“华人帮”涌现硅谷

2026年10月19日，Alexandr Wang在社交平台X上发了一张老友合影。

照片里，Meta超级智能实验室的掌舵者Wang、AI编程公司Cognition的创始人Scott Wu，以及加密交易平台Hyperliquid的创始人Jeff Yan，重新聚在了一起。Wang配文只有一句话：“got the HRT gang back together!（HRT帮派重聚！）”

从左到右依次为Jeff Yan、Scott Wu、Alexandr Wang

这是一场跨越十年的重逢。大约十年前，这群从数理竞赛与顶尖名校脱颖而出的年轻人，在量化巨头Hudson River Trading（HRT）的实习办公室里共同研究高频算法；十年后，他们走向了不同的商业高地——Wang创办Scale AI后进入Meta打造明星项目Muse，Wu试图让AI独立编写软件，Yan则在加密金融中打造出明星衍生品平台。当年的实习生，如今已各自成长为影响行业走向的关键造王者。

而在今天的硅谷，这张合影正呈现出另一种意味：同一批人才，正在以惊人的密度进入同一场技术革命，并迅速抵达资本、技术与商业权力的中心。

硅谷曾经有过自己的“PayPal 黑帮”——一批从同一家公司走出的创业者，后来共同塑造了互联网时代。

如今在AI淘金热中，人们开始寻找新的时代群像。只是这一次，站在浪潮前排的面孔，正在发生变化。华人正在潮头涌现。

图片来源社交媒体账号：AYi

顺着这张合影望向整个硅谷，从底层算力芯片、中间数据标注与大模型实验室，再到顶层代码生成与搜索应用，AI各条赛道的核心位置上正密集坐满华人。

在最底层的算力基建，全球四大半导体巨头由华裔统领——英伟达的黄仁勋、AMD的苏姿丰、博通的陈福阳、英特尔的陈立武，牢牢掌控着全球GPU与定制AI芯片的供给命脉。

在中层的数据供应链与前沿实验室，Scale AI的Alexandr Wang与Surge AI的Edwin Chen分割着高质量训练数据的核心市场；Meta超级智能实验室由赵晟佳担任首席科学家，与他对阵的OpenAI则由Mark Chen主导研发大局，xAI的创始技术团队里同样坐着Jimmy Ba和吴宇怀（Yuhuai Wu）等华人核心骨干。

在顶层的商业应用，除了Scott Wu的Cognition，Johnny Ho推动Perplexity估值跃升至数百亿美元并重构搜索体验，Jesse Zhang创办的Decagon拿下数十亿美元客服市场，乔琳创办的Fireworks AI成为开源模型推理的重要中枢，24岁的数学极客Carina Hong则带着Axiom Math冲击机器定理证明。

一栋旧房子里的AI热潮

要理解这种人才密度的来源，不妨先走进一栋住着年轻创业者的普通民宅。

2025年秋天，《Rest of World》记者住进了马克·扎克伯格早年居住过的旧居。这栋位于硅谷洛斯阿尔托斯（Los Altos）的浅蓝色平房，被称为“Facebook House”。二十年前，扎克伯格曾在这里办公，后来打造出社交网络帝国；如今，这里成了新一代华人技术人才的落脚点。

《Rest of World》报道The Chinese whiz kids of Silicon Valley截图

房子里陈设简单，放着床垫、书架与几只猫，却常年举办高密度的AI讨论会。一次聚会中，三十余人围坐交流，院子里烤着整只羊，话题从具身智能、社交产品一直延伸到大模型架构。一位参与聚会的机器人产品经理感叹，周围的气氛已经变成“如果你不做AI，好像就不配活着”。

这种场景揭示了所谓“华人帮”的实际运作机制。

它没有统一的指挥中心，也没有秘密的利益联盟。它首先是一张由共同语言、竞赛履历、海外留学生涯与技术社区织成的人才网络。在这里，刚到湾区的人寻找住处，工程师交换前沿论文的测试细节，创业者寻找技术合伙人。招聘信息和投资线索在重叠的微信群与社交平台X上传播。

当生成式AI成为硅谷最大的资本出口，原本分散在各高校实验室、科技大厂与量化交易机构的人际网络，迅速向商业化阶段汇流。

四位AI创始人，四种不同的命运

在资本的催化下，这张密织的人才网络很快走上AI的商业牌桌。Scott Wu、Alexandr Wang、Edwin Chen与Carina Hong，这批从MIT、哈佛、斯坦福等名校毕业，手握数理/信息学奥赛金牌且大多在HRT等量化巨头淬炼过的技术极客，走进了同一轮浪潮。

Scott Wu押注AI能够真正承担软件开发工作。2024年3月，他创办的Cognition推出Devin，试图让AI从代码补全工具进化为可以接手完整开发任务的工程师。产品发布引发轰动，也招来质疑：演示中的能力能否在真实项目中稳定兑现？为了跨过演示与现实之间的鸿沟，Wu选择深耕企业交付，将产品定位于跨模型调度架构：

