在全球 AI 领域持续升温的人才争夺战中，OpenAI 正在用一场「反向挖角」给业界带来新的震动。
据 WIRED 独家报道（WIRED 报道），OpenAI 近期从 Tesla、xAI 与 Meta 挖来了四位在各自领域极具分量的高级工程师，全面加强其内部「Scaling Team」基础设施团队的研发能力。
这场挖角不仅是一次单纯的人事流动，更折射出当下生成式 AI 行业从模型算法的「秀肌肉」，转向底层算力、分布式系统与数据中心硬实力的全新较量。
反向挖角，瞄准大模型时代的基础设施
根据公开信息，此次加入 OpenAI 的四位核心新成员包括：
- David Lau：前 Tesla 软件工程副总裁，曾参与特斯拉自动驾驶和超级计算集群的系统架构设计；
- Uday Ruddarraju & Mike Dalton：均来自 Elon Musk 创办的 xAI（及 X 平台），在 Colossus 超算集群搭建、LLM 超大规模推理部署方面拥有丰富经验；
- Angela Fan：Meta AI 部门前研究员，长期从事大语言模型微调与分布式推理优化研究。
据 WIRED 报道，OpenAI 此次将这四位高端工程师纳入核心「Scaling Team」，该团队的使命是主导 OpenAI 内部 Stargate 超级计算中心 的建设与维护工作 —— 这一基础设施是 GPT 系列与后续多模态大模型顺利训练与推理的关键支撑。
背景：从挖角到「反挖角」，AI 战局进入下半场
人才大战在硅谷并不罕见，但 OpenAI 与 Meta、Tesla、xAI 之间的交锋格外引人关注。
过去一年，Meta 一直在积极挖角 OpenAI 与 Google DeepMind 的核心研究员，甚至传出过「单人签约奖金高达 5000 万美元」的传闻。Sam Altman 曾在多场公开场合表示，OpenAI 不担心个别人员流动，但核心团队始终稳定（Business Insider 报道）。
而这一次，OpenAI 以「反向挖角」的方式完成了小规模但意义非凡的反击：
它不仅表明了 OpenAI 有能力继续吸引顶级工程师加入，更直接将竞争对手在超级计算、底层推理优化等领域的人才储备纳入自家阵营。
幕后：核心工程师为何选择离开？
根据 WIRED 的报道，这几位工程师选择跳槽的原因并非单纯出于更高的薪酬，而是对 OpenAI 长期使命感和大规模 AGI 实现的共鸣。
OpenAI 共同创始人 Greg Brockman 在内部 Slack 公告中强调：
“在规模化 AI 模型的过程中，底层硬件和分布式架构才是能力边界的真正决定因素。我们需要最懂算力调度和大规模集群的人才。”
新加入的工程师中，至少两人曾主导过百万卡（GPU）级别的集群调度方案，堪称 OpenAI 此前规模的 3~5 倍。据传，OpenAI 内部对 Stargate 2026 年的计划目标是支撑下一代百兆参数级别（trillion‑parameter）的多模态 AI 系统。
AI 人才竞争焦点：从算法转向「算力大后方」
AI 领域一度由前沿算法、模型架构主导话语权，但 ChatGPT 等产品的普及让算力基础设施的重要性前所未有地凸显。
GPU 短缺、全球供应链瓶颈、跨区域算力调度……每一道环节都直接影响到一个顶级模型能否顺利训练与落地。
在这一背景下，像 Tesla、xAI 和 Meta 等都在自建或外包超级计算中心：
- Tesla 正依托自动驾驶 FSD 网络积累的训练集与超算群做推理；
- xAI 作为 Elon Musk 的「AI 新军」，也在加速与 X（原推特）联动打造 Colossus 超算；
- Meta 则在去年宣布大举扩容 LLaMA 系列的训练算力。
而 OpenAI 正是通过吸纳这些「基建派」人才，让自己在未来几年训练下一代模型时拥有更稳固的后端支撑。
结语：顶尖工程师是 AI 军备竞赛的稀缺燃料
在这场看似由大模型主导的产业革命中，真正不可替代的是那些能把算法落到晶体管上的人 —— 系统架构师、分布式算力调度专家、超算中心运维总监。
OpenAI 这次从 Tesla、xAI、Meta 的「反向挖角」，无疑是对外释放了一个强烈信号：
当算力与人才绑定在一起时，谁掌握了基础设施，谁就有可能在 AGI 的军备竞赛中抢占先机。
未来几年，类似的「跨巨头挖角」只会越来越频繁。AI 的技术前沿，正从 ChatGPT 的对话界面，延伸到看不见的电机房、GPU 机架和光缆网络深处。
新闻来源：
- WIRED 报道
- Business Insider