文 | 冷眼观天
2026 年 4 月 2 日，优必选发布招聘启事，面向全球公开招募具身智能首席科学家，开出年薪 1500 万元起步、最高可达 1.24 亿元的天价薪酬，该数字刷新国内机器人领域顶尖人才薪酬纪录，与 OpenAI、Meta 等全球科技巨头顶级科学家薪酬水平看齐。
优必选不惜血本招募顶尖科学家，原因在于当前具身智能与人形机器人处于技术突破临界点，核心算法、基础模型、灵巧操作等领域仍存在大量技术瓶颈，一位顶尖首席科学家能直接引领技术方向、缩短研发周期、降低试错成本，其价值远超薪酬成本，同时公司正推动人形机器人从工业场景向商用、家庭场景拓展，规模化落地急需顶层技术规划与核心突破。
‖
近两年，国内外多个大厂顶薪招聘科学家的浪潮，深刻契合了 AI 时代的 " 幂律分布定律 "（也就是中文语境中的赢家通吃效应，1% 的人赚走了 99% 的钱，剩下的 99% 的人去争抢那剩下的 1%）。
OpenAI CEO 萨姆 · 奥尔特曼提出 "1 万倍人才 " 效应，指出顶尖 AI 人才效率相当于普通研究人员的 1 万倍，能直接带来关键技术突破。
《财富》杂志估计全球具备构建顶级大模型资质的专家不足 1000 人，全球存量不足千人。
国际市场上，OpenAI、Meta 等企业顶级科学家年薪折合人民币早已突破亿元，Meta 为挖角苹果基础模型团队负责人庞若鸣开出四年 2 亿美元薪酬包，为谷歌 DeepMind 研究员开出四年 3 亿美元总包，传闻签约奖金高达 1 亿美元。
这 1000 个人，将是 AI 时代最值钱的人。
正如经济学家托马斯 · 皮凯蒂在《21 世纪资本论》中所言：" 在资本回报率高于经济增长率的世界里，财富不平等将无限扩大。"
AI 时代的人才市场正呈现同样的逻辑：顶尖科学家的边际产出呈指数级增长，其定价权自然脱离线性薪酬体系的束缚。
顶尖人才价码上涨的根本动力，源于 AI 技术范式的根本性转移。
此前互联网时代，技术迭代呈线性增长，单个工程师的价值增量可预测和替代；AI 时代则呈现指数级跃迁，一个顶尖科学家的技术路线决策可能直接决定企业在未来 3-5 年的竞争位势。
优必选要求首席科学家 " 定义公司在人形机器人与具身智能领域的技术路线图 "，Meta 超级智能实验室同样要求候选人 " 定义公司技术路线图 "，顶薪购买的不再是执行能力，而是决策影响力。
与此同时，技术门槛的跨学科化加剧了稀缺性。
优必选要求的 " 视觉 - 语言 - 动作模型、机器人基础模型、操作与灵巧技能学习 "，横跨计算机视觉、NLP、强化学习、机器人学四大领域，单一技术背景已无法满足具身智能的复杂需求。
全球能在知名产品中担纲一线技术带头人的专家更是凤毛麟角，这也解释了为何那不足千人的顶级人才池能够获得天价薪酬。
管理学家彼得 · 德鲁克曾警告：" 效率是把事情做对，效益是做对的事情。"
在 AI 军备竞赛中，顶尖人才的价值恰恰在于 " 做对的事情 "，其技术路线决策的正确性，比执行层面的效率提升更具战略意义。
此外，资本定价逻辑的重构也是重要推动力。
互联网企业估值依赖于用户规模与网络效应，人力成本被视为可压缩的运营支出；AI 企业估值则依赖于技术代差与模型能力，人力成本转化为研发投入的资本化部分。
优必选货币资金达 49.2 亿元，2025 年完成三轮 H 股配售，合计募资约 58.79 亿港元，期末现金及现金等价物约 48.88 亿元，资金储备为其 " 以人换算力 " 的人才策略提供支撑，形成 " 以人换算力 " 的资本腾挪。
腾讯传闻以亿元年薪招募 OpenAI 前研究科学家姚顺雨，均体现同一逻辑：在 AI 军备竞赛中，顶尖人才是比 GPU 更稀缺的战略资源。
不过，天价薪酬绝非一劳永逸的解决方案。
Meta 的惨痛教训提供了最佳反面教材。
2025 年，Meta 成立超级智能实验室（MSL），扎克伯格亲自出马网罗人才，为挖角谷歌 DeepMind 研究员举办私人晚宴，开出打破薪级体系的 "Zuck Rate" 薪酬。
但 MSL 成立两个月内即爆发离职潮，两名 OpenAI 研究员 Avi Verma 与 Ethan Knight 入职不足一个月便重返老东家，苹果基础模型团队负责人庞若鸣在 Meta 仅停留七个月即转投 OpenAI，首席 AI 科学家赵晟佳加入仅数日即威胁辞职，甚至签署回归 OpenAI 的文件，最终靠扎克伯格亲自介入升职才留住。
Meta 失败的核心病灶在于 " 高薪人才与低效组织的化学反应失效 "。
前 Meta 员工、Pokee AI 创始人朱哲清指出，疫情后 Meta 组织臃肿，VP 层级叠加导致审批低效，内部 " 政治斗争 " 频发。
