Anthropic 与 OpenAI 的人才争夺考验使命与金钱之间的平衡

据报道，随着 Anthropic 与 OpenAI 的人才争夺加剧，Anthropic CEO Dario Amodei 对新员工是为了钱而非公司使命加入一事表达了担忧。这种不安令一场熟悉的招聘竞赛演变为对 Anthropic 身份认同的考验。一家围绕负责任 AI 开发建立的公司，如今必须在这样一个市场中竞争：研究人员可以要求极高的薪酬、影响力和算力资源。

据一位了解 Amodei 想法的匿名人士称，这一担忧源于 8 月 3 日的一篇人才争夺战报道。Anthropic 尚未公开证实这些私下言论。这一区别很重要，因为该报道描述的是内部担忧，而非新的招聘政策，也不是对特定员工的指控。

不过，这种担忧反映出一个真实的矛盾。Anthropic 倡导以使命为先的决策，而 OpenAI、Meta、Google DeepMind 及各类创业公司都在竞逐同一小群研究人员。使命可以吸引人才，但经济激励和研究自主权会影响人才最终留在哪里。

Amodei 据称的担忧改变了人才叙事

关键进展并非又一位研究人员更换雇主，而是 Anthropic 开始质疑新加入的人才期待从这段关系中获得什么。

顶尖 AI 研究人员多次在前沿实验室之间流动，这些实验室开发最强大的通用 AI 模型。近期的离职表明，成熟公司和资金充裕的创业公司同样面临人才留存问题。

前 OpenAI 研究员、Thinking Machines Lab 联合创始人 Lilian Weng 最近表示，她将离开这家创业公司。她提及联合创始人身份带来的健康负担，并表示希望从事更专注的工作。数日后，The Information 报道称，Weng 将回归 OpenAI，从事递归自我改进研究。

递归自我改进指的是由系统帮助研究人员改进这些系统后续世代的过程。该议题处于前沿研究的核心地带，因为它结合了技术机遇与严肃的安全问题。

据报道，Weng 是一年内离开的第四位 Thinking Machines 联合创始人。这一模式表明，显赫头衔和雄厚资金并不能保证团队凝聚力。创始人仍可能更倾向于在大型组织中承担更清晰的研究任务。

其他人员流动几乎跨越了所有主要实验室的边界。Axios 称，Google 在 6 月将 Noam Shazeer 流失至 OpenAI，并将 John Jumper 流失至 Anthropic。Meta 也曾为其超级智能团队大举招募，但据报道随后将部分新招员工流失给竞争对手。

这些流动使 Amodei 据称的担忧更具分量。Anthropic 长期以来一直将其使命定位为人们选择在此工作的核心理由，而不是附着在薪酬上的口号。其公开的公司价值观写道，员工应“将使命置于首位”。

这一使命聚焦于为人类的长期福祉，负责任地开发和维护先进 AI。Anthropic 将自己描述为一家公益公司，这种结构允许董事在投资者的财务利益之外，也考虑既定的公共目标。其公司原则还将使命列为内部决策的最终裁决者。

主要受财务上行空间驱动的应聘者，并不必然与这一目标相冲突。薪酬可以为研究人员从事有价值的安全工作提供保障。当员工的财务预期、研究偏好和公司的安全承诺指向不同方向时，紧张关系才会出现。

因此，这篇报道标志着 Anthropic 与 OpenAI 竞争的转变。问题不再是哪一家实验室能够组建最强阵容，而是每家实验室能否在招募动机各异的人之后，维持连贯的文化。

这一区别会影响日常工作。前沿研究依赖团队就发布时间、风险阈值、评估方法以及可接受的商业压力形成共识。当员工将自己的职位视为流动市场中的短暂停靠点时，这些共识就更难维持。

Anthropic 的担忧也揭示了将招聘作为竞争宣言的局限性。招募一位知名研究人员可以打动投资者和员工，却无法说明此人是否会跨越多个模型周期持续留下，或在安全与速度发生冲突时支持艰难决定。

为何 Anthropic 与 OpenAI 的竞争如今聚焦忠诚度

人才已成为战略瓶颈，因为金钱可以买到接触研究人员的机会，却无法保证持久合作。

少数人拥有大规模训练、评估和部署前沿模型的直接经验。他们的知识不止包括公开发表的研究，还涵盖实验失败、基础设施限制、团队实践，以及在昂贵训练运行中形成的判断力。

当研究人员更换雇主时，这些知识也会随之流动。即使没有任何机密材料易手，一次离职也可能削弱一个项目，同时加速另一个项目。新雇主获得的经验，原本需要投入大量时间和算力才能积累。

