文 | 字母AI

SpaceX上市，先制造了一場財富神話。

馬斯克成為了全球首位萬億富翁，身家被推到了人類商業史從未到過的位置。

4400多名現任和前員工，賬面成為百萬富翁；約400人，持有的股票價值超過1億美元。

這些新晉富豪不全是創始人、投資人或者高管，里面有工程師、焊工、廚師、食堂員工……

入職那天，公司給了他們股票。拿住的人，等了十年、二十年，等到SpaceX上市的這一天，收獲了十分豐厚的回報。

這場全世界有史以來最大規模的IPO，引發了一輪關于SpaceX員工股權的財富重估。

上市的SpaceX，不只是火箭、星艦和Starlink；xAI并入之后，AI模型、工程自動化和多模態能力，也被裝進了同一個資本故事。

SpaceX的財富火箭，也不只載著發射臺、火箭工廠和星鏈網絡里的人，還載著xAI的模型訓練團隊。

這支團隊剛剛經歷過一輪劇烈洗牌，負責Grok Code和Grok Imagine的張國棟、戴子航等早期核心人物相繼出走，公司經歷重組，馬斯克之外的xAI原始聯合創始人全部離開。

過去我們關心離開的人才，但留下來的那些人同樣值得關注，其中不乏一些中文名字：胡戎航（Ronghang Hu）、趙龍（Long Zhao）、劉澤（Ze Liu）、黃杰（Jie Huang）、林禹臣（Bill Yuchen Lin）、沈卓然（Zhuoran Shen）、李英儒（Yingru Li）……

對于這些仍然留在xAI體系內、并持有股權激勵的核心工程師來說，SpaceX的上市意味著他們手里的權益被帶到了公開市場的兌現窗口前。

拿住股票的人，等來了回報

SpaceX從很早開始，就把股票發到了各個層級的員工手里。

有人拿到的是期權，有人拿到的是受限股票。無論形式是什么，都不是一筆確定的財富，很多人并不相信這家公司真的能走到上市這一天。

畢竟SpaceX并不是一家看起來穩贏的公司，2006年、2007年、2008年，獵鷹1號前三次發射全部失敗，直到08年9月，第四次發射才終于成功入軌。

馬斯克后來對NASA前局長Jim Bridenstine回憶，當時SpaceX已經沒有預算再做一次發射，第四次都是用備用零件湊出來的；如果還失敗，SpaceX就沒有后來了。

三個月后，靠NASA給的一份價值16億美元的國際空間站商業補給合同，SpaceX才真正從懸崖邊上被拉回來。

在那之后，SpaceX也經歷了重重波折。Falcon 9任務失敗、發射臺也發生過爆炸，到了星艦階段，失敗、調查和整改依然是故事的一部分。

今天看起來像一夜暴富的故事，當年其實更像是接受了一張可能永遠無法兌現的欠條。

但事實就是，SpaceX上市這天，拿住股票的人都等來了回報。

《紐約時報》報道里提到的Trevor Hise是典型的工程師版本，他2011年大學畢業后加入SpaceX，從實習生做起，后來成為發射工程師，在SpaceX工作了12年。到上市時，他手里還有超過10萬股，按每股135美元的發行價計算，這些股票價值至少1350萬美元。

前SpaceX焊工Juan Hernandez來自墨西哥，早年在SpaceX的時薪約28美元，獲得過約1萬美元股票授予；他在2020年SpaceX估值達到360億美元時賣出過一部分，到IPO前剩余6,500股，按每股135美元計算，價值約87.75萬美元。

更何況SpaceX首日收盤價為160.95美元，盤中一度超過176美元。

當然，也不是所有人都等到了這一天。SpaceX內部曾流傳過一個說法：早期有員工不相信公司真的會上市，離職時把股票換成了美國連鎖餐廳Chili’s的禮品卡。

正所謂“早知三日事，富貴幾千年”，可惜那時只當手里攥著的是一張廢紙，哪想到有天能換一桌Chili’s全宴都不止。

SpaceX的故事不止在天上

SpaceX上市，被推向公開市場的不只是一家火箭公司。

招股書里，SpaceX的業務被拆成了幾個不同板塊。獵鷹火箭負責發射，Starlink負責賺錢，星艦負責把故事推向火星，而xAI的并入，則讓SpaceX的故事在“太空基礎設施”之上，又長出了一層AI基礎設施。

