公众号
当前位置:栏目>最新>文章详情

抱歉,年薪百万只是“低保”

来源:汽车商业评论(杜咏芳)今天 14:02

编译 | 杜咏芳

编辑 | 黄大路

设计 | 甄尤美

来源 | 《华尔街日报》、CNBC、WIRED、Final Round AI等

十年前,硅谷的程序员们还在为十万年薪欢欣鼓舞。如今,在人工智能的浪潮中,这个数字听起来简直像是“逊毙了”。

一些听起来如同天方夜谭的事情正在或者已经发生:

在一个普通的工作日,一位工作多年的英伟达老员工在确认了自己的股票期权价值后,发现自己悄然加入了千万富翁俱乐部。

在Meta总部,为了组建全新超级智能实验室,马克·扎克伯格(Mark Elliot Zuckerberg)提出了四年3亿美元的薪酬方案,其中第一年的总薪酬就超过1亿美元。

Meta首席技术官安德鲁·博斯沃思(Andrew Bosworth)试图淡化这些数字:“听着,伙计们,市场行情火爆,但并没有那么火爆。明白吗?所以那只是个谎言。”

但随后他补充道:“我们确实在招聘少数几个领导职位,这些人的薪资待遇确实很高。”

这就是目前人工智能领域人才市场的日常景象。

当普通人还在为六位数的年薪奋斗时,人工智能领域的顶尖人才们正在以百万美元为单位谈判他们的价值。

薪酬革命

英伟达CEO黄仁勋曾自豪地宣称:“在我管理的团队中,培养出的亿万富翁比世界上任何一位CEO都多。”

这句话背后,是英伟达股价在过去几年中飙升,使许多长期员工成为千万富翁的现实。这家芯片巨头目前市值达到惊人的4.6万亿美元,而其员工人数仅为3.6万人。

黄仁勋甚至亲自审核员工薪酬:“在每个周期结束时,我都会审查每个人截至目前的薪酬情况。”

表面上的基本工资数据只揭示了冰山一角。根据英伟达为H-1B签证申请提交的文件,软件工程师的基本工资在9.2万至42.55万美元之间浮动。

真正的财富在于那些未公开的数字:限制性股票单位、绩效奖金、长期激励计划。

黄仁勋还曾表示:“如果你善待员工,其他一切都会迎刃而解。”

根据Levels.fyi、Glassdoor、Indeed和ZipRecruiter等统计,在人工智能领域,某些职位已经成为“黄金岗位”。

人工智能研究科学家站在薪酬金字塔的顶端。

Meta为这些职位提供的年薪高达48.9万美元;OpenAI的基本年薪也达到44万美元;谷歌旗下的DeepMind部门为高级职位提供的年薪甚至高达89.3万美元。

人工智能产品经理同样价值不菲,他们的薪资范围大约在15万美元至90万美元,甚至可能超过90万美元。

Netflix为该职位设定的30万至90万美元的年薪曾一度成为新闻热点。Meta的人工智能产品经理平均年薪为35.2万美元。

机器学习工程师的薪酬范围在12万美元至44万美元,他们构建和部署的机器学习模型,为从推荐引擎到自动驾驶汽车等一切事物提供支持。

三年前根本不存在的“提示工程师”如今年薪高达27万美元,因为企业发现恰当的提示可以带来数百万美元的生产力提升。

五年前还不存在的首席人工智能官职位,如今平均年薪为35.1万美元,顶尖科技公司的高管年薪可达64.3万美元。

这场薪酬革命甚至改变了远程工作的价值计算。OpenAI远程员工的平均年收入在16万美元到49万美元之间,中位数基本工资为28.5万美元。

人才争夺战

Meta在这场人才争夺战中表现得很“激进”。

2025年6月,Meta给Scale AI投资了143亿美元,主要目的就是为了挖走这家公司的联合创始人——年仅28岁的华裔创始人汪韬(Alexandr Wang)。

而且,在2025年,扎克伯格为了人才招聘,亲自“下场”了。公司内部人士表示,他们从未见过扎克伯格如此专注于招聘。

为了招聘,扎克伯格创建了一个名为“招聘派对”的WhatsApp群聊。

每当“招募派对”聊天群锁定值得招揽的目标人选,扎克伯格总会亲自了解对方偏好的沟通方式,并主动发送首条信息以引起关注。

因为,扎克伯格意识到,自己的一封电子邮件比一个不露面的猎头的招聘更有力。

一旦被招聘的人才确信发邮件的人确实是扎克伯格,扎克伯格通常会邀请他们到自己在加州帕洛阿尔托和太浩湖的家中用餐。

他还告诉研究人员,他们不必担心Meta的计算能力,他们的工作将得到最强大芯片的充足支持。

此前,在OpenAI,有研究人员抱怨,创始人萨姆·奥尔特曼(Sam Altman)曾承诺为员工提供GPU,但最终却感觉没有兑现。

还有消息人士透露,Meta至少向OpenAI员工发出了10份令人咋舌的高薪邀约。

“感觉就像有人闯入我们家偷了东西。”OpenAI首席研究官马克·陈(Mark Chen)在内部邮件中如此形容Meta的挖角行为。

这封邮件发送时,Meta已成功从OpenAI挖走至少七名员工。

目前,OpenAI已经向Meta试图挖走的人才提出了反要约,承诺如果他们留下,公司将提供更高的薪酬和更大的发展空间。

OpenAI打破了初创公司员工平均薪酬的最高纪录。该公司4000名员工平均每人将获得价值150万美元的公司股票,作为其2025年薪酬方案的一部分。

根据Equilar公司收集的数据,OpenAI员工的薪酬是其他大型科技公司员工薪酬的34倍。

更引人注目的是薪酬分配的变化。OpenAI简化了员工领取股票薪酬的流程,打破了此前需工作六个月才能获得股权的限制。

投资者文件显示,预计到2030年,OpenAI每年将支付高达30亿美元的股票期权补偿。

更具战略意义的是,奥尔特曼向团队承诺:“今年晚些时候将有更多超级计算机上线。”

