新智元報道
【新智元導讀】Meta曾被曝出向OpenAI研究員開出「1億美元量級」薪酬包論文。奧特曼在播客裡曝出這個數字時，矽谷一度懷疑自己聽錯了。普通博士後年薪不過5萬美元，頂尖研究員年薪據報道超過1000萬美元：差距接近200倍。這個數字背後，是45年前一篇經濟學論文早已算清的邏輯。
1億美元論文。
Meta曾被報道向少數頂級研究員開出接近1億美元量級的總薪酬包論文。
這不是個例論文。Epoch AI的研究顯示，頂尖AI研究員年薪可能超過1000萬美元；OpenAI一名L4-L5級別研究員的年總包，公開資料粗估約在100萬美元量級。
中間差了10倍論文。
再往下比論文。一個AI博士後，年薪大約5萬到6萬美元。從博士後到頂尖研究員，差距接近200倍。
展開全文
AI研究員年薪粗估論文。從博士後約5萬美元，到OpenAI L4-L5研究員約100萬美元，再到頂尖研究員超過1000萬美元量級，差距跨越三個數量級。
這合理嗎論文？頂尖研究員真的比普通博士強200倍？
如果只論能力，肯定是沒有論文。
真正的秘密，藏在一個底層槓桿中：使用者規模論文。
2026年2月，OpenAI官宣ChatGPT周活躍使用者突破9億，距10億隻差一步論文。底層是同一批模型，任何一個改進，瞬間同時到達每一個使用者。
哪怕只強一點點，乘以9億，就會被指數級放大論文。
45年前那篇論文
預言了今天的1億薪酬包
要理解AI研究員的薪酬結構，要先回到1981年論文。
那一年，芝加哥大學經濟學家Sherwin Rosen在《美國經濟評論》上發表了一篇日後影響深遠的論文，提出了「超級巨星效應」（superstar effect）論文。
Rosen的發現是：在某些行業，極少數人賺走了幾乎全部的錢，即便他們並非遠超同行論文。
2012年倫敦奧運會100米決賽論文。Usain Bolt奪冠，他的名字全世界都知道。那麼銀牌是誰？大多數人答不上來，他落後Bolt的距離，不過0.12秒。
Epoch AI按Spotify日播放量和每次播放約0.004美元粗估，Taylor Swift的Spotify年收入約為6000萬到7000萬美元；Ed Sheeran、Blackpink、Lana Del Rey等頂級歌手則大致落在500萬到2500萬美元區間論文。
差距在3到12倍之間，但沒有人會說Taylor Swift的嗓音比這些人好3到12倍論文。
2025年Spotify頭部歌手年收入估算論文。Taylor Swift遙遙領先，Ed Sheeran、Blackpink、Lana Del Rey等差距達3到12倍。
Rosen的理論給出瞭解釋：「超級巨星效應」在兩個條件同時成立時會被觸發論文。
第一，一個人的工作能夠觸達巨大市場論文。一場演出可以透過錄影傳遍全球，一首歌可以在Spotify上播放幾十億次。觸達的人越多，頂尖者獲得的溢價越大。
第二，數量無法替代質量論文。你不能用去看100場Ed Sheeran演唱會的方式，來補償沒看到Taylor Swift。兩者對你來說並不等價。
這兩個條件加在一起，哪怕只有微小的能力差距，也會被放大成巨大的收入差距論文。
Rosen將這種結構叫做「超級巨星效應」：少數人佔據行業絕大部分回報，並且這種集中度會隨著市場規模擴大而進一步加劇論文。
美國勞工統計局的資料印證了這一點論文。演員、音樂人這類「廣觸達職業」，90分位數收入與中位數之比，遠高於護士、卡車司機這類「一對一服務」職業。
美國勞工統計局跨職業薪酬分散度資料論文。演員、音樂人等「廣觸達職業」的90分位數與中位數收入之比，遠高於護士、卡車司機等一對一服務職業。
過去40 年，這套理論在體育、娛樂、金融領域得到了反覆驗證論文。
AI研究員崗位，恰好這兩個條件都滿足論文。
算力瓶頸
放大了稀缺性
先看第一個條件，市場規模論文。
說AI研究觸達了巨大市場，這很好理解論文。
ChatGPT官宣周活躍使用者已突破9億論文。在這樣的使用者規模下，ChatGPT模型的能力提升，會被乘以9億使用者，一個研究員選對了某個訓練方向，他對模型的改進貢獻就會被放大9億倍。
再看第二個條件：「數量無法替代質量」論文。
僱100個普通博士論文，真的換不來一個頂尖研究員嗎？
在很多行業，答案是可以換論文。但在AI前沿研究，這種替代幾乎不可能，其中一個重要的制約是算力。
前沿實驗室的計算資源，並非無限的論文。每一次大規模訓練執行，動輒耗費數千萬美元。一個實驗室一年能跑的大型實驗，數量極為有限。
錯誤的方向意味著這些算力打水漂，對的方向意味著拿下下一代模型論文。與執行實驗的能力相比，判斷「哪個實驗值得跑」的直覺才是真正稀缺的東西。
