AI 公司挖走教授之后，谁还在大学里做 AI？ (2026)

导读

AI 公司正在把大学最稀缺的东西一起吸走：教授、博士生导师、算力和公开研究的时间。Lila Shroff 与 Rose Horowitch 发现，前沿实验室已像一批私立大学；问题是，科学会因此加速，还是变成几家公司的内部资产？1

全文总结

从计算机系开始，招聘已经越过了学科边界

Anthropic 招走加州大学伯克利分校电气工程与计算机科学系主任后，挖人名单还在扩大：一名斯坦福大学经济学家、马里兰大学理论物理学家，以及得州大学奥斯汀分校的分析哲学家也加入了这家公司。作者把四家 AI 公司目前和曾经聘用的教授逐一查了一遍，找到了 80 多人，其中大多数是计算机科学家。这个数字不包括已经创办公司的人、其他 AI 初创公司的教授，也不包括非正式合作，因此很可能还是低估。1

这说明 AI 实验室要的已经不只是会训练模型的人。哲学家帮助模型学会与人互动，经济学家研究 AI 对劳动力市场的影响，法律学者和政治学者也出现在招聘目标中。公司由此越来越像「有计算资源的综合大学」，只是它们的研究方向由产品、竞争和商业机密决定。

这场迁移并非始于今天

人工智能作为一个研究领域，通常把 1956 年达特茅斯会议视为正式起点。很长时间里，大学和联邦科研经费是主要支撑。硅谷在 2010 年代初开始认真押注商业化后，人才才大规模转向公司：2013 年，Google 花 4400 万美元买下一家由多伦多大学三名 AI 研究者创办的初创公司；Facebook 聘请纽约大学教授 Yann LeCun 建立 AI 研究实验室；Uber 则从卡内基梅隆大学挖走约 40 名研究人员做自动驾驶。1

早期的公司研究仍保留着大学的开放传统。OpenAI 的成立公告曾写道，研究人员会被强烈鼓励发表成果。2017 年，Google 科学家发表的 Transformer 论文直接影响了 OpenAI，后来 ChatGPT 名称中的「T」就来自 Transformer。开放发表让不同机构能够接力改进同一套思想，也帮助 AI 走到了今天的位置。1

大学输掉的，是钱、算力和速度

教授离开大学的理由并不只是薪水。前沿 AI 研究需要大量计算资源，而大学拥有的算力只是硅谷的一小部分；特朗普政府削减科研经费后，两者的差距又扩大了。伯克利计算机科学家 Anca Dragan 说，DeepMind 能给她「数据、算力和预算权限」，让她推进最前沿的 AI 安全研究。乔治亚理工学院教授 Humphrey Shi 加入 Nvidia 后则说，重要研究已经大多在产业界完成了。1

这会形成一个自我强化的循环。教授越多地进入公司，AI 研究的中心越偏离大学；研究中心越偏离大学，留下的人就越难获得同等资源，也越有理由离开。对个人来说，实验室可以免去申请经费的等待，研究也不用经历漫长的同行评审，进展自然更快。

这股迁移也可能带来回流。许多教授只是暂时离校，回到大学后会把前沿经验带回课堂。DeepMind 的 Anca Dragan 还在准备一门 AI 安全博士研讨课。斯坦福大学计算机科学家 Chris Gregg 认为，研究人员应该去最好的研究发生之处；如果那个地方是一家公司，选择它并不奇怪。1

大学留下的空缺，不只是几门课

教授离开后，最直接的后果是教学岗位变少。Gregg 说，学生偶尔会问某门课为什么不再开，答案有时只是教授去了 AI 公司休假。明星教授离校还会削弱学生进入前沿研究的机会，因为求职时，能否和真正做重要研究的导师合作，往往决定他们能不能从同届申请者中脱颖而出。

伯克利计算、数据科学与社会学院院长 Jennifer Chayes 担心，研究一旦集中到拥有专有模型的实验室，实验室之外的人就更难使用这些模型来推进科学。她判断，大学的计算机系会活下来，但美国的创新经济未必如此。1

