原文作者: Amy Tam

原文链接: The Cost of Staying

我认识的每一个技术人员现在都在做同样的算术题。他们不会明说。他们会说自己在“探索机会”或“思考下一步”。但在这些话语之下，是同一个计算：留在我现在的位置，要付出多少代价？

代价不是金钱。是时间。空气中弥漫着一种感觉：做出正确举动的窗口正在缩小，你在错误的座位上多待一个季度，你要追赶那些更早行动的人的差距就越难弥合。一年前，科技行业的职业决策感觉是可逆的。选错了工作？十八个月后修正就好。这个假设正在崩溃。那些早早重新定位的人和那些仍在权衡选择的人之间的分歧正变得肉眼可见，而且这种分歧正在加速。

我在近距离观察这一切。我是 Bloomberg Beta 的投资人，我把大部分时间都花在处于转型期的人身上：离开现有角色、完成项目、决定下一步。我不是职业顾问。但我坐在“你要离开什么”和“你在追逐什么”的十字路口。

科技行业中有价值的技能从“你能解决这个问题吗”变成了“你能分辨哪些问题值得解决，以及哪些解决方案才是好的吗”。稀缺的东西从执行力 (Execution) 翻转为判断力 (Judgment)：你能否编排系统、进行并行下注，并拥有品味去知道哪些结果是重要的？那些早早想明白这一点的人正站在一条不断扩大的 K 型曲线的上扬臂上。而其他所有人，只是变得更擅长做那些即将被机器替代的事情。

从执行力到判断力的转变正在随处发生，但根据你所处的位置，“留下的代价”和“移动的收益”看起来完全不同。

FAANG (大型科技公司)

这是大厂员工现在面临的权衡：系统已经建成，薪酬很棒，工作……还行。 越来越多的时候，你是在审查 AI 生成的输出，而不是从头开始构建。对某些人来说，这是礼物。这是杠杆，是可持续的，是美好的生活。权衡在于，“还行”有一个不会出现在你工资单上的成本。

那些离开的人并不是不快乐。他们是焦躁不安 (Restless)。他们描述这种特定的感觉：最难的问题不再这里了，而组织还没意识到这个事实。留下的人在打赌：稳定性和薪酬比接近前沿更有价值。离开的人在打赌：前沿是未来十年职业价值被构建的地方，他们每等待一个季度，就错过了一个季度的复利。

这两个赌注都是理性的。但只有其中一个是时间敏感的。

量化交易 (Quant)

量化交易依然有效。荒谬的高薪，困难的问题，即时的反馈。如果你很强，你知道自己很强，因为损益表 (P&L) 不会撒谎。

正在出现的权衡是：整个量化工具包（ML 基础设施、数据痴迷、统计直觉）结果正是 AI 实验室和研究型初创公司所需要的。同样的肌肉，不同的问题。 区别在于表面积。在量化中，你在优化一个策略。在 AI 中，你在构建能够推理的系统。即使是量化相邻的世界也感受到了这一点：预测市场和稳定币中最有趣的工作正日益成为一个 AI 基础设施问题。一个有天花板。另一个没有，或者至少还没人找到它。

大多数量化人员都留下了，他们也没错。但在离开的人描述了一些具体的东西：他们到了一个点，金融的智力挑战感觉在某种程度上是有界限的，而以前并非如此。他们不是在追逐金钱。他们在追逐致力于某种上界不可见的事物的感觉。

学术界 (Academia)

这是权衡最痛苦的地方，因为它根本不应该是一个权衡。

发表新颖的结果曾经是智力声望的最纯粹形式。你做这项工作是因为工作本身是美丽的。这一点没有变。变的是，你在获得资助的初创公司能做的事和你在大学实验室能做的事之间的界限正在模糊，而且对学术界不利。 一个 20 人的研究型初创公司现在可以在一个周末完成学术实验室一个学期才能做的事，因为计算力需要钱，而大学没有那么多钱。

我交谈过的最有野心的博士生们并不是在学术界和工业界之间做选择。他们是在关于实验的理论化和实际运行实验之间做选择。投向获得资助的初创公司和实验室并不是为了“出卖灵魂”。是为了做科学，而科学需要学术界无法提供的资源。

