《自然》杂志：美国已不是 AI 大牛第一选择

清华计算机系一栋实验楼里，一位刚拿到斯坦福AI实验室录取通知的本科生，把邮件打印件搁在桌角。旁边是DeepSeek项目组寄来的独立PI岗位邀约。

放在十年前，他几乎不会犹豫，第二天就订飞往旧金山的机票。这一回，他掏出计算器开始算账。

当赴美深造不再是单向奔赴，而是被放进天平反复称量的选项，这场关于未来流向的牌局，才刚刚打到中盘。

几组数字在十年间悄悄倒转

《自然》杂志10月那篇深度特稿，把全球AI人才迁徙的长卷重新摊开。几个关键坐标，十年间悄悄换了位置。

在全球顶尖AI研究员群体里，本科出身于中国高校的那部分，从2019年的不到三成，一路攀升到超过半数。而本科出身于美国本土的那部分，同期跌到一成出头。

在顶级会议上发表过论文的中国高校毕业生，毕业后选择留在国内工作的比例，从前些年的约三分之一，跃升到接近七成。

清华计算机系本科生出境读研的比例，如今只剩约8.5%。

另一个方向上，在华工作的顶尖AI研究员占比攀升到约四成，反超了美国本土约三分之一的存量。

乔治城大学CSET给出的对照数据更直观：中国每年培养的STEM博士超过7.7万人，美国本土出生的仅约2.3万人。

把时间拉回2022年，全球近一半顶尖AI研究员受雇于美国机构，中国这边约三成。仅仅两年之后，两边的位置就换了过来。

这几组数字并非单一来源。《自然》特稿与MacroPolo的追踪彼此印证，指向同一件事：人才流入的堰，正在改道。

过去讲全球AI人才，叙事是闭环的。中国学生出去，美国实验室留下，硅谷再把成果辐射到全世界。这条链路被默认了整整三十年。

今天被重新丈量的，恰恰是这条链路本身。本科从哪里起步、博士在哪段成型、第一份独立PI在哪落地，三个节点的流向同时出现了偏移。

一个值得停下来看的细节是：中国本土大学毕业生在顶级会议发论文之后的留存率，从三分之一跳到七成。这意味着过去那些“出去就不回来”的人，有一半以上改了主意。

另一个常被忽略的坐标是清华计算机系。作为国内AI人才的风向标，它的出境率跌到8.5%，几乎是十年前的一个零头。风向标转向，意味着整个上层路径的预期已经变了。

在华工作的顶尖AI研究员占比反超美国，这个数字不是说美国科研体系垮了，而是说新增的那部分人不再主要流向旧金山湾区。存量还在，增量换了方向。

2022年是一个分水岭。那一年之前，全球AI人才的地图上，美国是绝对的磁极。两年之后，磁极的引力线开始分叉。

分叉不是崩塌。硅谷仍然是全球最大的AI研究中心之一，仍然有最多的实验室、最多的经费、最多的同行。但对一个刚毕业的年轻人来说，去与留的账，第一次算得不一样了。

硅谷管道卡顿，国内开始接棒

倒转不是一夜之间发生的。美国的中国行动计划、签证Check、H-1B转绿卡长达6至8年的排期，恰好压住了一个研究者25到35岁最能出活的黄金期。

一个研究员最该出成果的那几年，被耗在身份审批和算力排队里。等绿卡到手，独立PI的窗口早已关闭。

中国行动计划以科研合作为调查对象，让不少华裔学者在申请经费、过海关、办签证时反复被盘问。签证Check的阴影下，一次短暂回国可能意味着半年无法返美。

硅谷顶级实验室内部，年轻华裔常常只是排在第42位的帮厨。申请算力要经过委员会审批，独立项目负责人的头衔轮不到刚入职的年轻人。

训练大模型要的不是一张GPU，而是成百上千张卡排期数周。这个审批权，握在层层委员会手里。一个新人想做自己的idea，先要给别人的项目打两年工。

另一边，DeepSeek、Qwen、智谱这几个名字在GitHub开源榜上长期霸榜。二十出头的工程师直接挂帅独立项目组，手里握着上千张卡的调度权限。

