AI史上最贵抢人大战:Meta出价15亿挖角,Mira Murati的TML用顶级人才完美反击

扎克伯格出价约10亿美元想买下整家公司，被拒绝。于是他改变策略，一个人一个人挖——据报道，其中一笔签约费高达15亿美元。Mira Murati的回应是：从Meta本身挖来PyTorch的创始人，担任她公司的CTO。

从10亿收购要约到逐人蚕食

2025年，Thinking Machines Lab（TML）还是一家刚完成20亿美元融资、估值120亿美元的新兴AI公司。140人的团队，由前OpenAI CTO Mira Murati亲手组建，核心成员来自OpenAI、DeepMind、Google Brain等顶尖实验室。扎克伯格盯上了这家公司，开出约10亿美元的收购报价。Murati拒绝了。

随后Meta换了打法：既然买不下公司，就把人一个个买走。

从2025年下半年到2026年4月，Meta陆续挖走TML至少七位创始团队成员。其中最轰动的是Andrew Tulloch——这位AI研究员加入Meta Superintelligence Labs时，据报道拿到了6年15亿美元的薪酬包，The Next Web将其描述为”可能是科技行业史上最贵的个人人才收购”。紧接着，建立了TML核心API产品Tinker的创始工程师Joshua Gross在2026年3月加入Meta；Barret Zoph、Luke Metz、Sam Schoenholz三人重回OpenAI；Devendra Chaplot则去了xAI。

图1：AI顶尖人才成为各大科技公司争夺的核心资源

Soumith Chintala：Meta挖人，TML挖得更狠

这场战争的戏剧性在4月底达到顶点。

就在Meta持续蚕食TML人才的同时，TML正在做一件让业界侧目的事：从Meta内部挖来了Soumith Chintala，担任公司CTO。Chintala在Meta工作了11年，是PyTorch深度学习框架的联合创始人——而PyTorch目前是全球最主流的AI研究框架，几乎每一家顶尖AI实验室都在用它训练模型。

跟着Chintala一起来的还有Piotr Dollár，同样是在Meta工作了11年的研究主任，Segment Anything模型（SAM）的联合作者，现在加入了TML技术团队。Andrea Madotto来自Meta FAIR部门，专注于多模态语言模型研究，2025年12月加入；James Sun在Meta从事LLM预训练和后训练工作约9年，也已加入TML。最近几周，Weiyao Wang（在Meta工作8年，专攻多模态感知系统和SAM3D）和Kenneth Li（哈佛博士，在Meta待了10个月）也相继到岗。

TML的招募范围不止于Meta。Neal Wu是三届国际信息学奥林匹克金牌得主、Cognition联合创始人；Jeffrey Tao有Waymo、OpenAI、Windsurf的履历；Muhammad Maaz来自Anthropic；Erik Wijmans来自Apple；Liliang Ren来自微软AI Superintelligence团队。

这份名单的覆盖面，说明TML并没有因为流失创始人而陷入被动。

图2：TML正在从OpenAI、Anthropic、Waymo、Apple、微软等各方汇聚顶级研究人才

15亿美元薪酬包意味着什么

Andrew Tulloch的15亿美元报价，是理解这场战争烈度的关键数据点。

以TML的整体估值120亿美元来算，Tulloch一人的6年薪酬包，相当于公司估值的12.5%。Meta愿意为单个研究员开出这个价码，背后的逻辑是：在当前的AI竞赛中，某些关键研究员对模型能力的影响是不可替代的，而训练一个顶级大模型的算力成本动辄数十亿美元——相比之下，锁定核心人才的投资回报逻辑反而成立。

这种逻辑在硅谷正在快速扩散。xAI从多家公司挖人，Anthropic持续与OpenAI争夺研究员，Google DeepMind的薪酬结构也在持续升级。顶尖AI研究员的市场定价，已经脱离了传统科技公司的薪酬框架。

