AI天才值1亿美元？45年前论文早揭示真相

1亿美元。

Meta曾被报道向少数顶级研究员开出接近1亿美元量级的总薪酬包。这不是个例。Epoch AI的研究显示，顶尖AI研究员年薪可能超过1000万美元；OpenAI一名L4-L5级别研究员的年总包，公开数据粗估约在100万美元量级。中间差了10倍。再往下比。一个AI博士后，年薪大约5万到6万美元。从博士后到顶尖研究员，差距接近200倍。

AI研究员年薪粗估。从博士后约5万美元，到OpenAI L4-L5研究员约100万美元，再到顶尖研究员超过1000万美元量级，差距跨越三个数量级。

那么问题来了：顶尖研究员真的比普通博士强200倍？如果只论能力，答案显然是否定的。真正的秘密，藏在一个底层杠杆中——用户规模。2026年2月，OpenAI官宣ChatGPT周活跃用户突破9亿，距10亿只差一步。底层是同一批模型，任何一个改进，瞬间同时到达每一个用户。哪怕只强一点点，乘以9亿，就会被指数级放大。

45年前那篇论文，预言了今天的1亿薪酬包

要理解AI研究员的薪酬结构，得先回到1981年。那一年，芝加哥大学经济学家Sherwin Rosen在《美国经济评论》上发表了一篇日后影响深远的论文，提出了「超级巨星效应」（superstar effect）。

Rosen的发现是：在某些行业，极少数人赚走了几乎全部的钱，即便他们并非远超同行。2012年伦敦奥运会100米决赛，Usain Bolt夺冠，他的名字全世界都知道。那么银牌是谁？大多数人答不上来——他落后Bolt的距离，不过0.12秒。

再换个例子。Epoch AI按Spotify日播放量和每次播放约0.004美元粗估，Taylor Swift的Spotify年收入约为6000万到7000万美元；Ed Sheeran、Blackpink、Lana Del Rey等顶级歌手则大致落在500万到2500万美元区间。差距在3到12倍之间，但没有人会说Taylor Swift的嗓音比这些人好3到12倍。

2025年Spotify头部歌手年收入估算。Taylor Swift遥遥领先，Ed Sheeran、Blackpink、Lana Del Rey等差距达3到12倍。

Rosen的理论给出了解释：「超级巨星效应」在两个条件同时成立时会被触发。第一，一个人的工作能够触达巨大市场——一场演出可以通过录像传遍全球，一首歌可以在Spotify上播放几十亿次。触达的人越多，顶尖者获得的溢价越大。第二，数量无法替代质量——你不能用去看100场Ed Sheeran演唱会的方式，来补偿没看到Taylor Swift，两者对你来说并不等价。这两个条件加在一起，哪怕只有微小的能力差距，也会被放大成巨大的收入差距。

这套理论在体育、娱乐、金融领域已经反复验证了40年。而AI研究员岗位，恰好这两个条件都满足。

算力瓶颈，放大了稀缺性

先看第一个条件：市场规模。说AI研究触达了巨大市场，这很好理解。ChatGPT官宣周活跃用户已突破9亿，在这样的用户规模下，模型的能力提升会被乘以9亿用户。一个研究员选对了某个训练方向，其对模型的改进贡献就会被放大9亿倍。

再看第二个条件：「数量无法替代质量」。雇100个普通博士，真的换不来一个顶尖研究员吗？在很多行业，答案或许是「可以」。但在AI前沿研究，这种替代几乎不可能，其中一个重要的制约是算力。前沿实验室的计算资源并非无限的，每一次大规模训练运行，动辄耗费数千万美元。一个实验室一年能跑的大型实验，数量极为有限。错误的方向意味着这些算力打水漂，对的方向意味着拿下下一代模型。与执行实验的能力相比，判断「哪个实验值得跑」的直觉，才是真正稀缺的东西。一个顶尖研究员具备的是数年高密度试错沉淀下来的判断力，这种判断力无法通过增加人数来复制——10个普通研究员很难凑出1个顶级研究员的判断力。

