打工，年薪过亿；创业，身价千亿：理工天才的黄金时代来了！

同样是高考700分左右的学霸，
学计算机，毕业就年薪千万，30岁之前年薪过亿，35岁财富自由。
学医，35岁在三甲医院做规培生，一个月五六千。

去年底，一则新闻在科技圈炸开——OpenAI前研究员姚顺雨加入腾讯。

消息刚出时，外界疯传年薪过亿，腾讯不得不紧急辟谣。

但辟谣本身也说明了一件事：在AI这个赛道上，顶级人才的薪资水平，确实已经高到让普通人不敢相信的地步。

这不是个案。姚顺雨1998年出生，2015年以704分考入清华姚班，赴普林斯顿读博，毕业后进入OpenAI，主导了智能体产品研发，如今加入腾讯负责混元大模型。

他的履历像一条被精心设计的路径——选对专业、跟对导师、踩准风口、跳入一个什么都缺、唯独不缺钱的公司。

这是一个理工科天才被疯狂定价的时代。

打工年薪过亿，创业身价千亿，不再是神话。

一、这个时代，理工天才的身价是怎么被推上去的

Meta为了挖苹果基础模型团队负责人，开出了2亿美元的年包。

OpenAI 2025年回购员工股票，600人入账66亿美元，其中75人卖满了3000万美元的上限。

Scale AI创始人Alexandr Wang，1997年出生，被扎克伯格以143亿美元收购股权后，原地登顶最年轻亿万富豪榜。

这些数字背后有三股推力：

第一，技术迭代太快，经验半衰期极短。

大模型的核心技术栈2018年前后才逐渐成型，一个2018年才开始读博的AI研究员，如今已经是行业老专家。

五年前的经验放在AI领域，大概率是考古发现。资历的护城河消失后，只有那些站在前沿、做对方向的人，才能被资本锁定。

第二，算力稀缺抬高了试错成本。

2025年OpenAI亏了385亿美元，其中向微软租算力的服务费就交了172亿。

算力昂贵意味着实验机会少、试错成本高，那些在顶级实验室里“烧过钱、踩过坑”的人，手里攥着的隐性知识就格外值钱。

第三，活跃的资本市场让人才能被快速定价。

OpenAI三年多估值翻了30倍，Cursor不到两年翻了20多倍。估值涨得快，股票就值钱，人才的身价也水涨船高。

这三股力量叠加，把站在金字塔尖的理工天才推到了薪资曲线的顶端——高到离谱，但每一分钱都有人愿意付。

二、姚顺雨的“四次选择”，普通人学得来吗

姚顺雨的关键路径被总结成“四次选择”：选专业、选导师、选公司、跳槽到追赶者。

每一步都精准踩点，像一套教科书式的职业规划。

但这里有一个容易被忽略的事实：姚顺雨的路径是“天才的通路”，不是“普通人的导航”。

能考上清华姚班的人，在全国每年只有几十个。

他走的每一步，都是在“天花板”上寻找“更高天花板”。这条路对绝大多数人来说，先天不可复制。

但不可复制不代表没有启示。

姚顺雨的核心策略其实是：在别人还没意识到价值的地方提前入场，等风口来的时候，你已经在场上了。

Transformer架构2017年横空出世，姚顺雨2019年从计算机视觉转道自然语言处理，恰好踩中了大模型爆发的起点。这种“预判”——或者说“运气”——背后是对技术走向的判断力。

对普通人来说，更实际的版本是：在自己能力范围内，选择一个还在爬坡的赛道，哪怕不是最顶尖的那一批，只要方向对、持续积累，也能吃到一部分红利。

三、年轻化是这个赛道最大的特点之一

数据显示，全球大模型核心研究团队里，40岁以下占比69%，中国团队更高达84%。

小米MiMo大模型核心团队平均年龄25岁，姚顺雨入职腾讯时才27岁。

在AI领域，年龄不是资产，经验不是护城河。

因为技术变化太快，大家几乎在同一条起跑线上出发，区别只在于你出发后去了哪个方向。

这也意味着，这个行业给年轻人提供了传统行业里罕见的“超车机会”。

一个25岁的AI研究员，可能比一个45岁的老程序员更懂下一代模型的设计逻辑。这不是能力差距，是知识代差。

但“年轻化”不等于“轻松化”。

能站在行业前沿的人，背后是顶尖学校的训练、顶级实验室的历练、以及大量高强度的实战磨炼。

高薪是结果，不是过程。

四、算力即权力：能调多少卡，决定值多少钱

AI大神的身价，很大程度上不取决于智商，而取决于“他能调动多少资源”。

姚顺雨在OpenAI摸过的集群、调过的模型，到了腾讯就是核心资产。

因为同样的博士，智商差距没那么大，真正的差距在于“见过世面”——知道哪些路走得通、哪些路是死路。

一个专家如果能帮公司省下一个亿的试错成本，给他开五千万工资就是划算的。

这就是算力时代对“隐性知识”的定价逻辑：烧过钱的人，知道钱该怎么烧。

当一家公司愿意为一个人的“踩坑经验”支付天价时，说明这个行业的试错成本已经高到了离谱的程度。

五、天才的土壤不在基因，在产业

姚顺雨能够一路开挂，离不开他踩中的每一个节点——清华姚班的选拔、普林斯顿的导师资源、OpenAI的前沿环境、腾讯的财力支撑。

如果没有这些平台，他可能仍然是一个聪明人，但不太可能成为“身价过亿”的符号。

中国不缺天才，但长期缺少“请得动天才”的公司。

一家公司能开多大的薪酬，取决于它的盈利能力；能提供多少资源，取决于它的产业深度。

当腾讯、字节等公司开始用国际水准的年包争夺顶尖人才，意味着中国AI产业正在从“追赶者”变成“出价者”。

天才是基因的产物，但天才的成就是产业的产物。

六、普通人该怎么看待这轮浪潮

承认一个事实：这种级别的造富，跟绝大多数人无关。

姚顺雨、Alexandr Wang、吴永辉的故事，是在一个极高密度的人才池里，被资本和技术浪潮反复冲刷后浮出水面的少数人。

但普通人不等于“局外人”。

AI在改变每一个行业的成本结构——写代码的成本在降、设计的成本在降、内容的成本在降。

这意味着即使不站在最前沿，也有机会利用这些工具提升自己的产出效率。

这场造富盛宴，绝大多数人不是主角。

但大多数人，至少可以做一件事：不让AI变成自己的对手，而是让它变成自己的工具。

当年吴恩达选择谷歌合作“谷歌猫”项目，是因为全世界只有谷歌有训练算法的数据和算力。

他的成功，离不开谷歌的产业基础。

今天中国也有了自己的谷歌——腾讯、字节、阿里、百度，这些公司的服务器集群上跑着的模型，正在成为新一代“理工天才”的试验场。

天才由基因决定，天才能走多远，由产业决定。今天这些理工天才的崛起，背后是中国科技产业链的一整条升级。

而这条升级的路，每多迈一步，就能给下一个天才多铺一层台阶。