世界上花在“肉体计算机”——也就是人类软件工程师身上的钱，每年高达数万亿美元……我们很享受当“瑞士”。如果你什么都做，你就会输给微软或者谷歌。它们什么都做，资源比你多出几万亿美元，人比你多十万。

视频截图 下同

2026年，Cognition宣布获得超10亿美元大额融资，投后估值达到260亿美元，年化收入运行率（ARR）拉升至4.92亿美元，随后估值冲上480亿美元，将高盛、奔驰等纳入客户名单。但“中立瑞士”的模式很快遭遇挑战：合影发出的六天前，Alexandr Wang统领的Meta发布了Muse Wonder，并下令将最强的Muse Wonder Full仅内置于自研的Muse Code中，直接切断了外部调用，巨头亲自下场做应用，挤压了独立调度的生存空间。

Alexandr Wang的命运则走向了“体制化”。他创办的Scale AI曾是全行业通用的数据基础设施。2025年6月，Meta宣布向Scale AI投资约143亿美元，交易对公司的估值超过290亿美元，Wang随后加入Meta统领超级智能实验室。

这笔交易让Wang进入了巨头的权力中枢，却瓦解了Scale AI赖以生存的独立性。OpenAI与Google出于核心模型资产防泄密的考虑，迅速调整合作，路透社随后披露Google计划削减每年约2亿美元的采购合同。对于一家依靠所有大厂共同哺育的数据服务商来说，失去中立本身就是最大的商业折损。

Edwin Chen选择了另一种赌法。他毕业于麻省理工学院，拥有计算机、数学和语言学学位，曾在Twitter和谷歌负责算法工程。创办Surge AI时，他坚持零外部风投的独立模式：“风投会让公司变得臃肿，还会扭曲团队的激励机制。”根据《The Information》与Sacra披露的数据，Surge AI在2024年依靠约110名全职员工，实现了10亿至12亿美元营收，超过同期拥有千人团队的Scale AI（约8.7亿美元），持续保持盈利，顺理成章承接了大厂外流的数据订单。

在更深层的数理验证领域，24岁的Carina Hong从斯坦福大学博士项目退学，创办定理证明AI公司 Axiom Math，并在2026年3月以超过16亿美元的投后估值完成2亿美元A轮融资。她将知名数学家Ken Ono招募入队，专注利用形式化验证解决大模型在复杂推理中的幻觉问题。她在受访时清晰界定了技术路线：

我们不打算造另一个模仿解答的聊天机器人，我们要教AI去证明定理。这是一个完全不同的挑战。

四个人，四种不同的命运：Wu要把技术轰动变成可靠产品，Wang从创业者走进巨头的权力中心，Chen试图凭借独立性争取市场，Hong则在数学推理的前沿寻找商业出口。

从企业编程、中立数据到定理验证，他们凭借极高的技术判断迅速切入前沿，但在资本与巨头的洗牌下，昔日熟人也不得不面对生硬的市场竞争。

AI实验室阵地与人才争夺

技术产品快速推进的背后，前沿实验室对核心研发人才的争夺同样走向白热化。

2025年年中，扎克伯格亲自出面，连续从OpenAI挖走赵晟佳、余家辉、任泓宇和毕树超四位核心研究员。

这四位技术骨干均在国内名校（清华、中科大少年班、北大、浙大）完成本科教育，随后在斯坦福、UIUC、伯克利获得博士学位。其中，29岁的赵晟佳深度参与了ChatGPT、GPT-4 和 o1逻辑推理模型的架构设计，入职后被任命为Meta超级智能实验室首席科学家。扎克伯格公开表示：

赵晟佳已经开创了包括新扩展范式在内的数项突破，证明了自己是该领域的领军者。

而在OpenAI负责整体技术防守的高级研究副总裁Mark Chen，早年就职于Jane Street，曾与Scott Wu共同担任美国信息学国家队教练。扎克伯格曾私下邀其加盟，遭到Mark Chen拒绝。

为什么是这批人：从奥赛、量化交易到AI实验室

把这些公司和人物串在一起，一个问题自然浮现：为什么这轮AI浪潮里，华裔人才的存在感如此强？

答案不能只归结为“数学好”或“更勤奋”。把这些人物放在一起看，会发现他们的成长路径并不完全相同，却有一些反复出现的交点：数学和计算机训练、顶尖大学、研究机构、量化交易或大型科技公司以及硅谷的创业网络。基础教育阶段严苛的数理奥赛训练打下了底层思维，北美顶尖高校构筑了核心的技术与人脉圈，而在HRT等量化机构与科技大厂的历练，则磨砺出对超高并发架构和极度复杂系统的敏锐直觉。这套路径将极致的数理天赋直接转化为硬核的工程转化力，成为了这一轮AI爆发中最具确定性的孵化器。