研究人员拥有不同寻常的议价能力，因为每一家主要实验室都需要重叠的能力。模型训练需要分布式系统、数据、后训练、强化学习、评估、安全和可解释性等领域的专家。领导岗位还要求能够在时间压力下协调这些学科的人才。

这种稀缺性催生了近似于对个人进行战略投资的邀约。Axios 在 2025 年的一篇报道中称，Meta 的招聘行动为部分候选人提供了首年超过九位数的薪酬方案。同一场薪酬竞赛促使 OpenAI CEO Sam Altman 区分“传教士”和“雇佣兵”。

如今，这种说法带有令人不安的对称性。Altman 当时是在为 OpenAI 抵御 Meta 的招募行动时使用这一说法。尽管 Anthropic 常将其安全文化与 OpenAI 更快的商业扩张相对照，Amodei 据称的担忧却在 Anthropic 内部提出了类似问题。

结果是所有主要实验室都面临压力。Anthropic 必须提供有竞争力的回报，同时不削弱其以使命为基础的身份认同。OpenAI 必须在扩展产品和基础设施的同时留住研究人员。Meta 则必须证明，高成本招聘能够打造稳定的研究团队，而不只是临时聚集一批知名人士。

创业公司面临同一压力的另一种版本。它们可以承诺所有权、自主权，以及塑造新机构的机会。然而，创始人头衔可能伴随管理职责，将研究人员从技术工作中拉走。

大型实验室则可以用更多算力资源和成熟基础设施回应。它们还可以让研究人员加入一个职责更聚焦的成熟团队。Weng 据称回归 OpenAI，说明在承担创业公司领导职责后，这一选择为何会变得有吸引力。

这种压力既是眼前的，也是长期的。短期内，人员离开可能推迟实验，并迫使管理者重建团队。从长期看，频繁流动可能削弱机构记忆，并让研究议程依赖于个体留任。

机构记忆是指过去决策背后累积的推理，包括失败的方法和未解决的风险。公司可以通过文档和可检索的工程知识库保留其中一部分。然而，文档无法完全复刻在反复协作中形成的信任与默会判断。

这带来了被迫采取的应对措施。实验室必须将人才留存视为研究战略的一部分，而不仅仅是一项人力资源指标。它们需要清晰的技术任务、可信的治理、优秀的管理者、充足的算力，以及反映稀缺专业知识价值的回报。

薪酬仍然是必要的，因为拒绝匹配市场水平可能会赶走支持使命的人才。然而，匹配每一份外部邀约可能会形成一种以招聘议价能力为基础的内部等级。现有员工可能进而得出结论：以离职相威胁是获得认可的最快途径。

这种动态可能损害协作。从事较不显眼的安全、评估或基础设施项目的研究人员，可能会觉得自己相较于头条式新招人员不受重视。团队可能开始为个人议价能力而非集体进步进行优化。

因此，忠诚度问题并非要求终身雇佣。组织间的流动可以传播思想，并为研究人员提供健康的替代选择。问题始于持续竞价使每个团队都变得临时化，并让每项研究计划都容易受到下一份邀约的影响。

使命与金钱不再相互对立

Anthropic 的核心挑战是让经济回报与其使命保持一致，因为将两者视为对立面，误读了前沿实验室的运作方式。

Anthropic 需要大量资本、算力基础设施和专业劳动力，才能开展先进 AI 研究。没有这些资源，其使命便无法运作。员工加入一家战略可能发生变化的私营公司时，也承担着职业和财务风险。

一位研究人员可以深切关心 AI 安全，同时积极谈判。另一位可能接受较低的即时薪酬，因为股权、自主权或技术影响力看起来更有价值。动机很少能被清晰地划分为传教士与雇佣兵。

当激励塑造决策时，这一区别仍然重要。寻求快速财务事件的研究人员，可能倾向于快速发布、可见度高的项目，或能够提升个人市场价值的跳槽。以使命为驱动的员工，则可能在评估发现未解决风险时接受更慢的部署节奏。

这些只是倾向，而非可靠分类。公开表态无法证明个人的动机，薪酬水平同样无法证明相反的情况。

Anthropic 的治理使这一问题格外显眼。该公司的长期利益信托旨在支持其公益目标。Anthropic 表示，这一目标涉及为人类长期福祉负责任地开发 AI。

信托并不能消除商业压力。投资者、员工、客户和算力合作伙伴仍会影响公司能够构建什么。治理提供的是平衡这些要求的机制，而非使其免受这些要求影响的豁免权。

OpenAI 如今也通过不同结构提出了类似主张。它于 2025 年 10 月完成资本重组，在非营利组织控制下成立 OpenAI Group PBC。根据其更新后的架构，OpenAI 表示，该安排将商业成功与确保先进 AI 惠及全人类的使命联系起来。

