文 | 字母AI

SpaceX上市，先制造了一场财富神话。

马斯克成为了全球首位万亿富翁，身家被推到了人类商业史从未到过的位置。

4400多名现任和前员工，账面成为百万富翁；约400人，持有的股票价值超过1亿美元。

这些新晋富豪不全是创始人、投资人或者高管，里面有工程师、焊工、厨师、食堂员工……

入职那天，公司给了他们股票。拿住的人，等了十年、二十年，等到SpaceX上市的这一天，收获了十分丰厚的回报。

这场全世界有史以来最大规模的IPO，引发了一轮关于SpaceX员工股权的财富重估。

上市的SpaceX，不只是火箭、星舰和Starlink；xAI并入之后，AI模型、工程自动化和多模态能力，也被装进了同一个资本故事。

SpaceX的财富火箭，也不只载着发射台、火箭工厂和星链网络里的人，还载着xAI的模型训练团队。

这支团队刚刚经历过一轮剧烈洗牌，负责Grok Code和Grok Imagine的张国栋、戴子航等早期核心人物相继出走，公司经历重组，马斯克之外的xAI原始联合创始人全部离开。

过去我们关心离开的人才，但留下来的那些人同样值得关注，其中不乏一些中文名字：胡戎航（Ronghang Hu）、赵龙（Long Zhao）、刘泽（Ze Liu）、黄杰（Jie Huang）、林禹臣（Bill Yuchen Lin）、沈卓然（Zhuoran Shen）、李英儒（Yingru Li）……

对于这些仍然留在xAI体系内、并持有股权激励的核心工程师来说，SpaceX的上市意味着他们手里的权益被带到了公开市场的兑现窗口前。

拿住股票的人，等来了回报

SpaceX从很早开始，就把股票发到了各个层级的员工手里。

有人拿到的是期权，有人拿到的是受限股票。无论形式是什么，都不是一笔确定的财富，很多人并不相信这家公司真的能走到上市这一天。

毕竟SpaceX并不是一家看起来稳赢的公司，2006年、2007年、2008年，猎鹰1号前三次发射全部失败，直到08年9月，第四次发射才终于成功入轨。

马斯克后来对NASA前局长Jim Bridenstine回忆，当时SpaceX已经没有预算再做一次发射，第四次都是用备用零件凑出来的；如果还失败，SpaceX就没有后来了。

三个月后，靠NASA给的一份价值16亿美元的国际空间站商业补给合同，SpaceX才真正从悬崖边上被拉回来。

在那之后，SpaceX也经历了重重波折。Falcon 9任务失败、发射台也发生过爆炸，到了星舰阶段，失败、调查和整改依然是故事的一部分。

今天看起来像一夜暴富的故事，当年其实更像是接受了一张可能永远无法兑现的欠条。

但事实就是，SpaceX上市这天，拿住股票的人都等来了回报。

《纽约时报》报道里提到的Trevor Hise是典型的工程师版本，他2011年大学毕业后加入SpaceX，从实习生做起，后来成为发射工程师，在SpaceX工作了12年。到上市时，他手里还有超过10万股，按每股135美元的发行价计算，这些股票价值至少1350万美元。

前SpaceX焊工Juan Hernandez来自墨西哥，早年在SpaceX的时薪约28美元，获得过约1万美元股票授予；他在2020年SpaceX估值达到360亿美元时卖出过一部分，到IPO前剩余6,500股，按每股135美元计算，价值约87.75万美元。

更何况SpaceX首日收盘价为160.95美元，盘中一度超过176美元。

当然，也不是所有人都等到了这一天。SpaceX内部曾流传过一个说法：早期有员工不相信公司真的会上市，离职时把股票换成了美国连锁餐厅Chili’s的礼品卡。

正所谓“早知三日事，富贵几千年”，可惜那时只当手里攥着的是一张废纸，哪想到有天能换一桌Chili’s全宴都不止。

SpaceX的故事不止在天上

SpaceX上市，被推向公开市场的不只是一家火箭公司。

招股书里，SpaceX的业务被拆成了几个不同板块。猎鹰火箭负责发射，Starlink负责赚钱，星舰负责把故事推向火星，而xAI的并入，则让SpaceX的故事在“太空基础设施”之上，又长出了一层AI基础设施。

当xAI被并入SpaceX，那些xAI模型训练团队里的工程师们，同样成为了SpaceX体系的一部分。

值得关注的是，能进入xAI核心模型团队的工程师，通常不会只是拿现金工资。公开薪酬数据显示，xAI工程师薪酬结构里包含股票/股权；而xAI并入SpaceX本身又是一场换股交易。

对仍在xAI体系内、并持有股权激励的核心工程师来说，SpaceX上市意味着他们手里的权益被带到了公开市场的兑现窗口前。

过去几个月，xAI经历了一轮剧烈洗牌。负责Grok Code和Grok Imagine的张国栋、戴子航等早期核心人物相继出走，公司经历重组。到3月底，根据公开报道，马斯克之外的xAI原始联合创始人已经全部离开。

