从算力竞赛到人才战争
在人工智能（AI）行业，算力曾是衡量竞争力的核心指标。然而，随着DeepSeek等公司通过技术优化降低训练成本，”创新人才”重新成为全球AI竞争的焦点。ChatGPT引爆大模型浪潮后，行业叙事从”大力出奇迹”转向”人才密度决定上限”。在这场全球人才争夺战中，硅谷巨头以亿元年薪挖角顶尖研究员，而中国AI公司则探索更具可持续性的激励模式——MiniMax近期宣布推出覆盖全职能的长期期权激励计划，将算法、工程、产品、运营甚至实习生纳入激励范围，定义了AI时代的新人才标准。
人才激励的范式转移：从”挖角”到”生态共建”
1. 硅谷模式：高薪单点挖角
Meta、谷歌、微软等公司通过天价薪酬和并购争夺人才。例如，谷歌以24亿美元收购AI创业公司Windsurf，以获取其核心团队；Meta则重组”超级智能”团队，从OpenAI、DeepMind等竞争对手处批量挖人。这种模式依赖资本优势，但可能导致人才流动性高、组织文化碎片化。
2. MiniMax方案：全员激励与组织创新
不同于硅谷的”英雄主义”，MiniMax将期权激励扩展至全岗位序列，包括：
- 算法研发（核心但非唯一重点）
- 工程、产品、运营（跨职能协作）
- 实习生（早期潜力人才）
其核心逻辑是：AGI（通用人工智能）的突破不依赖个别天才，而是需要组织内多元角色的协同创新。通过长期激励机制，MiniMax希望将个体创造力转化为集体势能，形成可持续的创新生态。
MiniMax的”人才双螺旋”：定义AI时代的核心能力
在人才选拔上，MiniMax提出**”人才双螺旋”模型**，强调两种关键特质的结合：
1. 第一性原理思维（First-Principles Thinking）
- 定义：不依赖惯性思维，而是回归问题本质，找到”真问题”。
- AI时代的意义：在大模型时代，提出正确问题的能力比解决问题更重要。例如，OpenAI的成功部分源于其聚焦”预测下一个token”这一核心问题，而非盲目优化现有模型。
- MiniMax的实践：鼓励所有岗位（包括非技术角色）识别关键挑战，如产品经理定义用户需求、工程师优化系统架构。
2. 深度好奇（Deep Curiosity）
- 定义：对未知领域保持探索欲，敢于在不确定中试错。
- AI时代的意义：AGI的路径可能超出人类当前认知，需要持续探索的勇气。例如，OpenAI首席科学家Ilya Sutskever从计算机视觉转向通用智能，正是基于对未知的好奇。
- MiniMax的实践：容忍失败，激励员工挑战传统路径，如尝试新的模型训练方法或产品设计。
这两种特质如同DNA双螺旋，共同支撑AGI时代的创新。MiniMax认为，未来的顶尖人才不一定是资历最深的专家，而是能定义问题、勇于探索的”问题解决者”。
从个体创新到组织创新：MiniMax的长期战略
1. 打破岗位边界，构建协作网络
- 在大模型研发中，成功依赖多角色协同（如算法、工程、产品经理的紧密配合）。MiniMax的激励机制确保每个环节的贡献都被认可，避免”唯算法论”。
- 案例：OpenAI的GPT系列成功不仅源于算法突破，还依赖数据团队、工程优化和产品设计的共同优化。
2. 长期激励 vs. 短期挖角
- 硅谷公司依赖高薪挖角，但可能导致人才流失；MiniMax通过长期期权绑定核心团队，并激励基层员工的创新。
- 实习生也能获期权：体现其对早期人才培养的重视，类似谷歌早期招募顶尖PhD并给予股权的模式。
3. 中国AI创业的独特路径
- MiniMax既是**”硅谷式Pure Play AI公司”（专注AI闭环，从模型到产品），又具备务实激进的商业化能力**。
- 其激励模式结合了西方创新文化与中国企业的组织韧性，形成差异化竞争力。
未来人才趋势：AGI时代的”探索者画像”
随着大模型接管重复性工作，人类的核心价值转向”定义问题”和”跨界创新”。MiniMax的”人才双螺旋”揭示了未来AI人才的关键特质：
- 本质洞察力（能识别关键问题）
- 好奇心驱动（敢于探索未知）
- 跨职能协作（打破岗位壁垒）
行业启示：
- 企业：需构建激励机制，让非技术角色（如产品、运营）也能参与创新。
- 个人：在AI时代，学习能力、提问能力和适应力比单纯的技术栈更重要。
结语：MiniMax的野心与行业的未来
MiniMax的百万美金期权计划不仅是人才争夺战的一环，更是对AI组织模式的重新定义。通过**”人才双螺旋”模型**，它试图构建一个由问题定义者和探索者驱动的创新网络，而非依赖少数天才。
在AGI的竞赛中，真正的胜负手可能不是算力，而是谁能吸引、激励并留住最富创造力的”人类引擎”。MiniMax的实践，或许为中国AI公司提供了一条新路——用组织创新放大个体潜力，最终推动集体突破。