这使 Anthropic 和 OpenAI 同时在经济实力与正当性上展开竞争。两者都需要让研究人员相信，其治理结构能够经受投资者、客户、监管机构和竞争对手的压力。仅凭一份使命声明，任何一方都无法解决这一问题。

真正的证据体现在艰难的决策中。员工会观察领导者是否会在令人担忧的评估结果出现后推迟发布。他们会留意高管如何回应安全异议、研究分歧和商业期限。他们也会看到哪些团队获得算力和晋升机会。

当使命影响资源分配时，它才具有可信度。如果每当产品截止日期临近，安全工作就失去优先级，招聘对象就会将使命表述视为品牌包装。如果商业团队无法回应合理的客户需求，公司可能缺乏维持研究所需的收入。

这也是为什么据报道 Amodei 的担忧代表的是一种权衡，而非一个简单的虚伪故事。Anthropic 必须在现实存在的人才市场中招聘。拒绝所有受经济动机驱动的求职者，会排除合格人才，并引入无法验证的对个人品格的判断。

雇用所有能够提升模型性能的人会带来另一种风险。公司或许能增长得更快，却会稀释使其区别于竞争对手的共同认知。其使命仍会留在治理文件中，但在团队内部的影响力会减弱。

务实的应对方式，是围绕长期贡献设计激励机制。归属期安排可以鼓励留任，而晋升标准可以奖励评估质量、基础设施工作和负责任的发布决策。对高级候选人而言，研究自主权的重要性也可能不亚于薪酬。

领导者必须始终如一地沟通各种权衡。招聘对象应当明白，哪些安全承诺会限制产品决策，哪些分歧仍有讨论空间。模糊表述或许有助于招到人，但会在入职后引发冲突。

因此，Anthropic 与 OpenAI 的人才竞争将文化转化为一个运营系统。文化不是办公室里的用语，也不是创始人神话。它是由一再重复的激励、决策和后果构成的集合，告诉员工组织真正重视什么。

研究自由让使命检验更加复杂

研究人员跳槽并非只出于一个原因，将每一次离职都归结为金钱，会掩盖人员流动背后的技术驱动力。

顶尖研究人员往往根据计算资源的可得性选择实验室。前沿实验可能需要大学或较小型初创公司无法提供的基础设施。雄心勃勃的技术议程，可能取决于少数公司掌控的集群、数据管道和工程支持。

影响力同样重要。一位资深研究人员可能更倾向于选择能够参与塑造模型架构、后训练或安全评估的职位。另一位则可能离开管理岗位，回归亲手开展实验。

技术自由可能与组织一致性发生冲突。实验室需要足够的聚焦，才能协调成本高昂的研究项目。研究人员则希望有空间测试那些可能不符合公司近期路线图的想法。

地位带来了另一种激励。前沿 AI 兼具科学声望和全球关注度。研究人员可以影响数百万人使用的产品、政策辩论，以及人们对于未来经济变化的假设。

Axios 将这些动机概括为经济保障、技术资源、抱负、意识形态和自我价值感的混合。这种组合让忠诚度难以衡量。一名员工可能在不同意使命的情况下留任多年，另一名员工则可能因为相信另一家机构提供了更安全的路径而离开。

最新的人事变动展现了这种复杂性。据报道，Weng 在谈及初创公司领导工作对健康造成的代价后，寻求了一个更专注的职位。她的新去处既提供了熟悉感，也提供了一项具有重要技术意义的职责。

John Jumper 从 Google 转投 Anthropic 则提供了不同的例子。Jumper 因与蛋白质结构预测相关的工作共同获得 2024 年诺贝尔化学奖。他的转职表明，前沿实验室竞争的不仅是语言模型专家，也包括将 AI 与科学研究相连接的研究人员。

据报道，Noam Shazeer 从 Google 转投 OpenAI 则指向了另一层面。在模型架构方面拥有深厚经验的研究人员，可能成为竞争实验室战略规划的核心。他们的决定会影响哪些路径获得资源。

Meta 的经历表明，大规模招聘并不能消除不稳定性。该公司组建了一支备受瞩目的超级智能团队，但据报道，部分新招人员很快便离开了。当职责、权力和技术方向仍在形成时，一支声望很高的团队也可能十分脆弱。

怀疑论观点认为，媒体报道夸大了个别明星的影响。现代模型依赖于庞大的团队、广泛的基础设施、数据运营以及长期累积的工程工作。没有任何单一研究人员能够掌控构建竞争性系统所需的每一个环节。

