這兩年，AI領(lǐng)軍人物楊植麟回國創(chuàng)業(yè)的故事在技術(shù)圈和投資圈被反復提起：清華本科、卡內(nèi)基梅隆大學博士，在Facebook、Google等公司頂尖AI團隊做過研究，回國成立月之暗面 (Moonshot AI) ，迅速推出面向大眾的大模型產(chǎn)品“Kimi”，成為國產(chǎn)大模型的代表之一。

楊植麟的故事很容易被寫成一句話：“頂尖AI人才開始回流”。這句話不算錯，但它太粗糙。最近發(fā)布的一項研究講得更具體。知名智庫卡內(nèi)基國際和平基金會發(fā)布了研究報告《中國頂尖AI研究者是否仍留在美國？》（Have Top Chinese AI Researchers Stayed in the United States? ），報告聚焦的問題很直白：頂尖的中國AI人才有沒有大規(guī)模離美回國？

頂尖人才的“留美率”仍然很高，但新增流入在減少

上述研究報告使用的核心數(shù)據(jù)，來自保爾森基金會（Paulson Institute）旗下研究平臺MacroPolo建立的全球AI人才追蹤器數(shù)據(jù)集，他們采用的是頂級 AI學術(shù)會議NeurIPS 2019的論文作者樣本：原始樣本為675位“頂尖 AI 研究者”，從中選取100位被界定為“本科在中國完成、2019年在美國機構(gòu)從事研究”的研究者。他們跟蹤了這100人的去向：到2025年，有87人仍在美國機構(gòu)；10人去了中國公司或高校；3人在其他國家。這意味著，已經(jīng)在美國扎根的華人AI人才仍然大體穩(wěn)定。對中國而言，AI人才“回流”是存在的，但還沒有達到大規(guī)模的程度。

報告的另一個重要發(fā)現(xiàn)是，基于NeurIPS 2019到NeurIPS 2022的樣本對比，中國背景作者在這個頂尖AI社群中的比重從29%上升到接近一半，而在中國機構(gòu)供職的比例也從11%跳升到28%。這意味著，相比過去更多頂尖中國 AI 研究者選擇在美國機構(gòu)工作或求學，越來越多選擇直接留在中國展開研究或就業(yè)。

在AI頂尖人才領(lǐng)域，美國并沒有失去存量，卻正在失去吸引下一代新人的能力——更多中國頂尖研究者選擇在國內(nèi)產(chǎn)業(yè)與高校體系內(nèi)發(fā)展，而不是把赴美當成必經(jīng)之路。美國在保留存量優(yōu)勢，中國在擴大本土吸納能力。越來越多優(yōu)秀人才在國內(nèi)產(chǎn)業(yè)中找到位置，中國正把“優(yōu)秀畢業(yè)生留在本土產(chǎn)業(yè)”的能力做得更強。

AI人才跨境流動背后的三股力量

AI人才的跨境流動背后通常是三股力量的拉扯。

一是國際形勢：不一定“趕走存量”，但會“勸退增量”。卡內(nèi)基基金會的報告指出，簽證與安全審查、對華裔學者的懷疑氛圍、疫情后的跨境出行摩擦，都會顯著降低中國研究者赴美與留美的確定性。這類因素的特點是：對已在美國的人影響有限，但對正在做選擇的年輕人（尤其是博士申請者）影響很大。

美國國家經(jīng)濟研究局（NBER）的論文《筑起科學圍墻》（Building a Wall Around Science）把這種影響作了量化討論。研究發(fā)現(xiàn)，中美關(guān)系緊張導致STEM（科學、技術(shù)、工程和數(shù)學）專業(yè)的中國學生進入美國讀博的概率下降約15%，畢業(yè)后留美概率也下降約4%。同時，在美中國研究者的發(fā)表產(chǎn)出下降約8%—11%，退出科研的概率也更高。作者強調(diào)，上述變化不能用單一政策解釋，更像是由“被感知到的敵意/不確定性”帶來的寒蟬效應(yīng)。

二是產(chǎn)業(yè)機會：回流不是靠“情懷”，而要“能干成事”。過去很長一段時間里，頂尖科技人才之所以愿意留在美國，一個重要原因是美國的前沿資源與產(chǎn)業(yè)機會高度集中?，F(xiàn)在，越來越多中國研究者并不需要出國才能做前沿工作——國內(nèi)頭部公司與高校在算力、數(shù)據(jù)、工程體系以及可落地的應(yīng)用場景上都更完整，使得留在國內(nèi)變成可行選項。對個人而言，這種變化會把“回國”從情緒化敘事拉回到更冷靜的職業(yè)計算：在國內(nèi)，可能更容易拿到更大的團隊、更快的決策鏈條、更直接的產(chǎn)品反饋；在某些方向上，甚至能更快獲得真實世界的訓練閉環(huán)。

三是信心與預(yù)期：人才在給“未來十年”定價。很多人以為人才流動主要看薪資，其實更常見的觸發(fā)點是“能不能看清未來”?？▋?nèi)基基金會的報告里，那些已經(jīng)在美國站穩(wěn)腳跟的人大多會留下，但作者真正擔心的是“下一批還會不會來”——因為對尚未落地的博士申請者、博士后和年輕研究員而言，簽證、審查、往返成本、合作邊界這些變量會被放大成職業(yè)風險，一旦風險上升，他們更容易選擇不來、少來，或者轉(zhuǎn)向第三地。

