吴恩达解读 AI 天价薪酬：资本堆起的1亿美元不是情绪

大数据文摘整理

人工智能界掀起了新的薪资地震。吴恩达对此做了评价。

吴恩达在推特中表示，Meta为AI大模型开发者开出超过1亿美元的薪酬大礼包，震动了整个科技行业。这些薪酬虽然多数分摊在几年内支付，但依然罕见到足以成为新闻头条。

吴恩达指出，这一出手并非冲动，而是基于精密的资本逻辑。

Meta今年计划投入660亿至720亿美元在资本支出上，其中很大一部分将用于建设AI基础设施，例如数据中心和GPU集群。在这样庞大的投入面前，拿出几亿美元“买人”，只是成本结构中的一小部分。

他表示，这与传统的软件创业公司形成鲜明对比。普通初创公司约70%至80%的预算用于员工工资，而在AI大模型企业中，工资反而成了最小的一项支出。

如果企业已经决定砸几十亿美元买GPU，那么花几亿美元请人把这些硬件用好，完全合理。

高薪不是情绪表达，而是投资配置。

吴恩达观察到，一个构建AI基础模型的公司，员工数量相对较少，但资本投入极高。这种“人少钱多”的结构，为超级高薪提供了天然土壤。

在Meta出手之前，一些AI模型训练师的薪酬已高达每年500万到1000万美元。如今，Meta将这个数字推到了新的高度。

这不仅是Meta一家的策略。

Netflix也是类似模式的代表。它今年计划投入180亿美元制作内容，而公司仅有1.4万名员工。在人力成本比例极低的背景下，公司可以持续支付高于市场的工资，并形成强烈的企业文化定位，比如“我们是一支运动队，而不是一个家庭”。

反观制造业巨头富士康，全球员工超过100万人。在这种劳动密集型结构中，每提高一点工资，都会成倍放大整体成本压力。

吴恩达指出，AI企业与传统企业的薪酬逻辑，已经走上两条完全不同的路径。

资本密集型企业，可以用资本换人才，用少量人撬动巨额算力；劳动密集型企业，只能用人换产值，用大量人力维持运转。

吴恩达提醒，Meta虽然业务复杂，包括Facebook、Instagram、WhatsApp、Oculus等，但其AI训练体系正在变成最烧钱、也最关键的部分。

他特别提到，Meta等平台长期依赖用户生成内容（UGC）吸引用户注意力，再通过广告实现收入。而现在，AI生成内容（AIGC）正悄然逼近。

AI可以自动生产文本、图像、视频，甚至互动内容。当AI内容开始与人类内容竞争注意力，UGC赖以生存的逻辑就被撼动了。

Meta不是唯一焦虑者。

TikTok、YouTube等同类平台，同样意识到AIGC可能彻底重塑整个社交生态。于是它们竞相投入，部署AI战略，而“高薪挖人”，成为这场战争最直接的表现形式。

吴恩达分析，Meta在高价聘用AI人才时，除了看重他们的未来贡献，还可能意在“技术侧写”，通过引入关键人物，获得竞争对手技术布局的洞察。

这是硅谷常见的商业博弈，叫“挖人即获取技术情报”。只要这种做法不破坏企业文化，它就是合理的战略支出。

吴恩达还提到，早在十年前，他就曾为AI团队建立预算模型，评估在既定资金下，该雇用多少员工、采购多少GPU，以获得最优生产力。

而今天，这种模型几乎不再需要。答案已经写在行业逻辑里：一切向硬件倾斜，一切以扩展为先。

但即便如此，人才仍是关键。

他为那些获得高额薪酬的AI从业者感到高兴，同时也强调，每一位投身AI行业的人都值得尊重。他们的工作，正在参与一场影响深远的技术革命。

以下是推特原文，DeepSeek整理如下：

最近，Meta 因为给大模型研发人才开出“破表”的薪酬方案而上了头条：单人总包动辄超过 1 亿美元（通常分几年兑现）。公司今年计划在数据中心等资本开支上投入 660—720 亿美元，其中相当一部分指向 AI。纯从财务角度看，为了让这些硬件发挥最大效用，再多拿出几十亿美元留住顶尖人才，并不算不理性。

对不参与训练基础模型的典型应用型创业公司来说，支出结构通常是：70%—80% 用于人力，5%—10% 是房租，另外 10%—25% 是各类运营成本（云服务、软件授权、市场、法务/财务等）。但把模型做大是高度资本密集的活儿，薪酬反而只占总成本的一小部分。于是，虽然团队不大，却有能力给出异常优厚的待遇：既然你在 GPU 硬件上的投入动辄以数百亿 美元计，为何不拿出其中十分之一来砸在人上？在 Meta 最近抬价之前，大模型训练岗位的薪酬就已不低，很多人年薪 500—1000 万美元；而 Meta 进一步把天花板又推高了一截。

Meta 业务线众多：Facebook、Instagram、WhatsApp、Oculus 等都在其列，但 Llama/大模型训练这条线尤其资本密集。Meta 的诸多产品依赖 UGC（用户生产内容）来聚拢注意力，再通过广告变现。AI 对这种模式既是威胁，也是机会：如果 AIGC（AI 生成内容）开始替代 UGC 成为主要“吸睛”供给，并承载广告，社交媒体的格局就会被重塑。

这也是为什么 Meta，和 TikTok、YouTube 等平台一样，对 AIGC 高度关注，并在 AI 上重金投入合情合理。进一步讲，招到关键人才，不仅获得其未来产出，还可能带来对竞争对手技术的洞察；只要不伤公司文化，高薪就是理性的商业选择。

资本密集型行业给员工开高薪并不是什么新故事。比如 Netflix 今年预计在内容上投入 180 亿美元，给 1.4 万名员工发工资只占总成本的小头，于是便能长期提供高于市场的薪酬。这种花钱方式也塑造了它独特的文化“我们是一支球队，不是一个家庭”（对 Netflix 有效，但未必适用于所有公司）。相反，像富士康这种全球雇员超百万的劳动密集型制造业，在薪酬上就必须更加精打细算。

早在十年前，我带队做 AI 扩容时，就做过电子表格模型：预算里该分多少给人、多少给 GPU？我们用自定义的“人（N）+ 机（M）→ 产出”函数来估算生产率，在预算约束下优化 N 与 M 的组合。此后，AI 扩容的开支结构明显向 GPU 倾斜。

我为那些拿到大包的人由衷高兴。撇开个体数字，我也感谢每一位投身 AI 的同行。所有做 AI 的人都该拿到体面的回报。尽管薪酬差距在拉大，我认为这反映的是更大的时代背景：在当下，从事 AI 开发的人正站在一个能产生巨大影响、推动世界变化的历史机遇点上。

via

作者长期关注 AI 产业与学术，欢迎对这些方向感兴趣的朋友添加微信Q1yezi，共同交流行业动态与技术趋势！

GPU 训练特惠！

H100/H200 GPU算力按秒计费，平均节省开支30%以上！

扫码了解详情☝