理工科天才的黄金时代

去年年底，OpenAI前研究员姚顺雨高调加入腾讯，引发腾讯紧急辟谣：姚顺雨没有上亿薪资。

AI造富浪潮里，水涨船高的不仅有创业老板的身价，还有顶级打工人的年包，新时代的New Money正在批量制造。作为其中之一，姚顺雨出生于1998年，一共做了四次关键选择：

第一次是选专业：2015年，姚顺雨以704分的高考成绩进入清华姚班，学习计算机科学，师从清华学长、深度学习大牛吴佳俊，开始系统性接触通用人工智能。

2017年，大名鼎鼎的Transformer架构横空出世，自然语言处理成为热门方向。

第二次是选导师：2019年，姚顺雨赴普林斯顿大学读博，原本主攻计算机视觉，但姚顺雨认为自然语言处理更有潜力，改道自然语言处理与强化学习，结识了导师Karthik Narasimhan。

Karthik Narasimhan当时刚去普林斯顿，之前在OpenAI当了一年访问研究员，以第二作者的身份参与了GPT模型的开创性论文GPT-1。2019年，OpenAI拿了微软10亿美元投资，在硅谷声名鹊起。

姚顺雨和导师在博士答辩现场

姚顺雨和导师Karthik Narasimhan亦师亦友，后来姚顺雨结婚，导师还当了伴郎。

第三次是选公司：普林斯顿期间，姚顺雨有两篇署名一作的论文ReAct 和Tree of Thoughts，前者提出让AI在推理的同时可以调用工具，两者交替进行，是如今AI Agent的基础范式。

毕业后，姚顺雨加入了导师曾战斗过的地方OpenAI，主导了OpenAI的智能体产品，参与了Deep Research项目。

很多公司的核心研发岗位，履历都大同小异：选对专业、跟对方向、找对公司。新技术诞生之初，人才一定供不应求。每一次正确的选择，其实都在拉高自己的身价。

但和大部分人不一样，姚顺雨身价倍增，在于他做出的第四次选择：在AI竞赛如火如荼之时，碰见了一个什么都缺唯独不缺钱的公司。

腾讯在大模型竞赛里一度落后，作为追赶者，开工资也更爽快。从另一个角度讲，对腾讯这样的公司来说，能把大权交给一个27岁的年轻人，一定是被逼的没办法了。

选一个对的研究方向-毕业的时候赶上产业爆发-去一家产业前沿的公司-跳槽到一个出手阔绰追赶者。姚顺雨迄今的人生可以总结成一句话：

四倍杠杆做多人工智能。

你什么身价

高科技行业收入高不稀奇，但资本家像今天这样豪爽，人类历史上恐怕也是头一回。Sam Altman去年就在播客吐槽，Meta为了挖自家研究员，不惜开出1亿美元的签字费。

Meta在大模型研发上跌跌撞撞，但挖人向来出手阔绰。

去年7月，Meta挖走苹果基础模型团队负责人庞若鸣，直接开了2亿美元的年包。这是什么概念？大概就是给库克发完工资，还剩1亿多。

同一个月，Meta豪掷143亿美元拿下Scale AI 49%的股权，Scale AI创始人Alexandr Wang顺手入职Meta，全面领导Meta的AI团队。

扎克伯格大手一挥，Alexandr Wang原地问鼎福布斯2025最年轻亿万富豪，平时用模型写小红书文案的网友，就别嚷嚷自己是超级个体了，这才叫超级个体。

按照Equilar薪酬数据库的统计，OpenAI L5高级工程师年总包是82.9万-87.1万美元，Anthropic全公司薪酬中位数在42-54万美元，顶尖AI研究员年薪可能超过1000万美元，中间差了10倍。

