去年年底，OpenAI 前研究员姚顺雨加入腾讯的消息引发关注，腾讯方面随即澄清其薪资并未达到网传的“上亿”水平。
在 AI 造富浪潮中，顶级技术人才的薪酬水涨船高。作为新时代"New Money"的代表，1998 年出生的姚顺雨通过四次关键选择，实现了个人价值的跃升。
四次关键抉择：四倍杠杆做多人工智能
第一次选择专业：2015 年，姚顺雨以 704 分的高考成绩进入清华大学计算机科学与技术系（姚班），师从吴佳俊，系统接触通用人工智能领域。
第二次选择导师：2019 年，姚顺雨赴普林斯顿大学攻读博士。他敏锐判断自然语言处理（NLP）比计算机视觉更具潜力，转而主攻 NLP 与强化学习，并结识了导师 Karthik Narasimhan。后者曾任 OpenAI 访问研究员，是 GPT-1 论文的第二作者。
姚顺雨与导师关系亦师亦友，其婚礼上导师更是担任了伴郎。
第三次选择公司：博士期间，姚顺雨发表了 ReAct 和 Tree of Thoughts 两篇重要论文，奠定了当前 AI Agent 的基础范式。毕业后，他加入导师曾效力的 OpenAI，主导智能体产品并参与 Deep Research 项目。
第四次选择平台：在 AI 竞赛白热化阶段，姚顺雨选择了资金雄厚且急于追赶的腾讯。对于腾讯而言，将重任交给一位 27 岁的年轻人，既是破局之举，也是势在必行。
纵观姚顺雨的职业生涯：选对方向、踩准节点、加入前沿公司、跳槽至慷慨的追赶者。这可谓是对人工智能领域的“四倍杠杆做多”。
资本豪赌：AI 人才的天价身价
科技行业高薪虽不罕见，但当前资本对 AI 人才的投入力度史无前例。Meta 为挖角不惜开出亿美元级别的签字费；2024 年 7 月，Meta 以 2 亿美元的年包挖走苹果基础模型团队负责人庞若鸣。
同期，Meta 斥资 143 亿美元收购 Scale AI 49% 股权，其创始人 Alexandr Wang 随之入职并统领 Meta AI 团队，迅速跻身福布斯最年轻亿万富豪行列。
据 Equilar 数据，OpenAI L5 高级工程师年总包约 83 万至 87 万美元，而顶尖 AI 研究员年薪可超 1000 万美元，差距高达十倍。Meta CTO Andrew Bosworth 坦言，当前市场对特定层级人才的定价令人难以置信。
由于现金需用于购买 GPU 等硬件，巨头们更多通过股权激励人才。此轮 AI 浪潮的特殊性在于创业公司估值膨胀极快：AI 编程平台 Cursor 两年内估值翻 20 多倍；OpenAI 三年多估值翻 30 倍，远超传统科技巨头涨幅。
估值的飙升直接推高了员工持股价值。OpenAI 总裁 Greg Brockman 和前首席科学家 Ilya Sutskever 持有的股权价值分别约为 300 亿和 70 亿美元。为匹配这种期权增值预期，大厂挖人时必须提供极具竞争力的方案。
OpenAI 的股权薪酬支出占营收比例极高，2024 年甚至高达 119%。2025 年 10 月，OpenAI 回购员工股票，600 名员工共分得 66 亿美元。在活跃的资本市场助推下，AI 大神们的纸面财富迅速转化为真金白银。
技术迭代：经验半衰期与年轻新贵
本轮 AI 浪潮的另一显著特征是人才年轻化。AMiner 数据显示，全球十大大模型核心团队成员中，40 岁以下占比 69%，中国团队更高达 84%。小米 MiMo 核心团队平均年龄仅 25 岁。
与传统行业不同，AI 产业化时间极短，核心技术栈近年才成型。这意味着 2018 年读博的研究员如今已算“资深专家”，而五年前的经验在快速迭代的 AI 领域可能已成“考古发现”。
