AI公司成了科学加速器，为何大学反被掏空？

诺奖得主John Jumper和核心作者Jonas Adler被悄悄调进Code Strike团队，主攻AI编程。一年后，两人转投Anthropic。同批离开的，还有AlphaFold原班人马的近四分之一。

据《金融时报》报道，这篇拿下诺贝尔奖的论文，大部分原始作者在过去一年里已从Google DeepMind重新分配。留下的人转向了Gemini科研Agent、酶设计、基因组学和核聚变；有人干脆去往同门药研公司Isomorphic Labs。DeepMind负责AI for Science的研究副总裁Pushmeet Kohli回应，科学团队没有改变方向，只是扩大了工作范围，仍在推进蛋白质、基因组与酶设计，并借助Gemini加速科研。但他没法否认的是，围绕一个清晰问题组建的专项团队，正逐渐被通用模型平台替代。

蛋白质折叠、数学定理、基因序列、核聚变控制——这些过去分属不同学科的问题，进入AI公司后，全部变成Gemini的一组能力模块。人才、算力和议题的主导权，正以肉眼可见的速度向少数几家AI公司沉淀。

企业科研的速度和效率令人惊叹。AlphaFold预测两亿多个蛋白质结构，帮生物学家省下了数月甚至数年的工作。物理学家Rogerio Jorge用AI开发开源核聚变软件，理论计算机科学家Barna Saha借助GPT‑5.5 Pro推进高维几何证明。OpenAI称，每周约有130万人用ChatGPT处理高阶科学和数学任务，并计划向10万名高校研究者免费开放前沿模型和Codex。AI公司越来越像一种覆盖多学科、握有强大工程能力和商业出口的新型研究院。DeepMind CEO Demis Hassabis多次把贝尔实验室当作参照物——鼎盛时期，这家企业研究院拥有约1200名博士，产出至少10项诺贝尔奖。

然而，一座研究院跑得再快，也取代不了大学。失衡的代价，正沿着一条隐蔽的链条传来。

斯坦福《AI Index Report》显示，2011年AI博士毕业后进入企业和学术界的比例大致相当，分别为40.9%和41.6%。到2022年，进入企业的比例升到70.7%，进入学术界的比例跌至20%。一篇2026年NBER工作论文追踪了约4.2万名美国AI研究者，发现40岁以下研究者离开大学的概率大约是40岁以上人群的六倍，约70%的转职者五年后仍留在公司。

驱动力并不神秘。企业顶尖1% AI研究者的年收入，从59.5万美元涨到194万美元；大学同一梯队只从30.1万美元涨到39.2万美元。双方差距扩大到约150万美元。比收入更难拒绝的，是把科研时间切割成申请经费、采购设备、招聘工程人员和排队等算力之后，突然获得的一键调用：大型模型、专有数据、分布式算力、数百人的工程体系。UC Berkeley教授Anca Dragan加入DeepMind时的诉求直接得很：“我需要前沿安全研究所必需的数据、算力和预算。”

企业科研当然在创造价值。亚利桑那州立大学教授Subbarao Kambhampati调侃，学术圈最近多了一个梗：“我要加入Anthropic。”而他说的绝不仅是钱。过去几年，数学、物理、生物和计算机科学的教授大批流入AI行业，Anthropic一直在招物理学家、经济学家和哲学家；OpenAI网罗研究黑洞、弦理论和纯数学的人；DeepMind聚集了生物学与核聚变专家。《大西洋月刊》粗略统计，仅四家头部AI公司就聚集了至少80多名现任或前任教授。

从个人影响力看，一名科学家进入企业后，作用甚至可能被放大。他在大学里或许只能带十几名学生，在AI公司却可以调动数百名工程师和全球性数据平台。原本停在论文里的方法，能更快进入药物、软件、实验设备和产业系统。但NBER的研究同时发现，AI学者长期转入企业后，论文产量平均减少65%。2000年至2019年，企业雇用的AI研究者占比从48%升至68%，论文占比只从27%升到32%，专利占比却从86%升至95%。

成果从论文流向专利、内部模型和商业机密。Google当年公开Transformer，养大了整个行业。今天，训练数据、模型权重和失败记录，越来越难离开企业的服务器。企业一边从大学吸收顶尖教授和成熟研究者，一边在缩减初级岗位和培训投入。SignalFire数据显示，2024年新毕业生只占大型科技公司招聘人数的7%，相比2019年下降超过一半。

更深的裂痕出现在课堂里。《大西洋月刊》采访的学生发现，一些课程突然停开，理由很现实：教授去AI公司“休假”了。明星教授离开后，博士生失去的不仅是一个导师，还有课题组、一条博士生培养链，以及未来十几年可能形成的研究方向。过去，科技公司从大学购买研究成果。现在，它们开始直接购买生产研究成果的人。企业获得的是一个人，大学失去的可能是一代人。

2010年代初，约65%的大规模机器学习模型由学术实验室独立开发。进入2020年代后，这一比例跌到不足10%。到2022年，约81%的前沿模型已经由企业独立完成。AI公司可以成为研究院，却很难成为大学。大学承担着训练尚未证明自己的学生、长期保存暂时没有应用甚至几十年后才可能显现价值的问题这些工作。AI公司喜欢已经证明自己的教授，对培养新人缺乏同样的耐心。

科学家离开的速度还在加快。当最聪明的大脑不再留在讲台和实验室，当下一批博士生失去原本可以追随的方向，被加速的科学可能正在为自己拆解未来的地基。