2024年下半年，AI行业的人才流动呈现出戏剧性的转折：从科技巨头出走创业后，如今又选择回流大厂。
两年前，在AI 2.0的开端，伴随而来的是新的创业热潮，曾在大厂任高位的算法工程师们开始躁动不安，意图通过“创业”来乘上时代的船。
接近两年过去了，躁动的心“死”了一半。2024年后半年，国内几家AI独角兽均进入动荡期，一批中高技术和产品骨干乃至联创团队离任，其中不少都回流大厂。
11月12日，据媒体报道，月之暗面几位出海负责人已于近期离职，Noisee前产品负责人明超平（前剪映产品经理）将重新创业，其余十余位目前还未表明动向。更早之前，波形智能创始团队打包进了OPPO负责交互产品；面壁智能秦禹嘉被曝离职后，2024年下半年加入字节跳动大模型研究院；零一万物算法副总裁、模型预训练负责人黄文灏加入了字节跳动，负责技术项目管理和规划，直接汇报给朱文佳；MIniMax产品负责人张前川于今年9月被确认离职后，至今未更新消息。
这个结局，与今年5月份硅谷AI独角兽们的结局如出一辙。C.AI的两位创始人双双回归谷歌，加入Gemini AI项目；Inflection AI创始人Mustafa加入微软，负责Bing、Copilot；Adept CEO David带着联创和几乎全体员工加入亚马逊....
人才的流向是最敏感的风向标。大厂凭借深厚的技术积累、充沛的算力资源和持续的研发投入，正在AI赛道上展现出越发明显的优势。而创业公司即便估值傲人，也难以在基础模型研发和商业落地的双重考验中独善其身。
技术、资本与人才正进行重组，高调创业又低调离场的背后，行业正在经历一轮静默的洗牌。
创业公司：打不过就加入
AI圈有一个共识：“人才*、数据第二、算力第三。”实际上，对于人才的争抢就从未停止过。
不同的是，“卷基模”阶段，*算法人才形成了一个高度封闭的圈层，他们的流动更像是一场“精英轮转”，基本只能靠抢。今年10月底，原阿里通义千问大模型负责人（P9)周畅在7月离职后，被曝出低调加入字节，曾带队设计并实现了超大规模的多模态训练模型M6，刚好与字节下一步的技术方向符合。
“关于大模型的人才很少，*人才更少，国内有80%都在微软亚研院的CV组待过，这部分人就这么多，而且已经很少流通了。”一位大模型算法工程师告诉我们。
两年过去，整个国内AI的形式也已经走到了“卷应用”阶段，它们开始寻求将这些技术转化为实际的产品和服务。举个例子，「可灵」作为快手押注的核心产品，在PC端爆火之后，一直在筹备移动端，据硅星人了解，快手正在密集招聘产品经理，目前可灵App负责人曾在腾讯任职。
这需要既理解技术又懂产品与市场，能够将AI能力转化为真实的商业价值的复合型人才，供给远跟不上市场需求，导致巨头们也不得不通过收购创业团队来快速补充这类人才储备。
大厂的人才策略正在发生转变。从单纯的高薪抢人，转向了更有针对性地团队整合。OPPO收购波形智能的团队，不仅获得了技术积累，更重要的是获得了一个已经磨合成熟的产品团队。这种“整体采购”的方式，某种程度上比零散招聘更有效率。无论最终结局如何，「蛙蛙写作」在上线的一年多时间里，仍然积累了超过30万的注册用户，生成将近200亿字数的文本，付费用户平均每天使用时长超过6小时。产品经理和运营人员也在过程中不断与用户进行1v1的调查反馈，来持续迭代产品功能。创业公司由于更加贴近用户，能拿到更多真实的数据反馈，从而形成了对市场的敏感性和认知。
“创企体量小，所以变化快，相比于大厂更容易实现创新型业务的早期验证阶段。”一位大厂战投告诉我们：“现在有一些和主线业务相关的，基本上就直接谈收购，反而比自己开新业务要更划算。”
大厂有需求，创业公司也走到了一个关键的淘汰期。
