過去兩周，AI 行業(yè)最出圈的不是哪個(gè)產(chǎn)品，而是人。經(jīng)常一覺醒來，社交媒體的時(shí)間線都在刷新?lián)Q湯不換藥的新聞：又雙叒叕有哪位 AI 大牛被挖走了。

頂級(jí) AI 人才，正成為 AI 賽道上最稀缺、也最具品牌效應(yīng)的資產(chǎn)。

在這輪人才流動(dòng)的風(fēng)暴中心中，我們發(fā)現(xiàn)一個(gè)格外顯眼的細(xì)節(jié)：這群主導(dǎo)過 ChatGPT、Gemini、Claude 等大模型研發(fā)的核心成員中，華人科學(xué)家的比例出奇地高。

這個(gè)這個(gè)變化并不是突然出現(xiàn)的，這幾年興起的 AI 浪潮中，美國的頂級(jí) AI 人才中華人占比不斷升高。 根據(jù) MacroPolo 發(fā)布的《全球人工智能人才追蹤調(diào)查報(bào)告 2.0》，來自中國的頂尖 AI 研究人員占比在 2019 年到 2022 年間，從 29% 提升到了 47%。

而在智譜研究發(fā)布的《ChatGPT 團(tuán)隊(duì)背景研究報(bào)告》，更是發(fā)現(xiàn)在 ChatGPT 核心的 87 人團(tuán)隊(duì)中，有 9 人都是華人，占比超過 10%。因此，我們也重新梳理了近期在硅谷頭部公司中廣受關(guān)注的華人 AI 研究員畫像，并試圖從中總結(jié)出一些特征：

1 頂尖名校出身，學(xué)術(shù)能力極強(qiáng)

他們大多本科就讀于清華、北大、中科大、浙大等頂尖高校，計(jì)算機(jī)或數(shù)學(xué)背景居多；研究生階段普遍進(jìn)入 MIT、斯坦福、伯克利、普林斯頓、UIUC 等名校深造，幾乎每人都有頂會(huì)高引論文傍身（NeurIPS、ICLR、SIGGRAPH 等），

2 年輕高產(chǎn)，爆發(fā)周期集中于 2020 年之后

年齡多在 30～35 歲；碩博階段恰逢深度學(xué)習(xí)的全球爆發(fā)期，學(xué)術(shù)基礎(chǔ)扎實(shí)，熟悉工程體系和團(tuán)隊(duì)協(xié)作。不少人職業(yè)的第一站就是接觸大廠或服務(wù)大規(guī)模人群的 AI 產(chǎn)品或平臺(tái)，起點(diǎn)更高、節(jié)奏更快。

3 強(qiáng)多模態(tài)背景，攻堅(jiān)模型后訓(xùn)練

他們的研究方向普遍著重于跨模態(tài)（文本、語音、圖像、視頻、動(dòng)作）的統(tǒng)一推理系統(tǒng)，包括 RLHF、蒸餾、對(duì)齊、人類偏好建模、語音語調(diào)評(píng)估等具體細(xì)節(jié)。

4 即便頻繁流動(dòng)，但基本不會(huì)脫離生態(tài)

Google、Meta、微軟、英偉達(dá)，Anthropic、OpenAI ……他們的流動(dòng)范圍橫跨 AI 初創(chuàng)與巨頭，但研究主題、技術(shù)積累往往保持連貫性，基本不換賽道。

OpenAI → Meta

Shuchao Bi

Shuchao Bi 本科畢業(yè)于浙江大學(xué)數(shù)學(xué)系，后赴加州大學(xué)伯克利分校深造，先后獲得統(tǒng)計(jì)學(xué)碩士學(xué)位，并攻讀數(shù)學(xué)博士。

2013 - 2019 年，他在 Google 擔(dān)任技術(shù)負(fù)責(zé)人，主要貢獻(xiàn)包括構(gòu)建多階段深度學(xué)習(xí)推薦系統(tǒng)，顯著提升 Google 廣告收益（數(shù)十億美元級(jí)別）。

