随着山姆·奥特曼被“清理”出局,OpenAI的大部分员工纷纷威胁将要离职。而该公司的各位竞争对手也早已做好准备,打算把握机会发动挖角大战、迅速充实自家人才储备。
随着OpenAI、微软和奥特曼本人深陷斗争漩涡,Anthropic、Mozilla以及Patronus AI等厂商无疑成为寻求稳定的员工们的理想去处。结果就是,OpenAI那群备受追捧的AI专家要么继续追随奥特曼的脚步,要么将快速被其他厂商所瓜分。
圣克拉拉大学利维商学院管理学教授Tammy Madsen在采访中表示,“人才永远是组织皇冠上的明珠。在AI领域,企业制定并着手推进的AI人才策略,往往与市场上能够提供的优秀劳动力之间存在着巨大差距。”
Salesforce公司CEO Marc Benioff也用实际行动证明了上述判断,他日前在X上发帖称:“Salesforce将为任何已经提交辞呈的OpenAI研究人员提供全额现金及股权OTE(提成加奖金),欢迎大家立即加入由Silvio Savarese领导的Salesforce Einstein Trusted AI研究团队……Einstein是目前企业最成功的企业AI平台,本周刚刚完成了1万亿次预测与生成操作!加入我们,投身到这场受信AI企业革命中来!”
Cohere公司联合创始人兼CEO Aidan Gomez也在X上发布了该公司的招聘页面链接,同时表示该公司正在物色“机器学习技术人员”。
然而,尽管各方给出的薪酬方案高得令人乍舌,但仍很难吸引到OpenAI的加盟。根据各方媒体报道及社交平台上的帖子,奥特曼已经亲自与公司内最优秀的人才会面、商定下一步的计划。
市场“迫切需求”AI技能
但只要AI岗位的客观需求仍然旺盛,企业就会继续敞开怀抱、用惊人的薪酬数字努力吸引顶尖人才。
Madsen指出,麦肯锡科技趋势统计数据显示,从2021年到2022年,重大科技趋势领域的职位发布数量增长了15%,而全球整体职位发布数量则减少了13%。这一年内,应用AI与下一代软件开发共创造了近100万个就业岗位。
Madsen还提到,所有这一切表明“这种特殊技能已经成为市场的迫切需求。”她补充称,正因为如此,各家主要竞争对手才将OpenAI此番“内讧”视为“建立AI人才队伍的绝佳机会”。
Frame AI公司CEO George Davis也在邮件采访中指出,他预计“优秀人才大量涌入市场将产生直接影响”,而且目前已经出现了相应的招聘对话。
Davis表示,“上周末的戏剧化冲突清楚地表明,AI领域的许多人才都对AI的安全开发抱有高度关注。”
加入微软的利与弊
微软公司CEO萨蒂亚·纳德拉表示,部分OpenAI员工可能跟随奥特曼的脚步一并加入微软。奥特曼将与另一位联合创始人格雷格·布罗克曼 (Greg Brockman)领导一支“新的高级AI研究团队”。
但即使是那些最忠于奥特曼的员工,恐怕也得权衡一下到底要不要投身于微软这样一家大型上市企业。尽管这里的资金相当充裕,但也需要应对更加繁复的官僚制度与规章要求。
Madsen在评论员工们追随奥特曼和布罗克曼的决定时说,“他们害怕失去主心骨,他们也不相信董事会会为了员工的最佳利益而工作。现在OpenAI迎来一位临时CEO,此人的口号是‘稳定和成功’,但同时也打算做出一系列重大调整。如果我们自己是OpenAI的员工,那面前的路基本就是这么几条,要么投身谷歌、要么投身微软,或者是继续留在OpenAI静观其变。这肯定是段动荡且煎熬的时光,大家都不知道自己该如何选择、到底能不能适应。”
Madsen还强调,哪怕是OpenAI员工们慢慢厘清了自己目前在做什么、未来想做什么之后,接下来的工作还是会受到重大影响。毕竟OpenAI这波颠覆性的变动已经在很大程度上打乱了既有项目的开发节奏。
当然,动荡也不全然是坏事。技术评论员Tim De Chant认为,最近的颠覆很可能“为下一代AI初创公司的孕育播下了希望的种子。”
好文章,需要你的鼓励
是德科技高级副总裁兼通信解决方案事业部总裁Kailash Narayanan现场指出,算力固然重要,但如果能耗过高,技术的实用性将大打折扣,因此,所有的高速、高性能计算,都必须在极低的功耗下实现,这是AI等技术能否大规模落地的核心前提。
DeepSeek-AI团队通过创新的软硬件协同设计,仅用2048张GPU训练出性能卓越的DeepSeek-V3大语言模型,挑战了AI训练需要海量资源的传统观念。该研究采用多头潜在注意力、专家混合架构、FP8低精度训练等技术,大幅提升内存效率和计算性能,为AI技术的民主化和可持续发展提供了新思路。
来自上海交通大学和浙江大学等机构的研究团队开发出首个AI"记忆操作系统"MemOS,解决了AI系统无法实现人类般持久记忆和学习的根本限制。该系统将记忆视为核心计算资源进行调度、共享和演化,在时间推理任务中相比OpenAI记忆系统性能提升159%。MemOS采用三层架构设计,通过标准化记忆单元实现跨平台记忆迁移,有望改变企业AI部署模式。
加拿大女王大学研究团队首次系统评估了大型视频语言模型的因果推理能力,发现即使最先进的AI在理解视频中事件因果关系方面表现极差,大多数模型准确率甚至低于随机猜测。研究创建了全球首个视频因果推理基准VCRBench,并提出了识别-推理分解法(RRD),通过任务分解显著提升了AI性能,最高改善幅度达25.2%。