CNBC在4月28日发了篇文章，把过去一年从Meta、Google、OpenAI跑出来的AI研究员单子列了一遍。看完那张表，硅谷大厂的AI核心团队基本都缺人。
Dealroom的数据：2026年到现在，VC往2025年后才成立的AI创业公司里，倒了188亿美元。这个数字什么概念——按现在的节奏，今年会超过2024年新成立公司全年拿到的279亿。
跑出去的都是谁
挑研究权重最大的几位：
- David Silver（前Google DeepMind）→ Ineffable Intelligence，11亿美元种子轮，估值51亿，押注的是不靠人类数据的强化学习
- Tim Rocktäschel（前DeepMind主任研究员）→ Recursive Superintelligence，5亿美元起、可能加到10亿，pre-money 40亿，目标是让AI系统自我改进
- Yann LeCun（前Meta首席AI科学家）→ AMI Labs，3月份拿了10亿
- Anna Goldie 和 Azalia Mirhoseini（前Anthropic和DeepMind）→ Ricursive Intelligence，两轮共3.35亿
- Humans&（前Anthropic和xAI联创组队）→ 1月份4.8亿
- Periodic Labs（前OpenAI/DeepMind员工）→ 去年9月3亿
每一笔金额对一个几个月大的初创来说都是离谱的——种子轮过亿在2024年是奇观，现在快变成行情了。
VC为什么愿意这么砸
Eurazeo的董事总经理Elise Stern给了一句挺到位的解释：
“When you’re in a race, you narrow focus. That creates a vacuum.”
大厂在benchmark战、规模战里抠细节，研究方向自然往一两个主轴收，留出的空间被新公司抢走。
这个”被忽略的方向”具体是什么？至少包括：
- 强化学习——大厂主流路线还是在预训练数据规模和后训练对齐上卷
- AI可解释性——商业回报路径不清晰，大厂内部很难拿预算
- 垂直领域系统——制药、材料、机器人这种慢周期赛道
- 新架构——非Transformer、非自回归的模型路线
David Silver的Ineffable Intelligence押的就是第一条，Periodic Labs做的是第三条，AMI Labs做的是第四条。每一家都是大厂内部立项困难、但单独跳出来能讲清楚故事的方向。
大厂为什么留不住
不是钱的问题。Meta和Google给一线AI研究员的总薪酬包早就过千万美元，OpenAI给重要员工的tender offer也是几千万级别。
留不住的是研究自由度。
讲白了：
- 大厂的AI研究越来越像产品研发——你的工作要对齐下一代旗舰模型的KPI
- 论文发不发要看是否泄露竞争情报
- 项目方向被高层审批锁死
而且VC已经验证了这条路：LeCun从Meta走、几个月拿10亿，Rocktäschel从DeepMind走、几个月估值40亿。这种确定性传到大厂研究员的微信群里，就成了不走白不走。
这场迁徙能持续多久
短期看是确定的——大厂自己的财报上还得维持算力支出和benchmark领先，研究方向收缩的趋势不会反转。VC手里的干粉也还多。
中期变量在两个：
第一批新公司能不能在18个月里拿出真东西。188亿美元砸下去，如果两年后没几家拿出能商业化的产品或有说服力的研究突破，第三波还会不会有人继续给。
大厂会不会反向操作——给核心团队更多研究自由度、把内部初创团队孵化成独立公司、搞类似DeepMind当初那种”半独立”安排。
但这些都得在大厂自己愿意承认”我们在留人这件事上失败了”之后。从目前财报会议的姿态看，他们还没想认。
下一年看Recursive Superintelligence、Ineffable Intelligence、AMI Labs这三家什么时候交出第一份成绩单——它们决定的是这场实验是泡沫还是新一轮分工。
参考来源：Meta, Google, OpenAI among Big Tech firms seeing top staff leaving to launch AI startups（CNBC, 2026-04-28）、Big Tech's Best Are Quitting Their Jobs to Form Startups（Autogpt.net, 2026-04-28）