2019 - 2024 年，他擔(dān)任 Shorts 探索負(fù)責(zé)人，期間，聯(lián)合創(chuàng)建并主導(dǎo) Shorts 視頻推薦與發(fā)現(xiàn)系統(tǒng)，并 組建并擴(kuò)展大規(guī)模機(jī)器學(xué)習(xí)團(tuán)隊(duì)，覆蓋推薦系統(tǒng)、評(píng)分模型、互動(dòng)發(fā)現(xiàn)、信任與安全等方向。

2024 年加入 OpenAI 后，他主要領(lǐng)導(dǎo)多模態(tài)后訓(xùn)練組織，是 GPT-4o 語音模式與 o4-mini 的聯(lián)合創(chuàng)造者

期間，他主要推進(jìn) RLHF、圖像 / 語音 / 視頻 / 文本推理、多模態(tài)智能體、多模態(tài)語音到語音（VS2S）、視覺 - 語言 - 行動(dòng)基礎(chǔ)模型（VLA）、跨模態(tài)評(píng)估系統(tǒng)等，也涉及多模態(tài)鏈?zhǔn)酵评?、語音語調(diào) / 自然度評(píng)分、多模態(tài)蒸餾與自監(jiān)督優(yōu)化，其核心目標(biāo)是通過后訓(xùn)練構(gòu)建更通用的多模態(tài) AI Agent。

Huiwen Chang

2013 年，Huiwen Chang 本科畢業(yè)于清華大學(xué)計(jì)算機(jī)系（姚班），后赴美國普林斯頓大學(xué)攻讀計(jì)算機(jī)科學(xué)博士，研究方向聚焦于圖像風(fēng)格遷移、生成模型和圖像處理，曾獲微軟研究院獎(jiǎng)學(xué)金。

在加入 OpenAI 之前，她在 Google 擔(dān)任高級(jí)研究科學(xué)家，累計(jì)工作超過六年，長期從事生成模型與計(jì)算機(jī)視覺研究，曾在 Google Research 發(fā)明 MaskGIT 和 Muse 文本生成圖像架構(gòu)。

早期的文本生成圖像主要依賴擴(kuò)散模型（如 DALL · E 2、Imagen），這些模型雖然生成質(zhì)量高，但推理速度慢、訓(xùn)練開銷大。而 MaskGIT 和 Muse 則采用了「離散化 + 并行生成」 的方式，大幅提升了效率。

MaskGIT 是非自回歸圖像生成的新起點(diǎn)，Muse 則是將這一方法推向文本圖像生成的代表作。它們不像 Stable Diffusion 那樣廣為人知，但在學(xué)術(shù)與工程體系中，是非常重要的技術(shù)基石。

此外，她也是擴(kuò)散模型頂級(jí)論文《Palette: Image-to-image diffusion models》的聯(lián)合作者之一。

這篇論文發(fā)表于 SIGGRAPH 2022，提出了一種統(tǒng)一的圖像到圖像翻譯框架，并在圖像修復(fù)、著色、補(bǔ)全等多個(gè)任務(wù)上超過 GAN 和回歸基線，至今已被引用超過 1700 次，成為該領(lǐng)域的代表性成果之一。

2023 年 6 月起，她加入 OpenAI 多模態(tài)團(tuán)隊(duì)，聯(lián)合開發(fā)了 GPT-4o 圖像生成功能，繼續(xù)推動(dòng)圖像生成、多模態(tài)建模等前沿方向的研究與落地。

Ji Lin

Ji Lin 主要從事多模態(tài)學(xué)習(xí)、推理系統(tǒng)與合成數(shù)據(jù)方向的研究。他是多個(gè)核心模型的貢獻(xiàn)者，包括 GPT-4o、GPT-4.1、GPT-4.5、o3/o4-mini、Operator、以及 4o 圖像生成模型等。

