大厂开始自己“种庄稼”
大厂把AI人才争夺的起点，从博士一路前移到高中生，甚至初中生。我关心的不只是招人的年龄，而是这场变化背后的三个问题：为什么要自己培养，为什么愿意出高价，以及培养之后，靠什么让人才持续发挥作用。
人才培养的时钟，开始跟不上技术迭代
据原文介绍，知春创新中心面向16至18岁的年轻人，设置五年培养周期；腾讯青科实训营向13至18岁的中学生开放产品实践，由总监级导师带领，接触具体业务；吉利则面向高中毕业生，在人工智能等领域开展带薪培养。
这些项目的共同变化，是企业开始直接参与人才成长的早期阶段。过去等高校培养完成再招聘，现在把真实问题、导师和实践资源提前交给年轻人。
我认为，这背后首先是时间问题。博士培养需要数年，AI技术却可能在这期间多次换代。企业需要的知识和能力，越来越难完全依靠入职前的教育一次性准备好。
但这不能直接推导出大学教育失去价值。接触前沿工具的速度，与形成扎实的基础、判断力和长期研究能力，是不同的事情。企业提前介入，值得做的是补上真实问题和研究条件，而不是简单把教育周期截短。
各家的路径也不相同：腾讯向更早年龄延伸实践入口，知春选择长期培养，百度AIDU则通过技术与业务双导师把培养做深。人才战略已经从招聘环节，延伸到能力形成的过程。
高薪买的是对昂贵研发的关键判断
为什么一个年轻研究者，可能值得数百万元年薪？用工作年限解释不通，用他能改变多少研发成本和结果，反而容易理解。
大模型研发需要大量算力。一次方向判断、一次训练优化，或者一次数据治理，都可能减少昂贵的无效实验。顶尖人才的价值，往往集中在少数关键决策上，不能简单按工时计算。
原文以腾讯混元的数据治理为例，描述了团队清理冗余训练数据、降低成本并改善效果的过程。我更看重这个案例反映的机制：人才的价值需要通过团队、数据和流程才能兑现。即使关键人物起到了推动作用，也不宜把全部结果归为个人天赋。
这对管理者提出了一个更具体的要求：决定给谁高薪之前，先说清楚他能改变哪个关键环节，以及组织是否具备让这种改变发生的条件。
提前培养，也可能变成提前占位
高薪有生产逻辑，也有竞争逻辑。一个人能替自己创造价值，是一种价格；不让他替竞争对手创造价值，又是另一种价格。
当企业系统追踪重点院校、实验室乃至高中生的履历，人才竞争就从争取成熟能力，延伸到了争取未来的选择权。越担心错过下一位关键人物，越容易把招聘年龄不断往前推。
原文提到的“花园假”把这种防御逻辑表现得很直接：企业付钱让研究者暂时不去竞争对手那里，即使这段时间没有研究产出。
不过，我不会把所有早期培养都归为囤积。实训、长期研究项目和正式雇佣，约束程度并不相同。判断一个项目的性质，要看年轻人是否获得了可迁移的能力，是否保有探索和退出空间，以及企业是否真的愿意为尚不确定的成长付出资源。
培养让人的选择变多，锁定则试图让人的选择变少。两者可能使用相似的项目名称，却导向不同的结果。
抢到人才，并没有解决留才问题
原文列举了字节Seed人才流向腾讯、阿里和DeepSeek等团队的案例。这些流动提示了一个现实：更早接触、更高薪酬和更长培养周期，都不能自动换来长期留任。
企业投入五年培养一个人，对方仍可能因为更好的算力、更合适的研究方向，或者更大的自主空间而离开。这是培养投资必须面对的不确定性。
我不认为人才流动完全是零和游戏。人会把经验带到新组织，也可能推动整个行业进步。但对具体企业而言，如果持续投入培养却持续流失，就需要检查工作环境，而不能只归因于竞争对手出价更高。
同样，把人留在名单里也不等于保住创造力。研究者能否提出不同意见，能否获得资源，能否从失败实验中继续推进，比形式上的在岗更接近企业真正需要的结果。
企业要把自己建成值得持续选择的地方
原文提出，未来AI人才供给可能增加。如果这一判断成立，今天依靠稀缺性形成的高薪和争抢强度，就未必能够一直延续。企业需要考虑培养能力的长期价值，年轻人也需要避免把职业判断完全建立在眼前报价上。
对企业，我会把人才战略的评价重点放在三个问题上：培养了什么能力，解决了什么问题，形成了什么能够持续工作的团队。
对年轻人，早进企业可以是一条路径，但值得争取的不只是待遇，还有基础学习、跨方向探索，以及重新选择的空间。
大厂开始自己“种庄稼”，说明企业愿意更早承担培养责任。但人有自己的目标和选择，不能按照固定的成熟时间等待收获。管理真正困难、也真正有价值的部分，是让个人成长与组织任务持续相互促进。人才有机会离开，却仍愿意留下来做事，才说明这个组织具备吸引力。