UC伯克利，UC伯克利，EECS系主任也跑去Anthropic搞AI了。

就在刚刚，加州大学伯克利分校EECS系主任Jelani Nelson宣布，他已暂别校园，正式加盟Anthropic。

消息一出，立刻在社交媒体上炸开了锅。毕竟，这位可是把算法课讲出了2100万观看量的大佬……

YC总裁兼CEO Garry Tan都忍不住感慨：Anthropic这吸人的节奏，有点猛啊。

据SFGATE消息，Anthropic发言人确认，Jelani Nelson加入的是A社的预训练团队，该团队目前专注于Claude核心知识和能力的研究工作。

谁是Jelani Nelson

很多人认识Nelson，是从哈佛大学Youtube频道那节Advanced Algorithms课开始的。

90分钟，黑板手书，一路狂推公式。看得人只想把“硬核”二字刻在膝盖上。

这条视频播放量已经超过2100万，在算法公开课这个领域，属实是一骑绝尘。

从履历来看，Jelani Nelson走的是一条非常标准的理论计算机科学路线。他在MIT读完了本科、硕士和博士，本科同时拿到了计算机科学和数学两个学位，此后便一直深耕于计算机领域的研究。

博士阶段，他已经开始聚焦“大规模数据如何被高效处理”这一核心命题。

他的博士论文《Sketching and Streaming High-Dimensional Vectors》，研究的是在数据量大到存不下、只能过一遍、还不断变化的情况下，如何用极小的sketch，保留足够多的信息。

这篇论文后来获得了MIT的博士杰出论文奖，而这一研究方向也一直延续到了他后来的工作中。

博士毕业后，Nelson先后在UC伯克利和普林斯顿从事博士后研究。2013年，他加盟哈佛大学担任计算机科学助理教授，2017年升为副教授。2019年，他离开哈佛，回到UC伯克利电气工程与计算机科学系（EECS）。2024年7月，他担任了计算机科学分部主任；2025年7月，升任系主任。

说回到Nelson的研究方向，简单总结，就是在高维、大规模、资源受限的数据场景里，寻找接近理论极限的算法。

有意思的是，这恰恰也是Anthropic当前最需要的。

大模型预训练，往底层看，终究会回归到算法问题：

• 怎么在有限算力下挑选数据？
• 怎么在训练前后判断数据有没有重复？
• 怎么用更低成本估计一个数据分布？
• 怎么让模型训练在规模扩大后仍然可控……

要突破这些问题，需要的正是更底层的数学直觉。

而Nelson本人，恰恰是一位极度推崇严肃数学训练的人。

2022年，他曾公开批评加州数学改革，认为打着“公平”旗号的课程改革，可能会阻碍学生们接受扎实的数学训练。

他当时也表达过，AI的构建应建立在坚实的数学基础之上。

可以说，加盟Anthropic，某种意义上是他去到了最需要理论计算机和数学训练的AI前沿地带。

One More Thing

说起来，教职之外，从2021年开始，Jelani Nelson一直是学术界、工业界两肩挑。

2021年到今年6月，也就是去Anthropic之前，他还一直在谷歌担任兼职研究科学家。

这么算下来，合着又是谷歌被挖了墙角。

就在刚刚过去的6月份，谷歌接连流失了Transformer作者、Gemini联合负责人Noam Shazeer，以及哈萨比斯的老搭档、诺奖得主John Jumper……

有网友开玩笑说，Gemini那边没什么动静，估计是大佬们都把时间花在面Anthropic和OpenAI上了。

— 完 —