“996文化”席卷硅谷？AI竞赛下，工程师你追我赶

本文来自微信公众号： 秦朔朋友圈 ，作者：Irene Zhou

在人工智能（AI）浪潮下，硅谷科技企业你追我赶，生怕一个不留神就落于人后、被淘汰出局。近期Business Insider更是用“中国特色996”来形容当前的湾区。

不过，这其实并非新鲜事。“创业企业一直都是如此，但Meta、谷歌等大厂也早就不是什么‘养老院’，现在在AI冲击下，人人自危。”某硅谷科技业从业者对笔者表示。

冲刺上市的OpenAI和Anthropic是出了名的“卷王”，更有原大厂工程师入职OpenAI一年不到就因工作强度太高而裸辞，抛下上千万美元的年薪大包（包括股权）。

事实上，去年科技业界就打趣称，当前的AI圈是美籍华人工程师和中国工程师的较量，因而这种“拼劲”就更不分国界。

笔者也发现，曾经投出Zoom的知名硅谷VC机构TSVC的组合中，一众AI创业公司都由华人主导。TSVC合伙人王黎晟表示，现在正是一个“特别特别好的窗口期”，“AI本质还是拼数学和计算机能力，而这恰恰是华人和印度工程师长期占优的领域。无论是奥数、编程竞赛，还是学术研究，华人群体的密度都非常高。再往下看，在机器人赛道，优势甚至更明显，因为这不仅是软件问题，还牵涉硬件、供应链和工程能力，而真正能在全球范围内形成竞争力的地区并不多。如果你看整个AI供应链，现在基本都是华。”他说，这让华人投资人在某种程度上也感到“很幸运”。

AI给硅谷“上强度”

AI领域的迭代速度已经快到足以让任何领先优势迅速平庸化。过去软件行业的领先优势以“年”计，现在的技术代差仅能维持数月甚至数周。

在图像与视频领域，2025年初，ChatGPT-4o生成的吉卜力风格图片走红全网；10月初，Sora 2引发震动；但随后数月内，Veo 3.1和Nano Banana Pro以及Seedance 2.0等模型在一致性与生成逻辑上迅速完成了超越。

在机构看来，由于迭代过快，大模型厂商陷入了“损人不利己”的阶段：MAU（月活用户）无法沉淀，使用者迁移成本极低，甚至学习速度不一定跟得上AI迭代的速度；无法转化为预测现金流：没有稳定的用户基础，高昂的算力成本（训练成本已进入10亿美元量级）就无法转化为可预测的长期现金流。

Business Insider形容硅谷大厂以前是“养老地”，但这种形容并不准确，即使是如谷歌、Meta这种顶级大厂，早年仍是初创企业时文化也极具狼性，而且项目流程推进迅速。只是如今已经长成巨头，流程环节自然更长，但“养老”绝非大厂的形容词。甚至从2025年开始，大厂员工在日趋激烈的裁员潮下，变得人人自危，工作压力陡增。

“硅谷都在搞AI，资本开支暴增，导致其他组的资源都在向AI倾斜，现在做什么都得和AI搭上点关系。”Meta某软件工程师对笔者表示，每年一轮的裁员也给大家的精神压力和工作负荷不断“上强度”。

据观察，裁员潮一波接一波。年初，亚马逊就宣布再裁员1.5万人，将节省下来的数十亿美元重新分配，用于人工智能和AWS数据中心的资本支出；祸不单行，也就在上周，Meta正式宣布计划于5月20日裁员约10%，裁员近8000人并取消6000个空缺职位。

而且Meta每年似乎都有一定比例的裁员，但这更类似于一种新老血液的交换。对于初级的软件工程师，形势异常严峻，如今的硅谷大厂再也不愿意招“新手”或“通才”，而是希望“对路”。

独角兽996，大厂再难“躺”

