顶尖AI实验室变身体育豪门,重金只为争夺「最强大脑」

引言

一篇最新红杉资本的文章提出了一个很有趣的比喻:顶级AI 实验室正似乎成为星光熠熠的豪门俱乐部,而它们的竞争,也愈发像一场世界级的「球员」争夺战

一年前,AI领域的竞争格局似乎一度尘埃落定。由于构建基础模型所需的高昂算力成本,市场迅速整合,最终形成了由微软/OpenAI、亚马逊/Anthropic、谷歌、Meta 和 xAI 组成的五大「决赛选手」。他们拥有达到 GPT-4 级别模型的能力和持续扩展的资本。

然而,今天的叙事已经截然不同。伴随着传奇人物 Ilya Sutskever的那句名言 - 「我们所熟知的预训练即将结束」。新一批参与者如 SSI、Thinking Machines(注1) 和 DeepSeek 等正崭露头角,他们宣称的核心优势并非计算规模,而是顶尖的人才。全新的共识是:单纯依赖大规模集群已不足以实现下一次质的飞跃,要想在强化学习或其他前沿领域取得新的突破,需要的是非凡的智慧,而人才正是解锁这一切的关键

注1:最新的例子是 - 前 OpenAI CTO Mira Murati 创立的初创公司 Thinking Machines Lab创立不到五个月,种子轮融资就成功筹到了惊人的 20亿美元,估值达到 100亿美元。

当人才成为最稀缺的资源时,AI 实验室的运作模式开始惊人地向职业体育俱乐部靠拢:

  • 豪门老板:每一支顶尖的 AI 战队背后,都有一个财力雄厚的科技公司或个人作为支持者;
  • 天价「球星」:明星研究员的薪酬包堪比职业运动员,动辄数千万、数亿美元,对于最顶尖的人才,价码甚至可能达到看似疯狂的数十亿美元(例如Meta收购Scale AI 49%的股份并引进其CEO);
  • 流动的「转会市场」:与体育界不同,AI 领域的人才合同往往是短期的、流动性极强的。这意味着任何人都可以随时被竞争对手挖走,人才争夺异常激烈;

引用一句原文结尾我印象最深刻的话 - 「当人类看到美好的事物时,何曾说过『现在已经足够了,是时候降温了』?一旦越过关键的门坎,我们就会将事情推向极致,这是人性内在的属性。」

当奖品像AI技术可能带来的巨大价值那样诱人时,任何阻碍成功的瓶颈,特别是像人才这样稀缺的资源,都将被推向令人惊叹的竞争水平。


为什么AI实验室开始像职业俱乐部一样运作

By David Cahn

去年夏天我写了大量关于AI的文章,从AI的6000亿美元问题开始,到AI资本支出的博弈论AI已准备就绪钢铁、服务器与电力,最后以AI供应链拉锯战结尾。

一年后回顾,有趣的是几乎没有什么改变:AI的6000亿美元问题现在大约变成了AI的8400亿美元问题,假设英伟达在2025年底达到大约2100亿美元的数据中心年化收入(注2)。据路透社报道,OpenAI仍然占据AI整体收入的主要份额,最近突破了100亿美元。AI生态系统的总收入与投入的资金相比仍然相形见绌 - 如果说有什么不同的话,我去年对大科技公司在AI上产生收入的估计可能还过高了。

注2:这里的”6000亿美元问题”指的是“投入AI基础设施的巨额投资是否真的带来了相应的回报”?作者通过英伟达作为AI芯片主要供应商的收入增长,结合其市场份额来倒推出整个AI基础设施的投资规模从去年的约6000亿美元增长到现在的8400亿美元,但实际的AI应用收入仍然远低于这些投入。

过去一年AI有三个重大改进:首先,编程AI真正起飞了。一年前,这些产品的演示令人震撼,而今天,编程AI领域正在产生大约30亿美元的年化收入。第二个变化是推理找到了产品市场契合点,AI生态系统对第二个扩展定律 - 推理时计算 - 感到兴奋。通过反复查询这些模型并使用强化学习,我们可以获得更好、更稳健的结果。最后,ChatGPT的使用似乎出现了“微笑曲线”(注3),这种新行为真正融入到了日常生活中。

