当OpenAI的芯片工程师选择翻越”那座新高山”加入Anthropic，当Uber几个月烧光全年AI预算、米哈游一个晚上烧掉200万token——2026年6月的AI行业，正在同时上演两场前所未有的叙事：一场是人才的重新洗牌，另一场是资本的清醒时刻。
又一次”离开OpenAI，加入Anthropic”
2026年6月7日，OpenAI自研芯片团队的”002号员工”Clive Chan在X平台发文宣布：自己已经离开OpenAI，并于本周正式加入Anthropic。
在离职声明中，Clive Chan回顾了自己过去两年多在OpenAI的经历。他是OpenAI硬件团队第二位被招聘的员工，亲历了OpenAI自研芯片项目从早期组建到如今逐步推进的全过程。他评价称，OpenAI芯片团队”拥有令人难以置信的人才密度”，自己不认为世界上还有更好的芯片设计团队。
不过，他也写道，自己始终无法摆脱”再次从山脚下攀登一座新高山”的冲动。正因为如此，他最终选择加入Anthropic。他提到，Anthropic团队的人才、价值观和野心给自己留下了深刻印象，而加入后的短短几天里，他已经感受到了”极高强度的工作节奏”，并称：“是时候开干了（It’s time to build）。”
在宣布离职后，Clive Chan还被网友追问OpenAI自研芯片项目的最新进展。他回应称，目前除了OpenAI公开披露的信息外，还不能透露更多细节。不过他特别提到了OpenAI与博通此前发布的合作博客——根据该博客披露的信息，相关部署计划目标将于2026年下半年启动。
这篇博客发布于2025年10月。当时，OpenAI与博通宣布达成战略合作，共同建设总规模达到10GW的OpenAI自研AI加速器系统。OpenAI负责芯片及系统设计，博通负责加速器和网络系统开发与部署，首批机架计划于2026年下半年开始交付，整个项目预计持续至2029年底。这也是OpenAI首次正式对外披露其自研AI芯片项目的明确时间表。
AI Pulse 观点： Clive Chan的离职不是一个孤立事件，而是一个趋势的最新注脚。从Andrej Karpathy到Clive Chan，OpenAI正在经历一轮系统性的人才流失。而Anthropic之所以能持续吸引这些顶级人才，不仅仅是因为薪酬和估值——更因为它在AI安全理念、组织文化和技术愿景上，正在形成一种与OpenAI截然不同的叙事引力。
从Karpathy到Clive Chan：一条正在成型的人才管道
细看Clive Chan的履历，他曾在OpenAI、特斯拉、谷歌、SpaceX等多家明星公司工作或实习，长期从事AI基础设施相关工作。2024年1月，他正式加入OpenAI，负责矩阵乘法、性能分析以及硬件相关工作，并参与OpenAI自研AI芯片项目建设。
Clive Chan宣布加盟Anthropic后，负责GPU性能优化工作的Anthropic员工Tony CW Liu很快现身评论区留言：“Congrats and welcome!”
这次跳槽也引发了网友调侃。有人称：“现在每次看到’我决定离开OpenAI’，我就知道下一句话一定会提到Anthropic。“还有网友用足球转会进行类比：“这就像离开皇马加盟巴萨。”
值得注意的是，就在不到一个月前的5月份，OpenAI联合创始成员、知名AI研究员Andrej Karpathy宣布加盟Anthropic的预训练团队，同样引发业内热议。从研究员、产品负责人到芯片工程师，OpenAI与Anthropic之间的人才流动正在加速。
Clive Chan加入Anthropic的时间点尤为微妙。6月1日，Anthropic宣布完成高达650亿美元的H轮融资，投后估值达到9650亿美元，距离万亿美元俱乐部仅一步之遥，一举超过OpenAI 3月份的8520亿美元估值。雄厚的资本和不断膨胀的技术野心，让Anthropic成为了当前AI行业最具吸引力的人才磁石。
AI Pulse 观点： 人才流动从来不是单向的。但当Anthropic连续吸引Karpathy、Clive Chan这个级别的顶尖人才时，传递出的信号是明确的：在AI行业的”军备竞赛”中，人才正在从”先发者”向”后来者”流动。这不仅仅是薪酬或估值的竞争，更是技术理念和安全愿景的竞争。Anthropic正在用一种”安全至上、慢即是快”的叙事，吸引那些对OpenAI商业化加速路线心存疑虑的顶尖工程师。
另一场危机：公司开始烧不起 token 了
在人才流动大戏上演同时，AI行业正在遭遇另一场更普遍、更隐蔽的危机——AI使用成本的失控。
AI刚推出的时候，很多老板都以为找到了裁员降本的机会。想象的是一个AI顶三个人、不眠不休、随叫随到、不用涨薪、不用社保，还能24小时在线。但现实是：AI确实不摸鱼，也确实不加班，它只是每多干一点，就多收一点钱。以至于现在很多公司已经开始直呼：烧不起 token 了。
Uber给5000名工程师开放Claude Code，短短几个月几乎烧光全年AI预算。微软这段时间开始踩刹车，收紧内部Claude Code的使用权限，不再让工程师无限制调用。亚马逊更直接，干脆把内部的AI使用排行榜给撤了——因为他们发现一旦把”用了多少AI”当成指标，员工就会开始为了排名疯狂刷token。
