学术界与“AI人才流失”

2025年，谷歌、亚马逊、微软和Meta在人工智能工具上的总支出高达3800亿美元，而这一数字预计在2026年将飙升至6500亿美元，主要用于建设数据中心等基础设施。与此同时，这些公司在对顶尖技术人才的争夺上更是不遗余力。据报道，Meta曾为一位联合创办AI代理训练初创公司的研究员提供了一份四年2.5亿美元的薪酬方案。科技公司还花费数十亿美元进行“反向收购”——即在不收购公司的情况下挖走其明星员工。面对如此丰厚的报酬，原本收入一般的技术专家可能会重新思考自己的职业选择。

学术界已经感受到压力。自2022年ChatGPT发布以来，关于“AI人才流失”的担忧日益加剧。研究显示，大学中机器学习和AI研究人员转向工业界的比例急剧上升。2025年的一篇论文指出，这种现象在年轻高引学者中尤为明显：根据基于近700万篇论文数据的模型，职业生涯约五年的高引学者在次年转向工业界的可能性是十年资深平均引用学者的100倍。

这种人才外流威胁着学术研究在科学事业中的独特作用：由好奇心而非利润驱动的创新，以及独立的批判和伦理审查。科技巨头对顶尖人才的过度关注也危及科学作为协作事业的理念——最重要的成果往往由团队而非个人完成。

文章探讨了更广泛的影响，并提出了替代愿景。AI人才的巨额薪酬源自软件行业古老的“10倍工程师”神话——即某人能产生同行十倍的影响力。科技公司越来越倾向于押注天才个人，而非管理整个团队，甚至认为AI能替代大量初、中级工程师。谷歌Gemini 3 Pro模型以“博士级推理能力”为卖点，正是迎合了用AI替代人的管理思路。

然而，孤胆天才的叙事与现实脱节。研究证实，科学是团队运动。1900年至2011年的大型科学出版研究发现，大团队合作的论文影响力持续高于小团队。对高引科学家的分析也显示，其最高影响力的作品往往合著者众多。2020年对诺贝尔奖得主的研究强化了这一趋势：随着科学问题规模和复杂性增加，他们发表论文的平均团队规模稳步增长。

从引力波探测到CRISPR基因编辑，再到AI在蛋白质结构预测上的突破，现代科学最重大的进展都是集体成就。尽管这些成功常与杰出个人关联，但工作本身由数十到数千人的团队推动，并建立在数十年开放科学的基础上：共享数据、方法、软件和累积洞见。

建设强大的机构比押注个人更有效。例子包括LIGO科学合作组织、博德研究所、谷歌DeepMind等。如果科技巨头希望加速科学进步，当前策略是误入歧途。相反，精心设计的机构能放大个人能力、维持生产力超越个人职业生涯，并在贡献者离开后长久存续。

同样重要的是，有效机构能合理分配权力：资源分配委员会、科学顾问委员会、同行评议等机制共享决策权。虽然“委员会创新”听起来贬义，但这种方法对科学事业满足公众多样化需求至关重要。

科学家和政策制定者应更多关注AI研究的组织方式。AI可以赋能资源有限的初级研究者，促进更公平的科学事业。然而，一些最富有的科研机构可能效仿科技行业，通过财务竞争争夺顶尖人才。但这不是科学应遵循的道路。

理想的科学模式是广阔的多样化生态系统，让各级研究人员都能茁壮成长。大学应采纳以下三种策略而非参与薪酬竞赛：

第一，坚持公共利益。瑞士多机构协调建设Apertus，一个免费的大型语言模型，不仅开放源代码和权重，还开放数据和开发过程，不同于商业实验室的“开源”模型。Apertus旨在使AI在工业和公共管理中值得信赖，严格遵守数据许可限制。

第二，加强研究者网络。从本科生到教授，大学应公平分配薪酬，提高研究生和博士后待遇，限制知名PI的薪酬增长。

第三，提供独特智力回报。研究显示，允许发表论文的工业职位薪酬比禁止发表的低约20%。大学还应认可和奖励公共产品生产，如为政府提供专业知识、与公众沟通、发布开源软件等。此外，机构应捍卫研究者的学术自由，抵御企业或政治干预。

文章最后呼吁科研机构领导者拒绝AI研究高层日益严重的薪酬不平等，转而以使命的完整性和机构的公平性竞争人才。