邵 青|AI浪潮与华人崛起

作者 | 邵 青  教育管理学博士、旅美学者、企业家

可能大家都注意到了一个有趣的现象，硅谷AI产业的核心岗位上，华人面孔正在密集出现。

黄仁勋、苏姿丰、陈福阳、陈立武分别执掌了英伟达、AMD、博通、英特尔；Alexandr Wang进入Meta领导超级智能实验室，赵晟佳担任该实验室首席科学家；Scott Wu创办Cognition，将AI编程推向企业市场；Edwin Chen创办Surge AI，经营模型训练所需的数据服务；Carina Hong则通过Axiom Math探索数学推理与形式化验证。

从芯片到模型，从训练数据到专业应用，这些人的经历勾勒出一幅跨越产业层次的人才图景。简单地将他们统称为“华人帮”只是笼统描述，其实背后掩盖着同一族裔不同身份条件下的文化基因、教育经历、商业利益和成功条件。

尤其值得考察的，是这些条件何以在此时交汇。资本的历史流向、软件产业的国际分工、华人社会的教育投入，以及AI工程需求的迅速扩大，共同构成了这一现象的背景。华人人才的突出表现，也由此提出了一个更加宏大、深远的时代课题：中国如何才能把人才优势转化成发现新技术、创造新产业的持续发展能力。

近代资本积累的中心，曾沿着荷兰、英国、美国的路径迁移。阿姆斯特丹、伦敦和纽约相继兴起，金融活动在各自的发展后期日益突出。意大利政治经济学家乔万尼·阿里吉（Giovanni Arrighi）在《漫长的二十世纪》（The Long Twentieth Century: Money, Power, and the Origins of Our Times）中，曾将荷兰、英国和美国的相继兴起，放在资本积累与金融扩张的历史中考察。结论是贸易和生产扩张形成财富，金融扩张又为财富寻找更广阔的收益来源。

这条历史并非一次整齐的产业资本向金融资本的交接。荷兰的贸易金融繁荣早于英国工业革命，生产与金融始终彼此依存。但随着财富积累和金融体系成熟，资产经营逐渐拥有独立而强大的吸引力，经济中心也开始吸纳越来越多经营资本、组织交易和配置资源的人才。

职业选择也会随之调整。金融业能够提供的收入、晋升和社会地位，使它成为欧美精英的重要去向。金融业长期形成的高收入与职业声望，吸引了一批优秀人才，也影响了人才在金融与工程领域之间的分布。虽然我们还不能由此断言欧美精英普遍放弃了产业与工程，但它确实说明，人才分布很大程度上是受社会回报结构的塑造的。

今天的AI正在改变这套回报结构。一部分最优秀的数理人才，已经可以在模型研发、芯片设计和技术创业中获得与金融业竞争甚至更具优势的收入预期和事业空间。HRT等量化机构成为若干年轻创业者的共同经历，说明金融与科技之间的人才流动正在产生新的结果。为市场寻找交易机会的能力，开始被用于寻找技术突破与产品机会。

金融也开始以科技资本模式大规模进入AI。新产业需要它承担风险、组织长期投入；倘若估值和退出成为唯一尺度，人才又会被迫围绕融资周期工作。华人人才今天所处的位置，已经深深嵌入资本与技术的往复循环的选择之中。

印度软件业的兴起，曾经有着清晰的历史条件。

英语降低了与欧美客户沟通的成本，工资差异提高了承接订单的竞争力，技术教育则持续提供能够完成开发任务的劳动力。软件出口所支付的薪酬，在国际市场上相对便宜，在印度国内又足够有吸引力。这种双重价格关系，使海外需求与本土人才供给相互促进。

联合国大学世界发展经济学研究所的相关研究，早已注意到这一机制。随着业务扩大，印度企业进一步积累了跨国交付、客户管理和大型项目组织能力。印裔人才在全球科技企业中的影响，也从编程岗位延伸到管理、创业和企业战略。

这条路径是有相当的局限性的。按人员和工时计费，容易鼓励扩大团队规模；低价竞争可能压缩架构设计、测试和维护的投入。项目验收之后留下的技术债务，往往要由客户和后续团队承担。具体问题必须检查合同、组织和技术管理，不能简单归因于开发者的族裔身份。

人才网络还可能带来另一类隐患。熟人推荐能够降低信息成本，一旦招聘和晋升开始优先照顾亲友、同乡或特定社群，专业标准就会受到侵蚀。有关印度企业的研究发现，同种姓、同宗教背景会影响部分高管选任。

