89%的人工智能研究人员不再来美国

核心要点

• 赴美 AI 研究人员数量较 2017 年减少 89%，仅最近一年就暴跌 80%，而这一年恰好是 $100K 签证费用生效的年份
• 美国在 AI 上的支出是中国的 23 倍（2025 年为 $285.9 billion vs. 中国的 $12.4 billion），但两国顶尖模型之间的性能差距已缩小至仅 2.7 个百分点
• 2025 年 9 月实施的 $100,000 H-1B “签证诚信费” 导致 Amazon、Meta 和 Google 的申请量下降 34%–50%，而 FAANG 公司却转而向印度新增 33,000 个岗位
• 每拒绝一份 H-1B 签证，美国企业就会在海外雇佣 0.4 至 0.9 名员工，正加速把该政策声称要保护的研发能力转移到海外

价值 $100,000 的迎宾垫

2025 年 9 月 19 日，特朗普政府签署总统公告，对每一份从海外递交的新 H-1B 签证申请加征 $100,000 的“签证诚信费”。 此前每份申请的费用为 $2,000 至 $5,000，一夜之间上涨了 20 到 50 倍。 该费用于两天后的 9 月 21 日正式生效。

商务部长 Howard Lutnick 直白地阐述了其逻辑：“我们是需要一个每年能给政府带来 $100,000 价值的人，还是该让他们回国去雇佣一个美国人？”

七个月后，斯坦福大学以人为本 AI 研究所（Stanford HAI）发布了《2026 年 AI 指数报告》，用数据回答了他的问题。 自 2017 年以来，迁入美国的 AI 研究人员和开发者数量下降了 89%，其中 80% 的崩溃集中在最近一年。数学含义是：早几年的下降其实较为缓慢——2017 年至 2025 年初大约侵蚀了 45%，受签证收紧、新冠疫情冲击以及海外 AI 生态系统成熟等因素推动。随后，某样东西加速了。正是 $100,000 费用生效的这一年，人才输送管道断裂了。

美国不只是输掉了一场政策辩论，更是在烧钱——它把 $285.9 billion 的 AI 基础设施支出付之一炬，却把知道如何使用这些设施的人赶走了。

三个数字里的悖论

斯坦福 AI 指数中包含了一个悖论，任何关心美国技术竞争力的人都应警惕。

$$\text{US AI Investment} = 23 \times \text{China AI Investment}$$

2025 年，美国私人 AI 投资达到 $285.9 billion，超过中国的 $12.4 billion 23 倍以上。 2025 年美国产出了 50 个具有影响力的 AI 模型，中国为 30 个。 美国新获融资的 AI 公司仍多达 1,953 家，是第二名国家的十倍以上。

但美国顶尖 AI 模型与中国顶尖 AI 模型之间的差距呢？2.7 个百分点。

2024 年 1 月，这一差距还是 9.26%。在某些基准测试中，它已几乎归零。在 MMLU（大规模多任务语言理解）上，2023 年至 2024 年间差距从 17.5% 跌至 0.3%。 自 2025 年初以来，中美模型已多次互换榜首位置，DeepSeek-R1 曾短暂追平美国最强模型。

三个数字定义了这个悖论：

美国花着 23 倍的钱，只为维持一个已缩小到 2.7% 的领先优势，而建立这一优势的人才输送管道却萎缩了 89%。 你不需要经济学博士学位也能看出，这个等式并不成立。

招聘断崖

这项 $100,000 费用对整个行业的冲击并不均匀。 它对美国 AI 基础设施的建设者打击最重。

美国劳工部关于 2026 财年第一季度（2025 年 10 月至 12 月，即费用生效后的第一个完整季度）H-1B 获批申请的数据显示，几乎所有大型科技雇主都出现了大幅下滑：

有一家公司逆势而行。Nvidia 的 GPU 支撑了整个 AI 建设，其 H-1B 申请量反而 增长 了 18%。 按每份申请 $100,000 计算，Nvidia 付得起。一家 15 人的 AI 初创公司付不起。这项费用过滤的不是质量，而是财力。

与此同时，劳工部加大了 H-1B 执法力度，调查数量激增 48%。

它向世界顶尖 AI 研究人员传递的信息毫不含糊：美国会向你收取 $100,000 的进门费，在你入境后审计雇主，然后眼睁睁看着这份工作流向 Bangalore。

人才流向何处

研究人员并没有消失，他们只是去了别的地方。

2025 年，Meta、Amazon、Apple、Microsoft、Netflix 和 Google 在印度合计新增 33,000 名员工，较上年增长 18%。 截至 2026 年初，这些公司在印度约有 4,200 个公开职位，其中近半数集中在 AI、机器学习、云计算和网络安全领域。仅 Google 就列出了 365 个空缺岗位，其中三分之二位于 Bengaluru。