天才和人才的区别，就是这么直接。以至于Meta CTO Andrew Bosworth接受CNBC采访时忍不住吐槽：

市场正在这里的某一层级人才身上设定一个价格，这在我20年的技术高管生涯中真的令人难以置信、前所未有。

白花花的银子直接散给AI研究员，显然是不行的。珍贵的现金要去黄仁勋那里换GPU，激励人才主要靠股权。Andrew Bosworth就在Meta内部辟谣过“一亿签字费”：给的主要是股票，完成KPI才能解锁。

发股票激励员工也很常见，但这轮AI浪潮有个不一样的地方：创业公司的估值膨胀速度非常惊人。

AI编程平台Cursor 2022年成立，2024年底估值26亿美元，2026年被马斯克的SpaceX以600亿美元收入囊中，不到两年翻了20多倍，巴菲特看了想销户，索罗斯看完想报警。

2022年底ChatGPT横空出世，OpenAI当时估值290亿美元左右，今年3月，OpenAI完成1220亿美元融资，估值8520亿，3年多翻了30倍。

同期，Meta市值翻了4倍，谷歌3.6倍，微软2倍，纳斯达克指数涨了2倍多，至于恒生科技指数，嘿嘿。

在马斯克起诉OpenAI的庭审证词里，OpenAI总裁Greg Brockman持有的公司股权价值约300亿美元；前首席科学家Ilya Sutskever攥着70亿美元的股票。估值涨得快，员工手里的股票也越来越值钱，身价提升速度惊人。

因此，大厂想挖OpenAI和Anthropic的顶尖研究员，不仅要匹配薪资水平，还得把期权增值的预期囊括进去。国内大厂想跨境挖人，还得算上汇率。

OpenAI也知道自己没法跟大公司比财力，所以给员工发股票格外爽快。按照华尔街日报分析，OpenAI股权薪酬支出占营收比例大约45%，远远高于硅谷大公司。2024年，这个数字高达119%。

2025年10月，OpenAI回购了一次员工股票，600名员工一共入账66亿美元，其中75人卖满了公司设定的3000万美元上限。按美国劳工部口径，OpenAI和Anthropic的工资中位数基本相同，竞争力全在期权上。

长期主义者从来不看工资条，但没有一个活跃甚至狂热的资本市场，AI大神们的身价不可能涨的这么快。

你当然可以说，这跟自己的股票持仓一样都是纸面财富，但人家账面上至少是赚的。

我在进步，你呢？

本轮AI技术浪潮的另一个特点，是New Money群体高度年轻化，小小年纪就财务自由了好几次。

2024年，AMiner分析了当时全球十个大模型[1]的核心研究团队，40岁以下占比69%，如果只看中国团队，高达84%。

按雷军的说法，小米MiMo大模型核心团队平均年龄25岁。其中大领导罗福莉1995年出生，比腾讯姚顺雨大三岁。被扎克伯格亲手送上富豪榜的Alexandr Wang 1997年出生，19岁就退学开公司了。

传统行业“十年经验”是核心资产，但人工智能产业化时间非常短，大模型核心技术栈2018年前后才逐渐成型，2020年的GPT-3证明了方向，2022年底ChatGPT一鸣惊人，很多AI实验室成立还不到十年。

换句话说，一个2018年才读博的AI研究员，已经算得上行业的老同志、老专家了。

反例不是没有，字节大模型研究部门一把手吴永辉，就是字面意义上的老同志。吴永辉1997年考入南京大学计算机专业的时候，姚顺雨还没出生。

吴永辉2008年博士毕业后加入了谷歌，一干就是17年，2025年初入职字节，全面负责大模型的基础研究，直接汇报给CEO梁汝波。

所以年龄只是表象，理工天才身价膨胀，离不开另一个大背景：AI的技术迭代速度非常快。

产业界普遍有一个共识：即便和几年前相比，如今的大模型存在断层式的技术代差。今年的训练方式和两年前相比，已经不是一个世界。

举例来说，TensorFlow曾是深度学习框架的绝对霸主，时至今日，PyTorch近乎垄断了研究和生产。模型规模、架构、基础设施时时刻刻都在迭代，五年前的经验放在AI领域，大概率算考古发现。