如何留住AI人才：給企業(yè)的五條建議

如果把AI的發(fā)展比作一場長跑，那么AI人才的分布就像運動員在哪里集訓、有沒有隊友、能不能安心跑完全程，對于AI的競爭力顯然有著舉足輕重的作用。過去幾年，中國AI企業(yè)可能靠“工程紅利+場景紅利+資本紅利”就能把產(chǎn)品做大，但接下來3—5年，更可能是“人才紅利決定上限”的階段。精英人才的回流固然令人欣喜，但更能決定勝負的是：你能否讓不同背景的團隊在高壓、長周期、強不確定性下持續(xù)迭代，不因為簽證、合作邊界、組織內(nèi)耗或激勵錯配而掉鏈子。下面五條建議，針對的就是這些最容易把企業(yè)拖垮、但又最常被忽視的“基礎(chǔ)設(shè)施”。

1.區(qū)分研究線與產(chǎn)品線，別用一套邏輯管到底。研究崗最在意自由度、資源與長期聲譽；產(chǎn)品崗更在意工程體系、業(yè)務(wù)閉環(huán)與上升通道。混著管，會出現(xiàn)“研究崗被KPI逼到做短期迭代、產(chǎn)品崗被論文指標綁架”的雙輸局面。

建議企業(yè)給研究線明確三件事：可支配算力/數(shù)據(jù)邊界、發(fā)表/開源策略、以及三年內(nèi)的研究路線圖；給產(chǎn)品線明確三件事：業(yè)務(wù)目標、交付節(jié)奏、跨部門協(xié)調(diào)機制。兩條線的交匯點放在“技術(shù)轉(zhuǎn)移機制”：每季度固定一次“研究—工程”評審，把論文/原型變成可工程化的路線，不靠臨時拍腦袋。

2.建立“多地協(xié)作”的備份機制：把組織做成網(wǎng)絡(luò)，而不是單點總部。人才流動不只取決于薪酬，還會被簽證、家庭、地緣風險、往返成本等因素影響。單點押注，等于把研發(fā)連續(xù)性押在不可控變量上。建議企業(yè)先把團隊拆成“必須同地”和“可以分布”兩類模塊：例如模型訓練與核心數(shù)據(jù)治理可能需要更集中；應(yīng)用層、評測、工具鏈更適合分布。

建立統(tǒng)一工程底座，代碼規(guī)范、實驗管理、評測基準、文檔體系必須同一套；設(shè)立“關(guān)鍵崗位雙人制”：至少讓每個關(guān)鍵模塊有兩地可接管的人選；把跨時區(qū)協(xié)作當成流程設(shè)計：減少例會，增加異步文檔與決策記錄；用清晰的“誰拍板、拍什么板”來避免扯皮。

3.把合規(guī)與安全團隊前置到研發(fā)流程：合規(guī)不是成本，是留人能力。跨國背景下，研究者最怕的不是“不能做”，而是“做了以后才發(fā)現(xiàn)踩雷”。一旦出現(xiàn)這種體驗，高端人才會迅速降低投入，甚至直接離開。

建議企業(yè)做一份“研發(fā)紅綠燈清單”：哪些數(shù)據(jù)能用、哪些合作要審批、哪些開源組件要審計，用一句話能讀懂，不要只放在法務(wù)文件里。在研發(fā)鏈路里加“輕量關(guān)卡”：立項時過一次邊界，發(fā)布前過一次合規(guī)，別等上線后補鍋。對高端研究崗公開透明：審批規(guī)則、時限、例外機制越清楚，研究者越愿意把職業(yè)聲譽押在你這里。

4.用“職業(yè)確定性”做雇主品牌：讓人看到三年后的自己。對頂尖人才來說，跳槽不是為了多拿一點工資，而是為了把不確定性降下來：身份、資源、評價體系、團隊方向、個人成長。

建議企業(yè)把資源承諾寫進offer：算力額度、數(shù)據(jù)支持、會議差旅、發(fā)表/專利策略、導師/合作者支持，不要只寫“有機會”。設(shè)計兩條上升通道：研究路線與管理路線，并明確轉(zhuǎn)軌條件。建議把績效周期拉長：研究崗至少要有一到兩年的評估窗口。

5.盯住“下一代入口”：博士、博士后、青年研究員的選擇，決定你未來梯隊。頂尖人才的供給從來不是市場上隨時能買到的。企業(yè)常見的錯是用高價挖角解決當下問題，卻忽略三到五年后的梯隊斷層。

建議企業(yè)與高校、研究機構(gòu)做“項目式聯(lián)合培養(yǎng)”：不是掛名合作，而是共同定義題目、共同提供算力與數(shù)據(jù)、共同產(chǎn)出成果，讓年輕人提前進入企業(yè)的技術(shù)體系。建立“實習—全職”穩(wěn)定轉(zhuǎn)化通道：讓實習生做真實項目，給出可見的成長路徑；否則實習只會變成短期勞動力。對青年研究者給“可見舞臺”：內(nèi)部技術(shù)分享、對外投稿支持、開源項目署名機制，這些比一次性的簽約獎金更能提高黏性。

[作者王翔為復旦大學數(shù)字與移動治理實驗室研究員，本文寫作受到香港中文大學（深圳）前海國際事務(wù)研究院劉嘉樂老師的啟發(fā)，特此致謝！]