Zhang Yiming und Ma Huatengs Kampf um KI-Talente: Die Konkurrenz reicht bereits von Doktoranden bis zu Oberschülern – aber lassen sich diese Talente auch halten?

Am 9. Oktober 2025 tauchte in Caohejing, Xuhui, Shanghai, Zhang Yiming, der lange nicht in der Öffentlichkeit aufgetreten war, bei einer Eröffnungsfeier vor der Öffentlichkeit auf.

Er trug ein schwarzes T-Shirt, stand auf dem Podium des Zhichuang Innovationszentrums in Xuhui, Shanghai, und verwendete den maschinellen Lernbegriff „Überanpassung“, um zu erklären, warum er nach KI-Talenten unter 16-jährigen Kindern suchte.

Die sogenannte Überanpassung bedeutet, dass das Modell bei den Trainingsdaten eine perfekte Leistung zeigt, aber seine Leistung bei noch nie gesehenen neuen Daten drastisch abnimmt.

Mit anderen Worten: Es hat nicht die Regeln hinter den Daten gelernt, sondern nur das Rauschen im Trainingssatz auswendig gelernt. Noch einfacher ausgedrückt: Es hat sich die Antwort gemerkt, aber das Problem nicht verstanden. Zhang Yimings Lösung waren die 14 ersten vorbereitenden Forscher auf der Bühne, von denen der Jüngste 16 und der Älteste 18 Jahre alt war.

Die Gier der großen Tech-Unternehmen nach KI-Talenten ist buchstäblich eine reale Version des „Greifautomaten-Spiels“.

Diesen Sommer hat das Tencent-Qingke-Praxisausbildungslager eine radikalere Maßnahme ergriffen. Es öffnete die Produktpraxis für Schüler im Alter von 13 bis 18 Jahren auf der ganzen Welt, die sich direkt auf Kerngeschäfte wie Finanztechnologie, KI+Bildung für WeChat-Miniprogramme und WeChat-Suche KI ausrichteten, wobei die Schüler von Mentoren auf Direktorenebene angeleitet wurden.

Es handelte sich nicht um Besichtigungen oder Vorträge, sondern um die direkte praktische Arbeit an Produkten.

Fast zur gleichen Zeit startete Geely Holding das Programm zur Förderung von Talenten für den epochalen Sprung: Es berücksichtigt keine Gaokao-Punktzahlen und hat keine Bildungsvoraussetzungen. Absolventen der Oberstufe können direkt in vier zukunftsweisende Bereiche einsteigen: neue Energien, künstliche Intelligenz, Niedrigflug und niedrigfliegende Satelliten. Sie erhalten eine bezahlte Ausbildung mit einem Jahresgehalt von bis zu 300.000 Yuan.

Auf der anderen Seite des Ozeans hat der KI-Gigant Palantir im Silicon Valley direkte Einstellungen für Oberstufenabsolventen geöffnet: 500 Personen konkurrieren um 22 Stellen, und nach der Festanstellung beträgt das Jahresgehalt 170.000 US-Dollar (ca. 1,2 Millionen Yuan).

Daher ist eine seltsam erscheinende, aber nicht unpassende Tatsache, dass selbst wenn die Leiter der Modelle in großen Tech-Unternehmen von der Generation der 90er-Jahre besetzt sind, sie dennoch jüngere KI-Genies rekrutieren wollen, wofür sie den Wettbewerb um Talente in einem noch nie dagewesenen Tempo nach vorne verlagern.

Vom Hochschulrekrutierungsprogramm zur Doktorandenphase, von der Doktorandenphase zum Bachelorstudium und dann vom Bachelorstudium zur Oberstufe oder sogar noch früher. Dies ist keine einzelne Maßnahme eines einzelnen Unternehmens, sondern eine kollektive Umorientierung der Personalstrategie einer ganzen Generation von Technologieunternehmen.

1

Vom „Pflücken von Früchten“ zum „Anbau von Feldfrüchten“

In den letzten zwanzig Jahren war die grundlegende Logik der Personalstrategie großer Tech-Unternehmen das „Pflücken von Früchten“: Warten, bis die Hochschulen die Talente ausgebildet haben, und sie dann mit hohen Gehältern abwerben.

