2025年10月9日，上海徐汇漕河泾，一场开业仪式让久未露面的张一鸣出现在公众视野中。 他穿着一件黑色T恤，站在上海徐汇知春创新中心的讲台上，用了一个叫过拟合的机器学习术语，来解释他为什么要从16岁的孩子里找AI人才。 所谓过拟合，就是模型在训练数据上表现完美，但面对从未见过的新数据时性能急剧下降。 换言之，它没有学会数据背后的规律，只是死记硬背了训练集里的噪声。更直白地说，它记住了答案，却没有理解问题。而张一鸣的解法是台下坐着的14名首批预备研究员，年纪最小的16岁，最大的18岁。 大厂对AI人才的渴求程度，简直是现实版的《抓娃娃》。 今年暑期，腾讯青科实训营做了一件更激进的事。面向全球13到18岁的在校中学生开放产品实践，方向直接对接金融科技、微信小程序AI+教育、微信搜索AI等核心业务，中学生由总监级导师带领。 不是参观，不是讲座，是直接上手做产品。 几乎同一时间，吉利控股启动跨时代跃迁人才培养计划，不看高考分数，无学历门槛，高中毕业生直接进入新能源、人工智能、低空飞行及低轨卫星四大前沿领域，带薪培养，年薪最高30万。 而大洋彼岸，硅谷AI巨头Palantir面向高中毕业生开放直聘，500人竞争22个名额，转正后年薪17万美元（约合人民币120万元）。 所以一个看上去奇怪但并不违和的事实是，即便大厂的模型负责人已被90后占据，但它们还希望招募更年轻的AI天才，为此不惜将抢人的战场以前所未有的速度前移。 从校招前移到博士阶段，从博士前移到本科，再从本科前移到高中，甚至更早。这不是某一家企业的个别动作，而是一整代科技公司人才战略的集体转向。 从“摘果子”到“种庄稼” 过去二十年，大厂人才战略的基本逻辑是“摘果子”：等高校把人培养成熟，再用高薪挖过来。 华为2019年启动的天才少年计划就是这套逻辑的极致版本，不限学历、不限学校，只问能不能挑战世界级课题，最高年薪201万。后来创办智元机器人的稚晖君就在此列。 但这套逻辑在AI时代有些不与时俱进了。 按照传统博士五到六年的培养周期，一个博士生入学时选的AI方向，毕业时可能已经迭代了三到四轮。当他在顶刊发表论文时，工业界讨论的已经是另一个范式了。 腾讯副总裁蒋杰观察到一个关键变化，在校年轻人做的方案与工业界的代差越来越小，对大模型的理解已经和工业界非常接近，知识体系完全接轨。 这意味着高校培养体系正在从领先产业半步变成滞后产业一步。当培养周期本身超过了技术迭代周期，“等熟再摘”就变成了一种奢侈。 于是大厂开始自己“种庄稼”。 腾讯的布局最成体系。2019年星火计划面向高中生选拔，2025年升级为星火挑战营，2026年青科实训营进一步将触角伸到13岁，从高中到博士，一条完整的人才供应链已经成型。 截至2026年，青科实训营平台已有超过80万人加入，与2000多所学校开展合作，参与者中包括114名曾获国家级学科竞赛金牌的学生。 字节走的是另一条路。张一鸣和俞勇创办知春创新中心，每年招30名16到18岁的全职预备研究员，5年培养周期。 字节的Top Seed计划也在迭代，校招生年薪从2024年的约150万涨到2025年的300万到500万，2026年核心岗位开到600万。 百度的AIDU计划则代表另一种思路，不往前端抢人，而是把培养做深。2026年升级后采用双指导人模式，技术委员会专家和业务专家分别辅佐，CEO及事业群负责人亲自参与面试，年薪百万起步，薪酬不设上限。 包括但不限于上述三种路径，其实指向同一个事实：大厂不再满足于做人才的下游买家，而是要成为人才的上游生产者，至少要在人才被挖掘之前完成一次深度绑定。 天赋定价与防御性囤积 为什么大厂愿意为一个16岁的孩子投入5年培养周期？答案藏在AI研发的经济学里。 AI创业公司创始人王浩算过一笔账，阿里巴巴大模型千问背后是数十万张算力卡，代表近100亿美元的投入。如果一名博士生能协助优化芯片使用效率，数百万元的年薪相较之下性价比极高。 北大国际机器学习研究中心助理教授杨灵进一步解释，一次大模型实验可能动用数百甚至数千张GPU，失败一次的成本就可能高达数百万至数千万元。如果顶尖研究人员能减少无效训练，企业自然愿意支付高薪。 这套逻辑决定了AI人才的定价方式与传统技术岗位根本不同。传统技术岗位的价值是线性增长的，经验越多产出越高。但AI顶尖人才的价值是非线性的，一个能优化训练效率的人，可能直接省下数千万的算力成本。 2025年底姚顺雨入职腾讯后做的第一件事是拆墙。过去混元的SFT数据没有去重，重复冗余数据能到上千万条。 他拉起一个20多人的数据团队专做数据审核，几个月把冗余数据从上千万条压缩到一万多条，砍掉了两个数量级。 结果超出预期，Hy3 Preview训练成本压减47%，正式版Agent任务解决率从72%飙到90%，幻觉率从12.5%砍到