1998年出生的姚顺雨，高考704分进清华姚班，师从吴佳俊，转战NLP，投奔OpenAI，最后高调加入腾讯。年薪是否过亿不重要，重要的是他把人生拆成了四段精准押注：选对专业、跟对导师、去对公司、跳槽到肯砸钱的追赶者。这四步操作，被业内戏称为“四倍杠杆做多人工智能”。
希鸥网观察到，AI造富浪潮下，New Money正批量制造。姚顺雨不是孤例：Meta CTO公开承认，顶尖AI研究员的薪酬水平在其20年技术高管生涯中前所未有；OpenAI L5工程师年总包82.9万至87.1万美元，而顶尖研究员年薪可超1000万美元，两者相差十倍。白花花的现金当然不能全发——珍贵的现金要去黄仁勋那里换GPU，股权才是激励主菜。
这场估值游戏的底层逻辑，远不止“高薪挖人”这么简单。AI实验室入不敷出，云厂商欠着一屁股债，唯独英伟达赚得头皮发麻。但真正推高人才身价的，是创业公司的估值膨胀速度：OpenAI从2022年底的290亿美元估值，到今年3月完成1220亿美元融资后整体估值达到8520亿美元，三年多翻了近30倍。估值涨了，员工手里的期权水涨船高，身价自然扶摇直上。
技术迭代的加速，则彻底改写了经验的价值曲线。大模型核心技术栈2018年前后才逐渐成型，一个2018年才读博的AI研究员已经算得上“老同志”。经验的半衰期太短，资历的护城河不复存在——你昨天的技能，今天可能已成考古发现。年轻人因此有了可乘之机，因为所有人都在同一条起跑线上，看的不是工龄，而是谁离技术前沿最近。
希鸥网认为，人才定价的深层标尺，其实是隐性知识的定价权。OpenAI训练GPT-4用了2.5万个A100 GPU，模型浮点利用率只有32%-36%，故障导致频繁断点重训，一次训练算力成本约6300万美元。烧钱烧出来的教训、亏钱亏出来的直觉，都沉淀为工程师脑子里的隐性知识。腾讯挖姚顺雨、字节请吴永辉，开出的年包本质上是在为这些“暗物质”定价——如果一个专家能省下一个亿的试错成本，给他开5000万工资也很划算。
对创业者而言，这轮AI人才军备竞赛的启示不在“抢人”，而在“建系统”。雷·达利欧在《原则》中反复强调一个观点：与目标一致的人合作，你实现目标的能力会比一个人干强得多。但桥水真正的秘诀，是把决策过程编码成可复用的原则，让个体智慧沉淀为组织能力。回到AI竞赛里，姚顺雨个人的四次选择固然精彩，但对腾讯来说，更值钱的是把这一个“天才脑子”里的隐性知识，转化为整个混元团队可调用的方法论。
创意择优的组织机制，是承接顶尖人才的前提。达利欧提出的问题是：以下哪种方法更明智——把问题、错误、弱点、分歧摆到桌面上公开讨论，还是让多数人把真实想法隐藏在心底？AI研发尤其如此，模型训不出来、loss降不下去、推理成本压不下来，这些真实的失败经验如果只停留在个人复盘里，团队就等于花钱买了个人的成长，而非组织的资产。要做创意择优，就要给年轻人向资深权威提反对意见的通道。
硅谷大厂用1亿美元签字费抢AI研究员，本质是一场对试错机会的定价权争夺。算力紧缺的约束下，每次实验的成本高得惊人，一个见过世面的脑子不仅能指出对的方向，更能告诉你哪些路是死的、不必再花钱去撞。真正能把隐性知识变成组织资产的公司，都是靠透明的决策机制而非等级权威驱动，实现自我强化的螺旋式上升。别只记住姚顺雨的跳槽路径，你真正该抄的作业是：让天才的直觉，长成你们公司的肌肉记忆。
金鸥品牌榜·2026年度创新案例库开放申报了。免费提报，独立评估，入榜品牌将获得电子版《入榜证明》及年度专题公示，优秀案例可获得深度专访+全平台分发。 如需修改或发布文章，请加微信号：sheisceo