Meta人才流失助推Thinking Machines估值突破12亿美元

背景

近期，TechCrunch 报道 Meta 的多名资深 AI 研究员离职，加入了硅谷 AI 初创 Thinking Machines Lab（TML）。Meta 以高额薪酬吸引人才，而 TML 则凭借与 Google Cloud 的多亿美元云合作以及 NVIDIA GB300 芯片的算力优势，快速提升研发实力。

人才流动概览

• Weiyao Wang：在 Meta 工作八年，负责多模态感知系统，2026 年初加入 TML。
• Kenneth Li：Harvard 博士，曾在 Meta 任职 10 个月，本月加入 TML。
• Soumith Chintala：Meta 前核心成员、PyTorch 联合创始人，2025 年底离职后担任 TML CTO。
• Piotr Dollár：Meta 研究总监，Segment Anything 项目共同作者，现为 TML 技术团队成员。
• Andrea Madotto、James Sun 等多位 Meta FAIR 与 LLM 团队的资深科研人员也相继加盟。

对 Thinking Machines 的影响

1. 研发加速：新加入的顶级人才带来成熟的多模态与大模型经验，使 TML 能在短时间内推出具备竞争力的产品原型。
2. 算力提升：Google Cloud 与 NVIDIA 的合作让 TML 获得与 Anthropic、Meta 同等的硬件资源，进一步缩短模型训练周期。
3. 估值飙升：受益于人才与算力双重加持，TML 估值已突破 12 亿美元，虽仍低于 OpenAI 与 Anthropic，但已进入独角兽行列。

行业启示

• 人才竞争进入新阶段：大模型公司之间的人员流动不再是单向抢夺，初创公司正通过高额薪酬与技术平台吸引顶尖科研人才。
• 算力资源分配成为关键：云服务提供商与硬件厂商的合作布局，将直接决定新晋 AI 企业的竞争力。
• 估值模型需重新评估：即使产品线尚在起步阶段，核心人才与算力优势已足以支撑高估值，这对投资人判断 AI 初创公司的标准提出挑战。

"人才是 AI 创业的核心驱动力，算力是放大效应的关键。"——业内分析师

Meta 的高薪政策虽仍具吸引力，但人才的流向显示，创新生态正在向更具灵活性的初创公司倾斜。未来，行业格局可能因人才与算力的双向流动而出现更频繁的重组与合作。