大家好,我是烽屿。
11月18日,《华盛顿邮报》刊出一篇关于全球AI人才竞争的评论,把一组数据摆上了台面:2020年,中国高校科学与工程类本科毕业生超过170万人,美国同期约为50万人。
当年挤破头想把孩子送进硅谷的人,大概没想到有一天硅谷自己开始掰着指头数学生了。
不过,比“谁家毕业生多”更值得琢磨的,是另一个问题——这170多万人毕业后去了哪里,又做出了什么成果?
答案正在起变化。过去,中国培养的优秀理工科人才,很多人只能往海外走,硅谷的实验室几乎是默认选项;如今,随着国内科研平台和产业环境不断改善,越来越多年轻人发现,留在国内一样有事可做、有牌可打。
170万对50万,背后是二十多年的积累
美国过去为什么能在科技领域保持优势?除了资金和技术,还有一套相对成熟的人才培养体系。
1957年,苏联发射第一颗人造卫星后,美国明显加大了对数学、物理和工程教育的投入。随后,航空航天、计算机和半导体等领域发展起来,一批优秀科研人员进入实验室和科技企业,为美国后来的科技优势打下了基础。
但进入八九十年代以后,美国经济结构发生变化,金融、法律和商业服务行业吸引了大量优秀毕业生。一些数学、物理专业的学生,毕业后更愿意进入华尔街或者大型企业,而不是长期从事基础研究。
与此同时,美国科技公司也逐渐形成了从全球招聘工程师的习惯,中国、印度等国家培养的优秀人才,成为硅谷重要的人才来源。
中国走的是另一条路。从工业化建设到1999年高校扩招,再到制造业和数字经济发展,国内对工程师的需求一直比较旺盛。计算机、电子信息、机械工程、材料科学等专业不断培养出新的技术人才。
根据2020年相关统计,中国高校授予的科学与工程类本科学位超过170万个,美国同期约为50万个。需要说明的是,两国统计口径并不完全一致,这组数字不能当成严格的同口径排名,但人才培养规模上的差距确实值得关注。
为什么理工科人才这么重要?因为人工智能不是只靠几个程序员就能撑起来的。芯片设计需要工程师,算法开发需要数学人才,服务器和数据中心需要大量技术人员,科研成果最后还要有人负责生产和应用。
一个国家真正需要的,不只是几个站在国际舞台上的顶尖科学家,还需要一大批能够解决实际问题的工程师。
在我看来,中国过去二十多年的积累,价值就在这里。它不只是培养出少数优秀学生,而是逐渐形成了规模较大的工程技术人才队伍。
当然,人数多不等于技术水平自然领先。基础教育、科研平台、企业投入和创新环境都很重要。培养出人才只是第一步,能不能让他们真正发挥作用,才是后面的关键。
从何恺明到AI人才回流,科研成果开始成为新的竞争力
说到中国培养的理工科人才,何恺明是一个很有代表性的例子。
他本科毕业于清华大学,之后在香港中文大学攻读博士学位,2011年至2016年在微软亚洲研究院工作。在那里,他与团队成员共同完成了后来影响深远的ResNet研究。
当时,深度学习有一个比较棘手的问题:神经网络层数越多,训练不一定越好,甚至可能出现训练困难。
何恺明和合作者提出残差学习方法,通过残差连接改善深层网络的信息传递,让研究人员能够更有效地训练深度神经网络。这项研究后来成为深度学习领域的重要成果,在图像识别和计算机视觉等方向产生了广泛影响。
值得注意的是,何恺明后来加入Meta,并于2024年进入麻省理工学院任教。这段经历说明,人才培养和人才流动本来就是两个不同的概念。一个人可以在中国接受教育、参与科研,也可以到海外继续发展。
真正重要的是,他参与的研究有没有解决实际问题,有没有推动技术进步。
再看全球AI人才流向。卡内基国际和平基金会对2025年NeurIPS会议论文作者进行了追踪,研究样本超过一万人。
数据显示,接近六成受调查的顶尖AI研究人员,本科阶段在中国接受教育;按工作地点统计,约41%在中国工作,约34%在美国工作。这不是全球所有AI从业者的统计,而是针对高水平学术会议研究人员的样本,但仍然能看出一些变化。
更值得关注的是,在中国接受本科教育的这批研究人员中,目前留在中国工作的比例,已经从2022年的57%提高到2025年的69%。这说明国内科研和产业环境正在提供更多机会。
