kaiyun开云；谷歌、微软、亚马逊、Meta在2025年合计投入3800亿美元开发AI，2026年这个数字预计将飙升至6500亿美元，其中相当一部分，都砸向了顶尖AI技术人才。

　　一边是科技企业开出的上亿年薪，一边是高校里普通科研人员的微薄薪水，越来越多的AI研究者，尤其是年轻的顶尖学者，正在义无反顾地离开学术界，投身产业界。

　　本周《自然》（Nature）有篇重磅评论，直指这场AI人才争夺战背后的致命危机：天价薪酬不仅正在造成学术界的AI人才空心化，更在扭曲科学研究的本质，而我们对“独行天才”的盲目崇拜，正在让这场危机愈演愈烈。

　　这个1%的数字看似不起眼，背后却是触目惊心的人才流失：每100个AI领域的学术研究者，每年就有至少1人彻底离开学术界，投身产业界，而且这种趋势持续了十几年，从未缓解。

　　更致命的，是流失的人才质量。2025年的一项研究，基于近700万篇论文的数据分析发现：职业生涯仅5年左右、研究成果跻身高被引行列的青年AI学者，次年离开学术界的概率，是从业10年、成果被引数处于平均水平的资深学者的100倍。

　　这里给大家做个通俗解读：高被引学者就是研究成果被全球同行大量引用的人，代表着这个领域最有潜力、最受认可的顶尖人才。换句话说，学术界辛辛苦苦培养出来的、最有创造力的青年AI天才，正在被科技企业批量挖走。

　　自2022年ChatGPT发布以来，这场AI人才大战愈演愈烈。当一个刚毕业没几年的博士生，在高校只能拿到十几万、几十万的年薪，而科技企业能开出上千万、甚至上亿的薪酬时，绝大多数人都会做出最现实的选择。

　　科技巨头愿意为单个AI人才开出天价薪酬，根源是一个和软件行业一样古老的神线倍效能工程师。这个传说认为，顶尖的天才工程师，一个人的工作成效就能抵得上10个普通同行。既然一个天才就能顶一个团队，为什么还要花钱招聘、管理一整个科研团队？更何况，现在AI模型都号称具备博士级推理能力，企业高管们更是巴不得用AI和少数天才，替代掉绝大多数普通工程师。

　　现代科学从来都是一项团队事业，所有里程碑式的突破，都是集体协作的成果，而非单个天才的功劳。多项大规模研究早已印证了这个基本规律：

　　一项针对1900年至2011年全球科学出版物的研究发现，即便排除自引因素，大型协作团队发表的论文，影响力始终远高于小型团队和个人研究；

　　对高被引科学家的分析也显示，他们一生中最具影响力的研究成果，几乎都是多作者的团队合作论文；

　　就连诺贝尔奖得主也不例外：2020年的一项研究发现，随着科学问题的范围和复杂度不断提升，诺奖得主发表研究的团队平均规模，也在稳步扩大。

　　人类首次探测到引力波，背后是全球上千名科研人员组成的LIGO科学合作组织，历经数十年的协作；

　　改写了生物医学的CRISPR基因编辑技术，从基础研究到落地应用，是全球数十个实验室、上百位科研人员共同推动的成果；

　　就连AI领域标志性的AlphaFold蛋白质结构预测突破，也是谷歌DeepMind整个团队的集体成果，而非某一个天才的单打独斗。

　　这些突破往往会和几个知名科学家、诺奖得主的名字绑定在一起，但我们不能忽略的是，背后的研究工作，是由数十、乃至数千人的团队完成的，更是建立在几十年

　　开放科学的基础之上——共享的数据、开源的方法、免费的软件，以及一代代科研人员积累的研究洞见。对单个天才的天价押注，本质上是对资源的极大浪费。设计完善的科研机构，能放大每个个体的能力，能在单个研究者的职业生涯之外，长期维持科研生产力，哪怕核心贡献者离开，也能长久存续下去。而把所有资源砸在少数几个天才身上，最终只会毁掉科学赖以生存的协作生态。

