1.2亿招首席科学家，优必选如何避免Meta的坑

文 | 冷眼观天

2026年4月2日，优必选发布招聘启事，面向全球公开招募具身智能首席科学家，开出年薪1500万元起步、最高可达1.24亿元的天价薪酬，该数字刷新国内机器人领域顶尖人才薪酬纪录，与OpenAI、Meta等全球科技巨头顶级科学家薪酬水平看齐。

优必选不惜血本招募顶尖科学家，原因在于当前具身智能与人形机器人处于技术突破临界点，核心算法、基础模型、灵巧操作等领域仍存在大量技术瓶颈，一位顶尖首席科学家能直接引领技术方向、缩短研发周期、降低试错成本，其价值远超薪酬成本，同时公司正推动人形机器人从工业场景向商用、家庭场景拓展，规模化落地急需顶层技术规划与核心突破。

近两年，国内外多个大厂顶薪招聘科学家的浪潮，深刻契合了AI时代的“幂律分布定律”（也就是中文语境中的赢家通吃效应，1%的人赚走了99%的钱，剩下的99%的人去争抢那剩下的1%）。

OpenAI CEO萨姆·奥尔特曼提出“1万倍人才”效应，指出顶尖AI人才效率相当于普通研究人员的1万倍，能直接带来关键技术突破。

《财富》杂志估计全球具备构建顶级大模型资质的专家不足1000人，全球存量不足千人。

国际市场上，OpenAI、Meta等企业顶级科学家年薪折合人民币早已突破亿元，Meta为挖角苹果基础模型团队负责人庞若鸣开出四年2亿美元薪酬包，为谷歌DeepMind研究员开出四年3亿美元总包，传闻签约奖金高达1亿美元。

这1000个人，将是AI时代最值钱的人。

正如经济学家托马斯·皮凯蒂在《21世纪资本论》中所言：“在资本回报率高于经济增长率的世界里，财富不平等将无限扩大。”

AI时代的人才市场正呈现同样的逻辑：顶尖科学家的边际产出呈指数级增长，其定价权自然脱离线性薪酬体系的束缚。

顶尖人才价码上涨的根本动力，源于AI技术范式的根本性转移。

此前互联网时代，技术迭代呈线性增长，单个工程师的价值增量可预测和替代；AI时代则呈现指数级跃迁，一个顶尖科学家的技术路线决策可能直接决定企业在未来3-5年的竞争位势。

优必选要求首席科学家“定义公司在人形机器人与具身智能领域的技术路线图”，Meta超级智能实验室同样要求候选人“定义公司技术路线图”，顶薪购买的不再是执行能力，而是决策影响力。

与此同时，技术门槛的跨学科化加剧了稀缺性。

优必选要求的“视觉-语言-动作模型、机器人基础模型、操作与灵巧技能学习”，横跨计算机视觉、NLP、强化学习、机器人学四大领域，单一技术背景已无法满足具身智能的复杂需求。

全球能在知名产品中担纲一线技术带头人的专家更是凤毛麟角，这也解释了为何那不足千人的顶级人才池能够获得天价薪酬。

管理学家彼得·德鲁克曾警告："效率是把事情做对，效益是做对的事情。"

在AI军备竞赛中，顶尖人才的价值恰恰在于"做对的事情"，其技术路线决策的正确性，比执行层面的效率提升更具战略意义。

此外，资本定价逻辑的重构也是重要推动力。

互联网企业估值依赖于用户规模与网络效应，人力成本被视为可压缩的运营支出；AI企业估值则依赖于技术代差与模型能力，人力成本转化为研发投入的资本化部分。

优必选货币资金达49.2亿元，2025年完成三轮H股配售，合计募资约58.79亿港元，期末现金及现金等价物约48.88亿元，资金储备为其"以人换算力"的人才策略提供支撑，形成"以人换算力"的资本腾挪。

腾讯传闻以亿元年薪招募OpenAI前研究科学家姚顺雨，均体现同一逻辑：在AI军备竞赛中，顶尖人才是比GPU更稀缺的战略资源。

不过，天价薪酬绝非一劳永逸的解决方案。

Meta的惨痛教训提供了最佳反面教材。

2025年，Meta成立超级智能实验室（MSL），扎克伯格亲自出马网罗人才，为挖角谷歌DeepMind研究员举办私人晚宴，开出打破薪级体系的"Zuck Rate"薪酬。

但MSL成立两个月内即爆发离职潮，两名OpenAI研究员Avi Verma与Ethan Knight入职不足一个月便重返老东家，苹果基础模型团队负责人庞若鸣在Meta仅停留七个月即转投OpenAI，首席AI科学家赵晟佳加入仅数日即威胁辞职，甚至签署回归OpenAI的文件，最终靠扎克伯格亲自介入升职才留住。

