金年会- 金年会体育- 官网APP挖角大战与估值狂欢：万亿AI热钱最终流向哪？ 湃客Talk

　　金年会,金年会体育,金年会体育app,金年会体育官方网站,金年会注册,金年会最新入口,金年会APP

　　过去一年，人工智能领域持续“高热”。这不仅体现在“钱多”——资本正以前所未有的热情涌入这个赛道，更体现在“人贵”——顶尖人才已成为决定胜负的关键资源。

　　海外，Meta近日以数十亿美元收购AI创企Manus，更早之前，Meta、OpenAI、谷歌、苹果等公司早已上演多轮“互挖墙脚”“高薪抢人”的戏码。视线转向国内，姚顺雨、罗福莉等技术新星获得千万级薪酬的消息引发关注，懂AI的人才已成为市场上最受追捧的“硬通货”。

　　资本市场的热度同样惊人。AI芯片巨头英伟达股价持续攀升，一度创下全球首家市值突破5万亿美元的历史纪录。国内市场也在为“国产算力自主”的愿景积极买单，随着智谱、MiniMax等企业通过港交所聆讯，以及寒武纪、摩尔线程、沐曦等AI硬件公司的股价表现，中国AI创投生态正在加速成熟。

　　然而，在这一片火热景象中，理性的声音也在浮现：当前AI公司的估值是否已过高？除了资本的热度，这些AI企业究竟在推进什么？我们究竟是否正站在人工智能“造富时代”的门口？新年伊始，《湃客Talk》邀请人工智能领域专家方帅和科技新媒体主编周雅，共同探讨这场浪潮背后的人才逻辑、资本真相与未来机遇。

　　目前AI领域的高薪现象集中在少数顶尖的年轻人才群体中，这与AI产业的特点有关。传统行业，无论是第二产业，还是涵盖互联网、金融的第三产业，往往高度依赖长期的行业经验。但AI是一个全新的、技术导向的行业，很多高校近几年才开设相关专业。在这种快速迭代、以技术创新为核心的领域，年轻人的学习能力、对新技术的敏感度和接受度反而更具优势。

　　当然，高薪也集中在特定的细分领域，比如技术研究的突破、核心架构的设计等。但从整体上看，国内更注重“AI+行业”应用解决方案的落地，国家政策也鼓励技术转化为可规模化部署的产品。在这方面，拥有丰富行业经验的资深人士同样能发挥巨大价值。可以说，在应用落地层面，经验与年龄是加分项；而在纯技术研发的尖端突破上，年轻人则更为集中。

　　目前AI公司的员工平均年龄，我认为在27岁左右，或者30岁以下。很多本科或研究生毕业工作两三年后就能独当一面。

　　现在还有一个有趣的趋势，上海等地开始支持“一人公司”（One Person Company）的创业模式。一个掌握了AI工具的“超级个体”，完全能独立胜任从开发到商业接洽的全流程。所以，二十七八岁创业或成为业务核心，现在已非常普遍。

　　薪酬方面，核心算法岗位的本科应届生起薪可以开到四五十万元，这比许多大厂的普通IT或开发工程师要高20%-30%。但这属于金字塔尖。

　　AI产业很大，涵盖芯片、硬件、行业应用等多个环节。绝大多数岗位，如传统硬件工程师、行业应用分析师等，薪资仍处于市场平均水平。真正拿到“天价”高薪的，是极少数站在技术研发最前沿的人才。

　　AI行业“高薪挖角”现象，本质上是一场“买时间”的竞赛，或者说是一种由恐惧驱动的豪赌（错失恐惧症，Fear of Missing Out，简称FoMO）。AI行业的竞争窗口期极短，大模型可能每3个月就迭代一个版本。一个顶尖研究员带来的6到12个月的时间优势，对于抢占市场至关重要。

　　同时，在动辄数十亿、上百亿的模型训练总成本中，人力成本占比微乎其微。花几千万甚至一个亿挖来一个能决定项目成败的关键人才，相比天文数字的算力投入，是非常“划算”的买卖。

　　这种现象已成常态。去年，Meta从OpenAI挖走8名核心研究员，据传薪酬包高达4年3亿美元，当然也有报道称数字夸大了。但去年7月，媒体证实，高级AI科学家的年薪在300万到700万美元之间，顶级的超过1000万美元。