具体表现为资源承诺落空，新员工对无法获得承诺的算力支持感到不满；审批流程冗长，超级智能实验室需与原有 FAIR 团队、产品部门争夺 GPU 使用权；决策层级混乱，28 岁的 Alexandr Wang 与 20 年老将 CTO 安德鲁 · 博斯沃思形成平行团队，双方争执 AI 模型如何提升广告业务。
组织行为学中的 " 帕金森定律 " 在此显现得淋漓尽致：组织一旦形成，就会倾向于增加层级和人员，导致效率递减。
Meta 的官僚体系与顶尖人才所需的敏捷环境形成冲突。
此外，Meta 的 "Zuck Rate" 机制引发内部地震，新员工拿到超 1 亿美元薪酬合同，老员工却面临裁员，2025 年 10 月裁减约 600 名 AI 团队成员，包括 FAIR 团队负责人田渊栋，而夏季新招募的 TBD 实验室员工却未受波及。
图灵奖得主杨立昆被边缘化，需向年轻管理者汇报，资深员工心生不满，甚至出现 " 员工威胁离职 " 的情况。
薪酬差距过大直接摧毁团队凝聚力，" 保新弃旧 " 策略导致组织文化崩塌。
而技术路线之争同样致命。
Meta 的人才流动是技术路线的战略押注失误。
同为技术公司的 Google 和 OpenAI 对 LLM 保持乐观，而杨立昆和田渊栋对 LLM 持悲观态度，Meta 为赶超同行只能裁掉不相信 LLM 的人，但这种 " 路线清洗 " 导致组织创伤。
战略频繁调整加剧动荡，2025 年 6 月成立 MSL，7 月即重组为四大部门，Llama Behemoth 旗舰模型因表现未达预期被放弃，团队被迫转向新模型。
首席科学家赵晟佳的数日离职威胁，正是对战略摇摆的激烈反应。
从 Meta 的失败和 OpenAI、Anthropic 的成功实践中，可以提炼出顶薪人才 " 留得住 " 的四大支柱。
第一是研究自主权，包括独立预算、研究方向决定权、免汇报特权。
Anthropic seven 人创始团队中 5 人来自 OpenAI，目前无人离开，其成功关键在于明确的 AI 安全研究使命和相对扁平的组织架构，给予核心科学家充分的学术发表自由与研究方向决定权。
第二是算力资源保障，承诺的 GPU 或 TPU 资源必须兑现，而非空头支票。
不少 Meta 新员工正是因为对无法获得承诺的计算能力感到沮丧，直接导致离职。
第三是组织扁平化，减少 VP 层级、缩短决策链条、避免政治斗争。
对此，字节跳动的 Top Seed 人才计划留才策略包括技术隔离，Seed 团队相对独立，减少业务线干扰。
第四是长期主义文化，容忍失败、允许探索性研究、不追求短期产出。
Meta 的模型未达预期即放弃，团队被迫转向，急功近利与文化冲突直接导致人才流失。
从人才的角度看，拿了高薪不等于就能坐稳。
首先要有文化适应力，就是说要看看自己习惯的工作方式和目标公司合不合拍。
OpenAI 出来的人习惯了快节奏、少层级，到了 Meta 那种层级多、流程慢的地方就浑身难受，待不住就是最好的例子。
其次要有政治免疫力，能在复杂的权力斗争里活下来。
比如 Alexandr Wang 和公司老将博斯沃思闹矛盾，一度传出他要走人，这就是典型的权力漩涡。
最后还要有风险承受力，别总想着待在舒适区。
Rishabh Agarwal 离职时写道 " 想试试另一种不同的风险 "，说明他害怕的不是风险，而是一成不变的安全感。
企业得不断给出新挑战，光靠高薪养着，留不住真正有野心的人。
优必选此次薪酬标准接轨国际顶尖水平，显露出中国硬科技企业参与全球人才争夺的决心。
但真正的挑战不在于能否 " 请进来 "，而在于能否 " 留得住 "。
Meta 的教训表明，亿元薪酬可以买到人才，但买不到忠诚度。
组织臃肿、路线摇摆、薪酬撕裂、文化冲突，以上缺陷足以让任何天价招聘化为泡影。
优必选需要建立的不是薪酬特区，而是一个完整的技术特区：独立的预算与算力保障、扁平的组织架构、清晰的技术路线、长期主义的评价体系。
对人才而言，顶薪是能力的市场定价，而非终身保障。
在选择 offer 时，需穿透薪酬数字，评估企业的组织健康度、技术路线的清晰度、以及个人在权力结构中的真实位置。
否则，" 干一个月赚 eight million 就跑路 " 的 Meta 式尴尬，将在职业生涯中反复上演。
正如投资大师查理 · 芒格所提醒的：" 要得到你想要的某样东西，最可靠的办法是让你自己配得上它。"
对于企业而言，要留住你花天价请来的人才，最可靠的办法是让你的组织配得上他。
AI 时代企业对顶尖人才的竞争，是组织能力的竞争，而非薪酬数字的竞争。
优必选若想真正赢得这场战争，需在开出 1.24 亿元支票的同时，准备好一个值得托付的生态系统。
