核心人才密集流失：从”关键八人”到阿里系创业者

2025年8月，字节跳动豆包大模型视觉基础研究团队负责人冯佳时的离职，再次将大模型行业的人才流动推向风口浪尖。这位深耕计算机视觉与机器学习领域近二十年的学术型技术专家，自2019年加入字节后主导了多媒体方向的基础研究，并在2023年底推动新加坡国立大学Show Lab与字节联合推出爆款视频生成模型MagicAnimate——仅需一张图像即可驱动人物动态，该项目开源后迅速成为社区热门，冯佳时也因此与团队成员被并称为”支撑字节大模型的关键八人”。

值得注意的是，冯佳时的职业轨迹并非个例。近一年来，大模型领域的中高层人才”出走潮”愈演愈烈：智谱AI首席运营官张帆、MiniMax商业化合伙人兼副总裁魏伟、百川智能联合创始人兼商业化负责人洪涛等相继离职；阿里系同样暗流涌动，前阿里云P10高管、原OLAP产品线总经理占超群创立质变科技，发布类人决策智能体Bloom并获高瓴创投与光速光合数千万美元天使轮融资。

更宏观的视角下，这场人才迁徙已形成清晰脉络：部分流向高校（如回国任教或加入研究机构）、创业公司或海外实验室；更多则投身同赛道的新兴企业，或直接创办AI初创团队。此前多家AI企业已出现”核心人员离职—快速再创业”的连锁反应，新团队往往因延续前沿研究方向而备受资本追捧，例如某大模型架构师离职后成立的推理效率优化公司，成立半年即完成两轮总计超亿美元融资。

动荡背后的行业阵痛：算力高压与商业化迷雾

人才流动的底层逻辑，与大模型行业的阶段性困境密不可分。

首先，技术迭代的极致压力正在重塑企业组织结构。自2023年大模型爆发以来，国内头部厂商为抢占技术高地，持续加码算力投入与模型迭代速度，导致组织架构频繁调整——从早期的”集中攻坚”转向”多线并行”，再到如今的”精细化分工”。这种变化直接冲击了基础研究团队的稳定性：当企业优先考虑商业化落地与短期收益时，长期主义的学术型人才可能面临”话语权弱化”甚至”战略边缘化”的风险。

其次，商业化落地的不确定性加剧了人才焦虑。尽管大模型技术在文本生成、图像理解等领域取得突破，但真正能转化为规模化收入的场景仍有限（如B端企业服务的付费意愿波动、C端产品的用户粘性不足）。某头部大模型公司从业者向《科创板日报》透露：”算力成本居高不下（单次千亿参数训练耗资数百万美元），而客户为定制化模型支付的费用难以覆盖成本，这种矛盾倒逼企业重新评估研发优先级——基础研究的‘长期价值’与商业化的‘短期压力’常常难以平衡。”

此外，新兴势力的崛起分流了传统大厂的人才池。随着AI赛道分化出垂直应用（如医疗、金融、教育）、底层工具（如模型压缩、数据标注）、开源社区等多元方向，部分技术人才更倾向于加入”小而美”的团队，在细分领域实现技术理想。例如，某离职的视觉算法专家选择加入一家专注工业质检的AI初创公司，其团队规模虽不足百人，但已拿下多个制造业头部客户订单。

全球共振：海外大厂同样经历”人才再分配”

中国的人才流动并非孤例，海外大模型企业同样面临类似挑战。

今年上半年，OpenAI多位核心研究人员相继离职，部分加入竞争对手Anthropic（以安全对齐为核心理念），部分追随Ilya Sutskever创立xAI（聚焦多模态大模型与AGI探索）；谷歌DeepMind也出现科学家出走创业潮，例如原Gemini团队负责人创办的AI Agent公司，专注于企业级智能决策系统开发。

与国内不同的是，海外人才更倾向”技术理想主义”路径——他们往往选择在模型架构创新（如稀疏注意力机制）、推理效率优化（如MoE混合专家模型）、多模态生成（如3D视频合成）等前沿方向组建小型实验室或初创公司，并凭借学术声誉快速获得风险投资。例如，某从DeepMind离职的科学家团队，仅凭一篇关于”动态神经网络拓扑”的预印本论文，便拿到红杉资本领投的5000万美元种子轮。

这种全球性的人才重组，本质上反映了大模型产业的共性矛盾：技术突破需要长期投入与学术自由，而企业生存依赖商业化成功与资本回报。当两者无法协同时，顶尖人才的流动便成为必然选择。

未来趋势：从”追赶”到”探索”，护城河回归基础研究

尽管短期内人才流失可能影响具体项目的推进节奏，但业内人士普遍认为，其对行业长期发展的核心影响在于**”重新定义竞争壁垒”**。

“算力可以堆砌，资金可以追加，但算法创新与基础研究的积累才是真正的护城河。”一位资深从业者指出，当前大模型产业正从”集中资源快速追赶国际领先水平”的第一阶段，转向”多点探索、兼顾学术研究与产业落地”的第二阶段。这一阶段的特征包括：

• 技术方向多元化：除通用大模型外，垂直领域模型（如法律、生物）、边缘计算模型（低功耗小参数）、多模态交互（文本+图像+视频+3D）等细分赛道成为新焦点；
• 角色分工专业化：学术型人才更倾向于基础研究机构或开源社区，工程型人才聚焦产品落地与商业化，而兼具两者能力的复合型管理者成为稀缺资源；
• 人才价值个体化：随着开源生态的成熟（如LLaMA、Mistral等开源模型降低技术门槛），单个技术专家的影响力显著提升——一个优秀的算法工程师可能通过GitHub项目吸引全球开发者协作，进而推动某个细分技术的突破。

对于企业而言，应对人才流动的关键在于构建更具吸引力的研发环境：一方面，通过”学术委员会””科学家工作室”等机制保留基础研究的独立性；另一方面，探索”技术入股””分成激励”等长效绑定模式，让核心人才分享长期价值。

结语：震荡期的机遇与挑战

大模型行业的人才震荡，既是产业转型期的阵痛，也是新生态形成的契机。当”快进快出”的资本游戏逐渐退潮，那些真正尊重技术规律、愿意为长期创新投入的企业与人才，终将在新一轮竞争中脱颖而出。正如一位离职创业者所言：”AI的未来不会属于‘巨无霸’，而是属于那些在细分领域死磕到底的‘小而强’团队——因为他们离真理更近。”