新智元報道

【新智元導(dǎo)讀】Meta曾被曝出向OpenAI研究員開出「1億美元量級」薪酬包。奧特曼在播客里曝出這個數(shù)字時，硅谷一度懷疑自己聽錯了。普通博士后年薪不過5萬美元，頂尖研究員年薪據(jù)報道超過1000萬美元：差距接近200倍。這個數(shù)字背后，是45年前一篇經(jīng)濟學(xué)論文早已算清的邏輯。

1億美元。

Meta曾被報道向少數(shù)頂級研究員開出接近1億美元量級的總薪酬包。

這不是個例。Epoch AI的研究顯示，頂尖AI研究員年薪可能超過1000萬美元；OpenAI一名L4-L5級別研究員的年總包，公開數(shù)據(jù)粗估約在100萬美元量級。

中間差了10倍。

再往下比。一個AI博士后，年薪大約5萬到6萬美元。從博士后到頂尖研究員，差距接近200倍。

AI研究員年薪粗估。從博士后約5萬美元，到OpenAI L4-L5研究員約100萬美元，再到頂尖研究員超過1000萬美元量級，差距跨越三個數(shù)量級。

這合理嗎？頂尖研究員真的比普通博士強200倍？

如果只論能力，肯定是沒有。

真正的秘密，藏在一個底層杠桿中：用戶規(guī)模。

2026年2月，OpenAI官宣ChatGPT周活躍用戶突破9億，距10億只差一步。底層是同一批模型，任何一個改進，瞬間同時到達每一個用戶。

哪怕只強一點點，乘以9億，就會被指數(shù)級放大。

45年前那篇論文

預(yù)言了今天的1億薪酬包

要理解AI研究員的薪酬結(jié)構(gòu)，要先回到1981年。

那一年，芝加哥大學(xué)經(jīng)濟學(xué)家Sherwin Rosen在《美國經(jīng)濟評論》上發(fā)表了一篇日后影響深遠的論文，提出了「超級巨星效應(yīng)」（superstar effect）。

https://pdodds.w3.uvm.edu/files/papers/others/1981/rosen1981a.pdf?utm_source=chatgpt.com

Rosen的發(fā)現(xiàn)是：在某些行業(yè)，極少數(shù)人賺走了幾乎全部的錢，即便他們并非遠超同行。

2012年倫敦奧運會100米決賽。Usain Bolt奪冠，他的名字全世界都知道。那么銀牌是誰？大多數(shù)人答不上來，他落后Bolt的距離，不過0.12秒。

Epoch AI按Spotify日播放量和每次播放約0.004美元粗估，Taylor Swift的Spotify年收入約為6000萬到7000萬美元；Ed Sheeran、Blackpink、Lana Del Rey等頂級歌手則大致落在500萬到2500萬美元區(qū)間。

差距在3到12倍之間，但沒有人會說Taylor Swift的嗓音比這些人好3到12倍。

2025年Spotify頭部歌手年收入估算。Taylor Swift遙遙領(lǐng)先，Ed Sheeran、Blackpink、Lana Del Rey等差距達3到12倍。

Rosen的理論給出了解釋：「超級巨星效應(yīng)」在兩個條件同時成立時會被觸發(fā)。

第一，一個人的工作能夠觸達巨大市場。一場演出可以通過錄像傳遍全球，一首歌可以在Spotify上播放幾十億次。觸達的人越多，頂尖者獲得的溢價越大。

第二，數(shù)量無法替代質(zhì)量。你不能用去看100場Ed Sheeran演唱會的方式，來補償沒看到Taylor Swift。兩者對你來說并不等價。

這兩個條件加在一起，哪怕只有微小的能力差距，也會被放大成巨大的收入差距。

Rosen將這種結(jié)構(gòu)叫做「超級巨星效應(yīng)」：少數(shù)人占據(jù)行業(yè)絕大部分回報，并且這種集中度會隨著市場規(guī)模擴大而進一步加劇。

