文︱陆弃

很多人盯着芯片看，觉得谁掌握算力，谁就掌握未来。但这件事真正“不对劲”的地方在于，当西方还在讨论技术封锁时，决定胜负的变量，已经悄悄换了。问题变成了——如果人才结构发生逆转，技术领先还能维持多久？这次英国媒体的观察，其实给出了一个非常具体的信号。

在顶级AI会议NeurIPS上，中国第一作者数量第一次超过美欧，这不是个象征性事件，而是一个结构性变化。更值得注意的是研究人员的来源变化，从2019年到2025年，中国起步的AI研究者比例，从不到三成，直接跃升到一半。很多人习惯把这种变化理解为“追赶成功”。这种理解没有错，但仍然停留在表层。

真正值得警惕的，是这背后的人才供给机制，已经发生了方向性变化。如果把AI竞争看成一场长期博弈，算力是武器，数据是燃料，算法是战术。但真正决定战争走向的，是“兵源”。没有稳定的人才供给，再先进的技术体系也难以持续。中国的变化，恰恰发生在这里。

一个细节非常关键，在2025年的NeurIPS论文中，中国作者的本科来源高校，前十名里有九所来自中国。这意味着什么？意味着人才培养的“起点”，已经完成了本土化闭环。很多人过去有一个默认判断，中国的顶尖AI人才，需要经过海外训练才能成型。这个判断正在失效。像DeepSeek这样的产品，其核心贡献者全部来自本土教育体系，这不是个例，而是趋势的前奏。

当一个国家可以在本土完成从本科到前沿创新的完整链条时，它的技术体系就不再依赖外部输入。这才是真正的变化。再往深一层看，这种变化并不是偶然。它背后是一整套制度设计在起作用。中国科研体系对论文的激励机制，使得研究人员更有动力在顶级会议上发表成果。开源模型文化，则进一步降低了技术扩散的门槛，让更多年轻研究者可以快速参与到前沿竞争中来。这两者叠加，形成了一种“高频输出”的生态。

有人会说，论文多不代表技术强。这个观点有一定道理，但忽略了一个关键事实：在基础研究阶段，数量本身就是概率。当参与者规模扩大，突破性成果出现的可能性就会显著提升。这就是为什么人才规模会变成决定性变量。再看另一个被忽略的细节，中国AI人才中有47%是学生，而西方国家大约是30%。这意味着中国的AI力量更年轻，更具成长性。

短期看，经验可能不足；长期看，潜力巨大。与此同时，美国的人才体系正在出现裂缝。经费削减、签证不确定性、对科研人员背景的审查，这些因素叠加在一起，正在改变全球人才流动的方向。过去几十年，美国最大的优势之一，是“吸引全世界最聪明的人”。这个机制一旦松动，其影响不会立刻显现，但会在几年后集中爆发。很多人会反驳，美国仍然拥有最顶尖的公司和最先进的模型。这个判断在今天仍然成立。

但问题在于，这种领先，是建立在过去十多年的人才积累之上的。如果未来的人才增量发生逆转，那么今天的优势，能持续多久？这才是需要思考的地方。把视角再拉高一点，这件事其实不仅仅是中美之间的技术竞争。它更像是一种新的发展路径正在形成。过去的科技竞争，往往依赖少数精英团队完成突破。

现在，随着AI工具的普及，技术创新正在变得“规模化”。换句话说，未来的竞争，不只是看谁更聪明，而是看谁拥有更多“足够聪明的人”。中国在STEM教育上的投入，使得约40%的大学生进入相关领域，这个比例大约是美国的两倍。这意味着，在同一时间窗口内，中国可以投入到AI研究中的“有效人口”，远高于对手。当技术进入“规模驱动”阶段，这种差距就会被放大。

很多人可能还停留在一个旧的认知框架里：技术领先来自少数天才。这个框架在AI时代，正在被改写。更准确的描述应该是，领先来自“高质量人才的密度”。不是有没有顶尖人才，而是顶尖人才周围，有没有足够多的中坚力量，去放大他们的成果。这也是为什么，人才问题会被反复提及。