最卷的永远是硅谷创业企业，OpenAI和Anthropic等独角兽也以工作强度高著称。

原Meta、OpenAI工程师波尔Bohr(Chun-Chao)Wang分享称，OpenAI的工作环境高压力、高强度，员工需要具备卓越的解决问题能力和持续学习的动力。

与一些强调协作共同进步的硅谷大厂不同，OpenAI的内部可能更多体现出一种竞争氛围，需要员工不断证明自己的价值和能力。

在OpenAI，准时下班可能是一种奢望。一方面，在流行“996文化”的美国，一群天才坚信要为实现AGI而战，因为加班成了常态；另一方面，在动不动就被曝出“年薪上亿”的硅谷大厂，薪酬也在激励着员工奋斗。

例如，波尔表示，OpenAI提供的总体薪酬包极具竞争力，远超许多传统大型科技公司。OpenAI作为一家有盈利上限（capped-profit）的特殊结构公司，采用PPU作为员工激励。

这是一种与公司盈利能力挂钩的虚拟股份，其价值增长潜力巨大，是实现高额回报的主要来源。华尔街当前估计，OpenAI的估值已经接近1万亿美元，而且极有可能在2026年就IPO。

尽管如此，波尔仍选择离开OpenAI，他总计也就在OpenAI工作了1个月。高强度的工作模式对个人生活构成影响，尤其是有育儿需求的员工，OpenAI也不允许员工“远程上班”（一周至少到公司三天）。

不是砸钱就能赢

表面上，硅谷的一些知名独角兽现在还在拼模型、拼算力，但投资风向早已转向，当前软件工程师不只是“卷”，对工程能力的要求实则变得更高了。

原因也在于，对于PE、VC而言，如今再去砸钱投大模型，早已是一场负担不起的竞赛，而且行业格局也已经被巨头锁定。

“我们并不打算去追最烧钱的底层基建，而是更偏向应用端，尤其是那些有行业壁垒的方向，比如制造业相关的AI应用。”王黎晟称。

在他看来，美国有算力和资本，可以探索新方向，但创业和投资并不是简单砸钱。基础设施层最终能跑出来的公司其实很少，可能投上千家，最后只有三四家成功，而且需要极其庞大的资本支持。相比之下，应用端才是真正“百花齐放”的地方。

华人工程师优势凸显

在应用端，华人工程师的优势也开始凸显。

就初创企业而言，华人团队往往更“省钱”。王黎晟分析称，在算力受限、硬件条件没那么理想的情况下，反而会逼着团队去做模型轻量化和工程优化，这种能力在初创阶段尤其关键。

“很多来自大厂的工程师，在预算无限的时候很强，但到了创业公司反而不适应，因为突然要面对资源约束、技术优化和工程落地的现实。”

据笔者观察，TSVC的投资组合中，至少有三家初创企业的创始人都是华人，而且教育工作背景都贯穿中美。

例如，电脑操作大模型公司OpenAGI的秦增益（在清华大学本科完成电子工程学习之后，赴美国攻读麻省理工学院博士，并曾在斯坦福大学做访问研究）；端侧AI公司Aizip的陈羽北（在加州大学伯克利分校获得博士学位，并在纽约大学数据科学中心与Meta FAIR担任博士后研究员，随后进入学术界并创业）；以及在物理AI时代将扮演关键角色的光学企业2PI Optics的创始人古田（从北京理工大学本科到美国特拉华大学博士，再在麻省理工担任研究科学家）。

在投资人看来，创业企业理想的组合可能是：团队在美国，利用本地生态和资源，同时吸收华人工程师那种强工程化、强优化能力。毕竟，AI再酷，最后还是一门生意——能不能找到真实的行业场景、能不能赚钱，才是决定成败的关键。

不难发现，如今在硅谷创业，并不是够卷、技术够好就能行，它同时考验技术能力、工程能力、管理能力，甚至是资源配置能力，可见AI创业也并非易事。