离开的人未必一无所获，已经归属的股权仍可能参与后续转换；但对留下来的人来说，他们不仅赶上了SpaceX上市，也保留了继续归属和继续被授予股权的机会。

我们在这批留下来的技术骨干里，看到两组值得关注的中文名字。

一组站在Grok多模态能力上：胡戎航、赵龙、刘泽。

另一组站在推理、后训练和代码能力上：黄杰、林禹臣、沈卓然、李英儒。

他们不是偶然出现在SpaceX上市故事里的名字。xAI在大模型人才争夺最激烈的时候把他们吸收进来；经历创始团队离场和组织重组之后，他们仍然留在体系内。

他们没有造火箭。

但他们也搭上了SpaceX这艘财富火箭。

留下来的华人AI工程师

胡戎航2015年本科毕业于清华，2020年在UC Berkeley获得计算机博士学位。

他的博士论文题目是《Structured Models for Vision-and-Language Reasoning》，研究的是视觉与语言推理：让模型根据图像回答问题、根据自然语言在图像中定位对象，或者根据语言指令在视觉环境中导航。

也就是说，胡戎航很早就在做今天多模态模型的核心问题：让AI不只是看见图像，也能把图像和语言放在一起理解。

后来他加入Meta FAIR，参与Segment Anything系列，是SAM 2和SAM 3的核心贡献者之一。

2025年11月，胡戎航从Meta FAIR加入xAI，成为MTS（虽然直译过来是“技术人员”，但卡帕西在Anthropic也是这个头衔），继续做多模态AI。

SAM系列是Meta过去几年最重要的视觉基础模型项目之一。胡戎航加入那一年，xAI正在大举补强多模态能力，Business Insider曾报道，xAI 2025年以来从Meta招走了十余名员工，胡戎航进入xAI的时间点正好踩在这条人才流动线上。

胡戎航加入xAI后公开可见的信息并不多，但他的技术路径很清楚，在Grok走向图像、视频和多模态理解的过程中，这类人才是底层能力的一部分。

赵龙本科、硕士均毕业于同济大学软件工程专业。

硕士阶段，他做的是基于草图的三维模型检索，也就是让系统根据一张手绘草图，在三维模型库里找到对应的物体。读研期间，赵龙还曾在微软亚洲研究院（MSRA）视觉计算组实习，做目标候选区域生成和显著目标检测。

后来，他进入Rutgers读计算机博士，导师是Dimitris Metaxas，研究继续围绕计算机视觉、机器感知和生成模型展开。

博士毕业后，赵龙进入Google Research，后来转入Google DeepMind。

他在那里的代表性成果是VideoPrism——这是一套面向视频理解的基础视觉编码器，可以处理视频分类、定位、检索、字幕生成和视频问答等任务。

Google Research官方博客介绍，VideoPrism的训练数据包括3600万个高质量视频-文本对，以及5.82亿个带文本信息的视频片段；论文称，它在33个视频理解基准中的31个上达到当时最好结果。

赵龙是论文的共同一作。

在前沿模型公司争抢多模态和视频生成人才的背景下，赵龙从Google DeepMind来到xAI，进入Grok Imagine团队。

公开资料显示，他是Grok Imagine 1.0和Grok Imagine Quality Mode的核心贡献者。前者是xAI正式切入视频生成和视频编辑的版本，后者则把生成质量、文字渲染和创意控制继续往上推。

刘泽本科毕业于中国科学技术大学，后来在中科大和微软亚洲研究院体系下读博，研究方向是计算机视觉、视觉架构和大规模视觉/多模态模型。

微软亚洲研究院常被称作华人AI人才的“黄埔军校”，很多后来进入Meta、Google、DeepMind、xAI的研究员，早年都曾在这里做过实习、联培或论文合作。刘泽和赵龙的早期履历里都出现过MSRA，但两人的时间线错开了大约5年。

刘泽在MSRA最出名的工作是Swin Transformer。

2021年，他作为第一作者之一发表了《Swin Transformer: Hierarchical Vision Transformer Using Shifted Windows》，这篇论文获得了ICCV 2021最佳论文奖。

一开始Transformer主要在语言模型里大放异彩，而Swin Transformer通过“移动窗口”的设计，让模型既能处理图像里的局部信息，又能建立更大的视觉结构关系。这套架构后来被广泛用于图像分类、目标检测、语义分割、视频理解等任务，也让刘泽成为视觉基础模型方向里很有代表性的年轻研究者。

后来，刘泽又继续参与Swin Transformer V2和Video Swin Transformer，把这条路径从图像扩展到视频场景。

他进入的时间比前两位稍早，2024年4月，刘泽加入xAI，成为MTS。加入后，他参与了Grok Vision、Grok 2、Grok 3，并共同负责Grok Imagine的视频生成，还做过Grok Voice Mode的预训练。

Grok Vision是让模型看懂图像，Grok Imagine是让模型生成图像和视频，Grok Voice Mode是让模型进入语音交互，Grok 2和Grok 3则是xAI大模型本身的迭代，可以说，刘泽的路线基本覆盖了Grok从文本走向多模态的关键方向。