他本科畢業(yè)于清華大學(xué)電子工程專業(yè)（2014 – 2018），從麻省理工學(xué)院獲得電子工程與計(jì)算機(jī)科學(xué)博士學(xué)位，導(dǎo)師為知名學(xué)者 Prof. Song Han。

博士階段，他的研究方向聚焦于模型壓縮、量化、視覺語言模型、稀疏推理等關(guān)鍵方向。

在 2023 年加入 OpenAI 之前，他曾在英偉達(dá)、Adobe 和 Google 擔(dān)任實(shí)習(xí)研究員，并在 MIT 長期從事神經(jīng)網(wǎng)絡(luò)壓縮與推理加速相關(guān)研究，積累了深厚的理論基礎(chǔ)與工程實(shí)踐經(jīng)驗(yàn)。

學(xué)術(shù)方面，他在模型壓縮、量化和多模態(tài)預(yù)訓(xùn)練等方向有多篇高影響力論文，Google 學(xué)術(shù)總引用數(shù)超過 17800，代表成果包括視頻理解模型 TSM、硬件感知量化方法 AWQ、SmoothQuant 以及視覺語言模型 VILA。

他也是 GPT-4o 系統(tǒng)技術(shù)文檔的核心作者之一（比如 GPT-4o 系統(tǒng)卡），并憑借 AWQ 論文獲得 MLSys 2024 最佳論文獎(jiǎng)。

Hongyu Ren

Hongyu Ren 本科在北京大學(xué)獲得計(jì)算機(jī)科學(xué)與技術(shù)學(xué)士（2014 – 2018）學(xué)位，隨后在斯坦福大學(xué)獲得計(jì)算機(jī)科學(xué)博士（2018 – 2023）學(xué)位。

他曾獲得蘋果、百度以及軟銀 Masason 基金會(huì) PhD Fellowship 等多項(xiàng)獎(jiǎng)學(xué)金，研究方向聚焦于大語言模型、知識(shí)圖譜推理、多模態(tài)智能與基礎(chǔ)模型評(píng)估。

在加入 OpenAI 之前，他曾在 Google、微軟以及英偉達(dá)有過多段實(shí)習(xí)經(jīng)歷，比如 2021 年在蘋果擔(dān)任實(shí)習(xí)研究員期間，參與 Siri 問答系統(tǒng)的搭建。

2023 年 7 月加入 OpenAI 后，Hongyu Ren 參與構(gòu)建了 GPT-4o、4o-mini、o1-mini、o3-mini、o3 和 o4-mini 等多個(gè)核心模型，并領(lǐng)導(dǎo)后訓(xùn)練團(tuán)隊(duì)。

用他的話來說：「I teach models to think faster, harder and sharper.（我教模型更快、更努力、更敏銳地思考。）」

學(xué)術(shù)領(lǐng)域，他的 Google 學(xué)術(shù)總引用數(shù)超過 17742 次，高被引論文包括：《On the Opportunities and Risks of Foundation Models》（引用 6127 次）；《Open Graph Benchmark》（OGB）數(shù)據(jù)集（引用 3524 次）等。

Jiahui Yu

Jiahui Yu 本科畢業(yè)于中國科學(xué)技術(shù)大學(xué)少年班，獲得計(jì)算機(jī)科學(xué)學(xué)士學(xué)位，隨后在伊利諾伊大學(xué)香檳分校（UIUC）獲得計(jì)算機(jī)科學(xué)博士學(xué)位。

他的研究重點(diǎn)包括深度學(xué)習(xí)、圖像生成、大模型架構(gòu)、多模態(tài)推理和高性能計(jì)算。

在 OpenAI 任職期間，Jiahui Yu 擔(dān)任感知團(tuán)隊(duì)負(fù)責(zé)人，主導(dǎo)開發(fā) GPT-4o 圖像生成模塊、GPT-4.1、o3/o4-mini 等重要項(xiàng)目，提出并落地了「Thinking with Images」感知體系。