Das von Huawei 2019 gestartete Programm für außergewöhnliche junge Talente ist die extremste Version dieser Logik: Es gibt keine Beschränkungen für Bildungsabschlüsse oder Universitäten, es zählt nur, ob man weltweite Probleme lösen kann, und das maximale Jahresgehalt beträgt 2,01 Millionen Yuan. Zhi Huijun, der später den Roboterhersteller Zhiyuan gründete, gehörte zu diesen Personen.

Aber diese Logik ist im KI-Zeitalter nicht mehr ganz zeitgemäß.

Nach dem traditionellen Ausbildungszyklus von fünf bis sechs Jahren für Doktoranden hat sich die KI-Richtung, für die sich ein Doktorand bei der Einschreibung entscheidet, bis zum Abschluss möglicherweise bereits drei bis vier Iterationen durchlaufen. Wenn er seine Arbeit in einer Top-Zeitschrift veröffentlicht, diskutiert die Industrie bereits ein anderes Paradigma.

Jiang Jie, Vizepräsident von Tencent, hat eine entscheidende Veränderung beobachtet: Der Generationsunterschied zwischen den Lösungen, die junge Menschen an der Hochschule entwickeln, und denen der Industrie wird immer kleiner. Ihr Verständnis für große Modelle ist der der Industrie sehr nahe, und ihr Wissenssystem ist vollständig auf das der Industrie abgestimmt.

Das bedeutet, dass sich das Ausbildungssystem der Hochschulen von einem System, das der Industrie einen halben Schritt vorauseilt, zu einem System entwickelt, das der Industrie einen Schritt hinterherhinkt. Wenn der Ausbildungszyklus selbst den technologischen Iterationszyklus übersteigt, wird das „Warten auf die Reife vor dem Pflücken“ zu einem Luxus.

Daher beginnen die großen Tech-Unternehmen, selbst „Feldfrüchte anzubauen“.

Das Layout von Tencent ist am systematischsten. 2019 wurde das „Xinghuo-Programm“ zur Auswahl von Oberstufenschülern gestartet, 2025 wurde es zum „Xinghuo-Challenge-Camp“ aufgewertet, und 2026 streckt das „Qingke-Praxisausbildungslager“ seine Fühler weiter bis zu 13-Jährigen aus. Von der Oberstufe bis zum Doktorat ist eine vollständige Lieferkette für Talente entstanden.

Bis 2026 sind mehr als 800.000 Personen der Plattform des Qingke-Praxisausbildungslagers beigetreten, und es wurde mit mehr als 2.000 Schulen zusammengearbeitet. Unter den Teilnehmern befinden sich 114 Schüler, die zuvor Goldmedaillen bei nationalen Fachwettbewerben gewonnen haben.

ByteDance geht einen anderen Weg. Zhang Yiming und Yu Yong gründeten das Zhichuang Innovationszentrum, das jedes Jahr 30 Vollzeit-Forscher im Alter von 16 bis 18 Jahren einstellt, mit einem Ausbildungszyklus von 5 Jahren.

Das „Top-Seed-Programm“ von ByteDance wird ebenfalls iteriert: Das Jahresgehalt für Hochschulabsolventen ist von etwa 1,5 Millionen Yuan im Jahr 2024 auf 3 bis 5 Millionen Yuan im Jahr 2025 gestiegen, und 2026 werden für Kernpositionen 6 Millionen Yuan geboten.

Das „AIDU-Programm“ von Baidu vertritt eine andere Idee: Es konkurriert nicht um Talente an der vordersten Front, sondern vertieft die Ausbildung. Nach der Aktualisierung im Jahr 2026 wird ein Modell mit zwei Mentoren angewendet, bei dem Experten des Technischen Ausschusses und Fachexperten die Teilnehmer unterstützen. Der CEO und die Leiter der Geschäftsgruppen nehmen persönlich an den Vorstellungsgesprächen teil. Das Jahresgehalt beginnt bei einer Million Yuan, und es gibt keine Obergrenze für die Bezahlung.

Diese drei Wege und weitere verweisen auf dieselbe Tatsache: Große Tech-Unternehmen geben sich nicht mehr damit zufrieden, nachgelagerte Käufer von Talenten zu sein, sondern wollen zu vorgelagerten Produzenten von Talenten werden, zumindest eine tiefe Bindung aufbauen, bevor die Talente entdeckt werden.

2

Preisgestaltung nach Talent und defensive Hortung

Warum sind große Tech-Unternehmen bereit, für ein 16-jähriges Kind einen 5-jährigen Ausbildungszyklus zu investieren? Die Antwort liegt in der Ökonomie der KI-Forschung und -Entwicklung.

