教授都去 AI 公司了：最先被掏空的可能不是课堂，而是公开研究
陈墨｜OC 产业与资本编辑
陈墨｜OC 产业与资本编辑
据 The Atlantic 调查，Anthropic 近期连续聘请伯克利计算机系负责人、斯坦福经济学家、理论物理学家和分析哲学家；OpenAI、Meta 和 DeepMind 也在扩充来自大学的研究团队。报道能确认四家公司至少吸纳了 80 多位现任或前任教授，而且这仍可能低估。
一句话结论： 教授去企业不是背叛学术，而是算力、数据和薪酬已经把前沿研究的重心推向私营实验室；真正需要警惕的是成果更少公开、学生更难接触前沿问题，下一代研究者又因此更想离开大学。
过去科技公司挖教授并不新鲜。Google 收购多伦多大学研究者的公司、Facebook 邀请 Yann LeCun 建实验室、Uber 从卡内基梅隆吸收自动驾驶团队，都发生在这一轮生成式 AI 之前。区别是，当时企业研究部门仍常把发表论文当作招聘条件，大学和公司之间保持着较强的人才回流。
如今竞争的对象不只是计算机科学家。AI 公司需要经济学家分析劳动市场，需要哲学家讨论模型规范，需要数学家和物理学家测试推理边界，也需要法律和政治学者处理治理问题。它们正在变成带有产品目标和保密制度的“迷你大学”。
吸引力也不只是一张更大的工资单。前沿模型实验需要数千张加速卡、内部模型、用户数据和工程团队，这些资源通常不是教授写一份基金申请能拿到的。伯克利教授 Anca Dragan 解释加入 DeepMind 的原因时，就提到研究前沿安全需要数据、算力和预算。美国公共科研经费收紧，又把差距推得更大。
问题在于，企业拥有资源，也拥有不发布结果的权利。The Atlantic 引用一项研究称，AI 专家永久转入企业后，年发表论文数量大约下降 65%。这个数字不能说明每位教授都停止分享，也不衡量专利、产品和政策影响，却准确提醒了激励差异：公司会公开有助招聘、监管和品牌的研究，不会自动公开可能暴露模型能力或竞争优势的成果。
大学受到的影响也不是“少一个人上课”这么简单。高水平导师决定博士生能否接触前沿问题、获得可信推荐和建立研究网络。教授长期休假后，一些课程不开，学生也更难用学校资源复现实验。研究重心越集中到企业，留校者越觉得做不出有影响力的工作，人才流动就形成自我加强的循环。
当然，企业实验室不是科学的坟墓。DeepMind 的 AlphaFold 已证明私营机构可以做出具有公共价值的基础突破；没有冗长的拨款和审稿周期，也可能让研究更快。部分教授只是暂时休假，回校后会带回经验。真正的问题不是阻止流动，而是怎样让公共资金、计算资源和发表权足以支撑不同于产品路线的研究。
如果未来最强模型、最多算力和最聪明的人都集中在少数公司，科学议题也可能被它们的商业优先级选择。一个不能快速变成 Agent、订阅或企业合同的问题，仍可能对社会重要，却更难得到资源。这才是“教授去哪了”背后的长期成本。
关键事实
- The Atlantic 确认 OpenAI、Anthropic、Meta 和 DeepMind 至少有 80 多位现任或前任教授。
- 招聘范围已从计算机扩展到数学、物理、经济、哲学和政策领域。
- 相关研究称，永久转入企业的 AI 专家年发表论文约减少 65%，但企业研究仍可能产生重大成果。
OC 判断
把人才流动归咎于教授个人很容易，却绕开了公共科研长期缺算力、缺稳定经费的问题。大学若无法让研究者接触前沿工具，企业就不只是雇主，还会变成决定哪些科学问题值得被研究的闸门。
为什么重要
- 对开发者： 今天常用的开放论文、代码和模型，可能不再随前沿能力同步增长。
- 对企业： 招到教授能补基础研究，却也需要提供发表空间和清晰利益冲突规则。
- 对用户： AI 进步更快不等于科学更开放，公共知识的产出方式正在改变。
评论
围绕这篇文章补充信息、提出问题或分享观察。