出于正确原因（开放科学、长期视野、真正的智力自由）留在学术界的人是值得钦佩的。但他们也应该知道，时钟对他们来说也在以不同的方式滴答作响：计算差距拉得越大，从大学内部做出有竞争力的工作就越难。

AI 初创公司（应用层）

如果你是在模型之上构建产品，你已经知道这种感觉：你在三月发布的聪明功能，到了六月就被模型更新商品化了。地面每个季度都在移动，你的护城河在蒸发。

这里的权衡是在追逐令人兴奋的东西和构建持久的东西之间。现在蓬勃发展的创始人不再关心模型能力，而是开始关心那些模型无法带走的东西：数据护城河、工作流捕获、集成深度。在晚宴上谈论这些不那么有趣。但这是实际建立公司的地方。

在这个世界上做出最敏锐举动的人，是那些对管道 (Plumbing) 感兴趣的人。不是演示，不是推销，不是能力。而是那些丑陋、无聊的基础设施，它们让产品具有粘性，无论底层坐着哪个模型。

研究型初创公司：新的重力中心

这是 K 型曲线最明显的地方。

Prime Intellect, SSI, Humans&. 10-30 人在做真正的、与规模是他们五十倍的组织竞争的前沿研究。这在三年前是不可能的。现在之所以发生，是因为工具变得足够好，以至于极少数拥有伟大判断力的人可以跑赢拥有更多资源的官僚机构。

这里的日常工作流程最清晰地展示了 K 型曲线的上扬臂在实践中是什么样子的。你启动训练运行，启动实验，让事情通宵通过。你早上回来，你的工作不是写代码。而是知道该如何处理回来的结果。是拥有品味去从系统递给你的一墙结果中区分信号与噪音。这是被动杠杆。你启动实验，无论你是否在办公桌前，复利都在发生。

人们正在权衡的：这些公司很小，未经证实，许多会失败。赌注在于，处于前沿中心，你的判断力直接接触工作，比在大组织的安全性中复利得更快，即使具体的公司没有成功。技能是可转移的。网络是可转移的。 而你在大公司花三年时间审查别人的输出，并不能以同样的方式转移。

大模型实验室：收窄的前沿

“我们在构建 AGI”的口号仍然有效。它可能对某一类人永远有效。

但内部的体验已经变了。最有趣的研究集中在极少数高级人员手中。其他所有人都在做重要的支持工作（评估、基础设施、产品），但这感觉不像他们签约时所承诺的前沿。你加入是为了通过双手接触那个东西，结果你离它有三层之远。

权衡在于声望 (Prestige) vs. 接近度 (Proximity)。简历上的大实验室经历仍然能敲开每一扇门。但离开的人正在做一个特定的计算：“我在 [顶级实验室]”的简历价值随着实验室变得更大、更企业化而贬值，而“我在一个我的判断力塑造了方向的地方做前沿研究”的价值正在升值。大实验室血统是最佳凭证的窗口正在关闭，看到这一点的人正在移动。

时钟 (The Clock)

每一个权衡里面都藏着同一个变量：时间。

一年前，你可以坐在舒适的椅子上深思熟虑。等待的成本很低，因为分歧很慢。这不再是真的了。工具正在复利。 早早行动的人正在他们上个季度学到的东西之上构建。六个月前行动的人和现在仍在权衡选择的人之间的差异已经在复利。

上扬臂并没有关闭。人们每周都在跳跃，雇佣他们的人不在乎你去过哪里。他们只在乎你能不能做这项工作。但数学是定向的：你为了舒适而优化的时间越长，切换的代价就越昂贵。 不是因为机会消失了，而是因为已经在那里的人正在复利，而你没有。

现在赢得人才战争的公司不是那些拥有最好品牌或最高薪酬的公司。而是那些你的判断力拥有最大表面积的地方，你的品味和实际构建出的东西之间的距离为零的地方，以及你被那些知道你还不知道的事情的人包围的地方。最优秀的人想接近其他拥有他们尚未学会的技巧的人，在那些有足够计算力实际运行实验的地方。

问题不在于你是否足够聪明。 问题在于你已经算过这笔账了。 你只是还没有据此采取行动。