「给大模型人才开1亿年薪，完全不贵。」
这句话这两天冲上知乎热榜第一。说的人叫魏小康，曾在2017年参与搭建字节跳动的招聘体系，后来在美团做规模化校招，高峰期一年招五六千名毕业生。一个亲手筛过几万份简历的人，说出这么刺激的数字，评论区自然炸了。
我把晚点对他的完整访谈扒了一遍，发现一个有意思的事：上亿年薪只是标题，访谈的后半句，才是真正跟普通人有关的部分。
为什么1亿"不贵"？算的是另一笔账
魏小康的逻辑很直白：把基座模型当成一门生意看，光训模型，大厂一年就花上百亿买卡，几年下来就是几百亿。这几百亿花得好不好，就看那几十个人。同样的钱，不同的人用，效率能差几倍，甚至决定模型做不做得出来。
换句话说，1亿买的不是一个人的时间，是几百亿算力投入的"使用效率"。这也是为什么行业里一位做预训练的人对上海证券报说过类似的话：企业抢到一个关键人才，团队产出可能是乘数级的提升，高薪本质是在为乘数效应买单。
这笔账，跟你我确实没关系。但接下来的内容有关系。
同一个人说的另一半：基座人才，已经过剩了
访谈里魏小康讲了个时间线：
- 2024年，博士毕业生只要研究方向和AI沾边，就可能拿到数百万年薪——他称之为"人才泡沫的起点"，很多公司花了很多钱，招来一群根本做不出大模型的人；
- 2025年，腾讯和字节进一步抬价，极少数顶尖人才的薪酬包到了亿元级别；
- 2026年，市场逆转。大模型竞争收敛到少数公司，人才需求骤减，一些有顶级论文、有头部模型厂实习经历的优秀毕业生，甚至拿不到面试机会。
他的判断相当不留情面：绝大多数优秀人才，在基座模型领域已经过剩，未来甚至没有机会入行。
一边是1亿年薪的传说，一边是顶级论文都换不来一次面试。这两个"真实"同时存在，因为1亿属于金字塔尖那几十个人，而过剩的是塔身那几万人。热搜只让你看见了塔尖。
那机会在哪？"做应用，10个人就够"
魏小康给出的另一句话，我认为比1亿年薪值钱得多：AI应用，十几个善用AI的人，可以顶过去200人的产研团队。
他还特别提到，全行业都低估了DeepSeek在10月17日发布的那个版本——他的原话是，它可能是AI应用的"iPhone 4时刻"：第一个能满足绝大部分行业需求、又够便宜够快的模型。找到产品与市场需求匹配（PMF）的团队，第一次有希望大规模商用。
脉脉的数据也能对上：AI岗位平均月薪60738元，但高薪集中在A类技术底座人才；真正在爆发的需求，是懂业务流、懂怎么把AI嵌进具体工作场景的应用型人。
把这几块拼起来，图景其实很清楚：AI人才市场正在变成一根杠铃——一头是极贵极稀缺的几十个人，一头是量大管够的"会用AI解决真实问题的人"。中间那层"半懂不懂"的，最尴尬。
普通人怎么站上杠铃的这一头
给你三个可以立刻自查的问题（建议截图存下）：
- 你的行业know-how，有没有配上AI杠杆？ 猎头圈的说法是，35岁以上职场人正在被价值重估——繁琐工作AI代劳之后，沉淀多年的行业经验反而是驾驭AI最关键的资产。前提是你真的在用它干活，而不是收藏了100个教程。
- 你有没有跑通过一个"需求→结果"的小闭环？ 不用大，一个能替具体的人解决具体问题的流程就够。魏小康说找到PMF的团队第一次有希望大规模商用，对个人同理：先做出一个别人愿意用的东西，再谈其他。
- 你的工具链是"顺手"还是"能用"？ 差距不在会不会，而在快不快。我自己的做法是把高频任务串成固定工作流，比如在 spark1.cn 的 /toolchains 里把选工具、写初稿、配图这些环节连起来跑，一个任务从头到尾不用来回切换——省下的不只是时间，是心力。
1亿年薪的新闻，看个热闹就好。真正值得记住的是后半句：模型越来越便宜、越来越强的时候，值钱的从来不是"会做模型的人"，而是"会用模型把事做成的人"。
这扇门，对普通人反而是开着的。
评论