这种模式并非偶然，而是签证限制直接且可衡量的后果。

战略与国际研究中心（CSIS）2026 年 2 月的一份报告发现，每拒绝一份 H-1B 签证，跨国公司就会在海外雇佣 0.4 至 0.9 名员工。 在全球化程度最高的企业中，这一比例接近 0.9。发表在《Management Science》和美国国家经济研究局（NBER）上的基础研究直言不讳：“H-1B 限制并不能保护美国就业，只会导致更多海外招聘。”

这项 $100,000 费用旨在“保护美国工人”。但 CSIS 数据显示它正在起反作用：以比任何贸易协定更快的速度把工作岗位送往海外。

美国将错失的创始人

人才流失不仅仅是 Google 填补空缺的工程师问题，而是关乎下一代将永远不会在美国诞生的公司。

进步研究所（IFP）对 2025 年《福布斯》“AI 50”榜单——美国最具前景的 AI 初创企业榜单——的分析发现，美国公司中有 60% 由移民创立或联合创立。 42 家美国公司中有 25 家至少拥有一位移民创始人。美国国家基金会（National Foundation for American Policy）在 2023 年也发现了同样的模式：65% 的公司由移民创立。这些创始人中有 70% 最初持学生签证来到美国。<!— Source: Bulletin of the Atomic Scientists: 100K H-1B Fee Impact %}

这些人不是在抢占美国工作，而是在创造美国工作。 OpenAI 由 Ilya Sutskever 联合创立，他经以色列和加拿大从俄罗斯来到美国；Google 由苏联难民 Sergey Brin 联合创立；Tesla 的 CEO 则经加拿大从南非来到美国。这项 $100,000 费用无法区分一份常规的外包申请和下一个 Sutskever。

《原子科学家公报》直言，该费用“对硅谷和 AI 初创企业伤害最大”，因为早期公司无法在法律费用、搬迁费和薪水之外再承担每份签证 $100,000。 大型在位企业可以消化成本或将业务离岸，而本应挑战它们的初创企业根本无法成立。

无人愿听的历史回响

美国以前也见过这一幕。只不过那时它站在屏幕的另一边。

1933 年 4 月，纳粹德国颁布法律，要求解雇所有在政府职位任职的人，包括大学，只要其至少有一位犹太裔祖父母或为政治反对者。 25% 的德国物理学家失业，其中包括 11 位过去或未来的诺贝尔奖得主。 仅第一波就有约 2,400 名学者逃离德国。

抵达美国和英国的科学家名单，读起来就像 20 世纪最重要大脑的 roster：Albert Einstein、Hans Bethe、John von Neumann、Leo Szilard、Edward Teller、来自德国的 Rudolf Peierls，以及 1938 年因墨索里尼种族法逃离意大利的 Enrico Fermi。他们没有退休，而是为接纳他们的国家制造了原子弹。

斯坦福经济学家 Petra Moser 发现，1933 年后，在流亡科学家集中的领域，美国专利增长了 31%。 创新效应持续了几代人：难民吸引了新的研究人员，后者培养出更多研究人员，最终催生了硅谷。

1932 年的德国是世界领先的科学强国，到 1945 年却成了废墟。这两个事实之间的关系并非巧合。

这种类比并不完美。美国并非出于种族原因迫害科学家，而是出于官僚原因将他们拒之门外。但机制是一样的：一个主导大国通过政策赶走自己的知识基础，受益者是那些足够聪明、愿意接纳他们的国家。1930 年代是美国，2020 年代则是加拿大、印度和欧洲。

资本对人才的替代

美国 AI 战略背后的隐性赌注是，资本可以替代人才。建足够多的数据中心，买足够多的 GPU，花足够多的钱。那么 2.7% 的差距就不会重要，因为基础设施会自带优势。

历史对这一理论并不友善。

冷战期间，苏联部署了比美国更庞大的常规军事力量。它拥有更多的坦克、火炮和士兵。但美国拥有更先进的技术和更优秀的人才。当数量与质量之间的鸿沟变得不可持续时，苏联体系崩溃，不是因为输掉某场战斗，而是因为其经济无法把支出转化为能力。