注3:”微笑曲线”这里指的是用户留存率曲线的形状。数据显示ChatGPT的1个月用户留存率从两年前的不到60%飙升至前所未有的约90%,甚至超过了YouTube的85%;6个月留存率趋向于80%。这种前期下跌后,后期还能不断上升的留存曲线形状像微笑一样,表明ChatGPT正在成为用户日常习惯的一部分,而不只是新奇的尝试。

AI的应用层生态系统持续改进,利用廉价的算力和集成工作流程来构建持久的业务。更丰富的算力对创业生态系统有利,Harvey、Sierra、Abridge、SmarterDx、Perplexity、OpenEvidence、Clay、Sesame等公司在为客户打包这种能力方面取得了重大进展。一年前我们的目标是尽可能多地支持这些公司,这个目标至今仍然是我们的追求。

然而,有一个动态自去年以来确实发生了变化。一年前,每个人都在谈论集群规模和预训练扩展,现在这似乎已经悄然从公共讨论中消失了。也许这是因为新集群上线需要更长时间,或者正如Ilya Sutskever在12月所说的,”我们所知的预训练将会结束。”同样地,一年前我们看到研究实验室因为构建基础模型实验室的成本令人望而生畏而出现整合。微软/OpenAI、亚马逊/Anthropic、谷歌、Meta和xAI作为AI竞赛中的五个”决赛选手”脱颖而出,因为这些公司已经达到了GPT-4级别的模型并拥有足够的资本继续扩展,而其他公司则倒闭了。现在相比之下,一批新的参与者涌现出来,包括SSI、Thinking Machines和DeepSeek,他们声称人才而非原始算力规模是他们的主要差异化因素。

一年前的叙述是预训练算力需求推动整合,而今天的叙述完全围绕着在算力日益充足的世界中人才优势的重要性。这对谷歌和Meta来说尤其如此。谷歌在产品定位方面受到围攻,正在竭尽全力扭转这种局面。Meta大胆决定收购Scale 49%的股份并引入CEO Alex Wang来领导他们新的”创始人模式”AI实验室,这是朝这个方向迈出的更明确举措。对于这两家公司 - 以及整个生态系统 - 2025年的信息是仅有大规模集群是不够的。每个人都明白,需要新的突破才能在AI竞赛中跳到下一个层次 - 无论是在强化学习还是其他领域 - 而人才是找到这些突破的关键。

由于对人才的痴迷关注,AI实验室越来越像体育队:每个都有超级富有的科技公司或个人支持。明星球员可以获得数千万、数亿,甚至对于最顶尖的人才能达到数十亿美元的薪酬包。与球员通常有长期合同的体育队不同,AI雇佣协议是短期且流动的,这意味着任何人都可能随时被挖角。讽刺的是,虽然AI竞赛动态的概念最初是由AI安全社区作为要避免的噩梦场景而普及的,但这正是在两个不同领域中造成的结果:首先是算力,现在是人才(注4)。

注4:AI安全研究人员曾将”AI竞赛动态”作为警示性预言 - 担心各机构为抢先开发AI而忽视安全、仓促部署未经充分测试的系统,形成”逐底竞争”。然而具有讽刺意味的是,尽管有这些警告,安全社区担忧的过度竞争场景还是成为了现实:先是各大公司在算力基础设施上展开巨额投资竞赛,现在又在人才争夺上开出天价薪酬。这表明当利益足够巨大时,即便专家明确警告,人类的竞争本能仍会驱使各方铤而走险。

我认为这是人性的一个特征。人类什么时候见过美好的东西,然后说:”现在已经够了,是时候降温了?”这是人类的内在特性,一旦超过关键阈值,我们就会把事情推向极端。我们无法控制自己。当奖品像感知中的AI技术可能带来的巨额商业价值和市场主导地位那样巨大时,任何阻碍成功的瓶颈 - 特别是像人才这样的非流动性瓶颈(稀缺且无法快速复制) - 都会被推向惊人的水平。

然而,即使在这种激烈竞争中,更广泛的AI生态系统今天也比过去三年中的任何时候都感觉更加平静。这是因为对大多数人来说,竞赛本身现在是一个常数,市场结构感觉稳定。人们正在适应现状。不稳定的竞争平衡本身是稳定的 - 至少目前如此。

原文:Why AI Labs Are Starting to Look Like Sports Teams