这一异议很重要。新闻标题可能会把技术员工塑造成在各队之间转会的运动员。这个比喻夸大了个人控制力，也低估了不那么引人注目的工程师的贡献。

然而，完全否定明星叙事同样走得太远。一些研究人员拥有在大型训练项目关键节点作出决策的罕见经验。他们的价值部分在于避免代价高昂的错误，并协调各领域专家。

离职的影响取决于具体情境。从一支稳定团队中失去一个人，可能影响不大。在短时间内失去多位创始人或技术领导者，则可能意味着战略和权力结构仍存在未解问题。

公开的人事数据也存在局限。公司会宣布知名人士加盟，却不会公布完整的留任数据、薪酬结构或离职原因。基于匿名消息源的报道可能揭示真实的担忧，却无法说明其普遍程度。

因此，应当谨慎解读据报道 Amodei 的言论。这些言论并不能证明 Anthropic 的员工已经放弃其使命。它们表明，随着公司吸引到更多高价值候选人，其 CEO 据报道曾考虑过这一风险。

这一界定避免让分析沦为道德剧。研究人员是在不确定性下作出重要职业决定的劳动者。公司则是试图在争夺稀缺劳动力的同时维持战略的机构。

持续流动带来的成本不止于招聘

最深层的风险并非更高的薪酬，而是对依赖信任、背景知识和长期协作的研究项目造成的中断。

前沿模型开发包含反复进行的假设、训练、评估和修正循环。团队会逐渐了解哪些数据配比失败了，哪些评估产生了误导性信号，以及哪些系统行为值得更深入研究。

其中许多知识很难被正式化。实验记录能够捕捉设置和结果，却未必能保留某项决策背后的推理。一位离职研究人员即使完成了周密交接，也可能留下知识缺口。

当结果模糊不清时，信任最为重要。研究人员必须判断，看似出现的能力提升是否真实，安全失效是否具有普遍性，或是否值得进行又一次成本高昂的训练。长期共事的团队能够更高效地质疑彼此的假设。

频繁流动会削弱这一过程。新员工需要时间理解内部系统和决策规范。现有员工则要将注意力从研究中转移到面试、入职培训和重新分配职责上。

当竞争者从同一个小圈子招聘时，成本会不断叠加。一个实验室可能反复付出代价，以替代此前被另一家实验室挖走的人才。团队开始围绕潜在离职制定计划，而不是围绕稳定的职责分工。

人员流动也会增加安全风险。员工会在工作之间带走通用技能和个人知识，而公司必须保护机密数据和商业秘密。合法经验与专有信息之间的界限可能引发争议。

Axios 报道称，超过 400 名前 Apple 员工目前在 OpenAI 工作。Apple 已起诉 OpenAI，指控该公司在招募潜在员工时使用了内部代号。这些指控仍有待法律检验，但这场争议说明，人才竞争可能与知识产权问题交织在一起。

更广泛的问题也会影响客户。企业选择 AI 提供商，部分取决于产品连续性、安全实践和长期支持。一家失去关键领导者的实验室，可能难以说明其路线图是否依然完整。

开发者也面临类似的不确定性。当内部优先事项发生变化时，模型行为、应用程序编程接口和安全政策都可能随之调整。人员流动不会自动造成这些变化，但它们能提供技术影响力正在哪里聚集的线索。

政府同样依赖有限的人才池。公共机构需要能够评估国家安全风险并理解前沿系统的专家。私营部门的薪酬使这类招聘更加困难，尤其是对于拥有直接实验室经验的人。

这造成了一种公共利益层面的矛盾。AI 公司称其工作具有广泛的社会重要性，但它们之间的私人竞价却可能将专业人才从独立研究和政府监督中吸走。社会可能愈发依赖那些同时又需要被评估的公司。

Anthropic 的使命使其有理由应对这一矛盾。如果公司相信先进 AI 需要审慎治理，它就需要稳定的内部专业能力和可信的外部监督。单靠招聘无法提供其中任何一项。

尽管历史不同，OpenAI 也面临同样的检验。其不断扩大的产品业务需要快速执行，而其使命主张又要求关注安全和广泛利益。人才流动可以强化特定团队，却可能让组织的整体方向更难解读。

Meta 和 Google 又增加了一层复杂性。它们的规模提供了资源和成熟业务，但研究人员可能担心高管优先事项的变化。初创公司提供聚焦和所有权，但也伴随融资和领导力风险。

