从 OpenAI 到 Anthropic：AI 人才迁徙潮，竞业协议失效了吗？

当顶级模型的胜负越来越取决于“谁在调最后一层参数”，AI 公司的护城河，正在从算法转向人才本身。竞业协议挡得住代码，却挡不住人心与资本的流向。

在全球人工智能竞赛进入深水区之际，市场关注的焦点正悄然发生转移。过去两年，投资者习惯于通过算力规模、参数量级和数据集大小来衡量一家 AI 公司的价值。然而，随着模型架构逐渐趋同，硬件供应链日益透明，真正的差异化竞争开始回归到最本质的要素——人。近期，围绕 OpenAI、Anthropic 等头部实验室的核心人才流动，揭示了一个残酷的行业真相：在 AI 领域，最坚固的壁垒不是服务器机房里的 GPU 集群，而是研究者大脑中的隐性知识。当资本开始意识到“买不到顶级研究员”时，整个行业的估值逻辑与风险定价体系，正在经历一场深刻的重构。

从 Max Schwarzer 出走

看“推理路线”的暗战升级

当 Max Schwarzer 宣布离开 OpenAI、加入 Anthropic，这绝非一次普通的人才流动，而是推理模型路线上的关键节点迁移，是行业风向标的一次显著偏转。

在外界看来，模型发布仅仅是一个产品的迭代；但在内部视角下，真正决定模型风格、对齐质量与推理稳定性的，是至关重要的后训练体系（Post-training）。Schwarzer 的履历足以说明其分量：他参与了 o1 早期实验训练，主导了 o1 与 o3 的后训练，并带队交付了 GPT-5 系列的后训练工作。这意味着，他手中掌握着让模型从“通用对话”跃升至“逻辑推理”的核心密钥。在当前的 AI 技术栈中，预训练（Pre-training）决定了模型的下限，而后训练则决定了模型的上限。谁能更好地通过强化学习（RLHF）、人类反馈优化模型的行为，谁就能在商业化落地中占据主动。

Schwarzer 在告别帖中语气克制，感谢了 Sam Altman 等高层，但这恰恰凸显了一个事实：在 AI 顶级实验室之间，竞争已经进入“静默挖人”的阶段。这种流动不再是大张旗鼓的官宣，而是私下里的握手与默契。过去两年，OpenAI 与 Anthropic 之间的人才流动明显加速，这背后并不是简单的薪资竞争，而是研究自由度、组织氛围与长期路线之争。Anthropic 在强化学习与对齐研究上的“学术化气质”，以及其对 AI 安全性的强调，对部分厌倦了商业化高压的核心研究员形成了强吸引力。

在一个模型能力越来越依赖 RLHF、RLAIF、后训练细节的时代，核心研究员的迁移，意味着 tacit knowledge（隐性知识）的迁移。这种知识无法通过专利或竞业协议完全锁住。它存在于研究员对数据清洗的直觉中，存在于对超参数调整的微妙手感中，存在于对模型失败案例的深刻洞察中。当一位核心研究员离开，他带走的不仅是经验，更是整个团队磨合出的“研究品味”。

这也是资本真正焦虑的地方：模型权重可以复制，研究品味不能。权重可以通过蒸馏或逆向工程大致还原，但一个团队对于“什么样的模型才是好模型”的共识，需要经年累月的协作才能形成。Schwarzer 的出走，提醒了投资者：在推理路线的暗战中，人力资本的流失可能比技术路线的偏差更具破坏力。

竞业协议为何挡不 AI人才流动？

在传统科技行业，竞业协议的作用是延缓知识扩散，保护商业机密。但 AI 行业的特殊性在于，传统的法律壁垒正在被技术速度与资本意志瓦解。

第一，技术迭代速度远超竞业期限。在移动互联网时代，一个产品的生命周期可能长达数年；而在 AI 领域，一个 6–12 个月的竞业期，足以让模型范式发生两次迭代。当一名研究员结束竞业限制重新入职时，他离开时的技术栈可能已经过时，新的架构早已诞生。因此，对于追求极致速度的 AI 公司而言，强行执行竞业协议往往得不偿失，反而可能阻碍新技术的引入。

第二，AI 研究的核心价值并不完全体现在代码层面，而体现在“方法论框架”和“实验直觉”。竞业协议可以限制直接复制参数或代码，在法律层面划定红线，但无法禁止一个人使用他的大脑。研究员可以将对模型行为的理解、对训练不稳定性的处理经验内化为自己的认知。这种“脑内资产”的转移是无形且合法的。当核心人才加入竞争对手，即便不写一行旧代码，他的存在本身就能帮助新团队避开无数坑洼，这种加速效应是巨大的。

第三，美国部分州（如加州）对竞业协议本身限制严格，使得顶级 AI 公司之间的人才流动在法律层面并没有传统制造业那样的高壁垒。硅谷的文化基因鼓励流动，认为这是创新生态的一部分。更重要的是，资本在背后默许甚至推动这种流动。Anthropic、OpenAI 背后都有巨额融资支持，投资人真正关心的是模型进展速度，而不是人力稳定性。如果挖来一个核心人物能缩短半年的研发周期，资本愿意为此支付高昂的法律风险溢价。

