AI 时代科研人才大流动：大学“失血”，企业能否担起科研重任？

【AlphaFold 团队拆分】获得诺贝尔奖两年后Google AlphaFold 的原班人马已被拆分。据《金融时报》报道AlphaFold 论文的大部分原始作者在过去一年里已被重新分配全职核心作者中有近四分之一彻底离开 Google。留下的人转向 Gemini 科研 Agent、酶设计、基因组学和核聚变等领域还有人去了 Alphabet 旗下的药物研发公司 Isomorphic Labs。诺奖得主 John Jumper 与 Jonas Adler 曾被调入 Code Strike 团队最终转投 Anthropic。【Google 回应】针对此次报道Google 负责 AI for Science 的研究副总裁 Pushmeet Kohli 称DeepMind 的科学团队未改变方向只是扩大工作范围仍在推进蛋白质、基因组与酶设计并借助 Gemini 加速科研。【科研组织方式转变】AlphaFold 曾代表传统科研组织方式如今类似团队正让位于更通用的模型平台。蛋白质、数学等不同学科进入 AI 公司后都可成为 Gemini 的能力模块。同时科研人才、算力资源和议题主导权越来越集中到少数 AI 公司手中。【科研人才流向 AI 行业】过去几年越来越多数学家、物理学家等进入 AI 行业。Anthropic 招物理学家等OpenAI 网罗研究黑洞等的人DeepMind 聚集生物学与核聚变专家。亚利桑那州立大学教授调侃学术圈梗“我要加入 Anthropic”。据《大西洋月刊》统计四家头部 AI 公司聚集至少 80 多名现任或前任教授。【人才流动方向单一】斯坦福大学《AI Index Report》显示2011 年 AI 博士毕业后进入企业和学术界比例大致相当2022 年进入企业比例升至 70.7%进入学术界比例降至 20%。2026 年 NBER 工作论文追踪约 4.2 万名美国 AI 研究者40 岁以下研究者离开大学概率约是 40 岁以上人群的六倍约 70% 的转职者五年后仍留在公司。【企业吸引力】钱很重要企业顶尖 1% AI 研究者年收入从 59.5 万美元涨到 194 万美元大学同一梯队从 30.1 万美元涨到 39.2 万美元双方差距扩大到约 150 万美元。科研条件更难拒绝2010 年代初约 65% 的大规模机器学习模型由学术实验室独立开发2020 年代后比例跌到不足 10%2022 年约 81% 的前沿模型由企业独立完成。UC Berkeley 教授加入 DeepMind 是为获取前沿安全研究所必需的“数据、算力和预算”。【大学的损失】顶尖教授离开大学大学失去导师、课题组、博士生培养链和未来研究方向。过去科技公司从大学购买研究成果现在直接购买人才企业获得一人大学可能失去一代人。【企业科研价值】不能低估企业科研价值AlphaFold 证明企业可做出改变科学史的成果两亿多个蛋白质结构预测节省生物学家大量工作。贝尔实验室证明企业研究院能改变科学Demis Hassabis 把它当作 DeepMind 的参照物。AI 公司像新型研究院相关成果已出现如物理学家用 AI 开发开源核聚变软件等。【科学家进入企业的利弊】科学家进入企业后作用可能放大能调动更多资源方法更易应用。但代价明显NBER 研究发现AI 学者长期转入企业后论文产量平均减少 65%。2000 年至 2019 年企业雇用的 AI 研究者占比从 48% 升至 68%论文占比只从 27% 升到 32%专利占比却从 86% 升至 95%。科学加速但开放科学可能刹车。【AI 公司难成大学】大学承担训练学生和保存暂时无应用价值问题的工作AI 公司喜欢成熟研究者对培养新人没耐心。2024 年新毕业生只占大型科技公司招聘人数的 7%相比 2019 年下降超过一半。【对大学的影响】企业从大学吸收人才并减少初级岗位和培训投入相关影响已在大学课堂显现一些课程停开博士生失去很多机会。研究课题也受影响药物设计等易获资源长期野外研究等选题处境尴尬。【公共科研体系的意义】公共科研体系能允许研究暂时无法解释价值的问题如历史上数论、激光和互联网早期。而 AI 公司因竞争资源更可能流向增强模型等方向。【未来的问题】未来可能出现繁荣但谁决定研究方向、培养下一代科学家和做无人付费的研究成了问题。科学家未离开科学但科学正加速逃离大学。