但这只是xAI留下来的华人技术线索里，最容易被看见的一部分。

多模态决定的是Grok能不能看图、生成图像、生成视频、进入语音交互。另一条更隐蔽的线，则决定模型能不能推理、能不能写代码、能不能在后训练里继续变强。

黄杰本科毕业于中山大学，后来在伊利诺伊大学厄巴纳-香槟分校（UIUC）读计算机博士，导师是Kevin C.C. Chang，研究方向包括大语言模型能力、风险与推理。

博士期间，黄杰还曾在Google DeepMind做研究。他参与的代表性工作之一是《Large Language Models Cannot Self-Correct Reasoning Yet》，该论文讨论了大模型在推理和自我纠错上的边界，入选了ICLR 2024。公开数据里，它的引用量已经超过千次。

黄杰加入xAI的时间点，正好卡在Grok 2发布前夜。

2024年5月，xAI完成60亿美元B轮融资；2024年7月，黄杰加入xAI，做后训练（post-training）、中训练（mid-training）和推理（reasoning）；一个月后，xAI发布Grok 2 Beta。

公开简历显示，黄杰是Grok 2、Grok 3、Grok 4以及Grok Imagine Video的核心贡献者。

Grok 2、Grok 3、Grok 4，是xAI大模型能力不断往前推的主线。

黄杰所处的位置，就是让这些模型在训练之后，变得更会对话、更会推理、更会遵循指令，也更接近用户最后看到的形态。

林禹臣本科毕业于上海交通大学IEEE试点班，后来在南加州大学读计算机博士，导师是任翔（Xiang Ren）。

他的履历同样带有MSRA的痕迹。

2017到2018年，林禹臣曾在微软亚洲研究院实习。后来他又先后在Google AI、Meta FAIR做研究。进入xAI之前，他在西雅图的艾伦人工智能研究所担任研究科学家，与知名NLP研究者Yejin Choi合作。

林禹臣长期关注的是大语言模型对齐、奖励建模、评测、合成数据和Agent。

根据他个人主页列出的项目，比如WildBench、ZeroEval、WildVision、Lumos Agent、SwiftSage、LLM-Blender等，它们分别对应模型评测、偏好对齐、视觉模型评测、Agent训练和多模型融合。

可以说，林禹臣做的不是单一模型能力，而是模型进入真实任务之前的一整套训练和评估方法。

2024年11月，林禹臣加入xAI，成为MTS。

他的简历里，xAI这一段写的是RL for agentic coding models，也就是给能写代码、能执行任务的模型做强化学习。

他参与过Grok 3的后训练，用基于rubric的强化学习提升模型的通用对话和推理能力；也参与过Grok 3 Mini的后训练，重点之一是让模型更好地遵循长格式系统指令，尤其是在代码场景里。

模型先要能写代码，再要学会听复杂指令、按要求行动、在长任务里少跑偏。林禹臣做的，正是这部分训练。

沈卓然的路线，更直接落在Grok Code上。

他本科毕业于香港大学计算机科学专业，早年做过高效注意力机制、视频理解和视觉Transformer，后来又进入Google Brain做AI Resident。

再往后，他的方向从视觉模型转向代码模型。

加入xAI之前，沈卓然在Augment Code担任研究科学家，负责代码大模型的预训练和后训练。公开简历显示，他曾主导Augment的代码大模型预训练，使其在1B规模上达到接近DeepSeek-Coder的表现；后来又参与企业级代码Agent的后训练。

2025年9月，沈卓然加入xAI，成为Reasoning方向的MTS。负责Grok和Grok Code在reasoning与coding能力上的后训练。

他和林禹臣一样，都站在Grok Code这条线上，只不过林禹臣更偏强化学习、长程推理和Agent训练，沈卓然更偏代码模型本身的预训练、后训练和工程落地。

最后是李英儒。

李英儒2025年在香港中文大学获得计算机博士学位，导师是Zhi-Quan Luo，研究方向长期围绕强化学习、大规模优化和大模型推理展开。

加入xAI之前，他曾在字节跳动担任研究科学家。现在，李英儒是xAI的MTS。

他的公开简历里，xAI这部分写了两项：一项是面向Grok 4.2和Grok Code的强化学习机制研究，重点是解决强化学习训练中的不稳定问题；另一项是面向下一代Grok的长程强化学习，关注长任务奖励归因、持续学习和递归式自我改进。

几个人放在一起看，可以看到一条比较清晰的技术线索。

胡戎航、赵龙、刘泽，更靠近用户能看见的那一层。Grok能不能看图，能不能生成图像和视频，能不能进入语音和多模态交互，背后都有他们参与的那条技术线。

黄杰、林禹臣、沈卓然、李英儒，则更靠近模型训练和工程能力。他们做的东西没那么容易被普通用户直接感知，但会影响Grok最后能不能更会推理、更会写代码、更会执行复杂任务。

前者让Grok从文本模型走向多模态模型，后者让Grok从聊天机器人走向能完成任务的Agent。

可以确定的是，当SpaceX被推向公开市场，xAI的核心工程师也被一起推到了资本市场的聚光灯下。

外界无法知道他们每个人手里到底有多少股权，什么时候归属，什么时候解锁。但他们训练的模型，已经被装进了SpaceX的未来想象。