Meta 超級智慧實驗室大將 Jason Wei 閃電離職!轉戰 Mercor 出任首席科學家,思維鏈先驅出走背後的 AI 人才爭奪戰

思維鏈推理與 AI 評測領域關鍵研究員 Jason Wei 宣布離開 Meta 超級智慧實驗室,正式加入 AI 招募與數據平台 Mercor 出任首席科學家,突顯頂尖人才正流向資料與評估基礎設施。

Share
Jason Wei官方發布新聞圖片:Jason Wei
Jason Wei官方發布與報導畫面。 圖片來源:官方原文。

很多人以為頂尖 AI 科學家在科技巨頭裡領著千萬美元等級的年薪與無上限算力,絕對不會輕易跳槽去規模小得多的 AI 新創公司,但思維鏈推理先驅 Jason Wei 的最新動向卻再次打破了這項成見。

2026 年 11 月 17 日,AI 產業人事版圖傳出重磅消息:在思維鏈(Chain-of-Thought)推理與模型能力評測領域極具代表性的關鍵研究員 Jason Wei,正式宣布離開 Meta 超級智慧實驗室。

更讓業界玩味的,是他接下來的去處。

Jason Wei 並沒有跳槽去 OpenAI、Anthropic 或 Google DeepMind 這類同樣在做前沿基礎模型的對手實驗室。

而是選擇加入快速崛起的 AI 招募與高階訓練數據平台「Mercor」,出任首席科學家一職。

這項人事異動之所以在矽谷研究圈引發熱議,是因為 這位研究先驅 過去曾參與 OpenAI 與 Google 等頂尖團隊的關鍵研究,更是推動模型學會「一步一步思考」與建立現代大模型評測基準的核心推手之一。

當這樣一位重量級基礎研究學者決定把舞台從大廠算力中心搬到專攻「人類專家數據與評測基礎設施」的 Mercor 時。

這背後傳遞的訊號非常清楚:下一代模型的勝負瓶頸已經不再只是堆疊更多 GPU,而是誰掌握了更精準的人類專家知識與自動化評測標準。

接下來我們會拆解 這位研究先驅 在 AI 發展史上的代表性貢獻、為什麼他會選擇 Mercor 而非傳統模型實驗室、Meta 超級智慧實驗室面臨的人才流動考驗,以及資料與評測基礎設施為何成為 2027 年最值錢的賽道。

Jason Wei 是誰?為什麼他的離職讓 Meta 內部備受關注

要看懂這則人事新聞的重量,必須先知道 這位研究先驅 在現代大型語言模型演進史上的地位。

早在大型模型還只會直接猜下一個字、遇到多步驟數學與邏輯題就頻頻出錯的年代。

這位研究先驅 與研究團隊在 Google 期間發表的「思維鏈提示」(Chain-of-Thought Prompting)研究,徹底改變了整個 AI 領域的路線。

他們證明只要引導模型把中間思考步驟寫出來,模型湧現的推理能力就會出現跳躍式成長。

隨後轉戰 OpenAI 與 Meta 超級智慧實驗室期間,這位研究先驅 也深度參與了強化學習推理模型與高難度基準評測的設計,是少數同時精通「模型訓練直覺」與「能力邊界測試」的實戰派科學家。

對正在全力衝刺新一代超級智慧架構與個人代理應用的 Meta 而言,在這個競爭進入白熱化的關鍵時間點失去一位具備開創性視野的核心研究主將,是一記不小的人才損失。

延伸閱讀:Meta AI 發表 GSLM2 多流語音基礎模型:不靠文字轉譯直接用聲音思考,口語 AI 為何一直追不上文字模型?

Jason Wei官方發布新聞圖片:Jason Wei
Jason Wei官方發布與報導畫面。 圖片來源:官方原文。

為什麼頂級研究員放棄大廠算力,轉投數據與評測平台 Mercor

許多外部觀察者第一時間都很困惑:以 這位研究先驅 的資歷,幾乎所有頂尖基礎模型實驗室都會捧著天價條件搶人,為什麼他偏偏選中了主打人才媒合與專業訓練數據的 Mercor?

