84
Anthropic has recruited four top-tier scholars, including Nobel laureate John Jumper and UC Berkeley CS chair Jelani Nelson, within two weeks, highlighting the strategic value of theoretical computer scientists for frontier AI companies and the accelerating integration of academia and industry. 新 新智元
Yesterday 3650 words (about 15 min) View Source →
Sign in to highlight text and take notes as you read. Sign in now
ASI启示录 2026-07-02 12:32 北京
最冷门的理论学者，被AI公司抢疯了
!Image 2
新智元报道
##### 【新智元导读】都说AI抢人抢的都是工程大神，这回Anthropic偏请来最冷门的理论学者。
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。
Nelson X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。
!Image 7 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。
!Image 10 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。
!Image 11 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。
!Image 12 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
编辑：元宇 秒追ASI ⭐点赞、转发、在看一键三连⭐ 点亮星标，锁定新智元极速推送！