天价薪酬挖AI人才，对科学发展是福还是祸？

2025年，谷歌、亚马逊、微软和Meta共花费3800亿美元用于构建人工智能工具，今年预计将激增至6500亿美元，用于数据中心等实体基础设施建设。此外，这些公司在顶尖技术人才方面投入巨资。据报道，Meta为一位曾联合创办专注于训练AI代理使用计算机的初创公司的AI研究员提供了四年2.5亿美元的薪酬方案。科技公司还花费数十亿美元进行“反向人才收购”——挖走初创公司的明星员工而不收购公司本身。看到这些丰厚的报酬，薪水相对较低的技术专家很可能会重新考虑自己的职业选择（见“学术人才流失”）。

学术界已经在遭受损失。自2022年ChatGPT推出以来，学术界对“AI人才流失”的担忧日益加剧。研究表明，大学机器学习和AI研究人员转向工业界职位的人数急剧增加。2025年的一篇论文报告称，对于年轻、高被引学者尤其如此：根据基于近700万篇论文数据的模型，职业生涯约5年且研究成果被引次数最高的研究人员，次年转向工业界的可能性是职业生涯10年、研究成果被引次数平均的资深研究人员的100倍¹。

这种人才外流威胁到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，以及提供独立的批判和伦理审查。“大型科技”公司专注于攫取顶尖人才，还可能侵蚀科学作为合作事业的理念——在这种事业中，团队而非个人完成最重要的工作。

在此，我们探讨这对科学的更广泛影响，并提出未来的替代愿景。

“孤独天才”的神话

为AI人才支付天文数字的薪水，源于软件行业一个古老的传说：“10倍工程师”。据说这样的人能产生比同行高10倍的影响。既然一个天才——或一个AI代理——能胜过一整个团队，为何还要雇佣和管理一群科学家或软件工程师呢？

对于那些押注大量入门级甚至中级工程岗位将被AI取代的科技公司来说，这种说法越来越有吸引力。谷歌的Gemini 3 Pro AI模型发布时吹嘘具有“博士级推理能力”，这并非巧合，这种营销策略对寻求用AI取代人类的高管很有吸引力。

但“孤独天才”的说法越来越与现实脱节。研究支持一个基本事实：科学是一项团队运动。一项对1900年至2011年科学出版的大规模研究发现，即使考虑自引因素，大型合作产生的论文始终比小型团队的论文影响更大²。对被引次数最高的科学家的分析也显示出类似模式：他们影响最大的成果往往是作者众多的论文³。2020年对诺贝尔奖获得者的研究进一步证实了这一趋势：随着科学问题的范围和复杂性增加，他们发表成果的团队平均规模随着时间稳步增长，这与更广泛的科学界情况类似⁴。

过度依赖AI驱动的建模为何对科学不利

从探测由大规模宇宙事件引起的时空涟漪——引力波，到基于CRISPR的基因编辑（一种精确切割和修改DNA的方法），再到最近AI在蛋白质结构预测方面的突破，现代科学最重大的进展都是集体成就。尽管这些成功往往与杰出个人（资深科学家、诺贝尔奖获得者、专利持有者）相关联，但工作本身是由数十到数千人的团队推动的，并建立在数十年开放科学的基础上：共享数据、方法、软件和积累的见解。

建设强大的机构比押注任何个人更能有效利用资源。例如，首次探测到引力波的全球团队LIGO科学合作组织；马萨诸塞州剑桥市的麻省理工学院和哈佛大学布罗德研究所，这是领先的基因组学和生物医学研究中心，也是许多CRISPR进展的幕后推手；甚至伦敦的谷歌DeepMind等营利性实验室，其AlphaFold工具推动了蛋白质结构预测的进展。如果科技巨头和其他AI公司斥巨资争夺精英人才的目的是加速科学进步，那么当前的策略是错误的。

相比之下，设计良好的机构能放大个人能力，维持超越个人职业生涯的生产力，并在任何单个贡献者离开后长期存在。

同样重要的是，有效的机构以有益的方式分配权力。它们不会将决策权集中在一个人手中，而是有共享控制权的机制。分配委员会决定资源的使用方式，科学咨询委员会设定集体研究优先事项，同行评审决定哪些想法进入科学记录。

尽管“委员会式创新”听起来可能带有贬义，但这种方法对于使科学事业与更广泛公众的多样化需求保持一致至关重要。在科学领域尤其如此，它继续受到性别、种族、社会经济和文化差异等普遍不平等的影响⁵。

需要替代愿景

这就是为什么科学家、学者和政策制定者应该更多关注AI研究的组织和领导方式，尤其是当该技术在各个科学学科中变得至关重要时。如果使用得当，AI可以通过赋权目前资源匮乏的初级研究人员，支持一个更公平的科学事业。

相反，一些当今最富有的科学机构可能认为，它们可以采用科技行业的相同策略，在财务条款上竞争顶尖人才——或许可以从支持大型科技公司的同一批亿万富翁那里获得资金。事实上，几十年来，学术界的工资不平等一直在稳步加剧⁶。但这不是科学应该走的道路。