2025年10月9日，上海徐汇漕河泾，久未露面的张一鸣现身知春创新中心开业仪式。他身着黑色T恤，用机器学习术语“过拟合”阐释其人才选拔逻辑：传统教育模式下的人才往往死记硬背训练集噪声，缺乏对底层规律的理解。为此，字节跳动招募了14名16至18岁的预备研究员，试图从源头解决这一问题。
大厂对AI人才的渴求已延伸至中学阶段。腾讯青科实训营面向全球13至18岁中学生开放产品实践，由总监级导师带领参与核心业务；吉利控股启动人才培养计划，高中毕业生可直接进入新能源、AI等前沿领域，年薪最高达30万元；硅谷巨头Palantir更是面向高中毕业生直聘，转正后年薪约合人民币120万元。
从校招前移至博士、本科，再到如今的高中甚至更早，这并非个别企业的孤立动作，而是科技行业人才战略的集体转向。
从“摘果子”到“种庄稼”
过去二十年，大厂人才战略遵循“摘果子”逻辑，即等待高校培养成熟后再高薪挖角。华为2019年启动的“天才少年计划”便是此逻辑的极致体现。然而，在AI技术迭代以月甚至周计算的今天，传统博士五至六年的培养周期导致人才知识结构滞后于产业需求，“等熟再摘”已不再适用。
腾讯副总裁蒋杰指出，在校年轻人对大模型的理解已与工业界高度接轨。这意味着高校培养体系正从领先产业变为滞后产业。因此，大厂开始转向自行“种庄稼”，构建完整的人才供应链：
- 腾讯：布局最为体系化。从2019年的星火计划到2026年的青科实训营，触角延伸至13岁群体。截至2026年，平台用户超80万，合作学校2000余所。
- 字节跳动：创办知春创新中心，每年招收30名16至18岁全职预备研究员，实行5年培养制。同时，Top Seed计划校招生年薪从2024年的约150万攀升至2026年的600万。
- 百度：AIDU计划采用双指导人模式，CEO及事业群负责人亲自面试，年薪百万起步且不设上限，侧重深度培养。
大厂不再满足于做人才的下游买家，而是致力于成为上游生产者，在人才被市场挖掘前完成深度绑定。
天赋定价与防御性囤积
大厂为何愿意为16岁少年投入长周期培养？核心在于AI研发的经济学逻辑。
大模型训练成本高昂，阿里巴巴千问背后涉及近100亿美元投入。顶尖AI人才的价值呈非线性增长，一名能优化芯片使用效率或减少无效训练的研究员，可能为企业节省数千万乃至上亿美元的算力成本。例如，腾讯姚顺雨团队通过清洗冗余数据，将Hy3 Preview训练成本压减47%，Agent任务解决率大幅提升。这种“杠杆效应”使得高薪聘请年轻天才极具性价比。
除了经济账，更深层的动力是“防御性囤积”。业内人士指出，掐尖前置实质上是一种竞争防御策略。谁先锁定苗子，谁就在下一轮竞争中占据主动。字节甚至成立专门部门，建立覆盖国内优秀在校生及应届生的全覆盖人才库，将招聘升级为情报工作。
值得注意的是，中美在人才年轻化路径上存在差异。硅谷依托Geoffrey Hinton等资深专家，年轻化多发生在创业公司和研究机构；而中国AI行业起步晚、存量人才少，迫使大厂直接将年轻人推向核心管理岗，如27岁的姚顺雨掌舵腾讯基础模型部。相较于硅谷高中生已进入正式雇佣定价体系，国内多数项目仍停留在培养层面，未来加码空间巨大。
抢到了，然后呢？
这场人才竞赛存在一个冷酷悖论：大厂花费巨大代价锁定的年轻人才，正以极快速度流失。过去一年，字节Seed团队近70名技术人才离职，其中近30人流向腾讯，部分核心成员加入阿里Qwen团队或DeepSeek。这表明，大厂间的人才战争是零和循环，锁定一个16岁的孩子需要数年，但失去他只需一个更好的Offer。
硅谷出现的“花园假”（Garden Leave）现象将这一逻辑推向极端：谷歌等公司高薪供养研究人员却不安排工作，唯一要求是其不加入竞争对手。哈佛商学院研究指出，主导企业有时雇佣前沿研究者并非为了产出，而是为了阻止竞争对手获取这些资源。此时，人才的战略价值超过了其使用价值，争夺从生产力退化为排他性。
在中国语境下，腾讯、字节、吉利等企业的早期锁定行为，本质上是在购买年轻人未来的选择权折价。被锁定的孩子失去了大学的试错空间和市场议价能力。然而，随着未来5年AI人才供给增加，今天被天价锁定的“苗子”，明天可能变成大厂急于剥离的成本。
尾声
这场竞赛的终极赌注不在于谁抢到的天才最多，而在于创造力是否可以被拥有。
大厂将人才视为可锁定、可囤积的资产，但创造力的激发往往依赖于自由选择。结构性悖论在于：企业希望年轻人做出突破性工作，但突破的前提恰恰是拥有随时离开的自由。若被路径依赖和沉没成本锁死，产出的多是平庸之作；若保持自由，企业则面临人才流失风险。
当技术红利消退、组织能力成为瓶颈时，试图通过囤积创造力来建立护城河的公司可能会发现，真正的壁垒不在于“拥有谁”，而在于“让谁发挥了什么”。16岁的孩子们终将做出自己的选择，大厂应致力于成为值得被选择的地方，而非仅仅是一个锁住人却留不住创造力的场所。
免责声明:本文基于已公开的资料信息或受访人提供的信息撰写，但解码NewSight及文章作者不保证该等信息资料的完整性、准确性。在任何情况下， 本文中的信息或所表述的意见均不构成对任何人的投资建议。