01 同时懂物理硅（RTL / 验证 / 物理设计）与 ML 系统（CUDA / 编译器 / 内核）的人，是这场竞赛的硬通货。全图 56,861 人里仅 8.4% 可识别为双栈，NVIDIA 也只有 14.6% （约 1/7），传统芯片大厂近乎绝迹（博通 2.2%、英特尔 5.0%）。双栈密度，是一家公司"有多 AI 原生"的体温计。
以下数字为 Metix AI 数据库口径（数据时点约 2026 H1），统计对象 = 15 家美国 AI 算力 / 芯片公司的在册工程与研究人才（按权威 company_id 取在职、再按"硬件设计 + ML 系统"岗位口径清洗）。所有数字均为聚合统计，报告不展示任何个人信息。
同时懂物理硅（RTL / 验证 / 物理设计）与 ML 系统（CUDA / 编译器 / 内核）的人，是这场竞赛的硬通货。全图 56,861 人里仅 8.4% 可识别为双栈，NVIDIA 也只有 14.6%（约 1/7），传统芯片大厂近乎绝迹（博通 2.2%、英特尔 5.0%）。双栈密度，是一家公司"有多 AI 原生"的体温计。
它是 14 家公司里 9 家的头号人才来源——NVIDIA 的 13%、AMD 的 21%、Rivos 的 32%、Tenstorrent 的 31% 都来自英特尔，且其中约 89% 在英特尔做的就是技术岗。算力竞赛的地基，很大程度上是英特尔流出的资深工程师在搭。
大量进人、极少流出。在别家的人才来源里 NVIDIA 普遍只占 5–9%（唯一例外是 Groq，34%）。40 个月中位任期 + NVDA 约十倍的股价 = 行业最硬的金手铐，把 44% 的"4 年以上老兵"锁在原地。
可直接拿来源人：SambaNova = 甲骨文 / Sun（41%）、Rivos = 苹果芯片帮（被苹果起诉的那批）、Groq = 前 NVIDIA（34%）、AWS 自研芯片 Annapurna = 亚马逊内部转岗（54%）。读懂血统，就知道该去哪家挖哪种人。
02存量地图：体量在大厂，密度在初创
先看盘子。这 15 家公司在美国的在册工程与研究人才共 56,861 人，但分布极不均：6 家芯片 / GPU 大厂占了 55,478 人（97.6%），8 家挑战者合计只有 1,290 人。最刺眼的反差是——人最多的英特尔（21,549），AI 双栈密度却几乎垫底（5.0%）。
把每家公司拆成"偏硅（metal）/ 偏模型（model）/ 双栈"三类，画像立刻清晰：传统芯片厂是纯硬件军团，AI 初创则把天平往模型一侧拉。下面是完整花名册（中位任期 / 中位履历计算到报告日期）。
| 公司 | 阵营 | 工程研究人才 | 偏硅% | 偏模型% | 双栈% | 中位任期 | 中位履历 | 博士% |
|---|---|---|---|---|---|---|---|---|
| NVIDIA | GPU 双雄 | 12,134 | 51.5 | 31.5 | 14.6 | 40 月 | 15.0 年 | 14.1 |
| AMD | GPU 双雄 | 6,139 | 67.2 | 16.7 | 11.7 | 36 月 | 15.1 年 | 10.8 |
| 英特尔 | 传统芯片 | 21,549 | 49.9 | 8.7 | 5.0 | 68 月 | 16.5 年 | 20.1 |
| 高通 | 传统芯片 | 8,196 | 48.1 | 15.0 | 8.1 | 58 月 | 15.8 年 | 12.1 |
| 博通 | 传统芯片 | 5,313 | 42.0 | 4.8 | 2.2 | 90 月 | 21.8 年 | 9.9 |
| Marvell | 传统芯片 | 2,147 | 65.2 | 6.2 | 5.2 | 51 月 | 19.6 年 | 11.1 |
| SambaNova | 挑战者 | 179 | 61.5 | 45.3 | 26.8 | 48 月 | 14.7 年 | 6.7 |