Epoch AI文章中提到了Noam Brown这个名字。

Noam Brown，OpenAI研究科学家

他是OpenAI最具代表性的顶尖研究员之一，在推理模型方向有奠基性工作。有意思的是，他近期公开表示自己的主要角色是管理者，管理AI智能体团队。这里的关键在于：顶尖研究员卖给实验室的，不只是他自己能写出的代码，而是多年昂贵实验积累的判断力，以及这种判断力对整个团队和方向的辐射。这种能力难以复制，也很难招募到第二个。

「1亿美元」背后，这笔钱买的是什么

现在回到那个让所有人乍舌的数字。奥特曼曾在播客Uncapped中声称，Meta曾向OpenAI员工开出「1亿美元签字费，外加年薪更高的薪酬包」，并称目前没有最优秀的人选择接受。当然，这是他的单方说法，Meta最新并未确认。TechCrunch随后进行了核实，Meta确实在用高额薪酬抢人，但「1亿美元签字费」这一具体说法，被Meta自己的高管和跳槽研究员否认了。Meta CTO Andrew Bosworth在一次公司全员会议（流出版本）上表示，可能有极少数非常高级的领导层职位接近过这个数量级，但那并非「签字费」，而是「由不同部分构成的总薪酬包」，其中最大的组成部分是需要按年限或绩效解锁的限制性股票单元（RSU）。从OpenAI Zurich办公室带团队跳槽Meta的研究员Lucas Beyer，也在社交媒体上直接表态：是的，我们会加入Meta；不，我们没有拿到1亿美元签字费，那是假新闻。

抛开1亿美元签字费不谈，真实情况是Meta确实在用高薪抢人，某些高级职位的四年总薪酬包可能接近甚至超过1亿美元，但这是RSU+年薪+绩效奖金的多年总和，并非一次性到账的现金。据一位投资人向TechCrunch透露，他见到的一个AI研究员收到了来自Meta的1800万美元工作邀约，最终拒绝了，转而去了Mira Murati的Thinking Machines Lab。1800万美元，已经是普通博士后年薪的数百倍，这个筹码在顶级AI研究员招募的谈判桌上，显然已经不够诱人。

Epoch AI的文章揭示了更底层的逻辑：Meta愿意开出这个价格，根本原因并非「这个人强了多少倍」，而是赛局结构决定的。Meta公开提出了「personal superintelligence」愿景，并在2025年以143亿美元投资Scale AI，同时邀请Scale AI创始人Alexandr Wang来主导其超级智能团队。

赢得AGI军备赛的奖池，可能价值数十万亿美元。在这个量级的赌局里，多花几亿美元锁住几个关键筹码，是完全合理的「保险费」。不是这个人值1亿，是这场赛跑值数十万亿。

天才崇拜的危险，以及更大的问题

超级巨星效应揭示了一个让人坐不住的推论。抛开各种口径之争，Epoch AI估算的顶级研究员年薪已突破1000万美元，而普通工程师含股票的年总包大约100万美元，两者之间差了至少10倍。如果这个10到100倍的薪酬差距，背后的能力差距其实只有2倍，那我们关于「AI天才」的很多叙事，都可能是错的。

Epoch AI的文章直接点出了这一推论的影响：如果薪酬差距主要是市场结构放大的结果，而非真实能力的反映，那么「让AI模拟顶尖研究员就能大幅加速AI进展」这一预测，就被高估了。换句话说，那些基于「复制天才智能」来推演智能爆炸时间线的论点，需要重新校准。

还有另一种更令人坐不住的推论：超级巨星效应只会越来越强。AI的用户规模还在增长，AI在每个人生活中的渗透程度也在增长。研究员每一单位的改进，所触达的用户只会更多，放大倍数只会更高。Epoch AI文章的最后一句话是这样的：「1亿美元年薪，可能真的还不够。」

话说回来，还有一个问题文章没有直接回答：当AI自身开始承担研究工作，当实验室里跑实验的不是人而是AI智能体，超级巨星效应会转移到哪里？可能是：谁能训练出最好的AI研究员。这场人才战的终局，或许并非抢走最聪明的人，而是造出能取代他们的机器。到那时候，今天花在人身上的1亿美元，会去哪里？

来源：互联网