比如，Scott Wu的经历与编程和数学竞赛有关；Alexandr Wang以数学能力见长；Carina Hong也从数学兴趣和高强度的技术教育走向AI数学创业。这不是华人独有的路线，但它为理解当前的人才集聚提供了一条线索。

早期华人和印度裔移民也已经在硅谷积累了数十年的技术与创业经验。加州大学伯克利分校学者AnnaLee Saxenian在1999年的研究发现，1998年，华人和印度裔工程师已经在硅谷约四分之一的高科技企业中担任领导角色。今天的AI创业潮并非从零开始，而是建立在长期形成的人才流动和职业网络之上。

中国的教育体系也持续为全球AI研究提供人才。清华姚班、中科大少年班以及重点理工院校数十年来输送的毕业生，在北美形成了厚重的人才蓄水池。

卡内基国际和平基金会（Carnegie China）2026年9月发布的全球 AI 人才追踪研报《Who’s Ahead in the Global AI Talent Race?》显示：在全球顶尖AI研究人员中，多达57%在中国的高校完成了本科阶段教育，这一比例相比2022年的46%跃升了11个百分点；同期美国本土本科培养的人才占比则下滑至 13%。该研究写道：

中国已确立作为全球精英人工智能人才最大来源国的显著领先地位。

Carnegie 研究，以NeurIPS论文作者10280人为样本

这个口径衡量的是教育背景，不是华人族裔或国籍，也不能直接代表整个AI行业；但它提示，中国培养的人才与美国等地的研究和就业机会之间，存在重要联系。

产业界同样感受到了这种人才厚度。英伟达CEO黄仁勋在接受《Axios》访谈时就直言“全球一半的AI研究人员是华人”。

美国科技产业的吸引力，则让一部分人才有机会把研究能力转化成创业机会。投资人、早期员工和潜在客户可以通过共同的学校、前雇主和行业聚会相互连接。“Facebook House”这样的空间，正是这张网络在日常生活中的一个缩影。

不过，这并不意味着华裔在商业上占据全面主导。但放眼这一轮生成式AI浪潮，其他族裔的身影确实远不如华人密集。欧美精英大多停留在上一波的资本与愿景叙事中，印度裔则更多走的是大企业CEO路线——纳德拉、皮查伊皆是如此——而非创业领军人物或首席科学家的路线。东欧与俄裔科学家在理论探索上仍有突破，但批量涌现创业者与核心研发骨干的，是华人。

为什么是现在？AI让创业者更早走到舞台中央

回到Scott Wu与Carina Hong的案例，这一轮技术周期深刻改变了技术人才进入商业的路径。

十年前，开发复杂软件需要雇佣庞大的人力搭建工具链与基础设施，经历漫长开发才能推向市场。现在的底层大模型通过API输出了通用的推理能力，云厂商提供了现成的算力底座，初创团队可以将精力完全集中在调度优化、提示工程与专业交付上。

一个小团队不必自建底层模型，就能开发编程Agent或定理验证系统。这大幅拉低了技术原型的启动门槛，使得拥有极强数学与代码优化能力的工程小团队，能在数月内推出支撑企业采购的产品。

但这种速度也是一把双刃剑：应用层容易启动，巨头的跟进同样迅速。产品一旦被上游模型平台吸收，独立创企就必须承受巨大的生存挤压。技术突破只是拿到了入场券，如何不被平台吞噬才是长久命题。

两代华人，两种路径

如果只看年轻创业者，容易误以为华裔在硅谷的崛起始于生成式AI。实际上，黄仁勋、苏姿丰等老一代华裔掌门人早已在芯片产业筑起硬件壁垒。黄仁勋掌管英伟达，苏姿丰执掌 AMD，陈福阳（Hock Tan）掌舵博通，创投老兵陈立武出任英特尔CEO。

黄仁勋、苏姿丰、陈立武公开活动照片拼接

但两代人的路径截然不同：老一代靠数十年的制造、供应链与生态积累产业权力，新一代则在现成算力之上，以极高的资本效率快速切入应用层。年轻一代融到的巨额资金，绝大多数最终流向英伟达、AMD与博通的数据中心——软件速度始终依附于硬件基础。

硅谷的历史里，移民一直是重要的推动力量。不同年代，来自不同地区的人才通过教育、研究、工程和创业进入核心位置。

今天的AI浪潮，让一批华人背景的研究者和创业者再次走到了聚光灯下。只是这一次，前排的面孔变了。

而这一轮AI淘金热中，批量涌向潮头的，是华人。他们不是同一个“帮派”，却共享着相似的训练、网络与野心。真正值得追问的，不是他们如何竞争，而是这张华人人才网络，将如何定义下一阶段的硅谷。