抢完诺奖得主又挖伯克利CS掌门，Anthropic两周揽四将

7月1日下午，一条推文在硅谷学术圈炸开。 UC伯克利EECS计算机科学部的掌门人，理论计算机科学教授Jelani Nelson把办公室钥匙暂时放下，去了Anthropic。 他在X上发帖： 我已加入Anthropic，并从大学休假。很高兴与许多有才华、有使命感的人一起，研究我们这个时代的决定性技术。 短短两句话，信息量拉满：人已到岗，教职保留，方式是休假。至于职务、团队、方向，一概没提。 NelsonX上的简介已同步更新：Anthropic技术研究员（Member of Technical Staff），和5月刚加盟的Karpathy成了同事。  加州大学伯克利分校电气工程与计算机科学系（EECS）计算机科学系主任Jelani Nelson 执掌着全美第一梯队计算机科学部的人，说走就走。 AI公司抢人抢了三年，从工程抢到产品，从对齐抢到多模态。 这一次，手伸进了理论计算机科学的塔尖。 从MIT一路打到伯克利，把「数数」做到世界最优的人 Nelson的履历，几乎是理论计算机科学的标准满配。 他初中自学HTML搭网站，高中学会编程，大学期间靠竞赛证明自己能最快写出没有bug的代码。 本硕博都在MIT一路读完，2011年拿到计算机科学博士学位，方向是海量数据的高效算法。 他形容这门学科对自己的吸引力「近乎宗教」：既是人类思维最核心的基础问题，又和真实世界息息相关。 博士毕业后，他先后辗转伯克利、普林斯顿大学和普林斯顿高等研究院（IAS）做博士后，2013年加入哈佛任教。 2019年，Nelson告别哈佛，西迁UC Berkeley。 哈佛校报直接把惋惜写进了标题：他的离开，给计算机系留下了一个巨大空白（Big Hole）。 到了伯克利的他如鱼得水，一头扎进西蒙斯理论计算研究所（Simons Institute）所在的理论圈。 2024年秋天，Nelson接过EECS计算机科学部主任（Chair）的位子，执掌这个全球最顶尖的CS学部之一。 他的主攻方向是流式算法（streaming algorithms）、降维（dimensionality reduction）、随机算法（randomized algorithms）。 翻译成人话，Nelson琢磨的是同一类事：数据大到装不下的时候，怎么算。 几年前，他盯上了一个有点像小学题的问题：让计算机学会数数。 这看上去简单，但当数字大到手机和服务器都记不住「前面数到哪了」，存储和速度的代价就会失控。 他的团队给出了一个数学公式，证明任何解决这个问题的算法，至少要用掉多少内存。 Nelson团队论文，证明了近似计数问题的内存下界。https://arxiv.org/pdf/2010.02116 工程师让程序跑得更快，Nelson证明程序最快只能跑多快。这就是理论计算机科学家的活：给计算定物理下限。 Nelson在学术圈的贡献，远不止「数数」这一笔。 一是和Kasper Green Larsen一起，证明了约翰逊-林登斯特劳斯引理（Johnson-Lindenstrauss lemma）的最优性。 这是降维领域的一块基石，理论下界被他钉死了。此前，他还与Daniel Kane提出了稀疏JL变换。 二是和Kane、David Woodruff一起，给出了count-distinct问题（一条数据流里究竟有多少个不同元素）的渐近最优算法。 在他看来，连「数数」这种人人都会的事，背后都藏着理论最优解。 这些工作为他带来了一长串荣誉：斯隆研究奖、美国总统青年科学家与工程师奖（PECASE），拿了个遍。 学术之外，Nelson还有另一面。 2011年，还在MIT读博的他跑去埃塞俄比亚，创办了免费编程夏令营AddisCoder。 十四年下来，近700名学员从这里走出，一批人进了哈佛、MIT、斯坦福读博。 后来牙买加雷鬼巨星Chronixx主动找上门捐钱，又催生了姊妹项目JamCoders。 Nelson于2011年创办的免费编程夏令营AddisCoder，已培养近700名学员。（图源：AddisCoder官网） Nelson还是加州数学课程改革最激烈的反对者之一，理由很简单：他的祖父出身贫寒，靠优质的公共教育成了一名医生，改变了整个家族的轨迹。 因此，在他看来，把严格的数学课从公立学校抽走，等于抽走下一代人翻身的梯子。 这份「学术之外」的事业，后来也为他赢得了ACM Lawler人道主义贡献奖。 Anthropic要一位理论学者干什么 一个做流式算法的教授，和大模型公司有什么关系？ Nelson的研究方向（流式算法、降维、随机算法），研究的其实是同一件事：怎么用最少的内存、最少的计算，处理最大的数据。 对应到大模型这边，恰好是最烧钱的那几件事：训练效率、数据压缩、计算复杂度。 