小扎扎心了。Meta首席执行官马克·扎克伯格（Mark Zuckerberg）雄心勃勃地推动Meta在人工智能领域取得领先地位，然而，其新成立的Meta超级智能实验室（MSL）却遭遇了早期挫折，多位顶级研究人员在成立仅数月后便纷纷离职。尽管Meta曾投入巨资进行挖角，并提供高额薪酬，但内部动荡和战略转变已导致人才流失。
扎克伯格的“超级智能”愿景与大手笔投入
扎克伯格将实现“超级智能”视为公司的关键目标，预示着一个“个人赋权新时代”的到来。他认为，真正的人工智能能够让计算机系统在理解物理世界后，自行“思考”并形成独特的解决方案，而非仅仅模仿人类思维。为此，Meta斥资数十亿美元，从OpenAI、DeepMind、苹果等竞争对手那里挖来了数十位顶级AI研究员，提供的总薪酬方案甚至高达数亿美元，一些关键人才的签约奖金达到九位数美金。
Meta的最新项目V-JEPA 2世界模型是其迈向“通用人工智能（AGI）”的又一步。该模型通过观看视频进行训练，使其能够学习物理世界中的重要模式，例如人与物体、物体与物体之间的互动以及物体的运动方式。在实验室部署到机器人上时，V-JEPA 2帮助机器人执行了抓取、放置物体等任务。这与Meta首席人工智能科学家杨立昆（Yann LeCun）推崇的“世界模型”方法不谋而合，杨立昆认为“世界模型”能够像人类一样通过观察和体验来学习认知世界，形成“常识”，最终实现AGI。
为了加速实现“超级智能”目标，Meta对其AI部门进行了大规模重组，将其拆分为四个独立小组：TBD实验室（由新任首席AI官汪滔领导，负责大型语言模型）、FAIR实验室（Meta内部拥有十多年历史的基础人工智能研究部门，由Robert Fergus领导，杨立昆担任首席人工智能科学家）、产品与应用研究团队（由Nat Friedman领导，负责将AI模型和研究成果转化为消费者产品）以及MSL基础设施团队（由Aparna Ramani接管，专注于支撑AI愿景所需的高成本基础设施）。
重金挖角后的“人才大逃亡”
然而，就在Meta重金打造AI“梦之队”并进行大规模重组之后，却出现了意想不到的“人才流失潮”。据报道，至少有9名员工在MSL成立短短两个月内被曝离职。其中，曾就职于OpenAI的Avi Verma和Ethan Knight在Meta短暂工作后选择重返OpenAI。从谷歌DeepMind挖来的印度研究员Rishabh Agarwal也在加入5个月后宣布离职，他在X上发表声明时，甚至引用了扎克伯格2011年的一句话：“在一个变化如此之快的世界里，你所能承担的最大风险就是不承担任何风险”，这被解读为研究人员用扎克伯格自己的话来为离职辩护。
研究人员离职的原因是多方面的：
- 频繁的组织重组和战略转变：Meta AI部门的频繁重组和不断变化的策略，加之高层密切的监督，使得员工感到不安和不稳定。
- 老员工的边缘化：高薪引进的新员工被许诺拥有更多计算资源，导致老员工感到被边缘化，并出现计算资源被新部门挤压的情况，引发了巨大的待遇不平衡。
- 内部官僚主义与资源承诺未能兑现：有新员工对Meta的官僚主义和内部资源竞争感到失望，特别是此前承诺的算力支持未能兑现。
- 汪滔的领导风格与背景争议：新任首席AI官汪滔的行事风格激进，且被质疑缺乏深厚的AI背景，甚至被报道其领导的MSL部门要求FAIR的论文发表权也需由他执掌。此外，汪滔和一些来自Scale AI的同事难以适应Meta的工作方式，导致团队凝聚力下降。
- Scale AI数据质量问题：多位内部人士爆料称，MSL部门的研究人员普遍对Meta耗费巨资引入的Scale AI所提供的数据持有“质量欠佳”的负面评价。
杨立昆的“反调”凸显并非和谐
Meta首席AI科学家杨立昆对当前大型语言模型（LLM）的路线持有鲜明批评态度，他认为现有LLM存在“理解逻辑能力极其有限”、“无法对物理世界建模”、“无法形成持久记忆”、“无法进行层级规划推理”等重大缺陷，单纯推进LLM发展“本质上不安全”，无法实现真正的AGI。杨立昆认为LLM只是一种“统计建模”技术，不具备真正的“理解”和“推理”能力。这与OpenAI、谷歌等将LLM视为迈向AGI关键一步的科技巨头形成了路线分歧。
杨立昆的观点无疑是在“打自家公司的脸”，因为Meta也是投入巨资研发LLM的公司之一。外界早已揣测扎克伯格和杨立昆之间存在微妙矛盾。例如，去年底扎克伯格将“AI产品化”工作从杨立昆手中剥离，成立独立的“GenAI”团队，分割了杨立昆“学院派”的权力。这种分歧也反映了Meta内部在AI发展路径上，短期商业化产品和长期探索性研究之间的矛盾。
未来展望：愿小扎一路走好！
面对内部混乱、核心技术突破迟迟未见以及高昂的股权薪酬策略引发的市场警惕，Meta的百亿投资是否会“竹篮打水一场空”仍有待观察。MSL高层甚至开始讨论在Meta AI中使用谷歌Gemini或OpenAI的模型，作为提升产品能力的“权宜之计”，这可能打破Meta一贯“自研为主”的做法。
尽管如此，Meta仍在努力。公司继续吸纳关键人才，例如苹果专注于云基础设施的前AI团队负责人Frank Chu便被Alexandr Wang特批加入MSL的基础设施团队。扎克伯格对“超级智能”的信念以及Meta在计算能力上的显著提升，或许能使其在突破AI瓶颈方面占据有利位置。然而，如何有效整合人才、克服内部摩擦、兑现资源承诺，并最终将研究成果转化为实际产品，将是Meta能否在AI竞赛中脱颖而出的关键。
Let's Make AGI Real 
留下评论