　　挖角方式也比较有意思，扎克伯格被曝亲自在家面试候选人，给出“24小时签约否则作废”的offer，甚至要给心仪的研究员送自己煲的汤。苹果为了“止血”，提拔了复旦校友ZhifengChen，接替了被挖去Meta的交大校友庞若鸣，并给团队涨薪。

　　这一切都因为全球顶尖的AI专家可能还不到1000人，而其中华裔科学家占了很高比例，所以业内有个玩笑：AI大战是“在美国的中国人和在中国的中国人之间的竞争”。

　　像罗福莉这样的“天才少女”确实是少数。从技术能力本身来说，AI与性别关系不大。在我们研究院，做硬件、系统架构等传统工程方向的，男性可能更多；但在AI研究、产品设计、政策与治理等相关岗位，女性比例并不低。

　　随着AI工具的普及，讨论性别的意义正在变小。AI本身没有性别，当所有人都会使用AI赋能自己时，智力与技术能力的展现将越来越与性别脱钩。未来更有趣的讨论，可能是人与AI工具的关系。

　　未来的就业市场可能面临一个“两头难”的局面：如果你想成为“造AI工具的人”，需要和那些顶尖天才竞争，门槛极高；如果你想成为“用AI工具的人”，则需要和那些既有深厚行业经验、又快速掌握了AI工具的资深从业者竞争。

　　因此，AI虽然是前景广阔的行业，但找到自己的精准定位和差异化优势，将变得尤为重要。我们可能需要更多能够跨越技术与行业鸿沟的“AI训导师”或跨界人才。

　　除了薪资，参与一场可能改变世界的产业革命，本身带来的成就感和社会意义，也是巨大的精神激励。AI领域日新月异，一个能让人持续接触前沿技术、参与最尖端讨论的工作环境，本身就极具吸引力。

　　此外，允许试错、鼓励创新的自由度也至关重要。比如，允许员工利用AI工具成为“超级个体”，在扁平化、结果导向的环境中发挥创造力，甚至推行不打卡的弹性工作制，都是吸引和留住那些“与众不同”的天才的关键。如果公司文化等级森严或排斥AI工具，就很难留住他们。

　　寒武纪、摩尔线程等国内公司被称为“中国版英伟达”，这种类比更多是一种资本想象，实际差距依然显著。

　　以寒武纪为例，其市值最高时超过6000亿人民币，而英伟达最高5亿美元，看似差距巨大，但关键要看市盈率（PE）。英伟达基于其高达700多亿美元的净利润，市盈率（TTM）约为46。而寒武纪前三季度净利润约16亿人民币，年化估算约21亿，以其5700多亿市值计算，市盈率（TTM）超过300。这意味着寒武纪的估值中，预期的成分远大于当前业绩的支撑，泡沫风险相对更高。

　　国内公司与海外巨头差距的核心在于软件生态，而非单纯的硬件制程或架构。英伟达的CUDA生态建设了18年，形成了极厚的护城河和用户迁移成本。硬件性能的差距可以追赶，但构建一个成熟的、被开发者广泛接受的软件生态，需要时间和耐心。

　　目前，像华为昇腾走的是自建生态的道路；而其他公司可能更多尝试在特定应用场景（如边缘计算、推理芯片）或专用加速器（类似TPU）上寻求突破，这或许是实现弯道超车的机会。

　　生态建设能有效拓展业务边界、建立护城河。英伟达如此，华为围绕昇腾构建算力生态，百度通过飞桨推动AI开发标准化，微软依托OpenAI打造生态，都是同样的逻辑。这反映出AI竞争已进入“生态战”阶段。

　　AI三要素——数据、算法、算力。其中，数据和算力带有“硬通货”属性，算法是技术问题。如何通过生态将模型、应用与自身的算力平台深度绑定，从而锁定用户、伙伴和开发者，是赢得未来竞争的关键。单点技术优势难以持久，生态才是长期壁垒。

　　目前国内AI芯片的竞争力，更多体现在推理芯片、边缘计算以及特定垂直场景的深度适配上。我们的优势在于丰富的应用场景和快速的落地能力。

　　避开与CUDA在通用生态上的正面竞争，在AI终端（如手机、眼镜）、边缘侧算力等赛道发力，是国内企业一条可行的路径。当然，要构建从芯片、服务器到云平台的全栈优化能力，我们仍在积累过程中。