在此之前，他曾在 Google DeepMind 工作近四年，期間是 PaLM-2 架構(gòu)與建模的核心貢獻(xiàn)者之一，并共同領(lǐng)導(dǎo)了 Gemini 多模態(tài)模型的開發(fā)，是 Google 多模態(tài)戰(zhàn)略中最重要的技術(shù)骨干之一。

他還擁有在英偉達(dá)、Adobe、百度、Snap、曠視和微軟亞洲研究院等多家機(jī)構(gòu)的實(shí)習(xí)經(jīng)歷，研究內(nèi)容涵蓋 GAN、目標(biāo)檢測、自動(dòng)駕駛、模型壓縮、圖像修復(fù)與大規(guī)模深度學(xué)習(xí)訓(xùn)練系統(tǒng)等多個(gè)方向。

Jiahui 在 Google 學(xué)術(shù)上總引用次數(shù)超過 34500 次，h 指數(shù)達(dá) 49，代表性研究成果包括圖文對(duì)齊基礎(chǔ)模型 CoCa、文本生成圖像模型 Parti、神經(jīng)網(wǎng)絡(luò)可伸縮設(shè)計(jì) BigNAS，以及廣泛應(yīng)用于 Adobe Photoshop 的圖像修復(fù)技術(shù) DeepFill v1 和 v2 等。

Shengjia Zhao

Shengjia Zhao 本科畢業(yè)于清華大學(xué)計(jì)算機(jī)系，曾在美國萊斯大學(xué)交換，后于斯坦福大學(xué)獲得計(jì)算機(jī)科學(xué)博士學(xué)位，專注于大模型架構(gòu)、多模態(tài)推理和對(duì)齊方向的研究。

2022 年，他加入 OpenAI，擔(dān)任核心研發(fā)成員，深度參與 GPT-4 和 GPT-4o 的系統(tǒng)設(shè)計(jì)工作。曾主導(dǎo) ChatGPT、GPT-4、所有 mini 模型、4.1 和 o3 的研發(fā)工作，還曾領(lǐng)導(dǎo) OpenAI 合成數(shù)據(jù)團(tuán)隊(duì)。

他是《GPT-4 Technical Report》（被引超過 1.5 萬次）和《GPT-4o System Card》（被引超過 1300 次）的聯(lián)合作者，并參與了多個(gè)系統(tǒng)卡（如 OpenAI o1）的撰寫，是推動(dòng) OpenAI 基礎(chǔ)模型標(biāo)準(zhǔn)化與公開化的重要貢獻(xiàn)者之一。

在學(xué)術(shù)表現(xiàn)上，他 Google 學(xué)術(shù)總引用數(shù)超過 21,000 次，h 指數(shù)為 25，曾獲得過 ICLR 2022 Outstanding Paper Award、JP Morgan PhD Fellow、Qualcomm 創(chuàng)新獎(jiǎng)學(xué)金（QinF）與 Google Excellence Scholarship 等多項(xiàng)獎(jiǎng)項(xiàng)。

Google → Meta

Pei Sun

2009 年，Pei Sun 在清華大學(xué)獲得了學(xué)士學(xué)位，隨后前往卡內(nèi)基梅隆大學(xué)攻讀碩士和博士學(xué)位，順利完成碩士階段學(xué)習(xí)，并在博士階段選擇退學(xué)。

他曾在 Google DeepMind 擔(dān)任首席研究員，期間主攻 Gemini 模型的后訓(xùn)練、編程和推理工作，是 Gemini 系列模型（包括 Gemini 1、1.5、2 和 2.5）后訓(xùn)練、思維機(jī)制構(gòu)建與代碼實(shí)現(xiàn)的核心貢獻(xiàn)者之一。