Wang Hao, Gründer eines KI-Startups, hat eine Rechnung aufgemacht: Hinter dem großen Modell Qwen von Alibaba stehen Hunderttausende von Rechenleistungskarten, die eine Investition von fast 10 Milliarden US-Dollar darstellen. Wenn ein Doktorand dazu beitragen kann, die Effizienz der Chipnutzung zu optimieren, ist ein Jahresgehalt von mehreren Millionen Yuan im Vergleich dazu äußerst kostengünstig.

Yang Ling, Assistenzprofessor am Internationalen Forschungszentrum für Maschinelles Lernen der Peking-Universität, erklärt weiter: Ein einzelnes Experiment mit einem großen Modell kann Hunderte oder sogar Tausende von GPUs in Anspruch nehmen, und die Kosten eines fehlgeschlagenen Versuchs können mehrere Millionen bis Zehn Millionen Yuan betragen. Wenn Spitzenforscher unnötiges Training reduzieren können, sind Unternehmen natürlich bereit, hohe Gehälter zu zahlen.

Diese Logik bestimmt, dass die Preisgestaltung für KI-Talente grundlegend anders ist als bei traditionellen technischen Positionen. Der Wert traditioneller technischer Positionen wächst linear: Je mehr Erfahrung, desto höher die Leistung. Aber der Wert von Spitzen-KI-Talenten ist nichtlinear: Eine Person, die die Trainingseffizienz optimieren kann, kann direkt Rechenleistungskosten in Höhe von mehreren zehn Millionen Yuan einsparen.

Das Erste, was Yao Shuyu nach seinem Eintritt bei Tencent Ende 2025 getan hat, war, Mauern abzureißen. Früher wurden die SFT-Daten von Hunyuan nicht dedupliziert, und die Anzahl der doppelten redundanten Daten erreichte Millionen.

Er stellte ein Datenteam von mehr als 20 Personen zusammen, das sich ausschließlich der Datenprüfung widmete. In wenigen Monaten wurde die Anzahl der redundanten Daten von mehreren Millionen auf mehr als 10.000 reduziert, was eine Verringerung um zwei Größenordnungen bedeutete.

Das Ergebnis übertraf die Erwartungen: Die Trainingskosten von Hy3 Preview wurden um 47 % gesenkt, die Lösungsrate von Agent-Aufgaben in der offiziellen Version stieg von 72 % auf 90 %, die Halluzinationsrate sank von 12,5 % auf 5,4 %, und der Eingabepreis liegt bei nur 1 Yuan pro Million Tokens.

Mit eigenen Kräften und kleineren Parametern machte er Tencent zu einem der inländischen großen Modelle mit den stärksten Fähigkeiten im Bereich Agenten.

Diese nichtlineare Preisgestaltung spiegelt sich direkt in den Gehältern wider. Es ist nicht ungewöhnlich, dass KI-Doktoranden aus den Spitzenlabors der Universitäten Peking und Tsinghua bei großen Tech-Unternehmen in die Modellentwicklung einsteigen und im ersten Jahr ein Jahresgehalt von mehreren Millionen Yuan erhalten. Palantir im Silicon Valley ist noch radikaler: Das Gehaltsniveau für seine direkten Einstellungen von Oberstufenabsolventen entspricht bereits dem von Spitzen-KI-Doktoranden in China.

Aber jenseits der Preislogik gibt es eine noch härtere Dimension: defensive Hortung.

Die Beobachtung eines Brancheninsiders ist direkt: Diese vorzeitige Auswahl der Besten ist oberflächlich eine Wertschätzung von Talenten, im Wesentlichen aber eine defensive Hortung. Wer die Nachwuchstalente zuerst sichert, hat im nächsten Wettbewerb weniger Nachteile.

Wenn alle führenden Unternehmen mit der vorzeitigen Auswahl der Besten beginnen, verlagert sich der Wettbewerbsfokus von „wer bietet die bessere Bezahlung“ zu „wer früher handelt“. Die Gehälter von KI-Doktoranden der Universitäten Peking und Tsinghua sind innerhalb weniger Jahre von Hunderttausenden auf mehrere Millionen Yuan gestiegen, und der nächste Preis, der in die Höhe getrieben wird, ist der Vertragspreis von Oberstufenschülern mit Goldmedaillen bei olympischen Wettbewerben.

