AI 人才争夺战：从工程师延伸至科学家
2026 年 7 月，菲尔兹奖得主 Jacob Tsimerman 宣布加入 OpenAI 安全部门；同期，字节跳动 Seed Edge 团队发布"Seed STEM 科学家计划”，面向数理生化材等学科开放百个合作席位。这两起事件共同指向一个明确的产业信号：AI 公司的人才争夺战，正从工程师延伸到科学家。
其背后的产业逻辑清晰：大模型在封闭任务上的能力已逼近天花板，而科学发现是 AI 通往“真实世界复杂任务”的最后一道屏障。谁能率先突破，谁就掌握了下一代 AI 能力的定义权。
一个被忽视的能力断层
2026 年世界人工智能大会上数据显示，AI 写代码的任务成功率已从不足 5% 飙升至超过 88%，但同期在端到端科学发现任务上，最先进大模型的完成率始终停留在 3% 左右。
这一巨大差距揭示了深层结构性问题。编程任务具备反馈闭环的确定性（运行结果、测试通过与否均有明确标准），而科学研究是典型的“开放任务”：无清晰解题路径，需自主提出假设、设计方案、处理噪声并推导机制。
当前主流模型评测体系多围绕有标准答案的封闭式任务展开。当这些任务被攻克后，AI 能力的下一个增长极必然来自真实开放环境中的持续交互与自主进化。基础科学前沿正是这种“开放未知场景”的最高形态。
这就是 AI 公司争抢科学家的底层逻辑——科学家提供的不只是研究题目，更是问题意识、判断标准和反馈方式。在没有标准答案的领域，唯有理解学科前沿的人，才能判断模型输出质量、识别有价值的突破方向。
科学家的流向：从象牙塔到 AI 实验室
过去 12 个月，顶尖科学家正加速离开学术界进入 AI 公司。2026 年上半年，诺贝尔化学奖得主 John Jumper、经济学家 Chad Jones、哲学家 Harvey Lederman 及伯克利 EECS 系主任 Jelani Nelson 等先后加入 Anthropic。今年以来，至少 22 名教授和研究人员暂时离开或减少在斯坦福、伯克利、哈佛等高校的工作，转入 OpenAI、Anthropic、DeepMind 和 Meta。这四家公司目前聚集了 80 多名现任或前任大学教授。
这种流动背后有制度化通道支撑。OpenAI 的 Residency 项目面向非 AI 主要研究方向的人才；Anthropic 的 STEM Fellows Program 在 2026 年系统化扩充，邀请多学科专家入驻。驻场周期内，超过 80% 的研究员产出了高质量学术成果。
资本市场的估值变化正在为这一趋势注脚。Anthropic 在 2026 年 2 月 G 轮融资估值达 3800 亿美元，三个月后 H 轮融资将估值推至 9650 亿美元；OpenAI 同期年化收入突破 250 亿美元，较 2024 年底增长超 4 倍。
大模型公司的价值评估体系正从“模型能力”转向“解决真实问题的能力”，而科学发现是这一评估体系中最硬的测试场。
字节跳动路径：内部孵化到独立融资
字节跳动 Seed 团队在 AI for Science 领域的布局，提供了国内大厂系统性推进 AI4S 的样本。
2023 年字节 Seed 成立，2025 年初组建专注于长周期、不确定性研究的"Seed Edge"团队，涵盖推理边界、感知边界及下一代模型设计等五大方向。为保障稳定性，团队调整绩效考核周期，实行“有结果再统一考核”的机制。
技术产出方面，字节 Seed 已发布 PXDesign、Protenix、SeedProteo 等一系列蛋白质与分子生成模型，并构建覆盖蛋白 - 配体动态预测、全原子分子生成及自由能计算的 Anew Labs 平台。
值得关注的是产业化的路径选择。2026 年 6 月，字节旗下 AI 制药业务启动拆分与独立融资，新主体 Anew Therapeutics 估值约 10 亿美元，首轮融资近 2 亿美元。拆分后字节仍保持控股，核心团队与技术资产整体并入。
