前些年是我们送留学生去海外取经，现在字节的核心研究员却纷纷跳槽DeepSeek。从不设KPI到一半时间自由探索，中国科研生态凭什么有了让全球顶尖天才“倒戈”的吸引力？


一个不打卡、不设固定汇报、不把KPI挂在墙上的团队，居然做出了让全球关注的人工智能模型。
一位菲尔兹奖得主公开说，数学不是靠把自己逼到崩溃就能学会的，不想学时就休息，状态来了再继续。

还有年轻科学家，没日没夜地在实验室里熬，却不把自己包装成“苦行僧”。
这就奇怪了。

过去我们印象里的顶尖人才，似乎必须头悬梁、锥刺股，最好再配上一盏昏黄台灯，才能证明自己足够努力。可今天这批年轻人，怎么一个比一个淡定？

难道他们不卷了吗？

恰恰相反，他们卷的不是表面时间，而是问题本身。

2026年国际数学家大会公布菲尔兹奖得主，中国数学家王虹和邓煜同时获奖，成为中国数学发展中的重要突破。王虹长期研究几何与分析领域的前沿问题，曾与合作者解决三维挂谷猜想。这个问题听起来像天书，但简单理解，就是无数方向不同的线段堆在一起，究竟能占据多大的空间。

看似是在研究几何，背后却是对空间、维度和结构极限的追问。

这种问题，靠刷题刷不出来，靠每天开十个会也磨不出来。它需要长时间沉浸，需要允许一个人对着同一个问题发呆，需要允许他走很远的弯路，甚至允许几年都没有轰轰烈烈的结果。

这才是今天最值得关注的变化。
我们正在从“只要努力就能成功”的单一叙事，慢慢走向“努力必须和兴趣、方法、自由结合”的新阶段。

以前很多家庭强调孩子不能输在起跑线上，恨不得三岁学编程，五岁背英语，八岁冲竞赛。时间表排得密密麻麻，孩子像一只被精确计算过的陀螺，转得飞快，却未必知道自己为什么转。

但真正的原创研究，往往不是流水线产品。

如果所有人都按照同一套模板培养，最后得到的可能是一大批标准答案选手，却很难出现敢于提出新问题的人。

所以我认为，今天中国人才的变化，不只是“人更多了”，更重要的是人才成长的容错空间正在扩大。

教育部等部门发布的人工智能教育行动计划，提出推动人工智能进入不同学段教育，同时强调跨学科培养、实践能力和创新思维。高校不再只是培养会考试的人，而是要培养能把数学、物理、工程、医学和人工智能接起来的人。

这一步非常关键。
未来真正稀缺的，可能不是会调用几个模型的人，而是既懂算法，又懂行业问题的人。会写代码的人很多，能看懂真实世界复杂需求的人，才是抢手货。

当然，人才红利也不能只靠热血口号。

目前我国人工智能人才培养仍存在结构性短板，底层算法、芯片设计、基础理论等方向的人才并不充裕，高校课程更新速度也未必跟得上技术变化。今天开设一个专业，学生毕业往往已经是几年之后，技术却早就换了几轮。

这说明，人才多不等于人才强，毕业生多也不等于原创能力自然到位。
我觉得，真正的人才红利，至少要解决三件事。

第一，不能只奖励“马上出成绩”的人。基础研究往往周期长、风险高，今天看不出成果，不代表明天没有价值。
第二，不能把所有人才都塞进同一把尺子里。有人适合实验室，有人适合产业，有人擅长提出问题，有人擅长把问题落地。把科学家都按论文数量考核，把工程师都按会议数量管理，最后只能培养出一群特别会填表的人。
第三，要让年轻人真正有机会挑大梁。不是口头上说“青年人才重要”，而是让他们有经费、有平台、有决定技术路线的权力，也允许他们在合理范围内失败。

南京大学团队近期在拓扑光子学领域取得新成果，实现了高密度多通道光传输的新架构；中国科学院科研人员长期攻关钠离子电池材料，解决困扰行业多年的稳定性问题。这些成果背后，都不是几个月的突击，而是长期积累后的突然突破。

所谓人才红利，从来不是天上掉下来的红包。

它是基础教育打下的底子，是高校和科研机构提供的土壤，是产业场景给出的真实问题，也是一个社会愿不愿意给年轻人时间和信任。

过去我们靠大量劳动力改变了生活，接下来要靠更多人的知识、创造力和耐心改变世界。

但也别急着欢呼“我们已经天下无敌”。真正的科技竞争，拼的不是某一年冒出几个天才，而是能不能持续培养、持续吸引、持续留住一代又一代人才。

今天的王虹、邓煜和无数科研工作者，是结果，也是提醒。
他们提醒我们，顶尖人才不一定每天都把自己逼到极限，但一定会在真正重要的问题上，长期坚持。
一个国家最强的样子，不是所有人都在喊口号，而是有人安安静静地坐在实验室里，几年、十几年，终于把别人以为不可能的问题，轻轻推开一道门。