新智元报道
Meta 曾被曝出向 OpenAI 研究员开出「1 亿美元量级」薪酬包。奥特曼在播客里曝出这个数字时，硅谷一度怀疑自己听错了。普通博士后年薪不过 5 万美元，顶尖研究员年薪据报道超过 1000 万美元：差距接近 200 倍。这个数字背后，是 45 年前一篇经济学论文早已算清的逻辑。
1 亿美元。
Meta 曾被报道向少数顶级研究员开出接近 1 亿美元量级的总薪酬包。
这不是个例。Epoch AI 的研究显示，顶尖 AI 研究员年薪可能超过 1000 万美元；OpenAI 一名 L4-L5 级别研究员的年总包，公开数据粗估约在 100 万美元量级。
中间差了 10 倍。
再往下比。一个 AI 博士后，年薪大约 5 万到 6 万美元。从博士后到顶尖研究员，差距接近 200 倍。
AI 研究员年薪粗估。从博士后约 5 万美元，到 OpenAI L4-L5 研究员约 100 万美元，再到顶尖研究员超过 1000 万美元量级，差距跨越三个数量级。
这合理吗？顶尖研究员真的比普通博士强 200 倍？
如果只论能力，肯定是没有。
真正的秘密，藏在一个底层杠杆中：用户规模。
2026 年 2 月，OpenAI 官宣 ChatGPT 周活跃用户突破 9 亿，距 10 亿只差一步。底层是同一批模型，任何一个改进，瞬间同时到达每一个用户。
哪怕只强一点点，乘以 9 亿，就会被指数级放大。
45 年前那篇论文
预言了今天的 1 亿薪酬包
要理解 AI 研究员的薪酬结构，要先回到 1981 年。
那一年，芝加哥大学经济学家 Sherwin Rosen 在《美国经济评论》上发表了一篇日后影响深远的论文，提出了「超级巨星效应」（superstar effect）。
https://pdodds.w3.uvm.edu/files/papers/others/1981/rosen1981a.pdf?utm_source=chatgpt.com
Rosen 的发现是：在某些行业，极少数人赚走了几乎全部的钱，即便他们并非远超同行。
2012 年伦敦奥运会 100 米决赛。Usain Bolt 夺冠，他的名字全世界都知道。那么银牌是谁？大多数人答不上来，他落后 Bolt 的距离，不过 0.12 秒。
Epoch AI 按 Spotify 日播放量和每次播放约 0.004 美元粗估，Taylor Swift 的 Spotify 年收入约为 6000 万到 7000 万美元；Ed Sheeran、Blackpink、Lana Del Rey 等顶级歌手则大致落在 500 万到 2500 万美元区间。
差距在 3 到 12 倍之间，但没有人会说 Taylor Swift 的嗓音比这些人好 3 到 12 倍。
2025 年 Spotify 头部歌手年收入估算。Taylor Swift 遥遥领先，Ed Sheeran、Blackpink、Lana Del Rey 等差距达 3 到 12 倍。
Rosen 的理论给出了解释：「超级巨星效应」在两个条件同时成立时会被触发。
第一，一个人的工作能够触达巨大市场。一场演出可以通过录像传遍全球，一首歌可以在 Spotify 上播放几十亿次。触达的人越多，顶尖者获得的溢价越大。
第二，数量无法替代质量。你不能用去看 100 场 Ed Sheeran 演唱会的方式，来补偿没看到 Taylor Swift。两者对你来说并不等价。
这两个条件加在一起，哪怕只有微小的能力差距，也会被放大成巨大的收入差距。
Rosen 将这种结构叫做「超级巨星效应」：少数人占据行业绝大部分回报，并且这种集中度会随着市场规模扩大而进一步加剧。
美国劳工统计局的数据印证了这一点。演员、音乐人这类「广触达职业」，90 分位数收入与中位数之比，远高于护士、卡车司机这类「一对一服务」职业。
美国劳工统计局跨职业薪酬分散度数据。演员、音乐人等「广触达职业」的 90 分位数与中位数收入之比，远高于护士、卡车司机等一对一服务职业。
过去 40 年，这套理论在体育、娱乐、金融领域得到了反复验证。
AI 研究员岗位，恰好这两个条件都满足。
算力瓶颈
放大了稀缺性
先看第一个条件，市场规模。
说 AI 研究触达了巨大市场，这很好理解。
ChatGPT 官宣周活跃用户已突破 9 亿。在这样的用户规模下，ChatGPT 模型的能力提升，会被乘以 9 亿用户，一个研究员选对了某个训练方向，他对模型的改进贡献就会被放大 9 亿倍。
再看第二个条件：「数量无法替代质量」。
雇 100 个普通博士，真的换不来一个顶尖研究员吗？
在很多行业，答案是可以换。但在 AI 前沿研究，这种替代几乎不可能，其中一个重要的制约是算力。
前沿实验室的计算资源，并非无限的。每一次大规模训练运行，动辄耗费数千万美元。一个实验室一年能跑的大型实验，数量极为有限。
错误的方向意味着这些算力打水漂，对的方向意味着拿下下一代模型。与执行实验的能力相比，判断「哪个实验值得跑」的直觉才是真正稀缺的东西。
一个顶尖研究员，具备的是数年高密度试错沉淀下来的判断力。这种判断力，无法通过增加人数来复制：10 个普通研究员很难凑出 1 个顶级研究员的判断力。