技术创新的马太效应在AI领域表现得尤为明显。一方面是动辄数千万美元的算力投入，另一方面是持续的数据积累需求，这些都让创业公司在起跑线上就背负了沉重的包袱。更具挑战性的是，AI技术与市场需求之间存在着一道难以逾越的鸿沟。波形智能的经历颇具代表性：产品形态遭遇瓶颈，付费用户增长受限，转向2B市场却又难觅商机。
“一般天使轮的回报周期都是2年，到2025年3月，如果创业公司未能在这段时间内跑出像样的商业模式和数据，融不到下一轮钱，那项目就要黄了。”上述投资人讲道，“大厂在教育市场方面有着得天独厚的优势，他们有足够的资源承受试错成本，有庞大的用户基础做产品验证，更重要的是，他们的品牌背书能大大降低用户的信任门槛。”
面对时间窗口的压力，许多创业者不得不重新思考自己的定位，是做开拓者还是跟随者？
创企体量小，所以变化快，相比于大厂更容易实现创新型业务的早期验证。但要将创新转化为真正的市场价值，却需要更多的耐心和资源。按照以往的经验，在这个过程中，大厂既是竞争对手，也是潜在的合作伙伴，甚至是最终的收购方。
这种复杂的产业生态，正在重塑AI创业的版图。
AI创业“降虚火”
AI创业领域的人才“大逃亡”，揭开了一个尴尬的现实：前期创业热潮中的泡沫正在被市场挤压出清，人才流动更多是创业初心与现实考验之间的碰撞结果。
有相当一部分创业者并非出于强烈的意愿，而是被资本推着走。上述算法工程师透露：不少高级算法工程师是被投资人“拽”出来创业，缺乏足够的创业决心。这类创业者往往会与原东家保持密切联系，将回流大厂作为随时可以启动的"Plan B"。
有人将创业视为规避大厂竞业限制的"中转站"。还有人将其视为镀金的捷径，梦想着通过运作AI项目，最终收获一纸通往大厂的“入场券”。
“通过创业规避半年竞业期，最终目的是跳到竞争对手公司，是业内公开的秘密。”当技术创业的复杂性远超资本预期，人才回流，某种程度上是一种自我出清的方式。
从技术创新的视角来看，在接下来一段时间的动荡中，市场正经历从“点状突破”向“系统性创新”的转变。
早期阶段，创业公司往往将注意力集中在某个特定技术领域的突破上，可能是一个更精准的算法，或是某个细分场景的优化。然而，随着技术的普及和市场的成熟，单一技术优势已经无法支撑企业的持续发展。市场对系统性创新的迫切需求，导致了创新的重心也在悄然发生位移，从纯粹的技术领域转向应用场景商业模式的创新。
最近几个月在硅星人接触到的创业公司中，几乎得到了统一的共识：随着开源和底层技术的不断拉齐，AI产品不存在技术壁垒，但在这个前提下，才能催生创业者不断思考产品壁垒和用户壁垒。
“我们发现，相比模型的准确率提升1%，让产品更贴合用户习惯带来的效果提升可能达到10%。”上述算法工程师讲道。
但人才流动带来的不仅是技术上的影响，更是市场竞争格局的潜在重构。
这种新格局下产生了新的竞合关系，某种程度上类似于移动互联网时代的应用商店生态。大厂提供平台和基础设施，创业公司在平台上进行创新。不同的是，AI时代的创新门槛更高，对技术积累和专业化程度的要求也就更高。
“我们可以在三个月内完成大公司需要一年才能做的创新尝试。”一位创业者讲道，创业公司的优势在于能够快速试错和场景验证，当技术本身的提升空间变得有限时，真正的差异化优势开始来自于对具体行业场景的深度理解和落地能力。
另一边，大厂在新的产业分工中则承担着规模化和商业化的角色。它们不仅提供基础设施支持，更重要的是承担着市场教育和商业化落地的重任。这是大部分创业公司面临的进退两难的困境，在移动互联网仅存的需求中，一边创造着新的需求教育市场，另一边与大厂横向竞争，找不到商业化落地的路径。
从单打独斗的“重复造轮子”走向整合重组，动荡之后，或许是新的起点。
