AI在线 AI在线

Meta AI大洗牌!超级智能一拆四,小扎押注硅谷华人,LeCun或已出局

扎克伯格,这次是铁了心了,他要All in AI,不留一点后路。 8月20号,Meta又扔下一颗炸弹! 超级智能团队,再一次大重组,短短6个月这已经是第四次重组AI团队了。

扎克伯格,这次是铁了心了,他要All in AI,不留一点后路。

8月20号,Meta又扔下一颗炸弹!

超级智能团队,再一次大重组,短短6个月这已经是第四次重组AI团队了。

  • 刚成立的超级智能实验室将一分为四;
  • 开源旗帜、模范、先锋的Meta的下个模型恐怕要「闭源」了;
  • Meta首席AI科学家,图灵奖得主Yann LeCun再次隐身,只字未提;
  • 由于Alexandr Wang的原因,Meta内部员工关系非常紧张。

不过据内部消息说,这可能是短时间内最后一次折腾,毕其功于一役,Meta的AI复仇之战终于要尘埃落定了。

这次的动静,可不是一般的大,堪称巨轮掉头,航母转舵。就像整个巨型工程,都要推倒重来。

Meta AI大洗牌!超级智能一拆四,小扎押注硅谷华人,LeCun或已出局

外媒报道,据两位知情人士透露,Meta本周二内部宣布,超级智能实验室拆分为四个部门:

  1. TBD Lab(To Be Determined,待确定,负责探索/先导研究)
  2. FAIR(Fundamental AI Research,长期前沿研究)
  3. 产品和应用团队(含Meta AI助手等)
  4. 基础设施(训练与推理的算力、数据与平台)

大洗牌!AI部门一分为四

TBD Lab负责研发新版旗舰大语言模型Llama,由首席AI官Alexandr Wang领导。

新团队已讨论将Meta的下一代AI模型改为闭源模式,这将和Meta长期以来「开源」理念完全背离。

甚至,新团队已决定放弃Meta此前的Llama 4巨兽Behemoth,并从头开始研发新模型。

Meta AI大洗牌!超级智能一拆四,小扎押注硅谷华人,LeCun或已出局

根据外媒The Information报道,TBD Labs其他负责人包括:

  • Jack Rae(前谷歌)将负责预训练。
  • Ruoming Pang(曾在苹果领导模型开发)将负责TBD Lab的基础设施,与更广义的基础设施团队不同。
  • Jiahui Yu(前OpenAI)将负责多模态研究,使模型能够理解和生成除文本之外的内容。
  • 后训练团队的领导者包括Hongyu Ren(前OpenAI)和Pei Sun(前谷歌)

产品方向由前GitHub CEO Nat Friedman和前Safe Superintelligence联合创始人Daniel Gross负责。

值得一提的是,Daniel Gross就是Ilya的SSI原CEO,因为扎克伯格挖了此人,万年不发言的Ilya都「被迫」在X上发表了自己的意见。

Meta AI大洗牌!超级智能一拆四,小扎押注硅谷华人,LeCun或已出局

神秘的Ilya和他的SSI还是没有新消息

Robert Fergus(FAIR联合创始人)将继续领导研究实验室,他刚从谷歌DeepMind重新回来Meta。

Meta AI大洗牌!超级智能一拆四,小扎押注硅谷华人,LeCun或已出局

再次!值得一提的是,在所有声明中,Yann LeCun作为此前Meta整个公司的首席AI科学家身份,只字未提,完全隐身。

「老杨」最新的信息也没有引用任何相关新闻,看来过去的图灵奖得主,首席AI科学家真的要被「架空」了。

现在的Meta AI可能是「小王」和「小扎」说了算喽!