AI进一步改变了竞争条件。随着常规编码逐步被自动化，依靠大量人员完成标准任务的业务将承受换代压力。系统设计、复杂推理、结果验证和行业知识的重要性都可能上升。过去形成的软件服务优势，需要在新的技术条件下持续更新才有可能。

华人AI人才的形成和崛起，是靠文化基因和长期积累共同推动的。

中华传统文化重视教育，将学习与个人前途、家庭责任、历史担当紧密相连。家长甘心常年投入，孩子也习惯通过反复练习熟练掌握艰深知识的积累模式，此种教育风格还会转化为下一代的持续投入。这种代际传承，使数理人才培养获得了超出学校课堂的社会支持。

谈及“文化基因”，应当看到其中可以传递的习惯和观念。中国文化传统包含名实辨析、关系判断和整体思考，古代数学也发展出以明确步骤处理实际问题的方法。这些资源有助于理解华人文化中的求解倾向，所有这些都不同程度地影响到华人的现代算法能力，甚至有可能使华人具有普遍的逻辑思维优越性。

现代数理教育使这种学习投入获得了更明确的方向。数学课程训练抽象关系和演绎推理，物理与工程课程要求模型接受事实约束，计算机训练又把思路变成可以运行、检验和修改的程序。传统学习习惯与现代专业训练相结合，形成了今天能够参与AI竞争的综合能力。

中国庞大的人口与教育规模，又把个体积累扩展成可观的人才供给。卡内基国际和平基金会2026年发布的研究，以NeurIPS论文作者为样本，发现2025年样本研究者中有57%在中国完成本科教育，2022年为46%。这个口径衡量教育来源，尽管并不能等同于国籍或族裔优势，但至少部分显示中国本科教育在前沿AI人才培养中的重要性。

赴海外深造和工作的华人人才，还经历了研究训练、跨国流动和职业竞争的多轮筛选。硅谷提供的实验室、资本、同行交流和创业市场，又提供了他们的后续成长空间。传统教育与创新环境的个体相遇，成就了这样一批耀眼新星。

华人人才的积累，如今迎头撞上AI产业需求的急剧扩张。

基础研究仍在推进，大规模应用已经同时展开。模型能力稍有进展，企业便尝试将它接入编程、搜索、客服、研发和生产。这种研究与应用相互追赶的节奏，使工程实现承受了极大压力。

演示中完成一次任务，只是起点。进入企业之后，系统必须处理不完整的数据，调用不同工具，识别失败，保护权限，并在可接受的成本内长期运行。工程师需要理解算法，也需要判断真实环境中的约束。数学帮助分析模型与误差，工程经验帮助定位故障、组织实验并完成迭代。

人才需求可以迅速增加，专业训练却需要多年。这种供给与产出的时间差，客观上提高了数理基础扎实、工程能力成熟者的行业地位。华人群体中长期形成的相关人才储备，因此获得了更大的发展机会。

Cognition的发展提供了一个具体范例。2024年推出Devin之后，公司必须持续回答AI编程能否在真实项目中可靠交付。到2026年9月，它宣布完成超过20亿美元融资，估值480亿美元，收入年化运行率接近9亿美元。这个数字说明，企业客户对AI编程的需求正在形成规模。

Axiom Math则选择了另一条路线。2026年3月，公司完成2亿美元A轮融资，投后估值约16亿美元，试图将数学推理和形式化验证用于可信AI。它所争取的机会，来自模型产出之后仍然存在的验证难题。

这些案例显示，技术人员能够接近的商业空间正在迅速扩大。芯片、训练数据、模型、验证工具和专业应用，各自都可能形成企业。至于谁能长期留下，则需要经过客户、成本和市场竞争的检验。

华人人才未来的发展，已经超出进入名企和获得高薪的范围。

拥有专业判断的人，可以进一步参与确定产品方向、组织研发团队和建立企业。小团队借助现成模型与云基础设施，能够更快推出产品；长期扎根半导体和系统软件的团队，则可能凭借技术积累建立更深的壁垒。不同路径之间，存在广阔的分工空间。

但更高的职位未必带来足够的独立性。Alexandr Wang进入Meta，获得了组织大规模研发的资源，也必须服务于公司的整体战略。独立应用公司依赖模型接口，上游平台却随时可能推出竞争产品。技术人才由此需要补上客户经营、资本安排、知识产权和公司治理等能力。

华人人才网络可以帮助完成这一步。共同语言和职业经历有助于交换信息、寻找合伙人，但企业成长还需要吸纳不同背景的人，并让专业标准高于关系远近。一个圈子能够帮助创业起步，开放的组织才有可能支撑长期创新与持续发展。

