⭐⭐⭐⭐⭐ (5星)

Academia and the "AI Brain Drain"

2025年，Google、Amazon、Microsoft和Meta合计投入3800亿美元建设人工智能工具。预计今年这一数字将飙升至6500亿美元，用于资助数据中心等物理基础设施的建设。这些公司还在一个特定领域挥金如土：顶尖技术人才。

人才流失的规模

Meta据报道为一名联合创立专注于训练AI代理使用计算机的初创公司的AI研究员提供了2.5亿美元的四年薪酬方案。科技公司还花费数十亿美元进行"反向收购招聘"——挖角初创公司的明星员工，而不收购公司本身。

学术界已经在流失人才。自2022年ChatGPT发布以来，学术界对"AI人才流失"的担忧日益加剧。研究表明，进入工业界的大学机器学习和AI研究人员急剧增加。2025年的一篇论文报告称，这一现象在年轻、高引学者中尤为严重：

科学是团队运动

10x工程师的神话与技术现实越来越脱节。研究证实了一个基本真理：科学是团队运动。

• 一项对1900年至2011年科学出版大规模研究发现，由较大合作团队生产的论文始终比较小团队的论文具有更大的影响力
• 对高引科学家的分析显示相似模式：最具影响力的作品往往是多作者论文
• 2020年诺贝尔奖得主研究强化了这一趋势：随着科学问题的范围和复杂性增加，团队规模稳步增长

重大突破都是集体成就

从引力波检测到CRISPR基因编辑，再到最近AI在蛋白质结构预测方面的突破，现代科学最重要的进展都是集体成就。虽然这些成功通常与知名个人相关联——资深科学家、诺贝尔奖得主、专利持有者——但工作本身是由数十到数千人的团队驱动，并建立在数十年的开放科学基础上：共享数据、方法、软件和累积的见解。

建议：大学应采取的策略

科学家、学术机构和政策制定者应该更加关注AI研究的组织方式，特别是当这项技术成为跨学科必需之时。良好的使用下，AI可以通过赋能目前资源匮乏的年轻研究人员来支持更公平的科研体系。

以下是大学和使命驱动实验室应采用的三项策略，而不是参与薪酬军备竞赛：

1. 坚持公共利益导向：瑞士机构正在协调建设AI作为公共产品而非私人资产
2. 建立强大机构：如LIGO科学合作、MIT和哈佛的Broad研究所、甚至Google DeepMind
3. 分配权力的良性方式：分配委员会决定资源使用、 科学顾问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

结论

科学的理想模式是一个广泛的、多样化的生态系统，研究人员可以在各个层面茁壮成长。无论你多么擅长你的编程工作，你都无法自动化你的存在。最有价值的不是产出，而是关系。