Workflow
Attention Residuals
icon
搜索文档
17岁,年薪700万
华尔街见闻· 2026-10-23 19:02
文章核心观点 - 17岁深圳高中生陈广宇从Kimi离职引发AI圈关注,其经历折射出AI行业对顶尖年轻人才的争夺已提前至高中/本科阶段,百万美元级offer与近千万元年薪成为头部AI公司抢夺关键研究者的竞争手段 [3][6][25] - AI人才争夺的核心逻辑在于模型快速迭代、技术路线仍有变数,关键研究者的加入可能带来新方向,错过关键人才的代价可能更高 [24][25] 陈广宇个人经历与离职事件 - 陈广宇10月15日在社交平台发帖告别Kimi,称过去一年是迄今最美好的时光,感谢杜雨伦当年相信并聘用16岁的自己 [8] - 陈广宇2009年出生于深圳,曾就读于原北大附中深圳南山学校和华润小径湾贝赛思国际学校,今年刚高中毕业 [16] - 今年3月陈广宇以共同第一作者身份参与论文《Attention Residuals》,与张宇、苏剑林同列作者名单,马斯克转发称其"令人印象深刻" [8] - 今年7月Attention Residuals已被用于Kimi K3,成为这款2.8万亿参数模型采用的底层技术之一,陈广宇参与了K3发布前准备 [8] - 杜雨伦透露与陈广宇进行过几次长谈,虽不舍但希望他在这个年纪尽可能探索、追随新的好奇心 [9] - 陈广宇未解释下一步,仅在告别帖末尾写道"还有更多事情值得探索" [10] - Anthropic可扩展强化学习方向负责人Sholto Douglas在评论区半开玩笑邀其来旧金山工作,陈广宇回复"正要去湾区",但随后又简短回复"no :)"否认加入Anthropic的猜测 [10] 百万美元offer传闻 - Menlo Ventures投资人Deedy Das分享见面经历:一名少年14岁时英语尚不熟练便开始借助大模型自学AI,此后在一家顶尖AI公司实习一年,跨越半个地球进入美国排名前十的大学读本科,入学两周后退学 [13] - 该少年当时17岁,手中已有5份来自旧金山顶尖前沿AI实验室的工作邀约,金额均在约100万美元(约合700万元人民币)以上 [5][13] - 年龄和经历的重合让外界将这段经历与陈广宇联系起来,但Deedy并未公开少年姓名 [5][13] - 该少年想去旧金山的理由是"那里的人都很厉害,也在做自己想做的事情",并表示"只想学习,完全不在乎钱" [13] 陈广宇的成长路径 - 中学时曾试着用家长身份注册Shopify店铺、组织青少年开源社区、做Crypto机器人,甚至幻想当职业滑雪运动员 [16] - 去年2月参加中学生黑客松,带去项目ThirdArm(人类第三只机械辅助手设想),由此结识前YC中国、奇绩创坛创始团队成员董科含,后者建议其把注意力放到更前沿的技术上 [16] - 此后利用AI研读论文、追踪GitHub开源项目,认为"在这个时代,AI就是最好的老师",跟着十年前视频课程按部就班入门的方法已经太慢 [17] - 分享DeltaNet研究心得的博客当时社交账号只有20个粉丝,却引来该领域研究者杨松琳回复,随后被硅谷AI初创公司Tilde Research的CEO看到并主动邀约通话 [17] - 两个月后16岁的陈广宇拿到Tilde Research录用通知,独自飞往加州帕洛阿尔托开始七周实习 [18] - 董科含提醒他"别把自己当实习生,要当CEO:如果这是你的公司,你会怎么做",此后其参与内容从技术问题延展到运营搭建、融资节奏、投资人沟通及长期战略思考 [18] - 陈广宇个人网站首页写下的目标是"探索智能的可能性" [20] AI行业人才争夺现状 - 国内互联网大厂给应届生开出的薪酬已传出800万元高价;清华大学计算机系教授透露组内大模型方向博士毕业生能拿到600万元以上年薪,硕士也能拿到百万元以上 [22] - 抢人延伸至毕业答辩现场:有大厂HR带鲜花赶来为已录用学生庆贺 [22] - Anthropic官网公开参照:预训练方向研究岗位年薪区间为35万至85万美元,具体待遇与岗位级别有关,工作直接涉及模型架构和大规模训练 [22] - 扎克伯格曾亲自打电话招揽当时24岁的AI研究者Matt Deitke,Meta给出的最终薪酬方案约为四年2.5亿美元,其中首年可能支付高达1亿美元 [22] - 今年腾讯启动青云实习生招聘时特别鼓励低年级学生投递,提出薪酬不设上限,并为突出贡献者提供额外激励,混元、元宝、微信等核心业务向实习生开放,优秀者有机会主导项目并与技术领头人直接共事 [24] - 字节跳动Seed把年轻人研究成果写进招聘页面:有人毕业不到一年便参与Seedance 2.0预训练架构研发,有人还在实习成果已用于豆包线上服务和模型后训练,符合要求的优秀实习生还有机会获得"豆包股" [24] - 行业竞争逻辑:模型快速迭代、技术路线仍有变数,关键研究者加入可能带来新方向,等到毕业再抢可能已经晚了 [24][25]