经验的半衰期太短，资历的护城河就不存在。由此带来一个现实的问题：只有团队选择了正确的技术方向，个人积累的知识和经验才有价值。

吴永辉一开始在谷歌负责搜索算法。2014年，他加入Google Brain团队，方向转向深度学习，2023年，吴永辉被晋升为“Google Fellow”和谷歌DeepMind的研究副总裁。

虽然年纪不算小，但吴博士一直战斗在谷歌最前沿的AI研究部门。别看谷歌现在虎落平阳，吴博士去字节的2025年，谷歌Gemini-3系列模型可是全方位碾压同行，多的是硅谷大儒为自己辩经。

Gemini-3发布，一向看谷歌不顺眼的马斯克也捏着鼻子送上了祝贺

吴永辉在Google Brain和DeepMind积累的知识和经验，大量细碎的Knowhow，在字节眼里是及时雨雪中炭。如果吴博士在安卓或YouTube部门，大概率是拿不到字节工牌的。

吴永辉入职一年多，Seed迭代了四个版本，豆包日均token调用量冲到180万亿，视频模型Seedance进步神速。姚顺雨在腾讯时间不算长，但混元大模型已经改头换面。

同样的道理，姚顺雨在OpenAI摸过的集群、调过的模型，对腾讯而言价值连城。腾讯可不缺博士，大家都是博士，差距在智商吗？

AI大神的身价，很大程度上取决于公司的技术架构和研究方向。相同背景和学历的两个人，一个去了A公司，一个去了B公司，五年后的职业生涯天花板，很可能天差地别。

想象一下这个场景：

你的同学A在Anthropic和研究AI Infra如何优化，你的同学B在OpenAI研究Harness如何设计，你的同学C在某创业公司连夜学习Claude Code泄露的51.2万行代码，而你正在周报里绞尽脑汁思考：

昨天AI红包转化的五个用户为什么没留存下来？

隐性知识

NASA飞控员Robert Frost提出过一个观点：

21世纪美国难以重返月球，缺的不是火箭图纸和工厂，而是那批了解阿波罗制造过程的工程师、技术员、科学家和飞控人员。

一个组织的成功，论文、专利和文档是一部分，另一部分是大量经验、工程和管理诀窍。这些隐性知识就像暗物质一样，难以被观测，但一定存在。

高科技行业的隐性知识从哪来：试错。

位于行业最前沿的公司，必然进行了最多的试错，这个过程中沉淀下来的隐性知识，是追赶者梦寐以求的核心资产，也是给人才定价的核心标尺。

OpenAI训练GPT-4期间，用了2.5万个A100 GPU，模型浮点利用率只有32%-36%。原因是故障太多，需要频繁从检查点重新训练。一次训练的算力成本约6300万美元，加上实验、数据采集等成本，还要更高。

烧钱烧出来的教训，亏钱亏出来的直觉，都会变成隐性知识。腾讯从OpenAI挖走姚顺雨，字节从谷歌请来吴永辉，开出的年包就包含了对隐性知识的定价。

如果一个专家能省下一个亿的试错成本，给他开5000万工资也是很划算的。

2017年，中芯国际请来梁孟松担任联合CEO。梁孟松何许人也？台积电近500个专利的发明人，带领三星率先量产14nm工艺，从台积电手里抢下了苹果A9芯片的代工订单。

中芯国际不能用三星和台积电的专利，但梁孟松知道哪些方向是错的，那条路走不通。因此，梁孟松有底气让中芯国际跳代研发，跳过28nm直接开发14nm工艺，成功量产。这就是专家的力量。

对一个出租车司机来说，如果舒马赫说自己赶时间，最好自己主动坐到副驾驶去[2]。

黄仁勋

火热的资本市场，快速的技术迭代，前沿领域的积累共同推高了AI大神的身价。但这个链条里还有至关重要的一环：算力。

AI实验室入不敷出，云厂商个个欠了一屁股债，唯独英伟达赚得头皮发麻。

英伟达二季报电话会上，黄仁勋给出了2027年营收增速70%的指引，并特别说明这70%是“供给受限口径”，如果按客户的真实需求算，增长是100%以上，但光刻机踩冒烟也供给不上。

