AI 菁英週工時飆破 100 小時：科技巨頭與新創全面開打「AI 軍備競賽」

矽谷 AI 研究員與高階主管正以每週 80–100 小時的高強度節奏衝鋒，從 Microsoft、Google、Meta、Apple 到 OpenAI、Anthropic，都在「加速 20 年科研於 2 年內完成」的壓力下競逐。有人以「0-0-2」（全天候、週末僅休 2 小時）自嘲，招聘條件動輒千萬年薪、現場靠近管理層辦公，甚至傳出新創合約明示 80+ 小時工時期待。這股趨勢如何改寫工作文化、產品節奏與產業版圖？本文一次拆解。

三大關鍵訊號

工時常態化超長延伸

• 從「9-9-6」走向「0-0-2」，週末也成標配
• 公司提供週末餐飲、輪值「值班長（captain）」盯模型輸出與產品節點

頭部人才極度稀缺

Zuckerberg 帶頭高配搶人，千萬美元包裹推升少數研究者價值到前所未見高度。

研發到上線的「壓縮帶」

• 研究突破到產品落地從過去數年縮到「週四到週五」的節奏
• 工具內化工作流程，AI 本身變成「你的 24/7 第二班」

戰情前線：AI 實驗室的「加速主義」日常

Anthropic 研究科學家 Josh Batson 直言：「我們基本上在嘗試把 20 年的科研進度，兩年內完成。」他不再刷社群，最能帶來多巴胺的是工作用 Slack 頻道裡的模型架構與實驗討論。這並非個案——在 Microsoft、Anthropic、Google（DeepMind）、Meta、Apple、OpenAI 等一線團隊，核心研究員與高層普遍每週工作 80–100 小時，不少人形容像「戰時狀態」。

為何要這麼拼？

因為「增長曲線」與「想像空間」同時在拉扯——模型能力每隔幾個月就有躍遷，誰先把能力裝進產品、疊上使用者網效，誰就能定義下一代平台規則。

不是人人都 100 小時：但關鍵位的人，真的在燒

雖然公司員工結構龐大，但極高強度集中在少數「關鍵位」：

• 改進底層模型的研究小隊
• 把新能力封裝進主戰產品的核心團隊

這些人常在夜深人靜、其他同事下線後繼續推進。Meta 的 TBD Lab（負責公司 AI 模型）被安排在 Menlo Park 總部、靠近 Zuckerberg 辦公區的實體座位，象徵緊密節奏與決策速度。另一方面，公司也在做組織調整——例如 Meta 在週三縮減 AI 部門約 600 名員工——以維持資源的聚焦輸出。

文化轉向：合約期待、輪值長與週末外送印記

• 合約期待：部分新創在聘約中明示 80+ 小時工時；更多公司不必明文規範，因為頂尖員工受好奇心與對手壓力驅動，自我加速。
• 輪值「captain」制度：為了隨時監看模型結果與產品線路徑，企業安排短期或多週期的值班長。
• 數據側寫：費用管理新創 Ramp 的刷卡資料顯示，舊金山地區 週六 午到午夜外送餐點訂單激增——與往年與他城相比更為突出，反映「辦公室幾乎全年無休」的現實。
• 生活被壓縮：Google DeepMind 的 Madhavi Sewak 直言，大家幾乎沒在度假、沒時間陪朋友與家人，「只剩工作」。

從「9-9-6」到「0-0-2」：產品節點驅動的極限衝刺

最硬的時段通常發生在大模型訓練/調優或新產品上線前。

有創辦人打趣把作息叫「0-0-2」：

零點到零點持續工作、週末只保留 2 小時喘息。

這種節奏在早年的創業潮並不陌生，但如今已蔓延到超大規模公司的核心部門，屬於矽谷少見。

「研究 ➜ 產品」壓縮：從數年到「週四～週五」

Microsoft AI 體驗產品長 Aparna Chennapragada 指出，本輪迭代與 1990 年代網路熱潮或 iPhone 啟動的行動轉型不同：AI 在短短幾年內就讓 90% 的《財富 500》企業上線使用。研究與產品之間的落差被壓縮到以天為單位。
她把管理者額外扛起的責任稱作「第二班（second shift）」，並提出解法：讓 AI 成為 24/7 的替身——「那個 24/7 不應該是你，而是你的 AI。」

工程還是演化？模型黑箱下的「不確定性管理」

Batson 形容當下更像演化而非傳統工程：

• 訓練前無法準確預判輸出
• 測試後也只能部分掌握行為
• 上線後才看得清真實邊界

這種不確定性推動團隊更密集的迭代與觀察，也衍生出前述的輪值監看與週末常駐。

金錢很甜，時間更稀缺：千萬包裹與錯過的生活

當 Meta 的 Mark Zuckerberg 以高額薪酬在市場搶人後，頭部研究員成為全球最稀缺的人力資產之一。不少 AI 一線從業者已是多重百萬富翁，卻直言「沒時間花」。
Sewak 說得直接：

「我為宅宅（nerds）此刻的高光感到興奮，但我沒看到任何人生活模式改變。」

對產業的五個現實影響

產品上市更「連發」

研究突破一出，雲端 API、端側推理、框架支援可在極短時間內跟進，迫使對手同頻升級。

人才爭奪升溫

除了年薪與股權，辦公座位、決策距離、計算資源配額都成為條件。

工作文化兩極化

核心小隊「高溫燃燒」，外圍團隊保持常態節奏，差速齒輪式組織成新常態。

治理與對齊壓力：

更快的上線節奏，意味安全審查與紅隊測試需前置與自動化，值班長制度將常設化。

用戶心智教育提前：

AI 能力「週更」，市場敘事必須持續重寫；傳播、法務、銷售、支援同樣被捲入「快迭代」。

為什麼現在特別「狠」？三個結構性原因

• 平台之爭窗口期：誰先把「可用的通用智能」嵌入日常工作流，誰就能收割下一個十年的平台分發權。
• 算力與資料槓桿更高：集群規模與資料管線疊代，使每一次改進更具複利效應，刺激團隊加速下注。
• 需求端先行：企業採用率在短時間突破臨界值，營收與成本壓力倒逼產品線維持「連續上新」。

風險與代價：可持續嗎？

• 人才燃盡（Burnout）：長期極限工作可能造成創造力遞減與決策保守化。
• 技術債堆積：快迭代若缺少嚴格的評測基準、回滾機制、觀測性，將在後續放大成本。
• 倫理與安全失速：對齊進度追不上模型能力外溢，偏見、幻覺、安全外掛風險升高。
• 競爭門檻擴大：頭部集中度提高，中小型團隊更難在缺算力與缺數據下追趕。

下一步看什麼：三個觀察指標

1. 核心團隊擴編 vs. 裁減再聚焦：如同 Meta 的人員調整，「錨定關鍵線」會成趨勢。
2. AI 嵌入管理工具鏈：從自動化回顧、排程、值班系統到紅隊平台化，觀察大廠是否把「第二班」真正交給 AI。
3. 外部生態分工：雲端、晶片、資料供應與評測基準形成更加明確的供應鏈角色，加速上下游協作。

結語：當「24/7」不再是人，而是系統

這場賽局的本質，是把人的極限轉化為系統的常態。正如 Microsoft 的觀點：「24/7 應該是你的 AI，不是你。」在平台更迭的臨界點，少數人用 100 小時的週工時，把未來數十年的軌跡往前推了一大步——代價與紅利，正在同時結算。

Source

WSJ: AI Workers Are Putting In 100-Hour Workweeks to Win the New Tech Arms Race