在加入 DeepMind 之前，Pei 曾在 Waymo 任職近七年，擔(dān)任高級(jí)研究科學(xué)家，主導(dǎo)了 Waymo 兩代核心感知模型的研發(fā)，是自動(dòng)駕駛感知系統(tǒng)演進(jìn)的中堅(jiān)力量。

更早些時(shí)候，他曾在 Google 擔(dān)任軟件工程師五年多，后又加入分布式存儲(chǔ)公司 Alluxio 任職工程師超過一年，參與系統(tǒng)架構(gòu)研發(fā)。

Nexusflow →英偉達(dá)

Banghua Zhu

Banghua Zhu 本科畢業(yè)于清華大學(xué)電子工程系，后赴美國加州大學(xué)伯克利分校攻讀電氣工程與計(jì)算機(jī)科學(xué)博士，師從著名學(xué)者 Michael I. Jordan 和 Jiantao Jiao。

他的研究聚焦于提高基礎(chǔ)模型的效率與安全性，融合統(tǒng)計(jì)方法與機(jī)器學(xué)習(xí)理論，致力于構(gòu)建開源數(shù)據(jù)集和可公開訪問的工具。他的興趣方向還包括博弈論、強(qiáng)化學(xué)習(xí)、人機(jī)交互以及機(jī)器學(xué)習(xí)系統(tǒng)設(shè)計(jì)。

他代表性論文《Chatbot Arena》提出了人類偏好驅(qū)動(dòng)的大模型評(píng)測平臺(tái)，成為 LLM 領(lǐng)域的重要基準(zhǔn)之一。

此外，他還在 RLHF、人類反饋對(duì)齊、開源對(duì)齊模型等方向有所貢獻(xiàn)。其 Google 學(xué)術(shù)顯示引用總數(shù)超過 3100，h 指數(shù)為 23，也是大模型競技場「Chatbot Arena」、「Benchbuilder」、「Starling」等多個(gè)熱門開源項(xiàng)目的核心作者之一。

他曾在 Microsoft 擔(dān)任研究實(shí)習(xí)生，在 Google 擔(dān)任學(xué)生研究員，曾聯(lián)合創(chuàng)立 AI 初創(chuàng)公司 Nexusflow，今年 6 月，他宣布加入英偉達(dá) Star Nemotron 團(tuán)隊(duì)擔(dān)任首席研究科學(xué)家，此外將于今年秋季入職華盛頓大學(xué)的助理教授。

根據(jù)其發(fā)布內(nèi)容，他將在英偉達(dá)參與模型后訓(xùn)練、評(píng)估、AI 基礎(chǔ)設(shè)施和智能代理構(gòu)建等項(xiàng)目，強(qiáng)調(diào)與開發(fā)者及學(xué)術(shù)界的深度協(xié)作，并計(jì)劃將相關(guān)成果開源。

Jiantao Jiao

Jiantao Jiao 是加州大學(xué)伯克利分校電氣工程與計(jì)算機(jī)科學(xué)系以及統(tǒng)計(jì)系的助理教授。

他于 2018 年獲得斯坦福大學(xué)電氣工程博士學(xué)位，目前是多個(gè)研究中心的聯(lián)合負(fù)責(zé)人或成員，包括伯克利理論學(xué)習(xí)中心（CLIMB）、人工智能研究中心（BAIR Lab）、信息與系統(tǒng)科學(xué)實(shí)驗(yàn)室（BLISS）以及去中心化智能研究中心（RDI）。

他的研究集中于生成式 AI 與基礎(chǔ)模型，對(duì)統(tǒng)計(jì)機(jī)器學(xué)習(xí)、優(yōu)化理論、強(qiáng)化學(xué)習(xí)系統(tǒng)的隱私與安全、經(jīng)濟(jì)機(jī)制設(shè)計(jì)以及自然語言處理、代碼生成、計(jì)算機(jī)視覺、自動(dòng)駕駛與機(jī)器人等方向也頗有興趣。

