美国顶尖高校正面临一场AI人才大量流失的困境。这背后究竟隐藏着什么原因？
随着OpenAI、Anthropic、Meta等科技巨头激烈竞争，不惜重金从学术界挖角，美国顶尖高校的计算机科学教授们今年离职速度显著加快。留守学界的学者们警告，这不仅是简单的人才流失，更可能动摇美国在AI领域的根基，尤其是开源AI的发展前景。
据The Information报道，今年以来，仅头部AI实验室就从顶尖高校挖走了多位知名教授，离职速度明显提升。加州大学伯克利分校计算机科学教授Joey Gonzalez指出，今年教职人员离职数量急剧攀升，这种连锁反应“远比大多数人意识到的更为严重”。
最令人担忧的，是开源AI的未来前景。伯克利计算学院院长Jennifer Chayes表示，顶尖人才持续流向开发专有闭源模型的商业实验室，将削弱西方在开源AI领域的竞争力——而这条赛道，正是与中国AI模型抗衡的关键。
离职潮来袭：今年已有多位教授相继加入AI巨头
据The Information梳理，今年已有数位高校学者加入顶级AI机构。斯坦福大学Sanmi Koyejo教授本月加入Meta超级智能实验室；伊利诺伊大学厄巴纳-香槟分校Bo Li于7月转投Meta；弗吉尼亚大学Maissam Barkeshli也在7月加入Anthropic；南加州大学Rahul Jain则于今年3月以学术休假方式加入谷歌DeepMind。
这波离职潮并非孤立事件。大约15年前，随着深度学习和自动驾驶技术兴起，AI教授们便开始陆续流向谷歌等科技企业。而数年前生成式AI热潮爆发后，这一趋势明显加速。背后的驱动力始终如一：顶尖AI研究依赖海量且昂贵的算力，而绝大多数高校根本无力承担。
开源AI生态受损：人才外流的深层代价
人才外流对开源AI生态的冲击尤为值得关注。在Sanmi Koyejo离职前，他指导的一名斯坦福博士生开发了广受好评的Marin 32B开源模型。而Koyejo加入Meta后，是否会继续授课或完全休假，目前尚不清楚。Rahul Jain在加入DeepMind之前，其研究方向正是小规模开源AI模型的强化学习。
即使那些没有直接参与开源模型开发的学者，其价值也不容忽视。计算机科学领域的学术研究者长期公开发表论文，为其他研究者更高效、更安全地训练和部署AI模型提供了基础支撑。一旦这些人才转入封闭的商业环境，公开知识的积累速度便会放缓。
良性学术循环难以为继
Joey Gonzalez描绘了一个理想的学术生态闭环：学者进入产业界积累技术经验与独特见解，再回流课堂将这些宝贵经验传授给学生。但他对这个循环能否持续并不乐观。他估计，大多数利用学术休假进入AI实验室的同事，最终会选择留在业界，而非重返校园。
“如果我能使用业界那些强大的研究资源，要我离开并回到学校，带领设备极为有限的研究生做研究，真的非常困难。”Gonzalez说道。
这一困境折射出高校在AI竞赛中的结构性资源劣势。在算力军备竞赛持续升级的背景下，学术机构与商业实验室之间的鸿沟将越来越大。而弥合这一差距的路径，目前尚无明确答案。
