AI人才大战才刚刚开始

在今年的最后一期中，我重点关注人工智能人才争夺战，这是我自本期通讯近两年前推出以来一直在报道的主题。请继续阅读本周 Google 和 Meta 内部的最新动态。

但首先，我需要您对我正在计划 2025 年第一期的邮袋问题提出问题。您可以通过此表格提交问题或将它们留在评论中。

“这就像寻找勒布朗·詹姆斯”

本周，数据块宣布这是有史以来私营科技公司已知的最大一轮融资。这家人工智能企业公司正处于筹集 100 亿美元资金的最后阶段，几乎所有资金都将用于回购既得员工股票。

尽管这些策略在决定哪家公司更快取得成功方面发挥着至关重要的作用，但在科技行业，公司如何处理薪酬往往不为人知。正如我之前所介绍的，人工智能人才的争夺战最为激烈。 

为了更好地了解推动 2025 年发展状况的因素，本周我采访了纳文·拉奥，Databricks 人工智能副总裁。Rao 是我最喜欢谈论人工智能行业的人之一。他不仅技术精湛，而且具有商业头脑，曾成功出售多家初创公司。他的上一家公司 MosaicML 于 2023 年以 13 亿美元的价格出售给 Databricks。现在，他负责监督 Databricks 的人工智能产品，并密切参与其顶尖人才的招聘工作。

我们下面的对话涉及 Databricks 大规模融资背后的逻辑、哪些特定的人工智能人才仍然稀缺、为什么他认为 AGI 不会迫在眉睫等等。

为了长度和清晰度，以下对话已被编辑：

为什么这一轮主要是帮助员工抛售股票？因为100亿美元是很多。你可以用它做很多事情。

该公司已有11年多一点的历史。这里有已经工作很长时间的员工。这是获得流动性的一种方式。 

大多数人不明白这不会进入 Databricks 的资产负债表。这很大程度上将为过去的员工提供流动性，并为现任和新员工提供未来的流动性。它最终在稀释方面保持中性，因为它们是已经存在的股票。这些股票已分配给员工，这使得他们可以出售这些股票以支付与这些股票相关的税款。

人工智能公司估值快速上涨在多大程度上与人才争夺战有关？

这是真的。这里的关键是，提出下一个重大事件、下一个重大论文的不仅仅是纯粹的人工智能人才。我们肯定正在努力雇用这些人。需要构建一个完整的软件和云基础设施来支持这些东西。当你建立一个模型并想要扩展它时，这本身实际上并不是人工智能人才。这是基础设施人才。 

我们所处的人工智能泡沫创造了一个所有这些人才都被大量招募的环境。我们需要保持竞争力。 

谁在为人工智能人才制定市场价格方面最积极？

OpenAI 确实存在。人为的。亚马逊。谷歌。元。xAI。微软。我们与所有这些公司不断竞争。

您会将能够构建新前沿模型的研究人员数量控制在 1,000 人以下吗？

是的。这就是人才争夺战如此激烈的原因。研究人员在组织中的影响力是前所未有的。一位研究人员的想法可以彻底改变产品。这有点新鲜。在半导体领域，提出新晶体管架构的人们拥有这种影响力。 

这就是为什么这些研究人员如此受追捧。提出下一个伟大想法和下一个重大解锁的人可以对公司的获胜能力产生巨大影响。

您认为人才库在不久的将来会扩大还是会受到限制？ 

我看到池的某些方面正在扩大。由于能够构建适当的基础设施并对其进行管理，这些角色正在不断扩大。顶尖研究员这边是最难的部分。这就像寻找勒布朗·詹姆斯。有能力做到这一点的人并不多。 

我会说拐点式收购很大程度上是受这种心态驱动的。这些初创公司集中了顶尖人才，而人们支付的费用听起来很荒谬。但这并不荒谬。我想这就是为什么你会看到谷歌重新招聘诺姆·沙泽尔。很难找到另一个诺姆·沙泽尔。一个 

我之前创办的公司 Nervana 中的一个人可以说是世界上最好的 GPU 程序员。他现在在 OpenAI。OpenAI 模型上发生的每一个推理都是通过他的代码运行的。你开始计算下游成本，就像，“天哪，这个家伙节省了 40 亿美元。”

当您尝试为 Databricks 聘请研究员时，您的优势是什么？

你开始看到不同候选人的一些选择偏见。有些是 AGI 或半身像，这没关系。对于一些最聪明的人来说，这是一个巨大的动力。我们认为我们将通过构建产品来实现通用人工智能。当人们使用技术时，它会变得更好。这是我们宣传的一部分。 

人工智能正处于巨大的增长基础，但它也达到了炒作的顶峰，并且正在走下坡路Gartner 炒作曲线。我认为我们现在正处于下滑趋势，而 Databricks 已经建立了非常强大的业务。这对一些人来说非常有吸引力，因为我认为我们不会那么容易受到炒作的影响。

与您交谈的研究人员真的相信通用人工智能即将到来吗？对于它何时到来有任何共识吗？ 

老实说，目前还没有达成很大的共识。我在这个领域已经工作了很长时间，而且我一直直言不讳地说它还不是指日可待。大语言模型是一项伟大的技术。通过围绕它构建优秀的产品，它可以带来巨大的经济提升和效率。但这并不是我们过去所说的 AGI 的精神，AGI 是人类甚至动物般的智能。

这些东西并没有创造神奇的智能。他们能够更轻松地分割我们称之为事实和模式的空间。这与构建因果学习器不同。他们并不真正了解世界是如何运作的。 

你可能有见过伊利亚·苏茨克韦尔 (Ilya Sutskever)讲话。我们都在黑暗中摸索。扩展是一个很大的解锁。很多人对此感到热情是很自然的。事实证明，我们没有解决正确的问题。

即将进入 AGI 的新想法是测试时计算还是“推理”方法？

不。我认为这对于性能来说非常重要。我们可以提高答案的质量，可能会降低出现幻觉的可能性，并增加基于事实的答案的可能性。这对该领域来说绝对是积极的。但这能解决AGI精神的根本问题吗？我不这么认为。我也很高兴自己错了。

您是否同意这样一种观点：利用现有模型构建更多优质产品还有很大的空间，因为它们功能强大，但仍然受到计算和访问的限制？

是的。Meta 的起步比 OpenAI 和 Anthropic 晚了几年，但他们基本上迎头赶上了，而 xAI 的追赶速度非常快。我认为这是因为改进的速度基本上已经停止了。

Nilay Patel 将人工智能模型竞赛与早期蓝牙进行了比较。每个人都一直说有更高级的蓝牙，但我的手机仍然无法连接。

在每个产品周期中你都会看到这一点。iPhone 的前几个版本比以前的版本要好得多。现在，我无法区分三年前的手机和新手机之间的区别。 

我认为这就是我们在这里看到的。我们如何利用这些法学硕士及其内置的分布来解决业务问题是下一个前沿领域。 

别处

您还应该了解什么

求职板

本周有一些值得注意的举动：

更多链接

一如既往，我希望收到您的来信，特别是如果您有建议或反馈。请在此回复，我会回复您，或者通过 Signal 安全地向我发送 ping 信号。

感谢您的订阅。