从前沿实验室公开论文和模型发布节奏看，关键训练决策往往集中在少数核心研究与工程团队中。至少在大规模训练阶段，简单增加人手并不必然带来同比例产出，反而会受限于算力、实验窗口和协调成本。
Epoch AI 文章中提到了 Noam Brown 这个名字。
Noam Brown，OpenAI 研究科学家
他是 OpenAI 最具代表性的顶尖研究员之一，在推理模型方向有奠基性工作。有意思的是，他近期公开表示自己的主要角色是管理者，管理 AI 智能体团队。
顶尖研究员卖给实验室的，不只是他自己能写出的代码，而是多年昂贵实验积累的判断力，以及这种判断力对整个团队和方向的辐射。
这种能力难以复制，也很难招募到第二个。
「1 亿美元」背后
这笔钱买的是什么
现在再回到那个让所有人乍舌的数字。
奥特曼曾在播客 Uncapped 中声称，Meta 曾向 OpenAI 员工开出「1 亿美元签字费，外加年薪更高的薪酬包」，并称目前没有最优秀的人选择接受。
这是他的单方说法，Meta 官方并未确认。
TechCrunch 随后进行了核实，Meta 确实在用高额薪酬抢人，但「1 亿美元签字费」这一具体说法，被 Meta 自己的高管和跳槽研究员否认了。
Meta CTO Andrew Bosworth 在一次公司全员会议（流出版本）上表示，可能有极少数非常高级的领导层职位接近过这个数量级，但那并非「签字费」，而是「由不同部分构成的总薪酬包」，其中最大的组成部分，是需要按年限或绩效解锁的限制性股票单元（RSU）。
从 OpenAI Zurich 办公室带团队跳槽 Meta 的研究员 Lucas Beyer，也在社交媒体上直接表态：
是的，我们会加入 Meta；不，我们没有拿到 1 亿美元签字费，那是假新闻。
抛开 1 亿美元签字费不谈，真实情况是 Meta 确实在用高薪抢人，某些高级职位的四年总薪酬包可能接近甚至超过 1 亿美元，但这是 RSU+ 年薪+绩效奖金的多年总和，并非一次性到账的现金。
据一位投资人向 TechCrunch 透露，他见到的一个 AI 研究员，收到了来自 Meta 的 1800 万美元工作邀约，最终拒绝了，转而去了 Mira Murati 的 Thinking Machines Lab。
1800 万美元，已经是普通博士后年薪的数百倍。这个筹码在顶级 AI 研究员招募的谈判桌上，显然已经不够诱人。
Epoch AI 的文章揭示了更底层的逻辑：Meta 愿意开出这个价格，根本原因并非「这个人强了多少倍」，而是赛局结构决定的。
Meta 公开提出了「personal superintelligence」愿景，并在 2025 年以 143 亿美元投资 Scale AI，同时邀请 Scale AI 创始人 Alexandr Wang 来主导其超级智能团队。
https://about.fb.com/news/2025/07/personal-superintelligence-for-everyone/
赢得 AGI 军备赛的奖池，可能价值数十万亿美元。在这个量级的赌局里，多花几亿美元锁住几个关键筹码，是完全合理的「保险费」。
不是这个人值 1 亿，是这场赛跑值数十万亿。
天才崇拜的危险
以及更大的问题
超级巨星效应揭示了一件让人不安的事。
「超过 1 亿美元」这个数字一出来，业内立刻有人提出了不同口径的解释。
抛开这些口径之争，Epoch AI 估算的顶级研究员年薪已突破 1000 万美元，而普通工程师含股票的年总包大约 100 万美元，两者之间差了至少 10 倍。
如果这个 10 到 100 倍的薪酬差距，背后的能力差距其实只有 2 倍，那我们关于「AI 天才」的很多叙事，都可能是错的。
Epoch AI 的文章直接点出了这一推论的影响：
如果薪酬差距主要是市场结构放大的结果，而非真实能力的反映，那么「让 AI 模拟顶尖研究员就能大幅加速 AI 进展」这一预测，就被高估了。
换句话说，那些基于「复制天才智能」来推演智能爆炸时间线的论点，需要重新校准。
还有另一种更令人坐不住的推论：超级巨星效应，只会越来越强。
AI 的用户规模还在增长，AI 在每个人生活中的渗透程度也在增长。研究员每一单位的改进，所触达的用户只会更多，放大倍数只会更高。
Epoch AI 文章的最后一句话是这样的：「1 亿美元年薪，可能真的还不够。」
还有一个问题，文章没有直接回答：当 AI 自身开始承担研究工作，当实验室里跑实验的不是人而是 AI 智能体，超级巨星效应会转移到哪里？
可能是：谁能训练出最好的 AI 研究员。这场人才战的终局，或许并非抢走最聪明的人，而是造出能取代他们的机器。
到那时候，今天花在人身上的 1 亿美元，会去哪里？
参考资料：
https://x.com/EpochAIResearch/status/2054698539566121138?s=20%20%20
https://epochai.substack.com/p/the-economics-of-superstar-ai-researchers
编辑：元宇
