思维链之父去了一家数据公司:AI人才流向变了意味着什么
2026年11月18日,"思维链之父"Jason Wei在X上官宣:离开Meta旗下TBD实验室,加入AI创业公司Mercor担任首席科学家。他给出的理由只有一句——随着越来越多公司开始训练AI模型,数据将塑造AI发展的下一个前沿。一个提出思维链、参与o1与Deep Research、创建SimpleQA/BrowseComp/HealthBench的顶级研究员,从大模型实验室流向一家做专家数据与评测的公司,这不是个人职业选择的小事,而是人才流向给出的行业信号。
先看事实:这次跳槽的四个坐标
坐标一:老东家刚给过高价。 2025年7月,扎克伯格以传闻上亿美元年包从OpenAI挖来Jason Wei,入职Meta超级智能实验室旗下TBD Lab,任职约一年,从事推理与Agent方向研究。不到一年出走,说明薪酬已不是决定性变量。
坐标二:新东家是一家"数据公司"。 Mercor成立于2023年1月,总部旧金山,最初做AI招聘,后转向为AI公司提供专业训练数据、模型评测与后训练服务。2026年11月10日完成7.5亿美元D轮,估值200亿美元——2024年9月估值仅2.5亿美元,不到三年翻了约80倍,英伟达等参与投资。
坐标三:新东家已经在出结果。 Mercor用Qwen3.5-397B做后训练实验,把该模型在APEX-Agents基准上的Pass@1从16%提升到27%——用专业数据做后训练、直接抬升真实任务完成率,这条链路已被验证。团队里还有LoRA论文第一作者Edward J. Hu负责模型训练。
坐标四:他说的是"数据",不是"模型"。 官宣中他明确表示,数据将塑造AI的下一个前沿;Mercor CEO则表示他将统管所有数据与评测工作。
五条结论:人才流向变了意味着什么
结论一:价值重心从"造模型"向"供数据+定评测"迁移。 当各家模型能力趋于接近,决定差异的是训练数据的密度与评测标准的定义权。谁掌握高质量专业数据与真实任务评测,谁就握住了后训练时代的水龙头。
结论二:评测已经从成本项变成产品。 Mercor组建研究团队的方向写得很清楚:用领域专家建立评测基准、诊断模型在真实工作中的短板、再用专业数据后训练——形成"评测到改进"的闭环。评测不再是发论文的工具,而是可以直接售卖的能力。
结论三:应用层的机会在"最后一公里数据"。 Jason Wei在Meta时的一个观察值得记住:模型能让医生更快验证假设,但病历数据里充满噪声,哪些变量值得看、结果说明什么,仍要靠专业人士拿主意。把专家的判断变成结构化数据,是当前AI落地最贵的环节。
结论四:对企业而言,数据资产第一次比模型选择更值钱。 模型可以随时切换(多模型接入已是标配),但企业自己的业务轨迹、专家判断、验收标准无法外购。这解释了为什么"前沿调优"类服务(用企业真实Agent轨迹定制模型)在2026年成为热门。
结论五:警惕叙事通胀。 一次人事变动不等于赛道终局。判断标准要看两件事:数据服务商能否持续交付可验证的提升(如Pass@1从16%到27%这样的硬数字),以及企业侧是否愿意为"评测+后训练"单独付费。
企业可执行的三件事
第一,把内部"专家判断"记录下来。会议决策理由、评审意见、验收标准,这些现在看起来零散的东西,是未来定制模型的稀缺燃料。
第二,建立自己的评测集。从真实业务里抽50至100个任务,固定验收标准,任何模型上线前跑一遍。有了它,你才有资格谈"换模型"或"定制模型"。
第三,把供应商能力问到底。采购AI服务时多问一句:你们的评测基于哪些真实任务?后训练用什么数据?说不清楚的一方,大概率只是套壳。
参考来源
- 机器之心(36氪):思维链之父Jason Wei离开Meta,加盟200亿美元AI独角兽 https://eu.36kr.com/zh/p/4074803713954695
- 智东西(腾讯新闻):不到一年!华人"思维链之父"跳槽,Meta的钞能力失效了? https://new.qq.com/rain/a/20261118A0GBDL00
- 量子位(36氪):思维链一作Jason Wei离职,怎么去Meta待一年都跑路 https://m.36kr.com/p/4074695382946695
- 网易:被称为"思维链之父"的Jason Wei将离开Meta,加入Mercor任首席科学家 https://www.163.com/dy/article/LC1CAAJG0519QIKK.html