| Etched | 挑战者 | 141 | 77.3 | 27.0 | 21.3 | 12 月 | 12.5 年 | 8.5 |
| Tenstorrent | 挑战者 | 304 | 84.5 | 26.3 | 21.1 | 16 月 | 14.9 年 | 12.5 |
| Cerebras | 挑战者 | 222 | 49.1 | 39.6 | 19.8 | 24 月 | 15.4 年 | 15.8 |
| d-Matrix | 挑战者 | 88 | 68.2 | 59.1 | 40.9 | 18 月 | 15.5 年 | 22.7 |
| Lightmatter | 挑战者 | 157 | 78.3 | 17.8 | 12.7 | 17 月 | 15.4 年 | 30.6 |
| Rivos | 挑战者 | 140 | 87.1 | 10.0 | 9.3 | 40 月 | 13.8 年 | 8.6 |
| Groq | 挑战者 | 59 | 47.5 | 33.9 | 20.3 | 30 月 | 16.7 年 | 6.8 |
| AWS Annapurna | 云自研 | 93 | 71.0 | 59.1 | 41.9 | 19 月 | 10.4 年 | 15.1 |
03双栈稀缺性：一道单调的"AI 原生"梯度
把"双栈密度"按公司排开，会看到一条几乎完美单调的梯度：从只做网络 / 模拟芯片的博通（2.2%），一路爬到天生为大模型造芯片的 d-Matrix、AWS Annapurna（约 41%）。一家公司离大模型有多近，它的简历里就有多少"既懂硅又懂模型"的人。
各公司"双栈桥梁人"占比（硬件 ∩ ML 系统）
三个梯队
传统芯片厂 博通 / 英特尔 / Marvell / 高通 ≈ 2–8%。它们是纯硅军团（偏硅 42–65%，偏模型常个位数），双栈几乎绝迹。
GPU 双雄 AMD / NVIDIA ≈ 12–15%。常年活在"GPU × ML"的交叉口，是大厂里双栈最厚的。
AI 加速器挑战者 ≈ 20–42%。为大模型而生，把模型一侧的人才比例拉到大厂的两三倍。
这是个"下限"，但梯度是真的
双栈用关键词从自报头衔 + 技能里识别，倾向低估（很多人没把全部技能写满）。但即便换成更严格的"物理硅 ∩ 模型"口径（把 CUDA / 编译器从金属侧剔除），梯度依然单调成立：博通 1.7% → NVIDIA 8.4% → d-Matrix 34%。
换句话说：绝对数会更高，相对排序不会变。谁更稀缺这件事，结论稳健。
04英特尔工厂，与每家公司的"血统"
人从哪来？答案出乎意料地一致：英特尔。它是 14 家公司里 9 家的头号人才来源——而且越是硬核的硅片初创，英特尔的占比越高。AI 也许是英特尔输掉的战争，但这场战争的兵，很多是英特尔送出去的。
各公司中"前英特尔"员工占比（占该公司工程研究人才）
英特尔之外，剩下 5 家"非英特尔血统"的公司各有出处——而且每一条都能在公开记录里印证。读懂血统，就知道该去哪挖哪种人：
| 公司 | 头号血统 | 占比 | 公开印证 |
|---|---|---|---|
| Groq | 前 NVIDIA | 34% | 创始人来自 Google 初代 TPU，但工程班底是 NVIDIA 系——"创始人血统 ≠ 队伍血统"。 |
| SambaNova | 甲骨文 + Sun | 24% + 17% | 联合创始人 Rodrigo Liang 出身 Oracle / Sun 的 SPARC 处理器谱系，整支队伍带数据库硬件基因。 |
| Rivos | 苹果 | 20% | 2022 年被苹果起诉招揽芯片团队、窃取 SoC 机密，2024 年初和解——数据精确印证了那批苹果硅片人。 |