Ein extremeres Signal kommt von ByteDance. Laut Berichten von „Weixin LatePost“ hat Seed um 2026 herum eine spezielle Abteilung gegründet, um eine vollständige Datenbank für Talente aufzubauen, die Informationen aller herausragenden inländischen Schüler und Absolventen erfasst und die Lebensläufe der Schüler an Schlüsseluniversitäten, Labors und bei Mentoren präzise erfasst.

Wenn ein Unternehmen sogar die Lebensläufe herausragender Oberstufenschüler präzise erfassen will, ist das „Wettbewerb um Nachwuchstalente“ nicht mehr eine Personalbeschaffungsmaßnahme, sondern eine Informationsarbeit.

Es gibt einen interessanten Unterschied zwischen China und den USA: Die Verjüngung im Silicon Valley findet eher auf der Ebene von Startups und Forschungseinrichtungen statt, während die Verjüngung bei großen chinesischen Tech-Unternehmen direkt in den zentralen Führungsebenen stattfindet.

Yao Shuyu leitete im Alter von 27 Jahren die Abteilung für Grundmodelle bei Tencent, und Luo Fuli erreichte im Alter von 31 Jahren die Stufe 22 bei Xiaomi. Der Grund für diesen Unterschied ist, dass die chinesische KI-Industrie erst um 2018 herum richtig in Fahrt gekommen ist, es also nur wenige vorhandene Talente gibt, und die großen Tech-Unternehmen keine Zeit haben, auf die Umstellung erfahrener älterer Fachkräfte zu warten. Im Silicon Valley gibt es Veteranen wie Geoffrey Hinton und Yann LeCun, die jahrzehntelange Erfahrung gesammelt haben, auf die sich die KI-Industrie Chinas nicht verlassen kann.

Aber der „Wettbewerb um Nachwuchstalente“ im Silicon Valley ist noch intensiver, was bedeutet, dass die großen chinesischen Tech-Unternehmen bei diesem Wettbewerb im Vergleich zum Silicon Valley noch viel Raum für weitere Maßnahmen haben.

Derzeit steigen die meisten Oberstufenschüler in China in große Tech-Unternehmen ein, abgesehen von dem Tagesgehalt von 2000 Yuan im Top-Seed-Programm von ByteDance, die meisten Programme befinden sich noch auf der Ebene von Praxis und Ausbildung und sind noch nicht in das formelle Einstellungspreissystem integriert. Diese Lücke selbst ist eine Frage, die es wert ist, untersucht zu werden.

3

Und was passiert danach, wenn man sie gewonnen hat?

Dieser Wettbewerb hat ein grausames Paradoxon: Große Tech-Unternehmen geben immer höhere Kosten aus, um immer jüngere Personen zu binden, aber die gebundenen Personen selbst gehen in immer schnellerem Tempo verloren.

Eine häufig zitierte Tatsache ist, dass im vergangenen Jahr fast 70 technische Talente aus dem Seed-Team von ByteDance gekündigt haben, von denen fast 30 zu Tencent gewechselt sind, um im Bereich KI-Infrastruktur und Dateninfrastruktur zu arbeiten.

Ge Hao, Praktikant im Top-Seed-Programm von ByteDance, wurde direkt ein Kernmitglied des Teams für das RL-Infrastructure-Training im Qwen-Team von Alibaba. Noch früher verließ Li Yukun, der erste Mitarbeiter von DeepSeek, das Suchteam von ByteDance, und Xu Mingyu, ehemaliges Mitglied von Seed Edge, wechselte ebenfalls zu DeepSeek.

Diese Zahlen zeigen eine Tatsache, die von der Erzählung über den „Wettbewerb um Nachwuchstalente“ verdeckt wird: Der Personalkrieg zwischen großen Tech-Unternehmen ist keine einseitige Hortung, sondern ein Nullsummen-Kreislauf.

Die Nachwuchstalente, die Sie heute unter Oberstufenschülern gewinnen, können in fünf Jahren von einem anderen Unternehmen mit einem höheren Gehalt, besserer Rechenleistung und freieren Forschungsthemen abgeworben werden. Die Bindung eines 16-jährigen Kindes erfordert einen Ausbildungszyklus von fünf bis zehn Jahren, aber es zu verlieren, braucht nur ein besseres Angebot.

Was diese Absurdität auf die Spitze treibt, ist das Phänomen