要回答這個問題,得先看清 2026 年底整個前沿 AI 研發面臨的真實瓶頸。

當全球各大實驗室把網際網路上所有公開網頁、書籍與開源程式碼幾乎全部餵進訓練集群吃乾抹淨後,「純網路爬蟲資料的邊際效益」已經快速遞減。

現在各家模型廠想要讓模型在法律、生醫、金融財務或高階軟體工程領域再往上突破一個檔次,真正缺的已經不是算力卡數,而是「由全球各領域頂尖專家親手標註、設計與驗證的高密度推理過程數據與強化學習環境」。

這正好就是 Mercor 近年瘋狂成長的核心業務。

Mercor 起初從 AI 輔助面試與技術人才招募起家,但很快就轉型並壯大成為前沿 AI 實驗室背後最關鍵的「高階人類專家知識供應商」與評估夥伴。

他們透過全球專業人才網絡,替頂尖大模型團隊招募博士、資深工程師、醫師與律師來產出高價值的思維軌跡與評測基準。

這位研究先驅 選擇擔任 Mercor 首席科學家,代表他可以直接站在最上游,用科學化與系統化的方法重新定義「該用什麼樣的專家數據與評測框架,才能逼出下一代 AI 的真正智慧」。

職涯與產業維度 傳統前沿模型大廠(如 Meta、OpenAI) 資料與評測基礎設施平台(如 Mercor) 對 AI 產業競爭格局的訊號
核心競爭資源 數十萬顆 GPU 算力叢集與預訓練架構 高難度領域專家數據、強化學習環境與評測尺 算力軍備賽之外,「高品質專家數據」成新瓶頸
科學家日常重心 調整模型參數、擴展訓練規模與對齊安全 設計下世代基準評測與高密度推理數據管線 懂怎麼出題與驗證的科學家掌握產業上游話語權
商業客戶關係 直接向企業與消費者販售模型 應用程式串接介面(API) 與訂閱 同時供應多家前沿實驗室,扮演「賣鏟人」角色 跨實驗室的基礎設施平台不受單一模型市占起伏限制

延伸閱讀:Anthropic 揭密前沿實驗室黑盒子:公布三大指標測量 AI 研發速度深度解析

當「出考題的人」比「寫考卷的模型」更重要

這位研究先驅 的轉職,也呼應了 2026 年底 AI 領域另一個正在發生的典範轉移:傳統基準評測已經普遍飽和,整個產業正在鬧「考題荒」。

過去大家習慣拿 MMLU 或高中數學競賽題目來比拚模型智商,但現在無論是 GPT-6.2 還是 Gemini 4,在這些公開舊題庫上幾乎都拿到接近滿分的成績,完全區分不出誰在真實職場裡更好用。

更麻煩的是,許多公開考題早就混進各大廠的預訓練資料裡,導致「背題高分、實戰低能」的現象層出不窮。

因此,誰能持續設計出貼近真實人類專家工作流程、具備防作弊與防資料洩漏機制的「動態高難度評測環境」,誰就等於握住了引導全球模型進化方向的指揮棒。

Mercor 延攬這位思維鏈與評測先驅擔任首席科學家,顯然就是要把這塊領域的學術權威與商業壁壘徹底拉開。

對台灣 AI 軟體新創與專業知識工作者的啟示

從 這位研究先驅 加入 Mercor 這件事,台灣的軟體新創與高階專業人士其實可以讀出一個很務實的趨勢。

對新創團隊來說,與其硬著頭皮去跟矽谷巨頭拚燒錢訓練通用基礎模型,不如回頭思考自己所在的垂直領域(例如半導體製造異常診斷、繁體中文法律合規、或亞太跨國財稅實務)有沒有機會建立起「可驗證的高品質領域評測題庫與數據飛輪」。

