前腾讯混元预训练负责人姚星丞加入Thinking Machines Lab

会懂网AI资讯，9月18日，雷峰网独家获悉，腾讯混元大语言模型预训练负责人姚星丞近日已加入北美创业公司Thinking Machines Lab。据知情人士透露，该公司此次开出的薪资明显高于其在腾讯的收入。姚星丞今年7月从腾讯离职，此前主要负责混元大模型的预训练工作。这也意味着，单纯的参数与跑分竞争正在让位于对场景理解深度与交付能力的比拼。

这一人事变动之所以引发关注，是因为预训练负责人处于大模型研发链条的核心位置。预训练决定了模型的知识覆盖与基础能力上限，相关人才在全球范围内都极为稀缺，头部实验室之间的争夺早已白热化，薪酬与算力资源是主要的竞争筹码。观察人士指出，用户习惯的迁移通常滞后于技术成熟，市场教育仍需较长周期。

姚星丞与姚顺雨均出自清华姚班，是过去一年腾讯重点引入的年轻研究人才。此前曾有消息称他将加入Meta，如今靴子落地，最终选择了由前OpenAI首席技术官创立的这家公司。这类流动反映出顶尖研究者对研究自由度与方向的重视，往往超过单纯的薪酬因素。从全球范围看，不同市场在监管环境与发展阶段上差异明显，路径选择因此需要因地制宜。

对国内厂商而言，核心人才外流既是压力也是提醒。大模型竞争本质上是人才密度的竞争，如何为年轻研究者提供足够的算力支持、清晰的晋升通道与有吸引力的研究方向，是留住团队的关键。仅靠薪酬匹配，很难完全对冲海外实验室的吸引力。这一方向的价值也在被重新评估，资本与产业方的判断正从想象力转向可验证的回报。

从全球视角看，人才流动本身是技术扩散的重要渠道。研究者的跨机构流动会带动方法论与工程实践的传播，长期看有利于整体水平提升。但短期内，头部机构的聚集效应也在加剧，小型团队获取顶尖人才的难度持续上升，行业分化可能进一步扩大。业内普遍认为，相关能力能否持续兑现，最终仍要回到真实场景中的效果与成本表现。

综合来看，这一事件折射出大模型行业人才竞争的新阶段。业内普遍认为，随着模型能力趋于同质化，研发组织效率与人才稳定性将成为决定性变量。对国内企业来说，构建可持续的人才培养与保留机制，比争夺单个明星研究者更具长期价值。对从业者而言，更值得关注的是效率提升能否覆盖投入，以及由此带来的组织方式变化。