當xAI被并入SpaceX，那些xAI模型訓練團隊里的工程師們，同樣成為了SpaceX體系的一部分。

值得關注的是，能進入xAI核心模型團隊的工程師，通常不會只是拿現金工資。公開薪酬數據顯示，xAI工程師薪酬結構里包含股票/股權；而xAI并入SpaceX本身又是一場換股交易。

對仍在xAI體系內、并持有股權激勵的核心工程師來說，SpaceX上市意味著他們手里的權益被帶到了公開市場的兌現窗口前。

過去幾個月，xAI經歷了一輪劇烈洗牌。負責Grok Code和Grok Imagine的張國棟、戴子航等早期核心人物相繼出走，公司經歷重組。到3月底，根據公開報道，馬斯克之外的xAI原始聯合創始人已經全部離開。

離開的人未必一無所獲，已經歸屬的股權仍可能參與后續轉換；但對留下來的人來說，他們不僅趕上了SpaceX上市，也保留了繼續歸屬和繼續被授予股權的機會。

我們在這批留下來的技術骨干里，看到兩組值得關注的中文名字。

一組站在Grok多模態能力上：胡戎航、趙龍、劉澤。

另一組站在推理、后訓練和代碼能力上：黃杰、林禹臣、沈卓然、李英儒。

他們不是偶然出現在SpaceX上市故事里的名字。xAI在大模型人才爭奪最激烈的時候把他們吸收進來；經歷創始團隊離場和組織重組之后，他們仍然留在體系內。

他們沒有造火箭。

但他們也搭上了SpaceX這艘財富火箭。

留下來的華人AI工程師

胡戎航2015年本科畢業于清華，2020年在UC Berkeley獲得計算機博士學位。

他的博士論文題目是《Structured Models for Vision-and-Language Reasoning》，研究的是視覺與語言推理：讓模型根據圖像回答問題、根據自然語言在圖像中定位對象，或者根據語言指令在視覺環境中導航。

也就是說，胡戎航很早就在做今天多模態模型的核心問題：讓AI不只是看見圖像，也能把圖像和語言放在一起理解。

后來他加入Meta FAIR，參與Segment Anything系列，是SAM 2和SAM 3的核心貢獻者之一。

2025年11月，胡戎航從Meta FAIR加入xAI，成為MTS（雖然直譯過來是“技術人員”，但卡帕西在Anthropic也是這個頭銜），繼續做多模態AI。

SAM系列是Meta過去幾年最重要的視覺基礎模型項目之一。胡戎航加入那一年，xAI正在大舉補強多模態能力，Business Insider曾報道，xAI 2025年以來從Meta招走了十余名員工，胡戎航進入xAI的時間點正好踩在這條人才流動線上。

胡戎航加入xAI后公開可見的信息并不多，但他的技術路徑很清楚，在Grok走向圖像、視頻和多模態理解的過程中，這類人才是底層能力的一部分。

趙龍本科、碩士均畢業于同濟大學軟件工程專業。

碩士階段，他做的是基于草圖的三維模型檢索，也就是讓系統根據一張手繪草圖，在三維模型庫里找到對應的物體。讀研期間，趙龍還曾在微軟亞洲研究院（MSRA）視覺計算組實習，做目標候選區域生成和顯著目標檢測。

后來，他進入Rutgers讀計算機博士，導師是Dimitris Metaxas，研究繼續圍繞計算機視覺、機器感知和生成模型展開。

博士畢業后，趙龍進入Google Research，后來轉入Google DeepMind。

他在那里的代表性成果是VideoPrism——這是一套面向視頻理解的基礎視覺編碼器，可以處理視頻分類、定位、檢索、字幕生成和視頻問答等任務。

Google Research官方博客介紹，VideoPrism的訓練數據包括3600萬個高質量視頻-文本對，以及5.82億個帶文本信息的視頻片段；論文稱，它在33個視頻理解基準中的31個上達到當時最好結果。