“我们不会在薪酬战中失败,”一位不愿透露姓名的高管表示,“但我们也不会让薪酬成为人们留在这里唯一的原因。”

当Meta和OpenAI在舞台上公开较量时,谷歌也在进行一场更为安静但同样激烈的战争。

2025年初,谷歌以24亿美元收购了AI编程初创公司Windsurf,这一交易的核心不是技术或产品,而是其联合创始人兼CEO瓦伦·莫汉(Varun Mohan)。

这位年轻的印度裔企业家被誉为“AI编程的奇才”,他的加入被谷歌视为与OpenAI的GPT系列竞争的关键。

与此同时,谷歌DeepMind部门有超过二十名研究人员和工程师被微软的人工智能部门挖走。

贵,但值得

在普通人看来,这些为人工智能人才开出的薪酬方案近乎疯狂。但在人工智能产业内部,这些薪酬方案背后有一套十分合理的投资回报率:贵,但很值!

一方面,构建一个人工智能模型至少需要耗费上亿美元。

斯坦福大学人工智能研究所2024年的报告揭示了这一现实:OpenAI训练GPT-4花费了7900万美元;谷歌的Gemini 1.0 Ultra成本为1.92亿美元;Meta的Llama 3.1-405B在2024年的构建成本为1.7亿美元。

这些还只是公开数据。据业内人士估计,像GPT-5这样的下一代模型,训练成本可能超过5亿美元。

Synthesia公司企业事务与政策主管亚历山德鲁·沃伊卡(Alexandru Voica)说:“只有极少数公司能够负担得起建造这类模型的费用……这些公司会这样想:‘如果我要花10亿美元来建造一个模型,那么花1000万美元聘请一位工程师就显得相对便宜了。’”

在人工智能领域,一位顶尖人才的突破可能将模型训练成本降低10%,或使模型性能提高20%,这种影响直接转化为数亿美元的价值创造或成本节约。

另一方面,顶尖人才极度稀缺。

根据技术招聘公司Robert Walters的数据,全球能够独立设计和优化前沿AI模型的研究人员不超过5000人。与此同时,试图进入这一领域的企业数量在过去三年中增长了300%。

这种极端的供需失衡创造了经济学教科书中最为极端的卖方市场。

Robert Walters的副总监本·利特维诺夫(Ben Litvinoff)描述了这一现象:“尤其是在人工智能分析和机器学习方面,需求肯定大幅增长。因此,企业对使用大型语言模型、部署更先进的GPT支持或更先进的人工智能驱动技术的人员需求都大幅增长。”

并且,利特维诺夫指出,顶尖的AI人才主要来自世界排名前五、六名的大学,他们获得博士学位后,立即就被这些科技巨头争相聘用。

而对于身处这场战争中的人才而言,选择也从未如此复杂、从未如此重要。

一位从OpenAI跳槽到Meta的研究员分享了他的思考过程:“当然,1亿美元的签约奖金改变了一切。但最终让我做出决定的,是扎克伯格亲口承诺的无限计算资源。”

另一些研究人员则选择了不同的道路。一位拒绝了Meta邀请的OpenAI高级工程师说:“我知道我可以成为亿万富翁。但我也知道,留在OpenAI,我可能会参与创造下一个GPT-5。这种机会不会再来。”

这也是为什么Meta、微软、谷歌、OpenAI等轮番上阵,开出的不仅是薪资,还有GPU资源、发表自由、研究预算的原因。

在这些顶尖人才的心中,这些资源可能比薪资更重要。

赢家通吃,输家出局

值得注意的是,在这场薪酬革命与人才争夺战的背后,是传统岗位的大规模崩塌。

Meta一边裁员,一边向人工智能研究人员提供上亿美元的薪酬方案。

Indeed和Glassdoor裁员1300人,同时又发布了数百个与人工智能相关的新职位空缺。

于是,科技行业正在形成一种残酷的“双轨制”就业结构。

一轨是AI精英:他们手握数百万甚至上亿美元的offer,可以选择在大公司享受资源,或在初创企业追求影响力。

另一轨则是传统岗位从业者,他们正面临“被优化”的命运,技能迅速贬值。

并且,这场竞赛正在拉大行业鸿沟。AI初创公司根本无法在薪酬上与科技巨头抗衡。

沃伊卡指出:“一些试图在这个模型构建领域展开竞争的初创公司,很难看到它们的出路,因为它们陷入了这样的困境:模型的构建成本非常高,但购买这些模型的公司,我不知道它们是否能够负担得起构建模型的成本。”