UC伯克利EECS系主任加盟Anthropic

加州大学伯克利分校电气工程与计算机科学系（EECS）系主任 Jelani Nelson 近日宣布暂离大学教职，正式加盟 Anthropic 预训练团队。这是近期 AI 行业「学术界人才大迁徙」的又一标志性事件，Anthropic 对顶级学者的吸引力再次引发关注。

加盟背景：Anthropic 持续吸纳顶尖学者

据 SFGATE 报道，Anthropic 发言人已确认 Nelson 的加入，并透露他将进入预训练团队，该团队目前聚焦于 Claude 核心知识与能力的研究工作。消息传出后，Y Combinator 总裁兼 CEO Garry Tan 在社交媒体上感慨：「Anthropic 现在吸人可太猛了。」

这不是个例。就在 Nelson 加盟前不久的 6 月，谷歌已接连失去 Transformer 作者、Gemini 联合负责人 Noam Shazeer，以及 DeepMind 联合负责人、诺贝尔奖得主 John Jumper 等核心人物。有网友戏称，Gemini 那边安静的原因，可能是大佬们都在忙着和 Anthropic、OpenAI 面试。

Nelson 是谁：从 2100 万播放的算法课说起

Nelson 在学界的知名度，很大程度上来自他主讲的 Advanced Algorithms 公开课。90 分钟黑板手书、密集推公式的硬核风格，让这条发布在哈佛大学 YouTube 频道的视频播放量一路突破 2100 万，在算法公开课领域堪称现象级。

他的学术履历相当标准且扎实：

• 本科、硕士、博士均在 MIT 完成，本科同时拿下计算机科学与数学双学位
• 博士论文《Sketching and Streaming High-Dimensional Vectors》研究高维数据在存储受限、仅可单遍扫描、且持续变化场景下的 sketch 算法，获 MIT 博士杰出论文奖
• 2013 年加入哈佛任计算机科学助理教授，2017 年晋升副教授
• 2019 年转投 UC 伯克利，2024 年 7 月任计算机科学分部主任，2025 年 7 月升任系主任

为什么是 Nelson：理论算法与大模型预训练的交汇点

Nelson 的核心研究方向，是高维、大规模、资源受限数据场景下的近极限算法。通俗地说，就是在数据量爆炸、算力受限的条件下，如何用尽可能小的代价保留足够多的有效信息。

这些议题与大模型预训练的底层难题高度契合：

• 如何在有限算力下高效筛选训练数据？
• 如何在训练前后判断数据是否存在重复？
• 如何用更低成本估计数据分布？
• 如何确保模型规模扩大后训练过程依然可控？

想要继续突破这些问题，最终都要回到扎实的数学与算法直觉。这也是 Nelson 加盟 Anthropic 预训练团队的逻辑起点。

值得一提的是，Nelson 本人对「严肃数学训练」一直非常看重。2022 年，他曾公开批评加州一项打着「公平」旗号的数学课程改革，认为这类改革可能阻碍学生接受严格的数学训练，并赞同 AI 的构建应建立在扎实的数学基础之上。

学术与工业两栖：谷歌兼职背景

加盟 Anthropic 之前，Nelson 早已是学术界与工业界「两肩挑」的典型。2021 年至 2025 年 6 月，他还一直在谷歌担任兼职研究科学家。算下来，这次跳槽又让谷歌被挖走一位大将。

随着 Anthropic、OpenAI 等头部 AI 公司持续向顶尖学者抛出橄榄枝，学界与产业之间的人才流动正在进入一个新阶段。Nelson 的加入，或许只是这股潮流中的最新一例，但分量不轻。