美國勞工統(tǒng)計局的數(shù)據(jù)印證了這一點。演員、音樂人這類「廣觸達職業(yè)」，90分位數(shù)收入與中位數(shù)之比，遠高于護士、卡車司機這類「一對一服務(wù)」職業(yè)。

美國勞工統(tǒng)計局跨職業(yè)薪酬分散度數(shù)據(jù)。演員、音樂人等「廣觸達職業(yè)」的90分位數(shù)與中位數(shù)收入之比，遠高于護士、卡車司機等一對一服務(wù)職業(yè)。

過去40 年，這套理論在體育、娛樂、金融領(lǐng)域得到了反復(fù)驗證。

AI研究員崗位，恰好這兩個條件都滿足。

算力瓶頸

放大了稀缺性

先看第一個條件，市場規(guī)模。

說AI研究觸達了巨大市場，這很好理解。

ChatGPT官宣周活躍用戶已突破9億。在這樣的用戶規(guī)模下，ChatGPT模型的能力提升，會被乘以9億用戶，一個研究員選對了某個訓(xùn)練方向，他對模型的改進貢獻就會被放大9億倍。

再看第二個條件：「數(shù)量無法替代質(zhì)量」。

雇100個普通博士，真的換不來一個頂尖研究員嗎？

在很多行業(yè)，答案是可以換。但在AI前沿研究，這種替代幾乎不可能，其中一個重要的制約是算力。

前沿實驗室的計算資源，并非無限的。每一次大規(guī)模訓(xùn)練運行，動輒耗費數(shù)千萬美元。一個實驗室一年能跑的大型實驗，數(shù)量極為有限。

錯誤的方向意味著這些算力打水漂，對的方向意味著拿下下一代模型。與執(zhí)行實驗的能力相比，判斷「哪個實驗值得跑」的直覺才是真正稀缺的東西。

一個頂尖研究員，具備的是數(shù)年高密度試錯沉淀下來的判斷力。這種判斷力，無法通過增加人數(shù)來復(fù)制：10個普通研究員很難湊出1個頂級研究員的判斷力。

從前沿實驗室公開論文和模型發(fā)布節(jié)奏看，關(guān)鍵訓(xùn)練決策往往集中在少數(shù)核心研究與工程團隊中。至少在大規(guī)模訓(xùn)練階段，簡單增加人手并不必然帶來同比例產(chǎn)出，反而會受限于算力、實驗窗口和協(xié)調(diào)成本。

Epoch AI文章中提到了Noam Brown這個名字。

Noam Brown，OpenAI研究科學(xué)家

他是OpenAI最具代表性的頂尖研究員之一，在推理模型方向有奠基性工作。有意思的是，他近期公開表示自己的主要角色是管理者，管理AI智能體團隊。

頂尖研究員賣給實驗室的，不只是他自己能寫出的代碼，而是多年昂貴實驗積累的判斷力，以及這種判斷力對整個團隊和方向的輻射。

這種能力難以復(fù)制，也很難招募到第二個。

「1億美元」背后

這筆錢買的是什么

現(xiàn)在再回到那個讓所有人乍舌的數(shù)字。

奧特曼曾在播客Uncapped中聲稱，Meta曾向OpenAI員工開出「1億美元簽字費，外加年薪更高的薪酬包」，并稱目前沒有最優(yōu)秀的人選擇接受。

這是他的單方說法，Meta官方并未確認。

TechCrunch隨后進行了核實，Meta確實在用高額薪酬搶人，但「1億美元簽字費」這一具體說法，被Meta自己的高管和跳槽研究員否認了。

Meta CTO Andrew Bosworth在一次公司全員會議（流出版本）上表示，可能有極少數(shù)非常高級的領(lǐng)導(dǎo)層職位接近過這個數(shù)量級，但那并非「簽字費」，而是「由不同部分構(gòu)成的總薪酬包」，其中最大的組成部分，是需要按年限或績效解鎖的限制性股票單元（RSU）。