Meta AI大洗牌!超级智能一拆四,小扎押注硅谷华人,LeCun或已出局

和此次重组一起调整的还有Meta在财务和基建层面的「加码」。

Meta选择PIMCOBlue Owl牵头一笔约290亿美元的数据中心融资(债务+股权),用于路易斯安那州等地的大型AI基础设施扩张。

Meta AI大洗牌!超级智能一拆四,小扎押注硅谷华人,LeCun或已出局

这笔投资对应了此次重组的最后一个基础设施部门,该部分由Aparna Ramani负责。

Meta AI大洗牌!超级智能一拆四,小扎押注硅谷华人,LeCun或已出局

这笔融资与Meta披露的全年资本开支指引上调至660–720亿美元相呼应,明确了Meta「算力先行」的资本布局。

这次重组,也许意味着Meta从「研究范式」到「工程落地」的转移。

今年6月,Meta以143亿美元入股ScaleAI、取得49%股权,并「挖来」其28岁CEO Alexandr Wang出任公司首席AI官(CAIO)。

与以往由研究大牛主导的AI叙事不同,比如Yann LeCun很重视的FAIR基础研究。

这次扎克伯格更像押注一位「系统工程+商业统筹」型的总指挥:快速整合数据、标注、训练、评测、推理与产品化的全链条,强化「端到端交付能力」。

赶紧发布新的、可用的模型才是Meta的当务之急。

Meta过去几年以Llama为核心树立了「开源」旗帜。

但从今年7–8月的多方报道看,「是否继续以Llama为主线、是否转向闭源/第三方模型」,在公司内部已被摆上桌面。

外媒称,Meta正「积极探索使用第三方模型」,不再只依赖自研模型。

同时,「是否放弃内部代号为Behemoth的Llama 4路线、转而打造闭源新模型」也在讨论之列(尚无最终决定)。

Meta的「开源」招牌正在动摇,闭源路线能带来更强的商用控制与货币化空间——前提是新模型的性能与可靠性足够「卡位」。

但这很难,GPT-5、Cladue 4、Grok 4,甚至国内的开源模型,目前来看都远远领先Llama。

几家欢喜几家愁

重组前后,人才流出高位补强同步发生。

7月,Meta任命了Shengjia Zhao为超级智能实验室的首席AI科学家,他曾是OpenAI的研究员,也是ChatGPT、GPT-4的核心功臣。

几乎就是和LeCun平起平坐,LeCun也从整个公司的首席AI科学家,渐渐被降低到超级智能实验分拆的四个部分之一的首席AI科学家。

Meta AI大洗牌!超级智能一拆四,小扎押注硅谷华人,LeCun或已出局

Joelle Pineau(前Meta VP of AI Research,FAIR负责人之一)已于5月离任,并在8月加入Cohere出任首席AI官

Loredana Crisan(曾任Messenger负责人、后转入生成式AI)将离开Meta加盟Figma任首席设计官。

Meta AI大洗牌!超级智能一拆四,小扎押注硅谷华人,LeCun或已出局

上文提到Meta打算引入第三方模型,这出乎所有人意料。

Llama已经远远落后现在的顶级模型已成事实,但是每个科技巨头的底层模型都是自己研发的。

第三方模型接入(若成行)或许能加快产品侧的节奏,降低Llama单一模型过去多次「滑铁卢」风险。

但长期来看,Meta依然需要自己的模型。

此次超级智能一分为四,其中延续十多年的FAIR部分得到保留。

这或许意味着Meta并没有完全放弃基础研究。

员工关系更加紧张

当Meta斥资数十亿引进顶尖AI人才时,公司内部的老将们对这些「空降兵」却感到水土不服。

今年7月,Meta任命OpenAI研究员ShengjiaZhao为超级智能实验的首席AI科学家。

据一位知情人士描述,最近几周,Zhao的办公室门前,Meta的老AI研究员和员工们排起了长队,等着接受他的「面试盘问」:Zhao对他们过去的工作刨根问底。

当然,也有一些元老选择坚守。

2014年共同创立Meta FAIR研究部门的Rob Fergus将继续执掌公司的基础AI研究实验室。

而曾负责生成式AI产品的AhmadAl-Dahle和AmirFrenkel,现在则直接向Alexandr Wang汇报,专注于战略性的AI项目。

这场由扎克伯格亲自导演的AI变革,正以一种近乎残酷的方式,重塑着Meta的未来。

究竟是凤凰涅槃,还是引火烧身?

时间会给出答案。

最后附上扎克伯格最近从各个地方挖到的核心人员名单和大概加入时间。

值得一提的是,其中有半数都是华人。

Meta AI大洗牌!超级智能一拆四,小扎押注硅谷华人,LeCun或已出局

相关资讯

字节清华开源力作!UI-TARS原生AI智能体,人人都能拥有“智能助手”

年底国内各个AI玩家杀疯了,前两天完全开源的Deepseek R1 震撼整个AI业界,今天字节又联合清华整活,一个强大的原生的开源 AI Agent UI-TARS震撼上线看了UI-TARS的论文,我给大家划划重点【纯视觉感知】:告别文本依赖,像人眼一样“看”懂GUI! 传统的GUI自动化方案,很多都依赖于解析网页代码(HTML)或者软件的API接口。 但这种方式有两个致命缺陷:一是平台限制,不同平台、不同软件的底层代码和API都不一样,导致自动化方案难以通用;二是容易失效,一旦网页或软件界面改版,代码或API接口变动,自动化脚本就可能直接崩溃。
1/23/2025 1:05:42 PM
AI寒武纪

奥特曼最新访谈认可“套壳”:多数改变世界的公司,最初都是这样的

奥特曼最新访谈回应一切! 在一档播客节目中,OpenAI CEO奥特曼分享了对4o吉卜力风突然走红以及大多数创业公司都是“套壳包装”的看法,并谈到了AI编程、AI智能体等前沿技术的发展趋势。 尤其是当中提到了一个“杰文斯悖论”的典型案例——当编程成本下降时,全球对软件的需求会呈指数级增长。
4/8/2025 9:27:00 AM
量子位

AI无师自通,搞定所有家务!π0.5突破泛化极限,UC伯克利系出品

近年来,机器人取得了显著进展,能表演杂技、跳舞、听从指令,甚至完成叠衣服、擦桌子等复杂任务。 但机器人面临的最大挑战并非灵活性,而是泛化能力——在新环境中正确完成任务的能力。 想象一个你家中的清洁机器人:每个家庭布局不同,物品摆放各异,机器人必须在多个层面上实现泛化。
5/6/2025 3:31:55 PM
新智元
  • 1