但高薪酬能买到人，不一定能买到忠诚度和创造力。Soumith Chintala在Meta工作了11年，参与构建了整个深度学习时代最重要的工具之一，最终选择加入一家140人的初创公司，担任CTO——而不是在Meta继续拿稳定的顶级薪资。这背后的信号，比任何薪酬数字都更值得关注。

研究者更想去哪里

从研究者的视角看，TML对顶尖人才的吸引力来自几个方面。

第一是使命密度。TML的核心成员，包括John Schulman（PPO算法的发明者，RLHF的奠基人之一）、Mira Murati（OpenAI时代GPT-4和DALL-E等产品的主要推动者），都是在大模型发展史上留下过清晰印记的人。对于顶尖研究员来说，能和这些人一起定义下一代AI产品，吸引力是货币无法完全替代的。

第二是资源到位。2026年4月22日，TML与Google签署了数十亿美元的云服务协议，并获得了Nvidia GB300芯片的访问权限。GB300是目前算力密度最高的AI训练芯片之一，拥有这个访问权限，意味着TML的研究规模不再受计算资源制约。

第三是公司阶段。140人、120亿美元估值、核心产品Tinker的API已在运行——TML正处于一个研究和产品都在快速成形的阶段。对于想要同时做研究又能看到产品落地的人，这个阶段的公司往往比巨头更有吸引力。

图3：计算资源与顶尖团队，构成TML对研究者最核心的吸引力

这场战争在重塑AI生态

Meta vs TML这条故事线，是2026年AI人才战争的一个切片，但它的意义不止于两家公司之间的博弈。

从结构上看，这场战争正在加速AI人才的流动速率。过去五年，顶尖研究员的平均在职时长在缩短，从Google和Meta的8-11年，逐渐向2-3年靠拢。公司边界对人才的约束力在减弱，研究员们更倾向于追随使命和机会，而不是品牌和稳定。

从资本逻辑看，高密度的人才浓度正在成为AI公司估值的核心锚点。TML以140人的规模撑起120亿美元的估值，每人头估值约8571万美元，远超大多数传统科技公司。投资人在押注的不是当下的营收，而是团队在未来几年内可能产出的研究成果和产品。

从竞争格局看，这场人才战的赢家不会只有一方。Meta挖走了TML的部分创始成员，但同时也失去了Chintala和Dollár这两位顶级研究员。TML失去了7名创始人，但换来了一批来自Meta、Anthropic、Waymo、Apple、微软的顶级人才。人才在流动，能力在重组，AI领域的竞争格局每隔几个月就在重写。

Mira Murati目前还在TML，John Schulman还在，Soumith Chintala也刚刚到位。这三个名字放在一起，覆盖了RLHF算法、PyTorch框架、GPT系列产品的核心演进路径——如果这个核心没有散掉，TML接下来做什么，值得认真关注。

本文写于Meta与TML人才战争持续升温之际，部分细节仍在动态发展中。

⚠️ 本文由 AI 辅助生成，内容可能存在事实性错误或理解偏差，请读者注意甄别核实。

这场人才战背后，你怎么看？顶尖AI研究员在追求的究竟是薪酬、使命、还是别的什么？

如果这篇分析帮你理清了AI人才战争的脉络，点个赞👍 和推荐❤️，让更多关注AI行业的朋友看到。

转发给在AI圈工作的朋友——这场战争的走向，直接影响未来两年的模型格局。

数据来源：

• TechCrunch: https://techcrunch.com/2026/04/24/metas-loss-is-thinking-machines-gain/^[1]
• The Next Web: https://thenextweb.com/news/meta-thinking-machines-lab-talent-raid^[2]
• Fortune: https://fortune.com/2026/01/16/mira-murati-thinking-machines-staff-defections-openai-zoph-metz-schoenholz/^[3]
• TechTimes: https://www.techtimes.com/articles/316021/20260421/meta-raids-12b-ai-startup-thinking-machines-lab-snags-founding-engineers-talent-war.htm^[4]

题图来源：Unsplash

引用链接