拿前面提到的那条由他补完最后一块拼图的JL引理来说，它回答的问题朴素到近乎常识：高维数据最多能压到多小，还不失真。 今天满世界跑的向量检索与嵌入压缩，底层直觉都建立在这条引理上。 训练一个前沿模型，本质上就是在天文数字的数据流上做压缩与筛选；推理这一侧，显存、缓存、上下文窗口，桩桩件件都在跟内存和复杂度死磕。 而这正是Nelson钻了二十年的问题域。 当模型规模撞上算力和数据的天花板，「省」的价值开始超过「堆」，AI竞争的重心，正在从「谁的模型更强」，转向「谁的底层算法更省」。 而流式与随机算法这套工具箱，与「用有限资源逼近最优解」这个问题天然契合，这恰巧击中了今天所有前沿实验室的共同焦虑。 从这个角度看，Anthropic签下一位理论计算机科学家，更像是补课：在模型、工程、对齐之外，将理论地基再打深一层。 顶级教授进AI公司，现在流行不辞职 关于入职Anthropic，Nelson的原话是「taken leave from the university」，从大学休假（leave of absence）。 休假与辞职是两回事：教职保留，随时可以回去。 这是美国学界的成熟制度，教授带薪或停薪离校一段时间，去业界、去创业、去做任何事。 这条路早有人验证过。 2017年，李飞飞就是利用学术假期出任Google副总裁兼云AI首席科学家，两年后回归斯坦福。 如今，学界和产业之间的旋转门越转越快，「休假入职」正在成为一种主流模式。 对学者来说，这是一张保底的船票，何况产业界还有学界拿不到的算力、数据和真实问题。 对AI公司，这是一条低摩擦的引才通道。更划算的是，签下一位学者，签的从来不只是一个人，还有他身后的学生、同行和整张学术网络。 「拿到终身教职（tenure）、干到退休」这条传统单行道，正在被「半只脚进产业」的休假模式取代。 对大学来说，这个口子一旦开了，就很难关上。 抢完同行，AI巨头开始抢大学 刚刚过去的6月，AI人才市场疯狂到什么程度？ 6月18日，Transformer论文作者、Gemini共同负责人Noam Shazeer宣布离开谷歌，去OpenAI。 要知道，谷歌2024年才用一笔27亿美元的交易把他从Character.AI买回来，结果不到两年，人又走了。 6月19日，靠AlphaFold拿下2024年诺贝尔化学奖的John Jumper官宣：离开效力近九年的DeepMind，加入Anthropic。 受DeepMind高层竞业条款约束，他可能要到明年才能正式到岗。 6月24日，Bloomberg爆出：Gemini核心研究员Jonas Adler和Alexander Pritzel也将跟进加入Anthropic。两人都是Jumper蛋白质结构工作的合作者。 Alphabet股价应声下跌，投资者开始公开质疑谷歌还留不留得住人。 到这里，战场还在AI公司之间。很快，战火烧到了大学。 6月25日，在伯克利任教19年的AI安全学者Dawn Song宣布加入Meta超级智能实验室，出任AI研究副总裁。 7月1日，Nelson。 短短两周：一位诺奖得主、两位Gemini核心研究员、一位资深教授，再加上一位现任系主任。 其中Jumper、Adler、Pritzel、Nelson四人，全部流向Anthropic。 这波疯狂的人才流动背景，也不难猜。 OpenAI已经秘密递交IPO文件，Anthropic同样被多个信源指向临近上市。对顶级研究者来说，此刻入职意味着上市前的股权，这是大厂给不出的价码。 而伯克利在这轮迁徙里的角色格外惹眼。 Simons理论计算研究所坐落于此，全美第一梯队的EECS坐落于此——理论、机器学习系统、AI安全三条线，源源不断地向Anthropic、OpenAI、DeepMind输血。 AI巨头们上一轮抢的是会训模型的人，这一轮抢的是知道模型极限在哪的人。 当顶级学者涌入，AI公司事实上正在长成一套「第二研究机构体系」。 如果最好的理论家都在公司「休假」，大学还剩下什么？没人知道。 唯一确定的是，AI竞赛的争夺焦点，已经从模型能力下探到了算法理论的地基层。 参考资料： https://x.com/minilek/status/2072322757908664728?s=20  https://www2.eecs.berkeley.edu/Faculty/Homepages/minilek.html  https://vcresearch.berkeley.edu/news/jelani-nelson-considers-human-thought-computer-science-tools  https://arxiv.org/pdf/2010.02116  本文来自微信公众号“新智元”，作者：ASI启示录，36氪经授权发布。