| Etched | 苹果 + 英特尔 | 16% + 13% | 哈佛辍学生 2022 年创办、造 Transformer 专用 ASIC（Sohu），靠挖苹果 / 英特尔硅片老兵补齐硬件。 |
| AWS Annapurna | 亚马逊内部 | 54% | Trainium / Inferentia 团队以内部转岗为主——云厂自研芯片是"内部造血"，不是市场流动。 |
05NVIDIA 的金手铐：进得多，出得少
英特尔的人四散而出，NVIDIA 却几乎不漏人——它在别家的人才来源里普遍只占 5–9%（唯一例外是 Groq）。原因写在任期里：NVIDIA 美国核心的中位在职任期是 40 个月，44% 的人已经待满 4 年。叠加 NVDA 在 2023–2025 年约十倍的涨幅，这是当下行业最硬的一副金手铐。
NVIDIA 工程研究人才的在职任期分布（n≈11,894）
可挖的，是 <24 个月那 31%
约 3,700 人入职不到两年，初始 RSU 远未归属完——跳槽放弃的账面收益最小，是 NVIDIA 阵营里最现实的流动窗口。越往 48 个月以上走，金手铐越紧：那 44%（约 5,200 人）手里是已大幅 in-the-money 的归属股票，几乎撬不动。
初创的打法正好相反
Etched（中位任期 12 月）、Tenstorrent（16 月）、Lightmatter（17 月）都很"新"——它们用未上市股权反向操作：趁人还没在大厂 vesting 满之前撬出来，用上市前的期权对赌，去换大厂那份已经兑现的确定性。
06猎人画像与实操指南
把上面的结构翻译成可执行的源人动作。三件事先记住：这是一场用老兵打的仗、要按偏硅 / 偏模型标签分赛道找人、时机决定能不能撬动。
都是老兵，不是应届
全图中位履历 13–22 年；连最年轻的 Etched 也有 12.5 年，博通甚至 21.8 年。算力战是用资深工程师打的——别拿"招应届"的预算和话术来打这个市场。
按 metal / model 标签源人
要纯硅片设计（RTL / 物理设计 / 验证）→ 去 Rivos（偏硅 87%）、Tenstorrent（85%）、Lightmatter（78%）、Etched（77%）。
要编译器 / ML 系统→ 去 AWS Annapurna、d-Matrix（偏模型 59%）、SambaNova（45%）、Cerebras（40%）。
博士浓度决定话术
要研究底子（光子 / 模拟 / 编译）→ Lightmatter（博士 30.6%）、d-Matrix（22.7%）、英特尔（20.1%）。
要工程交付型、不必要博士 → SambaNova（6.7%）、Groq（6.8%）、Etched（8.5%）。
本报告回答的问题
- 这份算力/芯片透视覆盖多少名在职工程与研究人才？
- 我们透视了 15 家美国 AI 算力 / 芯片公司、56,861 名在册工程与研究人才，把他们的简历读成数据。
- 56,861 人的统计对象是什么？
- 以下数字为 Metix AI 数据库口径（数据时点约 2026 H1），统计对象 = 15 家美国 AI 算力 / 芯片公司的在册工程与研究人才（按权威 company_id 取在职、再按硬件设计 + ML 系统岗位口径清洗）。所有数字均为聚合统计，报告不展示任何个人信息。
- 如何引用本报告？
- Metix AI Talent Intelligence，2026-06-16。AI 算力与芯片人才地图 2026 | Metix AI。https://metix.ai/reports/zh/mapping/ai-infra-chip-talent-2026
想要这 56,861 人里的某一类——的完整名单？
本报告是聚合透视；落到具体人，Metix AI 可按"双栈 / 偏硅 / 偏模型 + 公司 + 任期窗口"筛出可对接的候选人名单，也可为任意目标公司生成同款人才 X 光。
开始 Mira 试用