更夸张的案例来自游戏公司米哈游：在一次多Agent实验里，几十个Agent在后台互相调用、互相等待、互相确认，整个调用链越滚越长。最后，一个晚上就烧掉了约200万元的token，而真正产出的价值却微乎其微。
AI Pulse 观点： 这是一个经典的”古德哈特定律”案例——当一个指标变成目标，它就不再是好指标。AI的成本模型与传统软件完全不同：它不是固定成本的订阅费，而是按使用量计费的”电费”。当你把AI使用量当成绩效指标时，员工会为了刷数据而制造无意义的调用，最终账单失控但产出为零。
Meta的”Tokenmaxxing”：31.2万亿token的一个月
国外甚至专门造了一个词叫 Tokenmaxxing（刷token到极限），形容这种为了用AI而用AI的行为。
Meta内部曾搞过一个名为”Claudeonomics”的排行榜，专门统计谁用AI最多。第一名一个月干掉了 31.2万亿token——换算下来，这笔钱够请两个资深工程师干一年。有公司一个月在Claude上直接烧掉5亿美元，甚至出现过忘了设API上限、token一路狂飙的情况。
更讽刺的是多Agent系统的成本黑洞。理论上，一个Agent负责规划、一个负责执行、一个负责检查，像个数字版团队协作。但现实跑起来，它更像一个没人主持的项目会：你问我、我问你、确认一轮不够再来一轮。在大部分多Agent系统里，有30%到60%的token，其实消耗在这种无意义的循环里。
AI和传统软件的收费逻辑完全不是一回事。以前买软件，成本基本是固定的——一个账号多少钱，一年预算多少，年初就能算个八九不离十。AI不一样，它是按使用量收费，而且使用量会随着业务复杂度不断放大。一个员工偶尔问几句成本没多少，整个团队一起用就开始涨，等再接入Agent让AI自己调用AI，账单很容易就从几千块变成几百万。
AI Pulse 观点： 资本市场对AI公司的评估逻辑也在变脸。以前看谁调用多、谁增长猛、谁token烧得狠；现在只看一个东西：ROI。你烧那么多token，到底有没有换回来钱？效率提升不等于赚钱——代码写快了一倍，但产品没多卖一单，那只是”更快地花钱”，不是赚钱。
两条线的交汇：AI行业正在经历”青春期危机”
人才流动和成本危机，看似两个独立的故事，实际上指向同一个核心问题：AI行业正在从”技术探索期”进入”产业落地期”，而这个过程远比想象中更痛苦。
Anthropic以9650亿美元的估值吸引OpenAI的顶级人才，说明AI行业的竞争正在从”技术差异化”转向”组织和人才竞争”。当模型能力逐渐趋同，决定胜负的不再是算法本身，而是谁能吸引和留住最优秀的人才。
与此同时，企业在使用AI时遭遇的成本危机，说明AI的”投入产出比”还没有达到市场预期的水平。当Uber烧光全年预算、米哈游一晚上烧掉200万、Meta员工一个月消耗31.2万亿token——这些数字揭示了一个尴尬的现实：AI在技术上是革命性的，但在经济模型上还不够成熟。
这恰好解释了为什么人才在从OpenAI流向Anthropic。 Anthropic的”安全至上”理念和相对谨慎的商业化节奏，对那些见过AI行业”狂奔”一面的工程师来说，反而成了一种吸引力。他们知道技术迭代有多快，也知道盲目扩张的代价有多大。
AI Pulse 观点： 2026年6月的AI行业，正在经历一场”青春期危机”——技术能力超前于商业成熟度，人才热情超前于组织管理能力，资本投入超前于回报验证。但这不是一件坏事。每一次成本危机都是一次市场教育，每一次人才流动都是一次行业重组。AI行业的竞争远未结束，但它正在变得更加理性和务实。
更大的图景：DeepSeek V4的500倍成本优势
在这场成本危机的背景下，一条来自学术界的消息显得格外值得关注。
近日，普林斯顿大学研究团队发布了一个名为 Goedel-Architect 的智能体框架，核心模型使用的是国内开源大模型 DeepSeek-V4-Flash。在形式化定理证明的标准测试集PutnamBench上，Goedel-Architect的通过率（75.6%）高于谷歌Gemini 2.5 Pro驱动的Hilbert（70.0%），而花费仅为294美元——相比之下，Hilbert的API调用费用约为17万美元。两者相差约500倍。
这组数字的意义远超学术圈。它证明了一个正在被越来越多企业验证的趋势：最贵的模型不一定是最优的选择。 当企业在AI成本上被”教育”之后，理性选型将成为常态。DeepSeek等性价比模型的崛起，不是对高端模型的替代，而是对整个AI行业成本结构的一次重塑。
AI Pulse 观点： 500倍的成本差距不是一个技术细节，而是一个行业信号。它告诉我们：AI行业的”军备竞赛”正在从”谁拥有最大的模型”转向”谁能在给定的成本约束下取得最好的效果”。对于创业公司和中小企业来说，这是一个好消息——AI不再是只有巨头才能玩得起的游戏。
本文综合自36氪、智东西、机器之心、科技狐、极客公园等媒体的公开报道，以及普林斯顿大学Goedel-Architect论文（arXiv:2606.06468）。所有数据和事件均来自可验证的公开来源。