從OpenAI Zurich辦公室?guī)F隊跳槽Meta的研究員Lucas Beyer，也在社交媒體上直接表態(tài)：

是的，我們會加入Meta；不，我們沒有拿到1億美元簽字費，那是假新聞。

拋開1億美元簽字費不談，真實情況是Meta確實在用高薪搶人，某些高級職位的四年總薪酬包可能接近甚至超過1億美元，但這是RSU+年薪+績效獎金的多年總和，并非一次性到賬的現(xiàn)金。

據(jù)一位投資人向TechCrunch透露，他見到的一個AI研究員，收到了來自Meta的1800萬美元工作邀約，最終拒絕了，轉(zhuǎn)而去了Mira Murati的Thinking Machines Lab。

1800萬美元，已經(jīng)是普通博士后年薪的數(shù)百倍。這個籌碼在頂級AI研究員招募的談判桌上，顯然已經(jīng)不夠誘人。

Epoch AI的文章揭示了更底層的邏輯：Meta愿意開出這個價格，根本原因并非「這個人強了多少倍」，而是賽局結(jié)構(gòu)決定的。

Meta公開提出了「personal superintelligence」愿景，并在2025年以143億美元投資Scale AI，同時邀請Scale AI創(chuàng)始人Alexandr Wang來主導(dǎo)其超級智能團隊。

https://about.fb.com/news/2025/07/personal-superintelligence-for-everyone/

贏得AGI軍備賽的獎池，可能價值數(shù)十萬億美元。在這個量級的賭局里，多花幾億美元鎖住幾個關(guān)鍵籌碼，是完全合理的「保險費」。

不是這個人值1億，是這場賽跑值數(shù)十萬億。

天才崇拜的危險

以及更大的問題

超級巨星效應(yīng)揭示了一件讓人不安的事。

「超過1億美元」這個數(shù)字一出來，業(yè)內(nèi)立刻有人提出了不同口徑的解釋。

拋開這些口徑之爭，Epoch AI估算的頂級研究員年薪已突破1000萬美元，而普通工程師含股票的年總包大約100萬美元，兩者之間差了至少10倍。

如果這個10到100倍的薪酬差距，背后的能力差距其實只有2倍，那我們關(guān)于「AI天才」的很多敘事，都可能是錯的。

Epoch AI的文章直接點出了這一推論的影響：

如果薪酬差距主要是市場結(jié)構(gòu)放大的結(jié)果，而非真實能力的反映，那么「讓AI模擬頂尖研究員就能大幅加速AI進展」這一預(yù)測，就被高估了。

換句話說，那些基于「復(fù)制天才智能」來推演智能爆炸時間線的論點，需要重新校準(zhǔn)。

還有另一種更令人坐不住的推論：超級巨星效應(yīng)，只會越來越強。

AI的用戶規(guī)模還在增長，AI在每個人生活中的滲透程度也在增長。研究員每一單位的改進，所觸達的用戶只會更多，放大倍數(shù)只會更高。

Epoch AI文章的最后一句話是這樣的：「1億美元年薪，可能真的還不夠。」

還有一個問題，文章沒有直接回答：當(dāng)AI自身開始承擔(dān)研究工作，當(dāng)實驗室里跑實驗的不是人而是AI智能體，超級巨星效應(yīng)會轉(zhuǎn)移到哪里？

可能是：誰能訓(xùn)練出最好的AI研究員。這場人才戰(zhàn)的終局，或許并非搶走最聰明的人，而是造出能取代他們的機器。

到那時候，今天花在人身上的1億美元，會去哪里？

參考資料：

https://x.com/EpochAIResearch/status/2054698539566121138?s=20%20%20

https://epochai.substack.com/p/the-economics-of-superstar-ai-researchers

編輯：元宇