AI 领域的这种动态已经显现。中国实验室 DeepSeek 训练出一个曾短暂匹敌美国顶尖模型的模型，据报道其直接 GPU 成本仅为 $5.6 million，远低于美国前沿模型在训练上的花费。 差距缩小不是因为中国比美国花得更多，而是因为中国更高效地运用了人才。

讽刺还在于更深层。据 Andreessen Horowitz 合伙人 Martin Casado 称，约 80% 基于开源模型构建的美国初创企业现在使用的是中国模型，主要是 DeepSeek 和 Alibaba 的 Qwen。 不是 OpenAI，也不是 Anthropic。美国 AI 生态系统越来越依赖中国的基础模型，而美国的移民政策却在赶走那些本可构建本土替代方案的研究人员。

与此同时，美国继续收紧那些曾创造人才优势的政策。 芯片出口禁令 本应削弱中国的 AI 硬件供应，反而加速了中国本土芯片制造。如今，$100,000 的签证费本应保护美国 AI 从业者，反而加速了 AI 研究的离岸外包。

模式始终如一：每一次把美国优势武器化的尝试，都在把它们变成负担。

最站得住脚的反驳

最强的反驳值得认真对待。

美国仍拥有全球最深厚的 AI 生态系统。2025 年它产出了 50 个具有影响力的 AI 模型，而中国为 30 个。 其私人 AI 投资是中国的 23 倍。它拥有的 AI 研究人员数量超过任何其他国家。它拥有最好的大学、最成熟的风险投资网络以及全球最大的 AI 基础设施存量。

部分人才下降可能反映了海外 AI 生态系统的自然成熟——不是美国的机会变少，而是本国机会变多。 而且 $100,000 的费用确实优先偏向高薪申请人，理论上可能使 H-1B hires 的构成向更资深、更高价值的人才倾斜，而非大批外包岗位。

此外，该费用还将于 2026 年 9 月 21 日到期，距今仅剩五个月。 它可能被延长，也可能失效。

这些都没错。但数据显示，前 45% 的下降是在八年间逐渐发生的，而剩下的崩溃则压缩在了一年之内。 该费用或许不是唯一原因，但它出现在悬崖出现的同一年。而 CSIS 数据表明，由此引发的离岸外包并不容易逆转。 一旦 Google 在 Bengaluru 建立了 AI 研究实验室，并在印度各地雇佣了 33,000 人，费用到期后这些工作也不会回到 Mountain View。 基础设施、人才网络和组织知识已经转移。

自我挫败的循环

以下是应该让美国政策制定者感到恐惧的反馈循环：

1. 限制移民 → AI 人才停止流入（下降 89%）
2. 企业无法填补国内岗位 → 将岗位转移到印度、加拿大、德国（每拒签一份签证就新增 0.4–0.9 个海外岗位）
3. 海外 AI 生态系统成熟 → 中国、印度、加拿大实验室推出有竞争力的模型（差距 2.7%）
4. 美国以加大支出回应 → 仅 2025 年就投入 $285.9 billion
5. 但没有人才的资本只是昂贵的硬件 → 支出上升，领先优势持续缩小
6. 循环往复 → 循环加速

这不是一个两年内靠培训项目就能解决的技能缺口。这是在全球人才市场最深时刻退出竞争的结构性问题。

2026 年美国 AI 数据中心资本支出预计约 $660 billion，其前提是运行在这些数据中心内的 AI 模型所需的工程师、研究人员和科学家能够到位。斯坦福的数据显示，这些人 increasingly 不会在美国出现。

接下来会怎样

AI 竞赛不是短跑，而是接力。而美国刚刚告诉 89% 的接棒选手去另寻队伍。

直接后果已经可量化：FAANG 在印度大举招聘，国内签证申请崩溃，与中国的性能差距随每一次模型发布而缩小。中期后果是结构性的：多伦多、Bengaluru、伦敦和柏林的竞争性 AI 生态系统正在吸纳美国拒之门外的人才，并积累将在未来几十年产生复合效应的组织知识。

长期后果才是最应让美国战略家不安的。1933 年的德国拥有一切优势：最好的大学、最多的诺贝尔奖得主、欧洲最大的科研机构。 不到十二年，被它赶走的科学家就制造出了结束战争的武器。获胜的国家不是花钱最多的，而是接纳人才最多的。

2025 年，美国在 AI 上花费了 $285.9 billion。 把能使用这些投入的人带到美国的签证费用是 $100,000。 这笔账并不难算。问题在于华盛顿是否有人能算得清。