　　《自然》的这篇评论，精准地指出了学术研究不可替代的两个核心价值，而这两个价值，恰恰是产业界永远无法提供的。

　　由好奇心驱动，而非利润驱动的创新。企业的AI研究，永远有一个无法绕开的核心目标：盈利。所有的研发投入，最终都要服务于商业价值，那些没有短期商业回报、却对人类社会有长远价值的基础研究，注定不会被企业重视。

　　而学术研究的核心魅力，就在于它的“无目的性”。科学家可以为了满足自己的好奇心，去探索一个看似毫无用处的问题，而正是这些探索，往往会带来颠覆性的基础科学突破。当AI领域最顶尖的人才都去做能快速变现的商业产品时，那些关乎AI本质、长远发展的基础研究，注定会陷入无人问津的困境。

　　对技术发展的独立批判和伦理审视。企业永远不会主动去否定自己的产品，更不会系统性地批判自己研发的AI技术可能带来的风险。但学术界可以。独立于商业利益之外的高校和科研机构，能客观地审视AI技术的伦理风险、社会影响，能对科技巨头的产品提出独立的批评，能为政策制定提供中立的、科学的建议。

　　当AI领域的研究者都被科技企业收编，当整个领域的话语权都掌握在商业公司手中时，我们就再也听不到独立的、批判性的声音了。AI技术的发展，会彻底被商业利益裹挟，而全人类的利益，注定会被抛在脑后。

　　更严重的是，对少数顶尖人才的天价追捧，正在侵蚀科学的公平生态。当科研机构把有限的资源都砸在1%的顶尖学者身上，当学术界内部的薪酬不平等愈演愈烈，那些处于职业生涯早期的青年研究者、资源匮乏的边缘学者，只会越来越难获得生存和发展的空间。而科学的历史早已证明，绝大多数颠覆性的创新，都来自年轻的、名不见经传的研究者。

　　Apertus。和Meta的LLaMa这类被商业公司贴上“开源”标签、实则不符合开源定义的模型不同，Apertus不仅开放了全部源代码和核心参数，连训练数据、开发过程也完全公开。它的目标不是和商业实验室比拼“超级智能”，而是打造一个可信赖的、能供产业界和公共部门免费使用的AI工具，同时支持欧洲本土的小众语言，真正把AI变成了服务全人类的公共产品。

　　这才是学术界该走的路：不跟商业公司拼烧钱，而是坚守公共利益的初心，打造产业界做不到的、开放的、非盈利的AI基础设施。

　　同时，高校要搭建从本科生到资深教授的全层级协作网络。科学事业的传承，从来不是靠一两个天才，而是靠一代又一代研究者的接力。一个能让本科生、研究生、博士后、资深教授平等协作的体系，远比押注单个天才，更能带来持续的创新，也能让科学的影响力真正辐射到整个社会。

　　除了论文引用和发表，还要认可并奖励研究者对公共产品的贡献——比如为政府提供专业咨询、向公众做科普、开发维护开源软件、为非营利组织提供服务，这些都应该纳入终身教职评定和晋升体系；

　　建立共享的决策机制，不把权力集中在少数人手中，用资源分配委员会、科学咨询委员会、同行评审，决定资源的使用和研究的方向，而非一言堂；

　　更重要的是，坚定地捍卫研究者的学术自由，保护他们不受企业和政治的干预，支持那些敢于挑战权威的研究探索。这一点，是永远向资本妥协的科技企业，永远无法提供的。

　　这篇《自然》评论，给我们带来的最核心的认知颠覆，是让我们重新理解了科学的本质。

　　我们总以为，科学的进步是由少数天才推动的，我们热衷于追捧传奇的科学家，热衷于传播“一个天才改变世界”的故事。但我们忘了，科学最珍贵的内核，从来不是独行的天才，而是开放、协作、为全人类公共利益服务的精神。

　　AI技术的发展，关乎全人类的未来。如果这项技术的研究，完全被少数几家科技巨头掌控，如果这个领域最顶尖的人才，都只为商业利益服务，那么AI最终只会成为资本牟利的工具，而非造福全人类的技术。

　　学术界的坚守，从来不是固步自封，而是守住科学的初心。它要告诉所有年轻的研究者，除了天价年薪，科研还有更珍贵的价值：为了满足好奇心的探索，为了全人类福祉的创新，以及独立于资本和权力之外的、思想的自由。