对投资者而言，这意味着一个残酷现实：AI 公司的护城河，并不完全等于算力规模或参数数量，而是核心团队的稳定度与协作效率。一旦关键人物离开，市场会开始重新评估“执行确定性”。这与国内大厂的情况形成某种映射。围绕阿里(130.35, -2.92, -2.19%)巴巴集团内部 AI 团队的人才流失讨论，也暴露出组织治理与激励机制的问题。当创始人淡出、HR 权力结构改变、技术高 P 角色失去真实产出约束时，组织效率可能劣化。在大厂复杂的层级中，顶尖人才往往受制于流程而非技术，这促使他们流向更扁平、更专注的初创实验室。

AI 时代对人才的依赖程度，比移动互联网时代更高。因为模型能力的跃迁往往来自极少数核心研究员的突破，而非大规模工程堆砌。一个天才的想法可能胜过千行代码。因此，人才流动不仅仅是 HR 问题，更是战略风险问题。

人才战争，

才是 AI 行业真正的系统性风险

站在投资风向标视角，这轮人才迁徙潮至少释放三重信号，标志着 AI 行业估值逻辑的根本性转变。

第一，AI 行业仍处在高度不稳定的技术探索期。范式尚未收敛，研究员更愿意追随理念与研究自由，而非长期绑定单一公司。这意味着未来几年核心团队结构仍将频繁变动。在这种环境下，试图通过长期绑定人才来构建护城河是困难的。公司必须建立一种“铁打的营盘流水的兵”的机制，即知识管理系统化，减少对个人英雄主义的依赖。但目前来看，大多数 AI 公司仍处于“依赖明星研究员”的阶段。

第二，组织能力开始成为估值变量。过去市场只看模型参数规模与发布节奏，但随着竞争加剧，能否留住顶级研究员、是否存在“劣币驱良币”的内部生态，将直接影响研发效率。投资者在尽职调查中，需要将“人才流失率”和“核心团队稳定性”纳入关键指标。如果一个公司频繁出现核心研究员出走，即便其模型目前领先，也应给予风险折价。因为这预示着内部治理可能出现了裂痕，或者技术路线遭到了内部质疑。

第三，竞业协议的弱化，使得 AI 竞争更接近体育联盟而非传统制造业。明星选手流动，会瞬间改变战局。在传统制造业，挖走一个工程师不会导致生产线停摆；但在 AI 实验室，挖走一个首席科学家可能导致整个项目方向的重构。这种“明星效应”使得 AI 行业的人才溢价极高，同时也带来了极高的不确定性。

如果说上一阶段市场押注的是“算力军备竞赛”，那么下一阶段，投资人需要观察的是“人才密度”和“研究连续性”。算力是可以标准化采购的商品，而人才是非标准化的稀缺资源。从 OpenAI 到 Anthropic 的迁移，不一定意味着哪家公司会立刻落后，但它提醒资本市场：模型之战的真正护城河，不是服务器机房，而是研究者的选择。

当人才开始用脚投票，投资者也需要重新评估，谁的组织结构更健康，谁的长期路线更有吸引力。那些能够平衡商业化压力与学术自由、能够提供清晰技术愿景的公司，将在人才争夺战中胜出。反之，那些仅靠高薪堆砌、缺乏文化凝聚力的公司，将面临持续的人才失血。

结语

AI 的终局或许还远，但人才流动的频率，正在成为判断行业冷暖与公司风险溢价的重要先行指标。

在这场关乎未来的竞赛中，我们逐渐看清了一个事实：代码可以开源，算力可以租赁，数据可以购买，唯有顶尖人类的智慧与直觉无法复制。当竞业协议失效，当人才流动成为常态，AI 公司的核心竞争力将回归到最朴素的标准——能否让最聪明的人在这里最高效地工作。对于资本市场而言，理解这一点，比计算 FLOPS 更为重要。因为最终，定义智能的不是机器，而是创造机器的人。人才战争的胜负，将决定谁是下一个时代的巨头，谁又将成为历史长河中的过客。

海量资讯、精准解读，尽在新浪财经APP

网址：从 OpenAI 到 Anthropic：AI 人才迁徙潮，竞业协议失效了吗？ https://m.mxgxt.com/news/view/2036840

相关内容

主播竞业协议签了五年有效吗
主播竞业限制协议有效吗
娱乐主播合作协议下的竞业协议有效吗
主播竞业限制协议怎样才能无效
主播签订竞业协议有效吗
主播竞业合同协议书有效吗
竞业协议，真的有效吗？
主播竞业禁止协议配套的合同有效吗
第八届平遥国际电影展“迁徙计划·从文学到影视”启动
主播没有补偿的竞业协议有效吗

随便看看