14亿年薪都留不住的华人AI巨星，到底什么来头？

一位华人科学家，在Google工作15年，后来加入Apple，又进入Meta超级智能团队，如今转向OpenAI。伴随这条职业轨迹一起流传的，还有一个格外吸睛的数字——14亿年薪。

14亿年薪都留不住的华人AI巨星到底什么来头？

一位华人科学家，在Google工作15年，后来加入Apple，又进入Meta超级智能团队，如今转向OpenAI。伴随这条职业轨迹一起流传的，还有一个格外吸睛的数字——14亿年薪。

这一数字尚未得到权威证实，但比薪资更值得关注的是：为什么Google、Apple、Meta和OpenAI，都需要同一个人？

他叫庞若鸣。

如果只看公司名单，他的经历很像一篇职场爽文。但真正看懂他的职业路径就会发现，他不是突然踩中AI风口，而是用十几年时间，修建了一条属于自己的护城河。

01 从名校到大厂，真正拉开差距的是15年的积累

庞若鸣本科毕业于上海交通大学计算机专业，随后赴美留学，在南加州大学取得硕士学位，又进入普林斯顿大学攻读博士。

这条教育路径确实为他打开了进入顶尖科技公司的大门。

但在北美求职市场，名校只能帮助你拿到更多面试机会，并不能保证一个人持续留在行业核心。真正让庞若鸣与其他候选人拉开差距的，是他进入Google之后长达15年的技术积累。

这15年里，科技行业经历了搜索、移动互联网、云计算、深度学习和大模型等多个周期。很多岗位从热门走向没落，也有无数人不断切换方向、追逐下一个风口。

庞若鸣却始终围绕大规模计算、分布式训练和AI基础设施持续深耕。

这些工作不一定能直接被普通用户看见，却决定着模型能否被训练出来，能否稳定运行，以及企业能否把研究成果真正变成产品。

所以，他的履历并不是靠频繁跳槽堆出来的，而是在一个足够重要的方向上长期积累后，自然获得了更大的职业选择权。

这也是北美求职中经常被忽略的一点：第一份工作决定你从哪里起步，长期积累的能力才决定你最终能走多远。

02 换了四家巨头，他的核心竞争力从未改变

离开Google后，庞若鸣加入Apple，参与基础模型相关工作。后来，他又进入Meta超级智能团队，负责AI基础设施方向，如今转向OpenAI，继续聚焦大模型和底层系统。

表面上看，这是从一家大厂跳到另一家大厂。但如果把公司名称隐藏起来，就会发现他的职业主线其实非常清楚：

让越来越复杂的AI模型，能够被高效训练，并且稳定地运行。

Google需要大规模AI系统，Apple需要把模型能力放进真实产品，Meta需要为更庞大的训练计划搭建基础设施，OpenAI同样要面对算力、成本和规模化落地的问题。

公司不同，业务不同，但它们需要解决的核心问题是相通的。这就是北美职场非常看重的“可迁移能力”。

很多求职者习惯用公司、职级和项目名称包装自己，却很少认真思考：如果离开现在的平台，自己还能带走什么？

真正有竞争力的人，不只是熟悉某个内部工具，或者参与过某个明星项目，而是拥有一套能够跨公司复用的方法。他们知道如何拆解复杂问题，如何搭建系统，也知道怎样把技术变成稳定、可落地的结果。

平台可以为简历加分，但只有可迁移能力，才能让一个人在换公司之后依然值钱。

03 对北美求职者来说比追风口更重要的是建立职业主线

很多留学生在北美求职时，最容易陷入的焦虑是：今年什么岗位最容易上岸？哪个方向薪资最高？现在转AI还来不来得及？

这些问题当然现实，但如果职业规划只围绕短期热点展开，很容易让简历看起来经历很多，却缺少一条能够说服招聘方的主线。

庞若鸣的经历提供了另一个思路。

首先，不要只问“什么最火”，还要问这个方向是否解决了长期存在的重要问题。热点会变化，但企业对效率、成本、稳定性和规模化的需求不会消失。

其次，要让每一段经历形成积累。实习、科研和全职工作最好不是彼此割裂的几个标签，而是让招聘方看到：你解决的问题越来越复杂，承担的责任越来越大，专业能力也在持续加深。

最后，要建立属于自己的职业叙事。北美招聘不仅看你做过什么，也在判断你为什么做、学到了什么，以及这些经验如何支持下一份工作。

普通人很难复制庞若鸣的学校和公司经历，却可以学习他构建职业路径的方式：

找到一个足够重要的问题，持续积累能够带走的能力，并让每一次选择都为下一步增加筹码。

在北美职场，真正的安全感从来不是进入某一家大厂，而是即使离开这家公司，你依然有能力被下一家公司需要。