和 Banghua Zhu 一樣，他也是 Nexusflow 聯(lián)合創(chuàng)始人之一，目前已經(jīng)正式加入英偉達(dá)，擔(dān)任研究總監(jiān)兼杰出科學(xué)家。

Jiao 的總引用次數(shù)達(dá) 7259，h 指數(shù)為 34，代表性論文包括《Theoretically principled trade-off between robustness and accuracy》，以及與 Banghua Zhu 等人合作的《Bridging Offline Reinforcement Learning and Imitation Learning: A Tale of Pessimism》，均發(fā)表在 NeurIPS 等頂會(huì)。

Claude → Cursor

Catherine Wu

Catherine Wu 曾在 Anthropic 擔(dān)任 Claude Code 的產(chǎn)品經(jīng)理，專注于構(gòu)建可靠、可解釋、可操控的 AI 系統(tǒng)。據(jù) The Information 報(bào)道，Catherine Wu 已被 AI 編程初創(chuàng)公司 Cursor 挖角，出任產(chǎn)品負(fù)責(zé)人一職。

在加入 Anthropic 之前，她曾是知名風(fēng)投公司 Index Ventures 的合伙人，任職近三年，期間深度參與多家頂尖創(chuàng)業(yè)公司的早期投資與戰(zhàn)略支持。

她的職業(yè)起點(diǎn)并不在投資圈，而是扎根于一線技術(shù)崗位。

她曾在 Dagster Labs 擔(dān)任工程經(jīng)理，主導(dǎo)公司首個(gè)商業(yè)化產(chǎn)品的研發(fā)，也曾在 Scale AI 擔(dān)任早期產(chǎn)品工程師，參與多個(gè)關(guān)鍵產(chǎn)品的構(gòu)建與運(yùn)營擴(kuò)張。

更早之前，她在摩根大通實(shí)習(xí)，并于普林斯頓大學(xué)獲得計(jì)算機(jī)科學(xué)學(xué)士學(xué)位，在校期間還曾赴蘇黎世聯(lián)邦理工學(xué)院進(jìn)行交換學(xué)習(xí)。

特斯拉 | Phil Duan

段鵬飛（Phil Duan）是特斯拉 AI 的首席軟件工程師，現(xiàn)負(fù)責(zé) Autopilot 下的 Fleet Learning 團(tuán)隊(duì)，致力于推動(dòng)特斯拉自動(dòng)駕駛系統(tǒng)（FSD）中「數(shù)據(jù) + 感知」核心模塊的建設(shè)。

他帶領(lǐng)特斯拉團(tuán)隊(duì)開發(fā)高吞吐、快迭代的數(shù)據(jù)引擎，從數(shù)百萬輛汽車中采集、處理并自動(dòng)標(biāo)注駕駛數(shù)據(jù)，強(qiáng)調(diào)數(shù)據(jù)質(zhì)量、數(shù)量與多樣性的協(xié)同優(yōu)化。在感知方向，他主導(dǎo)構(gòu)建多項(xiàng)關(guān)鍵神經(jīng)網(wǎng)絡(luò)，包括視覺基礎(chǔ)模型、目標(biāo)檢測、行為預(yù)測、占據(jù)網(wǎng)絡(luò)、交通控制和高精度泊車輔助系統(tǒng)等，是 Autopilot 感知系統(tǒng)的核心構(gòu)建者之一。

他本科畢業(yè)于武漢理工大學(xué)，主修光信息科學(xué)與技術(shù)，隨后攻讀俄亥俄大學(xué)電氣工程博士與碩士學(xué)位，研究方向?yàn)楹娇针娮?，并以博士論文榮獲 2019 年 RTCA William E. Jackson Award，該獎(jiǎng)項(xiàng)是美國航空電子與電信領(lǐng)域授予研究生的最高榮譽(yù)之一。