菲尔兹奖得主投身AI，顶尖科学家流向大厂，AI终局拼的是长期主义？

【AI与前沿科学融合成趋势】

今年的菲尔兹奖被认为是「最后一届纯血」，或许以后的突破性研究都会与AI结合完成。这个转变过程比想象中更快，在菲尔兹奖新闻发布会上，获奖者之一的加拿大数学家Jacob Tsimerman表示已转向AI安全研究，很快将去OpenAI安全部门上班，而OpenAI首席研究主管Mark Chen也表示欢迎。这表明站在前沿的学者已将顶尖AI公司视为实现抱负的平台。

近期，越来越多顶尖科学家，如数学家、物理学家、生物学家等流向头部大模型公司。仅今年上半年，诺贝尔化学奖得主John Jumper、经济学家Chad Jones、哲学家Harvey Lederman等就加入了Anthropic。顶尖AI公司也纷纷将科学家请到AI研发现场，AI与前沿科学的深度融合正从可选项变为必选项。

国内AI大厂也在跟进，本周四，字节的Seed Edge团队发布Seed STEM科学家计划，开放100个合作席位，面向数学、物理、化学、生物等前沿科学领域的科学家和博士生，邀请他们与Seed一起探索基础科学未知问题，这是国内首个大规模投入AI加速前沿科学发现的计划。

【大模型下半场比拼基础研究】

在当下AI领域快节奏竞争中，深耕长期基础AI研究不如打磨代码能力、刷高评测跑分直观，后者能快速转化为产品体验与商业收入，而基础研究、AI加速科学发现反馈周期长，探索路径充满不确定性。但一旦取得突破，其范式级价值远超普通产品迭代。

姚顺雨团队观点与Anthropic CEO达里奥观点呼应，即驱动AI进步核心要素是算力、数据质量与规模、训练时长以及可扩展目标函数，「所有聪明的方法和技巧，其实并没有那么重要」。Claude、Seedance等SOTA模型，核心是在数据质量、底层架构上做大量基础工作。Anthropic聚焦提升模型代码能力，Seedance在视频生成领域通过创新架构和精密数据工作，将AI视频生成变为工业级生产工具。

可见，决定模型能力上限的是扎实数据、稳定基础结构，以及长远目标和战略定力。国内大模型赛道上，越来越多公司愿意走难而正确的路。今年，DeepSeek推出的mHC（流形约束超连接）架构是大模型基础架构领域突破，也是DeepSeek V4重要架构升级，它取代传统残差连接，研究引用了字节跳动Seed团队提出的Hyper - Connections（HC）。HC打破单流范式，大幅提升模型特征表达能力，从HC提出到mHC落地，是中国AI团队底层架构技术创新缩影。

【字节团队的研究成果】

去年初，字节Seed成立Edge团队，做确定性不高、短期难见结果的研究课题，还调整绩效考核周期。该团队低调，前不久在X上发布超长程评测集EdgeBench，首次系统定义真实环境下的Agent学习规律，找到环境学习维度新Scaling定律，引发业内大佬讨论，据说OpenAI也在接入测试自家模型长程能力。

在AI领域，构建Benchmark需投入长周期和大量人力，顶尖AI实验室投入巨大。OpenAI开源Evals框架，设计一系列专用基准；Anthropic围绕SWE - bench和Terminal - Bench做大量工作，评测工作与模型能力长板关系并非偶然。这表明前沿AI团队对AI发展路径判断转变，大模型能力进化进入新阶段，核心增长动力来自真实开放环境中的持续交互、反馈与自主进化。

【顶尖AI公司争抢科学家】

为什么顶尖AI公司都在抢领域科学家，要与科学家合作？原因是现在主流模型评测体系围绕有标准答案的封闭式任务，而真实科学研究无清晰解题路径，充满不确定性，真实世界任务才是检验AI模型能力的最终标准。行业寻找下一个Scaling方向，「在真实开放环境中持续交互学习」被看好，全球AI顶尖团队研发前沿模型时引入各学科研究者，让领域问题牵引模型能力进化。

在北美，很多高校研究人员加入大模型公司，7月初，伯克利EECS系主任Jelani Nelson宣布学术休假并加入Anthropic，今年至少22名教授和研究人员离开高校，转入OpenAI、Anthropic、DeepMind和Meta，这四家公司聚集了80多名现任或前任大学教授。

大牛加入背后有成体系项目，OpenAI的Residency项目是吸纳高端人才通道，帮助跨领域专家学科融合，多个里程碑项目有驻场研究员参与，GPT系列模型科研能力突破也离不开跨学科人才。Anthropic的STEM Fellows Program在2026年扩充，邀请非AI领域顶尖专家，他们带着问题使用Claude模型和内部评估工具，超80%研究员产出高质量学术成果，推动Claude进化。这类项目价值超科研本身，顶尖AI公司将争抢领域科学家与争抢算力置于同等重要位置。

【合作对科学界价值巨大】

对科学界而言，合作价值巨大，大模型成为新的科研基础设施，重塑科研范式，让过去难推进的课题成为可能。科学家参与驻场研究，能获取大量AI算力、体验前沿模型，还可利用AI作为「外脑」，专注定义问题。对于涌入Anthropic和OpenAI的科学家，这种协作是科研效率放大器和新发现杠杆。而国内AI与基础科研交叉领域空白正由字节Seed补齐。

【AI终局比拼长期主义】

当菲尔兹奖得主加入OpenAI，越来越多STEM科学家与模型团队合作，AI下一阶段竞争从短期产品迭代转向长期、复杂、前沿的基础命题。科学研究站在人类知识前沿，能在高复杂度开放环境站稳，意味着下一代AI具备参与真实复杂任务的能力。这条路充满挑战，但能检验团队是否愿意投入基础和前沿。大模型最终要和人类一起推进未解决问题，科学进展和AGI实现都需要长期主义。那么，在这场长期竞争中，各团队又将如何应对呢？