这种“内部孵化 + 独立融资”模式在 AI4S 领域具有标志性意义。它既保留大厂资源入口，又将业务推向独立资本化轨道。在 AAI 2026 上，Anew Labs 披露了全球首个小分子全谱 IL-17 抑制剂，该成果利用 AI 驱动虚拟筛选结合分子生成算法识别而来。
国内 AI4S 的产业拼图与资本化信号
国内科技公司在 AI4S 方向上的投入正形成差异化产业地图：
- 华为：以“盘古科学计算大模型”为核心，在气象、药物、基因等领域布局。盘古气象大模型精度超传统数值预报，速度提升万倍以上；盘古药物分子大模型将研发周期从数年缩短至数周。
- 百度：聚焦生物计算，发布文心生物计算大模型系列。HelixFold 3 被誉为“国产 AlphaFold 3"，已在 RNA 结构预测等场景实现突破，并提供 API 服务。
- 腾讯：从云计算基础设施切入，推出科学计算平台 TEFS。
- 阿里：达摩院将 AI for Science 作为重点方向，已形成医疗 AI、智慧育种等研究团队。
在资本市场层面，多家 AI4S 平台型企业登陆港股，部分上市公司以算力基础设施或垂直应用形态参与分工：
- 晶泰控股（02228.HK）：以量子物理+AI+ 机器人驱动全流程研发，2025 年营收同比增长 201%，成为港股 AI4S 首家年度盈利公司。
- 英矽智能（03696.HK）：2026 年 7 月启动自研 AI 药物 III 期临床试验，此前国际合作总价值近 70 亿美元。
- 数据港（603881）：拟采购科学计算算力服务，其参与的超智融合一体化平台入围 2026 世界人工智能大会 SAIL 奖 TOP30。
- 中科曙光（603019）：研发搭载 6 万张国产加速卡的 AI4S 计算集群，系国内规模最大相关基础设施。
- 诺禾致源（688315）：加大 AI4S 研发投入，拓展至分子育种、临床检测等场景。
纯 AI4S 平台型公司目前集中在港股，A 股更多以算力和垂直应用形态参与。整体而言，AI4S 仍处于高投入期，但头部公司已展现从“成本中心”向“独立价值单元”转化的趋势。
从资本化进程看，AI4S 正转变为独立的“价值单元”。字节 AI 制药获高额估值融资、百度推出付费 API、华为开源盘古系列，均表明产业化路径正在被验证。
全球 AI for Science 市场预计 2032 年达到 262.3 亿美元，若以全球医药市场测算，可触达规模约 1082 亿美元。但规模预测不等于产业现实。高质量数据获取、湿实验验证成本、从“计算预测”到“临床验证”的转化鸿沟等核心瓶颈，决定了这将是一个漫长而曲折的过程。
一个正在形成的产业共识
AI 公司大规模招募科学家，归根结底是AI 能力演进的内生需求。竞争正推向开放环境下的复杂问题求解，而科学发现正是典型代表。
Anthropic CEO 达里奥认为，驱动 AI 进步的核心要素包括算力、数据质量与规模、训练时长及可扩展目标函数。科学家计划的本质，是在“数据质量”和“目标函数”维度引入新变量——用领域专家的判断力，为模型训练提供更高质量的反馈信号。
无论是字节的 Seed STEM 计划还是 Anthropic 的 Fellow 项目，其共同特征是将科学家的“问题意识”作为模型迭代信号，而非让科学家去写代码。
未来 12 到 24 个月，AI4S 领域可能出现关键转折点：药物管线进入临床 II 期获积极数据、AI 辅助发现的定理通过同行评审、或初创公司完成大规模 IPO/并购。这些事件将直接影响资本定价逻辑。
值得追问的是：当科学家驻场结束后，他们带回学术界的将是什么——是更强大的 AI 工具，还是对 AI 能力边界更清醒的认知？答案或许决定了这一轮热潮是范式转移的开端，还是又一场被过度预期的泡沫。
免责声明：本文内容基于公开资料整理，仅供行业信息参考，不构成任何投资建议，请谨慎决策。