因為在大模型越來越同質化的時代,真正值錢的護城河正是這些外界爬不到的專家推理經驗。

為什麼強化學習環境比單純「買更多文字」更重要

早期預訓練模型靠的是讓系統閱讀全網文本來記住統計規律,但到了 2026 年,真正拉開頂尖模型差距的關鍵已經轉向「後訓練強化學習」。

在強化學習階段,模型必須在充滿邊界條件的真實任務環境裡反覆試錯,並且有明確的獎勵訊號告訴它哪一步推導正確、哪一步邏輯跳躍。

這正是高階人類專家與評測平台不可取代的地方,因為只有資深工程師、醫師或財務分析師才寫得出能精準打分的驗證環境。

頂尖人才流動對 Meta 超級智慧計畫的考驗

雖然一家科技巨頭不會因為單一科學家的離開就停擺,但核心研究領袖的動向往往會影響外部博士與頂尖工程師的加入意願。

Meta 接下來必須向市場證明,自己不僅能花大錢買下數十萬顆算力晶片,在內部的評測文化與專家數據飛輪上同樣具備領先優勢,才能留住下一批頂尖研究者。

高階人類專家知識正在變成 AI 產業的新石油

隨著網路上公開的優質文本資料逐漸被各大實驗室消耗殆盡,AI 產業對於「未曾公開過的高密度人類思考過程」的需求正呈指數級攀升。

無論是資深軟體架構師如何一步步排除棘手的系統死結,還是專科醫師如何從複雜的檢驗報告中排除誤診可能,這些隱性思維軌跡在公開網路上幾乎找不到。

Mercor 延攬頂尖研究科學家加入,目的就是把原本零散的人類專家訪談與標註流程,升級成具備高度科學嚴謹度的強化學習資料工廠。

台灣專業領域人才在這波資料經濟中的潛在機會

這股趨勢對台灣的高階專業工作者其實也開啟了一扇新窗。過去頂尖的台灣工程師、醫師或財稅專家,專業知識大多只能服務本地單一企業或診所。

但隨著全球實驗室急需各語系與各專業領域的高品質評測題庫與推理示範,具備深厚實務經驗與雙語能力的台灣專家,未來也有機會透過這類全球平台把自己的領域判斷力轉化為高價值的數位資產。

2027 年頂尖 AI 研究團隊的競爭新常態

當算力與演算法架構逐漸透明化後,未來各家實驗室真正比拚的將是「誰能最快打造出高品質的領域驗證環境」。

這也是為何懂評測、懂資料品質的頂尖科學家,在產業內的戰略地位與搶手程度正不斷創下新高。

這場人事變動也給所有正在招募 AI 團隊的台灣企業主一個重要提醒。

與其盲目高薪搶挖只會調用現成開源模型的工程師,不如把資源投資在真正懂產業知識、能幫公司整理出高品質評估基準與專屬知識庫的領域專家身上。

可以預期的是,未來頂尖研究員流向高階數據與評測平台的情況還會持續增加,因為誰掌握了最貼近真實世界難題的考題與獎勵訊號,誰就掌握了下一代 AI 進化的鑰匙。

常見問題 FAQ

Jason Wei 是因為 Meta 超級智慧實驗室出狀況才離職的嗎?

目前並沒有跡象顯示存在內部衝突。

從他在公開領域的研究軌跡來看,前往 Mercor 擔任首席科學家更像是看好「專家數據與評測基礎設施」作為下一個 AI 核心瓶頸的個人職涯戰略選擇。

Mercor 這家公司主要是做什麼的?

Mercor 最初以 AI 驅動的技術人才招募與自動化面試平台聞名,近年已發展成為全球多家前沿 AI 實驗室背後重要的高階專業人才媒合與客製化訓練數據、模型評測基礎設施供應商。

什麼是「思維鏈」(Chain-of-Thought)?為什麼這項技術這麼重要?

思維鏈是指讓 AI 模型在給出最終答案前,先把中間的邏輯推導步驟一步一步寫出來。

這項由 這位研究先驅 等人率先系統化提出的方法,是後來所有高階推理模型(例如針對複雜數學與程式除錯的模型)能夠誕生的關鍵基礎。

頂尖研究員流向數據公司,代表大模型訓練本身遇到瓶頸了嗎?

代表單靠擴大「網際網路公開文本」規模的紅利已經見頂。

下一階段要讓模型在專業領域真正可用,必須依賴更精密的強化學習環境與人類專家示範數據,因此數據與評測平台的重要性大幅攀升。

結語

這位研究先驅 離開 Meta 超級智慧實驗室、轉任 Mercor 首席科學家,是 2026 年底 AI 人才流動史上一記非常值得記錄的風向球。

它提醒我們,當所有科技巨頭都已經買齊了數十萬顆頂尖晶片、架構也逐漸收斂時,真正決定誰能跨過下一個智慧門檻的關鍵,反而回到了「人類專家如何設計數據、環境與評測標準」。

在這個演算法逐漸商品化的時代,掌握高品質領域知識與嚴謹驗證標準的人,永遠站在技術食物鏈的最上游。

如果你想持續追蹤前沿 AI 實驗室人才動向與模型評測方法演進,歡迎免費訂閱 AI 郵報,或點擊下方延伸閱讀了解實驗室內部如何衡量研發速度。

資料來源

Read more