟動傳播槓桿。

• 程式碼 × 人力

Agent-Orchestrator 讓一個高階工程師可以驅動一串子 Agent 自動寫程式碼和跑實驗；人力槓桿把程式碼槓桿的基數又放大。

• 人力 × 資本

演算法天才 + 海量 GPU = 規模不對稱優勢。資本槓桿兌現的是人才的放大潛力——沒有 GPU，就沒有乘數效應。

• 傳播 × 資本

資本出資將模型做成 SaaS/API，讓傳播槓桿覆蓋更廣。資本其實是為傳播買通路。

結果四者相當於在多層復合利率裡輪流“加一檔”，遠比線性相加兇猛。

在 AI 時代，傳播、程式碼、人力、資本這四大槓桿不是並列，而是遞進式乘法；只要外部“約束”仍稀鬆，頂尖個人或小團隊就能像滾雪球一樣，把自己的邊際產出放大到跨行業、跨地域的等級——這正是 AI 薪酬規律打破傳統行業天花板的根本原因。 (貝葉斯之美)