　　国家人工智能应用中试基地（医疗）·浙江产业园，医疗服务机器人与参观者进行阿尔茨海默症检测互动。图/视觉中国

　　目前，以科技股为主的纳斯达克100指数自ChatGPT发布以来翻了一倍，英伟达市值涨了10倍，标普500科技股的预期市盈率约30倍。这虽然很高，但相比2000年互联网泡沫时科技股58倍的市盈率，还算不上“失去理智”。目前市场对AI驱动增长的期望非常高。

　　华尔街也分成两派：看空派认为AI泡沫是2025年的最大风险之一；看多派（如贝莱德）则认为AI的扩张由真实需求驱动，谈泡沫为时过早。

　　一个值得警惕的信号是：标普500中前10大AI公司的市值占比已达到44%的历史新高，但其利润占比却远远没有跟上。这就像一家面包店估值翻了10倍，但销量只翻了两倍，身价与实力出现了脱节。

　　所以，是否存在局部过热和估值过高？是的。但这是否意味着整个AI赛道都是泡沫？未必，关键要看企业能否最终兑现增长预期。

　　目前，AI商业化的瓶颈在于一个矛盾现象：“左手赚，右手花”，且花的比赚的多。

　　以OpenAI为例，据媒体此前报道，其去年的总营收预计为130亿美元。但它一个季度就能亏损120亿美元，预计到2029年才可能盈利。原因在于，它把赚到的钱全部投入到下一代模型的研发中。

　　这很像当年的亚马逊，长期亏损，却将利润持续投入仓储、物流和AWS，最终打造出最赚钱的业务。所以，账面上的亏损可能是战略性投资扩张，而非业务本身不赚钱。

　　AI哪些领域会先盈利？首先是“卖铲子”的公司，比如芯片厂商和云服务商。科技巨头们每年千亿美元级的数据中心投入，是实实在在的需求。其次是To B（企业级）应用。例如，GitHub Copilot用户超千万，帮爱奇艺缩短开发周期40%；腾讯的AI质检平台帮富士康提升效率300%；字节的智能客服年省超10亿人力成本。

　　商业化的关键非常清晰：能否为行业算清ROI（投资回报率），即用AI省了多少钱或多赚了多少钱。只要能证明价值，规模化盈利就能跑通。

　　国内大厂的研发重点可概括为：第一，模型的轻量化与效率提升，追求更高性价比；第二，聚焦多模态融合与交互，如图像、视频生成，这与短视频等大众娱乐场景深度结合；第三，深耕行业解决方案，将通用大模型转化为行业模型；第四，推动AI与终端设备（手机、眼镜、汽车等）的结合；第五，加强安全、合规与可控性。

　　这场AI浪潮，并非“大厂游戏”。普通人，尤其是非技术背景的“跨界者”，可能还有独特优势。

　　比如，最近上市的壁仞科技的创始人张文，并非AI专业出身，但他懂战略、会融资，还擅长组建团队。这说明，AI创业不只需要算法人才，更需要复合型的管理和商业人才。

　　普通人的机会还在于“AI+X”，即将AI能力与自己的专业领域结合。例如，懂医疗的人用AI做诊断辅助，懂法律的人用AI审查合同……“专家+AI”的组合，往往比纯技术背景者更具场景竞争力。

　　数据显示，去年上半年AI人才缺口已突破500万，紧缺指数（TSI）高达2.3。腾讯、字节等大厂的校招岗位中，技术类占比超60%。但我认为，需要的是两类人才：一是能创造AI的顶尖大牛；二是懂行业、能把AI用到实处的复合型人才。

　　AI产业规模足够大，蛋糕不只属于技术圈内人，更属于所有善用AI工具、能解决实际问题的“跨界者”。关键是要动手实践，不必等万事俱备，而应边做边学、快速迭代——AI时代最大的红利，属于敢于尝试的人。

　　本文为澎湃号作者或机构在澎湃新闻上传并发布，仅代表该作者或机构观点，不代表澎湃新闻的观点或立场，澎湃新闻仅提供信息发布平台。申请澎湃号请用电脑访问。