學術界與“AI人才流失”

2025年，谷歌、亞馬遜、微軟和Meta在人工智能工具上的總支出高達3800億美元，而這一數字預計在2026年將飆升至6500億美元，主要用於建設數據中心等基礎設施。與此同時，這些公司在對頂尖技術人才的爭奪上更是不遺餘力。據報道，Meta曾為一位聯合創辦AI代理訓練初創公司的研究員提供了一份四年2.5億美元的薪酬方案。科技公司還花費數十億美元進行“反向收購”——即在不收購公司的情況下挖走其明星員工。面對如此豐厚的報酬，原本收入一般的技術專家可能會重新思考自己的職業選擇。

學術界已經感受到壓力。自2022年ChatGPT發佈以來，關於“AI人才流失”的擔憂日益加劇。研究顯示，大學中機器學習和AI研究人員轉向工業界的比例急劇上升。2025年的一篇論文指出，這種現象在年輕高引學者中尤為明顯：根據基於近700萬篇論文數據的模型，職業生涯約五年的高引學者在次年轉向工業界的可能性是十年資深平均引用學者的100倍。

這種人才外流威脅着學術研究在科學事業中的獨特作用：由好奇心而非利潤驅動的創新，以及獨立的批判和倫理審查。科技巨頭對頂尖人才的過度關注也危及科學作為協作事業的理念——最重要的成果往往由團隊而非個人完成。

文章探討了更廣泛的影響，並提出了替代願景。AI人才的鉅額薪酬源自軟件行業古老的“10倍工程師”神話——即某人能產生同行十倍的影響力。科技公司越來越傾向於押注天才個人，而非管理整個團隊，甚至認為AI能替代大量初、中級工程師。谷歌Gemini 3 Pro模型以“博士級推理能力”為賣點，正是迎合了用AI替代人的管理思路。

然而，孤膽天才的敍事與現實脱節。研究證實，科學是團隊運動。1900年至2011年的大型科學出版研究發現，大團隊合作的論文影響力持續高於小團隊。對高引科學家的分析也顯示，其最高影響力的作品往往合著者眾多。2020年對諾貝爾獎得主的研究強化了這一趨勢：隨着科學問題規模和複雜性增加，他們發表論文的平均團隊規模穩步增長。

從引力波探測到CRISPR基因編輯，再到AI在蛋白質結構預測上的突破，現代科學最重大的進展都是集體成就。儘管這些成功常與傑出個人關聯，但工作本身由數十到數千人的團隊推動，並建立在數十年開放科學的基礎上：共享數據、方法、軟件和累積洞見。

建設強大的機構比押注個人更有效。例子包括LIGO科學合作組織、博德研究所、谷歌DeepMind等。如果科技巨頭希望加速科學進步，當前策略是誤入歧途。相反，精心設計的機構能放大個人能力、維持生產力超越個人職業生涯，並在貢獻者離開後長久存續。

同樣重要的是，有效機構能合理分配權力：資源分配委員會、科學顧問委員會、同行評議等機制共享決策權。雖然“委員會創新”聽起來貶義，但這種方法對科學事業滿足公眾多樣化需求至關重要。

科學家和政策制定者應更多關注AI研究的組織方式。AI可以賦能資源有限的初級研究者，促進更公平的科學事業。然而，一些最富有的科研機構可能效仿科技行業，通過財務競爭爭奪頂尖人才。但這不是科學應遵循的道路。

理想的科學模式是廣闊的多樣化生態系統，讓各級研究人員都能茁壯成長。大學應採納以下三種策略而非參與薪酬競賽：

第一，堅持公共利益。瑞士多機構協調建設Apertus，一個免費的大型語言模型，不僅開放源代碼和權重，還開放數據和開發過程，不同於商業實驗室的“開源”模型。Apertus旨在使AI在工業和公共管理中值得信賴，嚴格遵守數據許可限制。

第二，加強研究者網絡。從本科生到教授，大學應公平分配薪酬，提高研究生和博士後待遇，限制知名PI的薪酬增長。

第三，提供獨特智力回報。研究顯示，允許發表論文的工業職位薪酬比禁止發表的低約20%。大學還應認可和獎勵公共產品生產，如為政府提供專業知識、與公眾溝通、發佈開源軟件等。此外，機構應捍衞研究者的學術自由，抵禦企業或政治干預。

文章最後呼籲科研機構領導者拒絕AI研究高層日益嚴重的薪酬不平等，轉而以使命的完整性和機構的公平性競爭人才。