顶尖科学家涌入大模型公司，AI 下一程拼的是什么

2026 年菲尔兹奖颁奖现场，加拿大数学家 Jacob Tsimerman 在新闻发布会上透露，他已开始转向 AI 安全研究，即将在 OpenAI 安全部门任职。话音刚落，OpenAI 首席研究主管 Mark Chen 当即表示欢迎。几乎同一周，字节跳动 Seed 旗下的 Edge 团队正式发布「Seed STEM 科学家计划」，面向数学、物理、化学、生物等领域开放 100 个合作席位，被业内视为国内首个大规模投入 AI 加速前沿科学发现的计划。两件事相隔数日，却指向同一个信号：AI 公司正在把「抢科学家」放到与「抢算力」同等重要的位置上。

顶尖科学家正成为头部 AI 公司的核心资产

今年加入头部 AI 公司的学者名单越来越长。除 Tsimerman 外，诺贝尔化学奖得主 John Jumper、经济学家 Chad Jones、哲学家 Harvey Lederman 等人也先后加盟 Anthropic。统计显示，仅今年上半年，至少有 22 名来自斯坦福、伯克利、哈佛等高校的教授和研究人员暂时离开或减少学术工作，转入 OpenAI、Anthropic、DeepMind 与 Meta 四家公司。这四家公司目前聚集了 80 多名现任或前任大学教授。

人才流动的方向很清晰：从学术机构流向 AI 实验室。站在最前沿的学者，已经把顶尖 AI 公司视为能够展现自己抱负的平台。

字节 Seed：国内 AI 公司开始补齐这一课

字节 Seed 在 2025 年初专门成立了 Edge 团队，承担确定性较低、短期未必见效的前沿研究课题。为了让研究者安心做长期工作，团队甚至调整了绩效考核周期——中间不设考核，有结果再统一评定。

在此基础上，Seed Edge 此次发布的「Seed STEM 科学家计划」主要面向数学、物理、化学、生物等基础科学领域的科学家与博士生，邀请他们与 Seed 团队共同探索基础科学中的未知问题。同期，团队还在 X 平台发布了超长程评测集 EdgeBench，首次系统定义了真实环境下智能体的学习规律，并据传已被 OpenAI 用于测试自家模型的长程能力。

技术层面，Seed 团队此前提出的 Hyper-Connections（HC）架构打破了 Transformer 长期默认的残差连接单流范式，在几乎不增加计算量的前提下大幅提升了特征表达能力。这一思路被 DeepSeek 的 mHC（流形约束超连接）架构进一步工程化，成为 DeepSeek V4 的重要架构升级之一——也成为中国 AI 团队在底层架构领域技术创新的一个缩影。

为什么是「领域科学家」而非「AI 科学家」

主流模型评测体系大多围绕有标准答案的封闭式任务，题目有确定解、评测有固定标准，能力提升路径清晰。但真实的科学研究是另一套逻辑：没有清晰的解题路径，研究者需要自主提出假设、设计验证方案、处理噪声数据、推导底层机制，全过程充满试错与不确定性。

在「预训练 Scaling」「测试时 Scaling」红利逐步消退之后，行业普遍把下一个增长方向押在「在真实开放环境中持续交互学习」上。基础科学的前沿，正是开放未知场景的最高形态。

在这一逻辑下，全球顶尖 AI 团队的研发模式正在发生变化：不再只靠 AI 团队闭门打磨模型，而是引入各学科的顶尖研究者，让真实领域问题成为模型能力进化的牵引力。

体系化的驻场项目成为人才吸纳通道

OpenAI 长期运行的 Residency 项目面向「目前不以 AI 为主要研究方向」的人才，相当于「加速版博士训练」，参与者从第一天起就直接加入前沿应用和研究团队，ImageGPT、Codex 等里程碑项目均有驻场研究员深度参与。

Anthropic 的 STEM Fellows Program 在 2026 年进行了系统化扩充，专门邀请物理学家、生物学家、数学家、经济学家等非 AI 领域顶尖专家进入公司内部，为期数月。驻场期间，材料科学家会为 Claude 构建相稳定性推理评测流程，气候科学家把专业大气建模工具与模型深度打通。据公开信息，驻场周期内超过 80% 的研究员产出了高质量学术成果。

对科学家而言，这类合作的价值同样巨大：大模型正在成为新的科研基础设施，进入 AI 团队驻场，意味着获得了前沿模型、算力资源与跨学科反馈的组合通道。

终局是一场长期主义的比拼

当菲尔兹奖得主决定加入 OpenAI，当越来越多 STEM 科学家开始与模型团队走到一起，AI 下一阶段的竞争重心，正在从短期产品迭代、榜单跑分、单点任务突破，转向更长期、更复杂、更前沿的基础命题。

这条路难以很快交出亮眼答卷，也很难在短期内形成清晰的商业闭环——它慢、重、充满不确定性。但也正因如此，它最能检验一个团队是否愿意真正沉下心投入基础、投入前沿。科学的进展需要长期主义，AGI 的实现也一样。