算力紧缺有多夸张？今年1月智谱上市，结果上市刚满半年就启动了一轮大额融资，通过配售募资314亿港币，可见烧钱速度多快。

长期唱空AI的分析师Ed Zitron披露过一份OpenAI的财务文件，2025年，OpenAI亏了385亿美元，研发投入就吃掉了191.8亿，向微软租算力的服务费交了172亿。

昂贵的算力，拉高了AI实验室的试错成本。

由于算力稀缺，很多大模型公司账上的钱，可能只够训练两三代模型，一些前瞻实验拿不到足够的算力，探索性研究也得让位核心项目。试错机会变少，试错成本提高，继而影响产品竞争力和人才培养。

想搞价值投资的第一步是有钱，追求AGI的第一步是有算力。把模型的参数和规模做大，要看自己手里到底有没有足够的算力。之前广为流传的《文锋纪要》中，梁文锋就谈过这个问题：

“人才不是瓶颈，资源是最大的瓶颈。资源首先影响到人才培养，因为算力少，我们能做的实验机会比较少，所以我们的人才整体上比美国有差距。”

“我们跟美国的区别，我认为就是资源上的区别。我们看到的所有区别，包括人才的区别、模型能力的区别、应用的区别，可以认为都是算力资源上的区别。”

试错成本提高，就会拉高隐性知识的定价。

如果算力非常廉价，每家AI实验室都有充足的算力，研究方向就能大大解放，研发效率也会提高，培养人才的效率也随之提高。

算力昂贵，试错成本高昂，诞生在行业前沿的隐性知识就更稀缺。一个见过世面的脑子，不仅能给出前进的方向，也能实打实省下算力和试错成本。

只要算力依然紧缺，模型之间的差距依然存在，姚顺雨的故事就会反复重演。

姚顺雨的四次选择能不能复制，答案是完全可以，但没必要。

和姚顺雨同一级的姚班同学，有的在OpenAI，有的在Anthropic，还有很多人留在顶尖高校做科研，基本都扎根在了AI、量子计算等前沿领域。

您只要能考上清华姚班，就不存在选择的问题。您后面迈出的每一步，都在为我们普通人创造新的选择。

尾声

制造天才，需要合适的环境。

当年吴恩达选择谷歌合作“谷歌猫”项目，因为当时全世界只有谷歌有训练算法的数据和算力，这又建立在谷歌强大的盈利能力之上。谷歌的身后，是活跃的风险投资与资本市场，雄厚的产业壁垒和科研供给。

中国不缺天才，但长期缺少请得动天才的腾讯。腾讯给的不只是待遇，腾讯的财力影响上下游供应链的发展，腾讯的投入影响天才能调度的资源，腾讯的野心影响天才能取得的成就。

这一点乌克兰人瓦列里·巴比奇肯定最清楚。

瓦列里·巴比奇是谁？船舶设计专家，黑海造船厂设计部主任，参与了苏联所有航母的设计建造，瓦良格号总设计师。后来苏联解体，乌克兰船舶工业失去经费来源，瓦良格号停工，瓦列里·巴比奇下岗。

2000年，瓦列里·巴比奇转战文坛，解锁了大文豪技能树，加入乌克兰记者联盟及俄罗斯作家联盟，2006年获金笔尖奖，2012年获阿尔卡斯奖。

2014年，瓦列里·巴比奇暂别文坛，入职青岛中乌特种船舶研究设计院，获山东省"齐鲁友谊奖"。

天才的智商由基因决定，天才的成就由产业基础决定。

他日中国企业问鼎人工智能的王座，你在抖音刷过的广告，在王者荣耀买过的皮肤，在A股亏过的钱，就是你胸前的军功章。