开放发表也在收缩。AI 公司会因为竞争对手可能利用成果而减少公开研究；有些跳槽的研究者告诉同事，他们想发表的工作已经无法发表。文中引用的一项研究估算，AI 专家从大学永久转入公司后，每年发表的论文数量大约减少 65%。仍能发表的论文更偏向安全研究，而不是最前沿的模型能力研究；公司研究有时也会服务于营销宣传。1

封闭的不只是论文，还有模型本身。文章提到，Anthropic 曾宣布新模型 Fable 会在不公开说明的情况下削弱某些 AI 研究能力，理由是安全考虑。学术界强烈反弹后，公司道歉并改变了政策。这个例子让问题变得具体：当同一家公司既拥有最好的研究人员，又控制研究者使用的工具，什么可以被研究，可能也由公司决定。1

私人实验室会成为新的贝尔实验室吗

硅谷对这场迁移的乐观版本，是让 AI 公司成为新一代贝尔实验室。AT&T 的研究部门在 1960 年代鼎盛时雇用了约 1200 名博士，研究成果包括晶体管和现代太阳能电池，至少有 10 位诺贝尔奖得主曾在那里工作。DeepMind CEO Demis Hassabis 也把贝尔实验室视为灵感来源，认为通用人工智能可能成为推动科学和医学的终极工具。文中还提到，DeepMind 已经凭借蛋白质结构预测研究获得诺贝尔奖级别的成果，顶尖模型也已显示出处理数学研究的能力。1

但贝尔实验室的类比省略了一个条件：它属于一家电信公司，却建立了相对宽松的基础研究制度；今天的 AI 实验室处在几家公司的激烈竞争中，研究人员、数据、算力和模型都可能成为商业壁垒。由学者发起的一份声明警告，科技公司越来越多地介入数学研究，最终可能改变数学研究本身的范围和深度。

所以文章没有把教授去公司简单写成背叛大学，也没有把实验室写成科学的救世主。公司确实能让研究者更快拿到算力，也可能把知识从大学的公共课堂和论文系统里抽走。决定 AI 是否会加速科学的，不只是模型有多强，还包括谁能接触它、谁能发表结果，以及下一代研究者还能在哪里接受训练。

关键细节

作者在四家 AI 公司中找到 80 多名现任或前任教授，这个数字还不包括其他 AI 初创公司、教授创办的公司和非正式合作。1
2013 年，Google 花 4400 万美元收购一家由多伦多大学三名 AI 研究者创办的初创公司；Facebook 随后聘请 Yann LeCun 建立 AI 研究实验室，Uber 还从卡内基梅隆大学挖走约 40 名研究人员。1
研究显示，AI 专家从大学永久转入公司后，每年发表的论文数量约减少 65%；能发表的成果更偏向安全研究，而非前沿模型能力。1
贝尔实验室在 1960 年代鼎盛时雇用了约 1200 名博士，至少有 10 位诺贝尔奖得主曾在那里工作，晶体管和现代太阳能电池都与其研究有关。1
Anthropic 曾计划让 Fable 在不公开说明的情况下减少某些 AI 研究能力，引发学术界反弹后道歉并改变政策。1

金句

Much of the important research is being done in industry now.
「现在，大量重要研究都在产业界完成。」Humphrey Shi 的判断解释了教授为何愿意离开大学：他们追逐的不只是薪水，还有只有公司才负担得起的算力和数据。1

Computer-science departments at universities will survive this. I don't know if our innovation economy will.
「大学的计算机科学系会撑过这场变化，但我不知道美国的创新经济能不能。」Jennifer Chayes 把风险从一个学科的存亡，推到了整个创新体系的公共性。1

I find a much bigger priority than publishing is engaging in policy and regulation.
「对我来说，比发表论文重要得多的事，是参与政策和监管。」Anca Dragan 的话提出了另一种取舍：公司里的研究者未必把论文当作唯一产出，但政策影响力也更容易集中到少数实验室手中。1

References

1Where Did All the Computer-Science Professors Go?

导读