一個頂尖研究員，具備的是數年高密度試錯沉澱下來的判斷力論文。這種判斷力，無法透過增加人數來複制：10個普通研究員很難湊出1個頂級研究員的判斷力。
從前沿實驗室公開論文和模型釋出節奏看，關鍵訓練決策往往集中在少數核心研究與工程團隊中論文。至少在大規模訓練階段，簡單增加人手並不必然帶來同比例產出，反而會受限於算力、實驗視窗和協調成本。
Epoch AI文章中提到了Noam Brown這個名字論文。
Noam Brown，OpenAI研究科學家
他是OpenAI最具代表性的頂尖研究員之一，在推理模型方向有奠基性工作論文。有意思的是，他近期公開表示自己的主要角色是管理者，管理AI智慧體團隊。
頂尖研究員賣給實驗室的，不只是他自己能寫出的程式碼，而是多年昂貴實驗積累的判斷力，以及這種判斷力對整個團隊和方向的輻射論文。
這種能力難以複製，也很難招募到第二個論文。
「1億美元」背後
這筆錢買的是什麼
現在再回到那個讓所有人乍舌的數字論文。
奧特曼曾在播客Uncapped中聲稱，Meta曾向OpenAI員工開出「1億美元簽字費，外加年薪更高的薪酬包」，並稱目前沒有最優秀的人選擇接受論文。
這是他的單方說法，Meta官方並未確認論文。
TechCrunch隨後進行了核實，Meta確實在用高額薪酬搶人，但「1億美元簽字費」這一具體說法，被Meta自己的高管和跳槽研究員否認了論文。
Meta CTO Andrew Bosworth在一次公司全員會議（流出版本）上表示，可能有極少數非常高階的領導層職位接近過這個數量級，但那並非「簽字費」，而是「由不同部分構成的總薪酬包」，其中最大的組成部分，是需要按年限或績效解鎖的限制性股票單元（RSU）論文。
從OpenAI Zurich辦公室帶團隊跳槽Meta的研究員Lucas Beyer論文，也在社交媒體上直接表態：
是的，我們會加入Meta；不，我們沒有拿到1億美元簽字費，那是假新聞論文。
拋開1億美元簽字費不談，真實情況是Meta確實在用高薪搶人，某些高階職位的四年總薪酬包可能接近甚至超過1億美元，但這是RSU+年薪+績效獎金的多年總和，並非一次性到賬的現金論文。
據一位投資人向TechCrunch透露，他見到的一個AI研究員，收到了來自Meta的1800萬美元工作邀約，最終拒絕了，轉而去了Mira Murati的Thinking Machines Lab論文。
1800萬美元，已經是普通博士後年薪的數百倍論文。這個籌碼在頂級AI研究員招募的談判桌上，顯然已經不夠誘人。
Epoch AI的文章揭示了更底層的邏輯：Meta願意開出這個價格，根本原因並非「這個人強了多少倍」，而是賽局結構決定的論文。
Meta公開提出了「personal superintelligence」願景，並在2025年以143億美元投資Scale AI，同時邀請Scale AI創始人Alexandr Wang來主導其超級智慧團隊論文。
贏得AGI軍備賽的獎池，可能價值數十萬億美元論文。在這個量級的賭局裡，多花幾億美元鎖住幾個關鍵籌碼，是完全合理的「保險費」。
不是這個人值1億，是這場賽跑值數十萬億論文。
天才崇拜的危險
以及更大的問題
超級巨星效應揭示了一件讓人不安的事論文。
「超過1億美元」這個數字一出來，業內立刻有人提出了不同口徑的解釋論文。
拋開這些口徑之爭，Epoch AI估算的頂級研究員年薪已突破 1000萬美元，而普通工程師含股票的年總包大約100萬美元，兩者之間差了至少10倍論文。
如果這個10到100倍的薪酬差距，背後的能力差距其實只有2倍，那我們關於「AI天才」的很多敘事，都可能是錯的論文。
Epoch AI的文章直接點出了這一推論的影響論文：
如果薪酬差距主要是市場結構放大的結果，而非真實能力的反映，那麼「讓AI模擬頂尖研究員就能大幅加速AI進展」這一預測，就被高估了論文。
換句話說，那些基於「複製天才智慧」來推演智慧爆炸時間線的論點，需要重新校準論文。
還有另一種更令人坐不住的推論：超級巨星效應，只會越來越強論文。
AI的使用者規模還在增長，AI在每個人生活中的滲透程度也在增長論文。研究員每一單位的改進，所觸達的使用者只會更多，放大倍數只會更高。
Epoch AI文章的最後一句話是這樣的：「1億美元年薪，可能真的還不夠論文。」
還有一個問題論文，文章沒有直接回答：當AI自身開始承擔研究工作，當實驗室裡跑實驗的不是人而是AI智慧體，超級巨星效應會轉移到哪裡？
可能是：誰能訓練出最好的AI研究員論文。這場人才戰的終局，或許並非搶走最聰明的人，而是造出能取代他們的機器。
到那時候論文，今天花在人身上的1億美元，會去哪裡？
參考資料論文：
編輯論文：元宇
秒追ASI