过去,一些优秀毕业生选择出国,很大程度上是因为海外有成熟的实验室、充足的研究资金和丰富的职业选择。现在,国内人工智能、大模型、智能驾驶、机器人和芯片等领域发展起来,能够承接人才的企业和研究机构越来越多。
当然,美国依然拥有很强的科研实力和国际人才吸引力。人才竞争不是简单地看谁多招了几个人,而是看谁能提供更好的研究条件,谁能让科研人员长期发展。
我认为,中国现在更值得重视的,是如何把人才培养、基础研究和产业应用连接起来。毕竟,论文写得再漂亮,如果没有后续研究和实际应用,价值也会受到限制。
而这种人才优势,并不只体现在人工智能领域。生物科技、基因工程、材料科学和健康产业,同样需要大量理工科人才。
一个国家培养的技术人员越多,能够探索的新方向也就越多。
从人工智能到长寿科技,技术最终还要落到普通人身上
人工智能改变的是生产和生活方式,生物科技关注的则是健康和生命质量。近些年,全球资本也开始把目光投向衰老研究。
亚马逊创始人贝索斯参与投资的AltosLabs,公开披露获得了30亿美元初始资金承诺,主要研究细胞重编程和细胞健康恢复。
OpenAI创始人奥特曼投资的RetroBiosciences,也获得了1.8亿美元初始资金,研究方向包括延长健康寿命。这些投资说明,长寿科技已经成为资本关注的新领域。
但也要理性看待。投资金额大,不代表技术已经成熟,更不意味着人类很快就能实现所谓的逆龄。细胞重编程、组织修复和衰老机制研究都还面临不少难题,距离大规模安全应用仍有一段路。
对于普通人来说,接触最多的可能不是实验室里的细胞研究,而是护肤品中的胶原蛋白。
随着年龄增长,人体皮肤中的胶原蛋白会发生变化,皮肤弹性和紧致度也会受到影响。因此,胶原蛋白逐渐成为护肤市场关注的成分。
但普通胶原蛋白存在一个实际问题:分子较大,直接涂抹在皮肤表面,很难有效穿过皮肤屏障进入深层。传统产品更多发挥保湿和成膜作用,不能简单理解为涂上去就能补回皮肤流失的胶原蛋白。这也是行业不断研究重组胶原蛋白和透皮递送技术的原因。
福瑞达旗下品牌珂谧推出的穿膜胶原技术,就是围绕这个问题展开的尝试。
按照企业公布的资料,其技术思路是在重组Ⅲ型胶原蛋白中引入细胞穿膜肽,希望改善胶原成分的透皮递送能力。企业公布的实验数据称,穿膜胶原24小时皮下渗透率较普通重组胶原蛋白提高27.5倍。
这个数据值得关注,但需要说明,实验中的渗透率提升不等于实际抗皱效果提升27.5倍,也不能直接理解为所有成分都能进入皮肤细胞。
2026年4月,珂谧发布穿膜胶原2.0,并公布了相关第三方检测结果。根据企业披露的资料,SGS对相关产品进行了抗皱性能测试,涉及细纹和皮肤松弛等指标。
这里也要区分清楚,第三方性能测试可以为特定产品的功效宣称提供依据,但不等于药品认证,更不能把护肤品宣传成具有治疗作用的产品。
从市场表现看,企业披露,截至2026年4月,珂谧品牌创立不到两年,销售规模达到2亿元,穿膜胶原次抛累计销量超过3800万支。
这些数据能够反映产品的市场接受程度,但销量并不能代替科学验证。消费者真正关心的,还是成分是否安全、效果是否有依据,以及价格和实际体验是否匹配。
我觉得,这个案例有意思的地方,不只是某一款产品卖得好,而是它背后涉及的研发链条。
从基因工程和蛋白质研究,到原料生产、产品研发,再到第三方检测和市场应用,每个环节都离不开专业人才。过去大家谈到理工科人才,首先想到的是芯片、机械和计算机,如今生物制造和健康科技同样需要大量工程技术人员。
这也说明,人才培养的价值并不局限于某个热门行业。只要科研成果能够转化为实际应用,就有机会进入普通人的生活。
结语:
硅谷当年风光,靠的也不是嘴,是一代代工程师实打实干出来的;如今轮到咱们,把人留住、把技术做出来、把价格打下来,一样一样干就是了。
作为普通人,我倒觉得不用焦虑谁家排第一,真正跟咱们有关的是:家里孩子以后不用非挤出国那条独木桥,做研究的能安心坐冷板凳,掏钱买东西的能捡到真技术的实惠。这一圈转顺了,比任何榜单都值钱。
数字会过时,排名会刷新,日子是一天天过出来的——账本上最值钱的那一行,从来都写着两个字:扎实。