趙龍是論文的共同一作。

在前沿模型公司爭搶多模態和視頻生成人才的背景下，趙龍從Google DeepMind來到xAI，進入Grok Imagine團隊。

公開資料顯示，他是Grok Imagine 1.0和Grok Imagine Quality Mode的核心貢獻者。前者是xAI正式切入視頻生成和視頻編輯的版本，后者則把生成質量、文字渲染和創意控制繼續往上推。

劉澤本科畢業于中國科學技術大學，后來在中科大和微軟亞洲研究院體系下讀博，研究方向是計算機視覺、視覺架構和大規模視覺/多模態模型。

微軟亞洲研究院常被稱作華人AI人才的“黃埔軍校”，很多后來進入Meta、Google、DeepMind、xAI的研究員，早年都曾在這里做過實習、聯培或論文合作。劉澤和趙龍的早期履歷里都出現過MSRA，但兩人的時間線錯開了大約5年。

劉澤在MSRA最出名的工作是Swin Transformer。

2021年，他作為第一作者之一發表了《Swin Transformer: Hierarchical Vision Transformer Using Shifted Windows》，這篇論文獲得了ICCV 2021最佳論文獎。

一開始Transformer主要在語言模型里大放異彩，而Swin Transformer通過“移動窗口”的設計，讓模型既能處理圖像里的局部信息，又能建立更大的視覺結構關系。這套架構后來被廣泛用于圖像分類、目標檢測、語義分割、視頻理解等任務，也讓劉澤成為視覺基礎模型方向里很有代表性的年輕研究者。

后來，劉澤又繼續參與Swin Transformer V2和Video Swin Transformer，把這條路徑從圖像擴展到視頻場景。

他進入的時間比前兩位稍早，2024年4月，劉澤加入xAI，成為MTS。加入后，他參與了Grok Vision、Grok 2、Grok 3，并共同負責Grok Imagine的視頻生成，還做過Grok Voice Mode的預訓練。

Grok Vision是讓模型看懂圖像，Grok Imagine是讓模型生成圖像和視頻，Grok Voice Mode是讓模型進入語音交互，Grok 2和Grok 3則是xAI大模型本身的迭代，可以說，劉澤的路線基本覆蓋了Grok從文本走向多模態的關鍵方向。

但這只是xAI留下來的華人技術線索里，最容易被看見的一部分。

多模態決定的是Grok能不能看圖、生成圖像、生成視頻、進入語音交互。另一條更隱蔽的線，則決定模型能不能推理、能不能寫代碼、能不能在后訓練里繼續變強。

黃杰本科畢業于中山大學，后來在伊利諾伊大學厄巴納-香檳分校（UIUC）讀計算機博士，導師是Kevin C.C. Chang，研究方向包括大語言模型能力、風險與推理。

博士期間，黃杰還曾在Google DeepMind做研究。他參與的代表性工作之一是《Large Language Models Cannot Self-Correct Reasoning Yet》，該論文討論了大模型在推理和自我糾錯上的邊界，入選了ICLR 2024。公開數據里，它的引用量已經超過千次。

黃杰加入xAI的時間點，正好卡在Grok 2發布前夜。

2024年5月，xAI完成60億美元B輪融資；2024年7月，黃杰加入xAI，做后訓練（post-training）、中訓練（mid-training）和推理（reasoning）；一個月后，xAI發布Grok 2 Beta。