更重要的是，海外华人的个人成就与中国的发展机会，需要通过具体合作发生联系。共同研究、开源项目、创业投资和跨境产品合作，都可能促成人才与知识流动。族裔身份本身不会自动带来技术转移。合作能否持续，取决于互信、规则和双方能够提供的实际价值。

中国已经拥有承接AI人才与技术的现实基础。

前述卡内基研究显示，在其样本中，中国本科背景研究者在中国工作的比例，由2022年的57%升至2025年的69%。这一变化既受到国内产业机会增加的影响，也受到跨国流动限制的影响。无论如何，中国正在成为更多专业人才能够开展前沿工作的地方。

制造业基础、工程队伍和大量具体业务，为AI提供了丰富的改进对象。生产排程、设备维护、质量检测、材料研发和供应链协同，都包含需要长期求解的问题。企业掌握的现场知识若能与模型能力结合，便有机会形成难以靠通用软件直接复制的产品。

这种潜力不会因“场景丰富”而自动兑现。设备之间的数据未必互通，历史记录可能不完整，企业也未必有能力为试验付费。数据使用规则、技术接口、责任分担和采购机制，都需要逐项建立。实际部署中的细碎障碍，往往比模型演示更能决定一项技术的命运。

未来的发展模式，应当让基础研究、产业应用和企业成长相互支持。研究机构需要获得稳定经费，并容许尚无明确商业出口的探索；应用团队需要深入现场，通过可靠效果取得订单；政府则可以提供公共科研设施、基础标准和透明规则，减少每家企业重复承担的成本。

工程能力也应当继续向基础研究延伸。中国2025年基础研究经费为2834.6亿元，相对于整体研发投入仍有进一步拓展的空间。大规模应用能够暴露现有方法的边界，其中一些问题需要回到算法、材料、器件和科学原理层面寻找答案。产业的价值由此不仅体现为收入，也体现为它能否持续提出值得研究的新问题。

资本安排同样关系到发展质量。研发周期较长的企业，需要与其技术进程相适应的资金；中小团队则需要公平取得客户和基础设施的机会。若企业主要靠政策项目和融资存续，技术评价就容易围绕申报与估值展开。付费客户、可验证的产品效果和持续研发，才有可能使企业逐步建立独立生存能力。

中国完全可以利用现有工程基础，形成适合自身条件的AI产业道路。它需要兼顾前沿研究与广泛应用，允许大企业承担高投入研发，也让小团队凭借独特技术获得市场；同时保留国际交流，使人才、知识和产品继续接受更广泛的检验。

华人在AI浪潮中的崛起，已经说明长期教育投入能够在技术变革中释放巨大价值。对中国而言，下一步需要兑现的，是人才留下之后能够做成什么。一个年轻人提出新问题，找到同行，取得资金，最终把成果交给社会使用，这条路若能走得通，今天的人才优势才会成为明天的发展能力。

参考文献：

Arrighi, G. (1994). The long twentieth century: Money, power, and the origins of our times. Verso.

Arora, A., & Athreye, S. (2001). The software industry and India’s economic development (WIDER Discussion Paper No. 2001/20). UNU-WIDER. https://www.wider.unu.edu/publication/software-industry-and-indias-economic-development

Cognition. (2026, September 8). Do it all with Devin: Announcing our Series E. https://cognition.com/blog/series-e

Damaraju, N. L., & Makhija, A. K. (2018). The role of social proximity in professional CEO appointments: Evidence from caste/religion-based hiring of CEOs in India. Strategic Management Journal, 39(7), 2051–2074. https://doi.org/10.1002/smj.2787

Ma, D., & Yang, B. (2026, September 23). Who’s ahead in the global AI talent race? Carnegie Endowment for International Peace. https://carnegieendowment.org/features/whos-ahead-in-the-global-ai-talent-race

Menlo Ventures. (2026, March 12). AI will write all the code. Mathematics will prove it works. https://menlovc.com/perspective/ai-will-write-all-the-code-mathematics-will-prove-it-works/

Philippon, T., & Reshef, A. (2012). Wages and human capital in the U.S. finance industry: 1909–2006. The Quarterly Journal of Economics, 127(4), 1551–1609. https://doi.org/10.1093/qje/qjs030

国家统计局、科学技术部、财政部. (2026年10月16日). 2025年全国科技经费投入统计公报. https://www.stats.gov.cn/sj/zxfbhjd/202610/t20261016_1965512.html

国务院. (2025年8月21日). 关于深入实施“人工智能+”行动的意见（国发〔2025〕11号）. https://www.cac.gov.cn/2025-08/27/c_1758018277755538.htm