没有任何组织形态能够解决留任问题。真正相关的问题是，当优秀员工拥有可信的替代选择时，实验室能否维持一项连贯的研究计划。这需要的不只是限制性合同或被动的反报价。

公司需要为技术领导层制定继任计划。它们需要记录失败的路径，而不仅仅是成功的结果。它们还需要让知识足够分散到团队中，使一人的离开不会令项目停摆。

最重要的是，领导者必须接受忠诚是相互的。员工会判断一家机构是否兑现了招聘时承诺的使命、自主权和资源。公司不能一面要求承诺，一面把每位员工都当作可以互相替代的人。

三个信号将显示 Anthropic 的文化能否经受考验

下一轮检验是可衡量的：观察近期招聘人员的留任情况、研究领导层的稳定性，以及安全与速度发生冲突时的决策。

第一个信号是，知名招聘对象是否会经历多个模型周期后仍然留任。单次离职说明不了太多，而近期招聘人员中出现的模式将支持据报道 Amodei 的担忧。稳定的任期则表明，尽管市场过热，Anthropic 仍能整合这些候选人。

这一信号不应只关注知名人士。后训练、可解释性、安全和模型评估团队内部的领导连续性同样重要，因为这些团队塑造了 Anthropic 如何开发和发布 Claude。

第二个信号是，人员离职是否会扰乱研究项目。应关注重组、反复更换领导层、论文发布延迟，或技术优先级突然转向。这些指标将表明，人才流动是否已经影响执行，而不只是改变组织架构图。

新的任命可能会削弱这一判断。如果团队仍持续发表研究成果、推出模型，并维持一致的评估实践，那么 Anthropic 或许能够吸收人员流动，而不失去方向。

第三个信号是 Anthropic 如何处理安全与商业速度之间可见的冲突。最有力的证据，将是一项有记录的决定，并且带来可识别的代价，例如推迟部署、限制某项能力，或扩大测试范围。

如果一项决定始终倾向于快速发布，却没有明确的安全说明，就会削弱 Anthropic 的差异化定位。一次孤立的选择不足以定论，但反复出现的决定会揭示公司的运营优先级。

OpenAI 的回应同样重要，因为这些实验室在争夺同一批人才。它能否留住回归的研究人员、明确技术授权范围，并将财务回报与长期工作联系起来，将塑造 Anthropic 所面对的人才市场。

Meta 仍是检验“以薪酬驱动招聘”模式最清晰的案例。如果其超级智能团队趋于稳定，并形成连贯的研究计划，那么“金钱无法买到持久团队”的论点就需要加以限定。若人员仍持续快速离开，则会强化这一论点。

Thinking Machines 则提供了创业公司的对照案例。其留任的创始人必须证明，在多名成员离开后，一家研究导向的创业公司仍能同时保持健康发展和战略聚焦。若能成功重建，将说明人员流动并不总是预示着机构衰退。

读者不应把每一次职位变动都当作每周竞赛中的比分。模型发布源自长期项目，公开的招聘公告也很少能说明团队整合情况。更有价值的模式会在数月中逐渐显现。

同样的谨慎也适用于关于 Amodei 的那份私下报道。Anthropic 尚未确认该评论，也没有公开证据显示新员工普遍拒绝其使命。这份报道的价值在于指出了一项领导层担忧，而不是证明了人们所担心的结果。

对开发者和企业买家而言，实际问题在于连续性。稳定的团队能提高模型、安全政策、文档和支持服务连贯发展的可能性。持续的领导层动荡会增加路线图和技术承诺的不确定性。

对 AI 从业者而言，这一事件表明，职业选择如今会带来机构层面的后果。研究人员选择的不只是薪酬和项目，也是在选择自己的劳动将强化何种治理模式、发布理念和权力集中程度。

对政策制定者而言，这场竞争凸显了对狭窄劳动力市场的依赖。监管机构需要独立专业知识，而私营实验室能够提供远高得多的经济回报，以及直接接触前沿系统的机会。这种失衡值得与模型性能一道受到关注。

据报道，Anthropic 的焦虑并不说明其使命已经失败。它说明，使命必须经受成功的考验。随着公司变得更有价值，并吸引更广泛的候选人，共同目标将越来越难以被视为理所当然。

Anthropic 与 OpenAI 的竞争不会由一个招聘周期决定。结果将取决于哪家机构能够将卓越个体转化为稳定团队，同时不抹去当初吸引他们的原则。

关注下一批离职者，也要关注离职发生后哪些事情仍保持一致。研究方向、安全决策和团队连续性，比任何薪酬新闻标题都能揭示更多。核心问题在于，前沿实验室能否在自身的人才市场让每一种忠诚都变得短暂之前，建立起持久的机构。