公開簡歷顯示，黃杰是Grok 2、Grok 3、Grok 4以及Grok Imagine Video的核心貢獻者。

Grok 2、Grok 3、Grok 4，是xAI大模型能力不斷往前推的主線。

黃杰所處的位置，就是讓這些模型在訓練之后，變得更會對話、更會推理、更會遵循指令，也更接近用戶最后看到的形態。

林禹臣本科畢業于上海交通大學IEEE試點班，后來在南加州大學讀計算機博士，導師是任翔（Xiang Ren）。

他的履歷同樣帶有MSRA的痕跡。

2017到2018年，林禹臣曾在微軟亞洲研究院實習。后來他又先后在Google AI、Meta FAIR做研究。進入xAI之前，他在西雅圖的艾倫人工智能研究所擔任研究科學家，與知名NLP研究者Yejin Choi合作。

林禹臣長期關注的是大語言模型對齊、獎勵建模、評測、合成數據和Agent。

根據他個人主頁列出的項目，比如WildBench、ZeroEval、WildVision、Lumos Agent、SwiftSage、LLM-Blender等，它們分別對應模型評測、偏好對齊、視覺模型評測、Agent訓練和多模型融合。

可以說，林禹臣做的不是單一模型能力，而是模型進入真實任務之前的一整套訓練和評估方法。

2024年11月，林禹臣加入xAI，成為MTS。

他的簡歷里，xAI這一段寫的是RL for agentic coding models，也就是給能寫代碼、能執行任務的模型做強化學習。

他參與過Grok 3的后訓練，用基于rubric的強化學習提升模型的通用對話和推理能力；也參與過Grok 3 Mini的后訓練，重點之一是讓模型更好地遵循長格式系統指令，尤其是在代碼場景里。

模型先要能寫代碼，再要學會聽復雜指令、按要求行動、在長任務里少跑偏。林禹臣做的，正是這部分訓練。

沈卓然的路線，更直接落在Grok Code上。

他本科畢業于香港大學計算機科學專業，早年做過高效注意力機制、視頻理解和視覺Transformer，后來又進入Google Brain做AI Resident。

再往后，他的方向從視覺模型轉向代碼模型。

加入xAI之前，沈卓然在Augment Code擔任研究科學家，負責代碼大模型的預訓練和后訓練。公開簡歷顯示，他曾主導Augment的代碼大模型預訓練，使其在1B規模上達到接近DeepSeek-Coder的表現；后來又參與企業級代碼Agent的后訓練。

2025年9月，沈卓然加入xAI，成為Reasoning方向的MTS。負責Grok和Grok Code在reasoning與coding能力上的后訓練。

他和林禹臣一樣，都站在Grok Code這條線上，只不過林禹臣更偏強化學習、長程推理和Agent訓練，沈卓然更偏代碼模型本身的預訓練、后訓練和工程落地。

最后是李英儒。

李英儒2025年在香港中文大學獲得計算機博士學位，導師是Zhi-Quan Luo，研究方向長期圍繞強化學習、大規模優化和大模型推理展開。

加入xAI之前，他曾在字節跳動擔任研究科學家。現在，李英儒是xAI的MTS。

他的公開簡歷里，xAI這部分寫了兩項：一項是面向Grok 4.2和Grok Code的強化學習機制研究，重點是解決強化學習訓練中的不穩定問題；另一項是面向下一代Grok的長程強化學習，關注長任務獎勵歸因、持續學習和遞歸式自我改進。

幾個人放在一起看，可以看到一條比較清晰的技術線索。

胡戎航、趙龍、劉澤，更靠近用戶能看見的那一層。Grok能不能看圖，能不能生成圖像和視頻，能不能進入語音和多模態交互，背后都有他們參與的那條技術線。

黃杰、林禹臣、沈卓然、李英儒，則更靠近模型訓練和工程能力。他們做的東西沒那么容易被普通用戶直接感知，但會影響Grok最后能不能更會推理、更會寫代碼、更會執行復雜任務。

前者讓Grok從文本模型走向多模態模型，后者讓Grok從聊天機器人走向能完成任務的Agent。

可以確定的是，當SpaceX被推向公開市場，xAI的核心工程師也被一起推到了資本市場的聚光燈下。

外界無法知道他們每個人手里到底有多少股權，什么時候歸屬，什么時候解鎖。但他們訓練的模型，已經被裝進了SpaceX的未來想象。