来源：36氪（转载自远川科技评论）（李墨天、任彤瑶（编辑：黄主任）） · 2026-09-05 · 原文链接

分类：环境感知 / 职业（非技术文）

一句话概括

以姚顺雨（98 年生，清华姚班 → 普林斯顿 → OpenAI → 腾讯）和吴永辉（谷歌 17 年 → 字节）为样本，论证 AI 顶薪的本质不是给"聪明"定价，而是给行业前沿试错沉淀下来的隐性知识定价——而算力越贵、试错机会越少，这份隐性知识就越值钱。

核心要点

  • 姚顺雨的四次选择：① 选专业（2015 年 704 分进清华姚班，师从吴佳俊）→ ② 选导师（2019 普林斯顿，从 CV 转 NLP+RL，导师 Karthik Narasimhan 是 GPT-1 二作）→ ③ 选公司（ReAct、Tree of Thoughts 一作，毕业后进 OpenAI，主导智能体产品、参与 Deep Research）→ ④ 选时机（在 AI 竞赛最热时跳到"什么都缺唯独不缺钱"的追赶者腾讯）。文章总结为"四倍杠杆做多人工智能"。
  • 薪酬水位：OpenAI L5 高级工程师年总包 82.9–87.1 万美元；Anthropic 全公司薪酬中位数 42–54 万美元；顶尖研究员年薪可能超 1000 万美元，中间差 10 倍。Meta 挖庞若鸣开出 2 亿美元年包（Meta CTO 辟谣称主要是有 KPI 解锁条件的股票）。
  • 估值膨胀是身价放大器：Cursor 2022 年成立，2024 年底 26 亿美元估值，2026 年被 SpaceX 以 600 亿美元收购（不到两年 20 多倍）；OpenAI 从 2022 年底约 290 亿到 2026 年 3 月 8520 亿（3 年多 30 倍）。同期 Meta 4 倍、谷歌 3.6 倍、微软 2 倍。OpenAI 股权薪酬占营收比例约 45%，2024 年高达 119%——竞争力全在期权上。
  • 年轻化：AMiner 2024 年分析全球十个大模型核心团队，40 岁以下占 69%，中国团队高达 84%。小米 MiMo 核心团队平均 25 岁（罗福莉 1995 年生）；Alexandr Wang 1997 年生，19 岁退学创业。
  • 经验半衰期极短：大模型核心技术栈 2018 年前后才成型，“2018 年才读博的 AI 研究员已经算老同志”；五年前的经验大概率算考古发现。因此"资历的护城河不存在"。
  • 核心论点：隐性知识定价。NASA 飞控员 Robert Frost 的观点——21 世纪美国难以重返月球，缺的不是图纸和工厂，而是了解阿波罗制造过程的那批人。组织的成功 = 论文专利文档 + 大量经验、工程、管理诀窍（隐性知识），后者像暗物质，难观测但确实存在。高科技行业的隐性知识只能来自试错，位于最前沿的公司试错最多，沉淀的隐性知识是追赶者梦寐以求的资产。
  • 算力让试错变贵 → 隐性知识更贵：GPT-4 训练用了 2.5 万张 A100，MFU 只有 32%–36%（故障多、频繁从检查点重训），单次训练算力成本约 6300 万美元。很多公司账上的钱只够训练两三代模型，前瞻实验拿不到算力，探索性研究让位核心项目——试错机会变少、成本变高，于是"一个见过世面的脑子"更值钱。梁孟松类比：中芯国际不能用三星台积电的专利，但他知道哪些方向是错的，所以敢跳代研发。
  • 梁文锋的反直觉判断：“人才不是瓶颈，资源是最大的瓶颈。资源首先影响到人才培养，因为算力少，我们能做的实验机会比较少，所以我们的人才整体上比美国有差距。““我们看到的所有区别，包括人才的区别、模型能力的区别、应用的区别，可以认为都是算力资源上的区别。”
  • 英伟达的位置：黄仁勋给出 2027 年营收增速 70% 指引，且特别说明这是供给受限口径，按客户真实需求算是 100% 以上。OpenAI 2025 年亏 385 亿美元（研发 191.8 亿、向微软租算力 172 亿）。

金句

天才的智商由基因决定，天才的成就由产业基础决定。

烧钱烧出来的教训，亏钱亏出来的直觉，都会变成隐性知识。

如果一个专家能省下一个亿的试错成本，给他开 5000 万工资也是很划算的。

对一个出租车司机来说，如果舒马赫说自己赶时间，最好自己主动坐到副驾驶去。

经验的半衰期太短，资历的护城河就不存在。只有团队选择了正确的技术方向，个人积累的知识和经验才有价值。

想搞价值投资的第一步是有钱，追求 AGI 的第一步是有算力。

长期主义者从来不看工资条，但没有一个活跃甚至狂热的资本市场，AI 大神们的身价不可能涨的这么快。

质疑与核查

  • 严重的幸存者偏差：全篇只有成功样本（姚顺雨、吴永辉、Alexandr Wang、梁孟松），没有一个"同样做了正确选择却没起来"的案例。用成功者反推选择的有效性，是典型的事后归因。
  • 因果倒置风险：姚顺雨的每一步都有极大的偶然性——导师恰好是 GPT-1 二作、恰好毕业赶上 Agent 浪潮、恰好 OpenAI 做了 Deep Research。“选对"和"运气好"在这类样本里无法分离。
  • 信源层级低：远川科技评论是商业自媒体，非调查报道；关键数据全部二手转述（WSJ、Equilar、CNBC、Sam Altman 播客）。梁文锋那段引自流传的《文锋纪要》，非官方发布，需进一步打折。
  • “1 亿美元签字费"是利益相关方的说法：出自 Sam Altman 本人播客（他既是爆料者也是受益叙事方）；Meta CTO 已辟谣说是带 KPI 解锁条件的股票。文章提到了辟谣，但标题层仍在用这个数字吸睛。
  • 数据时效性：AMiner 的年轻化统计是 2024 年的；OpenAI 8520 亿估值是今年 3 月的。AI 领域两年是很长的时间。
  • 梁孟松的类比有限：半导体的隐性知识是工艺 know-how，可携带性远高于 AI（人带着经验走，新厂照着做就行）；AI 的隐性知识高度绑定在原团队的算力、数据、基建上，挖人不一定搬得动。文章用这个类比支撑"挖人就值”，逻辑上跳跃了。
  • **“天才的智商由基因决定”**是无支持的断言，且与全文"成就由产业基础决定"的论点内在紧张——如果成就全靠环境，提基因干什么。
  • 没讨论代价：天价薪酬的另一面是极高的淘汰率和不可持续的工作强度，全文零着墨。

本文为阅读剪藏（摘要 + 摘录 + 评论），非原文转载。查看原文