Meta失败的核心病灶在于"高薪人才与低效组织的化学反应失效"。

前Meta员工、Pokee AI创始人朱哲清指出，疫情后Meta组织臃肿，VP层级叠加导致审批低效，内部"政治斗争"频发。

具体表现为资源承诺落空，新员工对无法获得承诺的算力支持感到不满；审批流程冗长，超级智能实验室需与原有FAIR团队、产品部门争夺GPU使用权；决策层级混乱，28岁的Alexandr Wang与20年老将CTO安德鲁·博斯沃思形成平行团队，双方争执AI模型如何提升广告业务。

组织行为学中的"帕金森定律"在此显现得淋漓尽致：组织一旦形成，就会倾向于增加层级和人员，导致效率递减。

Meta的官僚体系与顶尖人才所需的敏捷环境形成冲突。

此外，Meta的"Zuck Rate"机制引发内部地震，新员工拿到超1亿美元薪酬合同，老员工却面临裁员，2025年10月裁减约600名AI团队成员，包括FAIR团队负责人田渊栋，而夏季新招募的TBD实验室员工却未受波及。

图灵奖得主杨立昆被边缘化，需向年轻管理者汇报，资深员工心生不满，甚至出现"员工威胁离职"的情况。

薪酬差距过大直接摧毁团队凝聚力，"保新弃旧"策略导致组织文化崩塌。

而技术路线之争同样致命。

Meta的人才流动是技术路线的战略押注失误。

同为技术公司的Google和OpenAI对LLM保持乐观，而杨立昆和田渊栋对LLM持悲观态度，Meta为赶超同行只能裁掉不相信LLM的人，但这种"路线清洗"导致组织创伤。

战略频繁调整加剧动荡，2025年6月成立MSL，7月即重组为四大部门，Llama Behemoth旗舰模型因表现未达预期被放弃，团队被迫转向新模型。

首席科学家赵晟佳的数日离职威胁，正是对战略摇摆的激烈反应。

从Meta 的失败和 OpenAI、Anthropic 的成功实践中，可以提炼出顶薪人才"留得住"的四大支柱。

第一是研究自主权，包括独立预算、研究方向决定权、免汇报特权。

Anthropic seven 人创始团队中5 人来自 OpenAI，目前无人离开，其成功关键在于明确的 AI 安全研究使命和相对扁平的组织架构，给予核心科学家充分的学术发表自由与研究方向决定权。

第二是算力资源保障，承诺的GPU 或 TPU 资源必须兑现，而非空头支票。

不少Meta 新员工正是因为对无法获得承诺的计算能力感到沮丧，直接导致离职。

第三是组织扁平化，减少VP 层级、缩短决策链条、避免政治斗争。

对此，字节跳动的Top Seed 人才计划留才策略包括技术隔离，Seed 团队相对独立，减少业务线干扰。

第四是长期主义文化，容忍失败、允许探索性研究、不追求短期产出。

Meta 的模型未达预期即放弃，团队被迫转向，急功近利与文化冲突直接导致人才流失。

从人才的角度看，拿了高薪不等于就能坐稳。

首先要有文化适应力，就是说要看看自己习惯的工作方式和目标公司合不合拍。

OpenAI出来的人习惯了快节奏、少层级，到了Meta那种层级多、流程慢的地方就浑身难受，待不住就是最好的例子。

其次要有政治免疫力，能在复杂的权力斗争里活下来。

比如Alexandr Wang和公司老将博斯沃思闹矛盾，一度传出他要走人，这就是典型的权力漩涡。

最后还要有风险承受力，别总想着待在舒适区。

Rishabh Agarwal离职时写道"想试试另一种不同的风险"，说明他害怕的不是风险，而是一成不变的安全感。

企业得不断给出新挑战，光靠高薪养着，留不住真正有野心的人。

优必选此次薪酬标准接轨国际顶尖水平，显露出中国硬科技企业参与全球人才争夺的决心。

但真正的挑战不在于能否"请进来"，而在于能否"留得住"。

Meta 的教训表明，亿元薪酬可以买到人才，但买不到忠诚度。

组织臃肿、路线摇摆、薪酬撕裂、文化冲突，以上缺陷足以让任何天价招聘化为泡影。

优必选需要建立的不是薪酬特区，而是一个完整的技术特区：独立的预算与算力保障、扁平的组织架构、清晰的技术路线、长期主义的评价体系。

对人才而言，顶薪是能力的市场定价，而非终身保障。

在选择offer 时，需穿透薪酬数字，评估企业的组织健康度、技术路线的清晰度、以及个人在权力结构中的真实位置。

否则，"干一个月赚 eight million 就跑路"的 Meta 式尴尬，将在职业生涯中反复上演。

正如投资大师查理·芒格所提醒的："要得到你想要的某样东西，最可靠的办法是让你自己配得上它。"

对于企业而言，要留住你花天价请来的人才，最可靠的办法是让你的组织配得上他。

AI时代企业对顶尖人才的竞争，是组织能力的竞争，而非薪酬数字的竞争。

优必选若想真正赢得这场战争，需在开出1.24亿元支票的同时，准备好一个值得托付的生态系统。