为什么人工智能实验室开始看起来更像NBA？

红杉合伙人David Cahn写了篇稿子叫：《Why AI Labs Are Starting to Look Like Sports Teams》，把类比AI Labs和NBA球队，很有意思。以下是这篇文章的核心观点：

如今一年过去，回头看：AI行业的变化不多。

这仍然是一场“供给大于收入”的游戏。OpenAI是为数不多的营收破百亿的公司，而更多公司，营收依旧微薄。去年对科技巨头AI收入的估算，放到今天看，恐怕都太乐观了。

尽管宏观数字没有“起飞”，但技术应用层面其实已经悄然生变。

以下是三个核心的变化：

●AI编程真正起飞了。AI编程类产品的年化收入已超30亿美元；
●围绕推理时间的效率优化，强化学习的实际收益，让“第二个缩放定律”变得现实可感；
●ChatGPT用户行为走出微笑曲线。

与此同时，一批AI原生应用公司已经在“廉价算力+集成工作流”的红利下完成产品打磨。Harvey、Sierra、等公司，正在构建真正可持续的商业模式。

除了这些，最大的叙事转变，来自对“决定性资源”的认知变化：

去年是“预训练计算整合年”， AI实验室合并潮此起彼伏；今年变成“人才争夺战元年”：DeepSeek、Thinking Machines、SSI等新玩家回归“人才是第一性”的逻辑，声称不靠算力堆模型，而靠顶尖工程力和训练范式突破。

这不是嘴炮。Meta花149亿美元买下Scale近半股份，还请Alexandr Wang挂帅，就说明一个问题：大公司开始以“创始人模式”押注实验室本身，换句话说，他们不再只堆钱堆卡了。

今天的AI实验室越来越像顶级职业球队。

●背后站着超级金主
●球星级研究员年薪上千万美金，甚至数亿美金

与运动员签长期合同不同，AI人才的流动性极强——挖角、跳槽、防守反击，构成了产业里的新动态博弈。

讽刺的是，这种你追我赶的人才竞赛，正是过去AI安全社区最担心的“非合作性”场景。而现实告诉我们：凡是奖品够大的领域，人性就会主导局势演化——无法控制，也不会停下。

因为所有人都意识到：这场AI竞赛没有终点，也没有间歇期。浮动的博弈结构，成为了新的稳定状态——一个“稳定的不稳定均衡”。