代码今天写完，明天就有几百万用户用上。这种反馈回路，是斯坦福图书馆里那叠PDF循环给不了的。

反方的一面必须写实。MacroPolo同时披露，2019年已经落脚美国的华人顶尖AI研究者中，仍有近九成留在美国。

回流是增量上的叠加，不是存量上的搬家。不能把本土爆兵误读成硅谷已经空了。

已经在硅谷拿到终身教职、独立实验室、稳定经费的那一批人，绝大多数仍在原位。倒转发生在2022年之后新毕业的这一代身上。

这一场流向的改写，并不是中国人突然不愿意出门了。而是硅谷那座运转了几十年的全球人才精加工厂，管道本身出现了卡顿。

管道一旦卡顿，新涌出的水流就绕开走。本土开源项目、算力集群、真实落地场景这三件事凑齐之后，留下就变成了一个可以算得过账的选项。

对一个25岁的研究者来说，6到8年的绿卡排期不是抽象数字。它意味着要在别人的项目组里熬到33岁，才轮到自己独立带组。而在国内，28岁挂帅独立项目组已经不罕见。

时间成本一旦被算清楚，流向的偏移就不是情绪，而是理性选择。

一个研究者在25岁到35岁之间能做的工作，是人生最密集的一段。把这段时间耗在排队和盘问上，对个体是损失，对整个生态也是损失。

硅谷并没有关门，只是门后的等待时间变长了。新的水流自然会找下一道敞开的门。

范式转移发生在实验室到工厂之间

深圳的厂区里，一位做具身智能的学者，上周在实验室里调试好的神经网络，这周已经被烧录进机械臂，抓起了精密零件。

现场数据回流进训练集，下周模型又迭代一版。这种闭环，在只有论文和PDF的地方跑不起来。

人才用脚投票的背后，是本土平台手里握着从算力、数据到产业现场的一整条链路，而不只是一纸论文。

过去二十年，中国AI人才的路径几乎是单向的：本科毕业、出国深造、扎根硅谷。这条路的惯性，今天仍然存在。

但新的分支已经长出。留下来的人，不再是因为出不去，而是因为留下的反馈更快、场景更密、手里的卡更多。

范式转移发生在两个层面：一是培养端，本土博士批量进入工业界；二是落地端，从实验室到产线的距离被压缩到一周。

这不是一时情绪，也不是某一年的政策脉冲。是中国AI人才范式二十年累积之后，一次结构性的换轨。

一个年轻研究者在硅谷能拿到的，是论文、头衔、同行评议。他在国内能拿到的，是论文、头衔、同行评议，外加几百万人立刻用上的真实反馈，和上千张卡的调度权。

差别不在头衔，而在反馈密度。一个模型在实验室里跑通，和一个模型在几百万台手机上跑通，是两件事。前者给论文，后者给数据。

数据反过来喂给下一代模型，这才是范式转移真正的引擎。

过去三十年，中国AI人才走的是“出去—学习—留下”的单向桥。今天这座桥还在，但桥的这一端，也长出了自己的循环。

出去的人仍在出去，留下的人也在留下。只是天平两端的重量，已经悄悄换了位置。

这一场换轨，不是哪一份政策文件推动的，也不是哪一次会议决定的。它是一个又一个年轻人在offer面前掏出计算器，一笔一笔算出来的。

算力、数据、场景、反馈速度，这些变量加在一起，重新定义了“哪里是更好的选择”。

对那些已经在硅谷扎根的人来说，这一切变化暂时与他们无关。但对明年、后年即将毕业的那一批人来说，天平已经倾斜。

这不是一道选择题，而是一道算术题。算术题的答案，会随时间推移越来越清晰。

《自然》特稿把这道题摊开在桌面上，让所有人都看见。至于谁先算明白，谁就先在下半场占住位置。

这不是终点，只是一张新的成绩单。成绩单上的数字，还会继续变，而且变得比所有人预想的都要快、都要彻底。这才是下半场真正的开头，也是新局的真正起点和最终的注脚。

当他掏出计算器，算的不只是offer本身，还有接下来十年能拿到多少算力、多少数据、多少真实落地的机会。

下半场才刚开场。