然而，年龄并非绝对标准。字节大模型研究部门负责人吴永辉是典型的“老同志”，他 1997 年考入南京大学，2008 年博士毕业后在谷歌深耕 17 年，始终战斗在 AI 研究最前沿（Google Brain、DeepMind）。正是因其在谷歌积累的深厚功底，才使得他在 2025 年入职字节后，能迅速推动 Seed 模型迭代及豆包业务的爆发式增长。
AI 技术的断层式代差意味着：只有身处正确的技术方向，个人积累的知识才有价值。姚顺雨在 OpenAI 的集群调试与模型调优经验，对腾讯而言价值连城。
隐性知识：试错成本的核心资产
NASA 飞控员 Robert Frost 曾指出，重返月球的难点不在于图纸，而在于掌握阿波罗制造过程的隐性知识。在高科技行业，这些难以文档化的经验、工程诀窍和管理直觉，往往来自大量的试错。
行业前沿公司通过高昂的试错成本沉淀隐性知识。例如，OpenAI 训练 GPT-4 期间，因故障频繁导致算力利用率仅为 32%-36%，单次训练成本约 6300 万美元。这些“烧钱”换来的教训和直觉，构成了人才定价的核心标尺。
若能节省数亿的试错成本，支付数千万年薪便显得划算。这与当年中芯国际聘请梁孟松类似：梁孟松虽不能直接使用台积电专利，但他知晓哪些路径行不通，从而帮助中芯国际跳过 28nm 直接量产 14nm 工艺。
算力瓶颈：稀缺资源推高人才溢价
推高 AI 人才身价的链条中，算力是至关重要的一环。英伟达业绩持续爆棚，反映出算力需求的极度紧缺。黄仁勋曾表示，若不受供给限制，其营收增速本可达 100% 以上。
算力短缺导致大模型公司试错成本剧增。据披露，2025 年 OpenAI 亏损 385 亿美元，其中研发投入和向微软支付的算力服务费占据了绝大部分。许多公司账上资金仅够训练两三代模型，前瞻实验被迫让位于核心项目。
正如《文锋纪要》所言：“人才不是瓶颈，资源（算力）才是。”算力稀缺限制了实验机会，进而影响人才培养和模型能力。昂贵的算力拉高了试错门槛，使得拥有丰富实战经验的“隐性知识”持有者更加稀缺且昂贵。
只要算力依然紧缺、模型差距依然存在，姚顺雨的故事便会反复上演。
尾声：产业土壤决定天才高度
天才的诞生需要合适的土壤。当年吴恩达选择谷歌，是因为唯有谷歌具备训练“谷歌猫”所需的数据与算力，而这背后是强大的盈利能力与资本市场支持。
中国不缺天才，缺的是能承载天才野心的产业平台。腾讯等巨头的投入不仅关乎待遇，更决定了人才能调度的资源上限和成就高度。
乌克兰船舶设计专家瓦列里·巴比奇的经历便是明证：苏联解体导致经费断绝，这位航母总设计师一度失业转行写作；直至中国提供产业平台，他才得以重施才华。天才的智商由基因决定，但天才的成就由产业基础决定。
未来中国企业若在人工智能领域登顶，每一位普通用户贡献的消费与投资，都将是这枚军功章的一部分。
参考资料：
AIMiner 全球十个大模型核心团队成员分析报告
[2] 舒马赫出租车轶事相关媒体报道
[3] OpenAI Staff Receive Record $1.5M Each in Stock Compensation, SEDaily
[4] OpenAI is paying employees more than any major tech startup in history, WSJ
[5] OpenAI reportedly let employees sell up to $30m in shares each, Techasia
[6] GPT-4 Architecture, Infrastructure, Training Dataset, Costs, Vision, MoE, SemiAnalysis
[7] Reducing the Barriers to Entry for Foundation Model Training, HPE
[8] 股权薪酬占营收 119%：OpenAI 为留住人才付出高昂代价，华尔街见闻
