是的,LeCun要向28岁的Alexandr Wang汇报!这是Meta新AI团队的一些独家内部消息

LeCun 向 Alexandr Wang 汇报?Meta 内部:是的。

招募了一众 AI 大牛以后,Meta 能吃得消吗?------ 这可能是很多人在问的问题。

最近,Meta 强势的挖人行动震撼了整个科技圈,不论是「一亿美元」天价工资的手段,还是面向所有竞争对手,重点照顾 OpenAI 的方向,直接挖走一个实验室的力度都前所未有,引得对面 CEO 不得不出来应对。

据彭博社报道,Meta 挖走苹果 AI 团队负责人庞若鸣的价位已经开到了两亿美元。

在初步搭建了高管框架之后,Meta 这个全新 AI 研究部门,由 Scale AI 前首席执行官 Alexandr Wang 领导的「超级智能实验室」(Meta Superintelligence Labs,MSL)的运行架构和研究方向成为了人们关注的焦点。

围绕其中的很多说法也越传越离谱,一些 Meta 员工忍不住开始出面澄清。

Meta FAIR 研究科学家朱泽园在 X 上澄清了一些说法:首先 FAIR 是一个面向长期的基础科学研究机构,与做 Llama 的团队不一样。其次 FAIR 是在开放的数据上做开放的研究成果,同时数据 / 代码 / GPU 都与 GenAI、MSL 不互通。

机器之心也从 Meta 内部人员了解到了 MSL 组建背后的一些人员调动信息。

首先是最戏剧的问题:图灵奖得主、深度学习领域的先驱 Yann LeCun 是否在向 97 年生人 Alexandr Wang 汇报?

机器之心得到的答案:是的,但这不重要。

据 Meta 内部人士向机器之心介绍,Yann LeCun 领导的 FAIR 自 2022 年起向 Reality Labs 报告,随后又变更过几次上级部门。在本次变更之前,FAIR 的上级是 Chief Product Officer(总负责 Family of Apps,包括 Facebook,Instagram 等应用端)。

需要注意的是,2013 年 Yann LeCun 成立了 FAIR,也就是 Facebook AI Research。经过多年变化,如今已经更名为 Fundamental AI Research,是一个包含访问学者、实习生、博士后在内共约 600 人的独立研究机构。

这样的性质意味着它无法直接向扎克伯格汇报,因此「挂靠」是必然的选择。此次改为向 MSL 报告并不代表 FAIR 研究院会产生任何大方向上的变化。

因其独立研究性质,FAIR 拥有的 GPU 资源也一直相对有限,相对于 GenAI 部门仅有 5%(甚至没有使用同一个云服务商),并且两方并没有共享数据和代码。

长期以来外界并不清楚 Meta AI 与 FAIR 之间的区别,这里需要澄清的是:

Llama1 的团队的确出自 FAIR,但后续因为 Llama1 的成功,Llama1 团队已经被剥离进入 GenAI 产品组。

GenAI 的任务是打造产品级的大语言模型(LLM),而 FAIR 的任务是潜心进行未来 AI 方向的探索(并坚持开源开放)。FAIR 的成员与 GenAI、MSL 是互相独立的。

也正是因此,Meta 之前推出 Llama-4 时因为刷榜等问题引起争议而吐槽 LeCun,多少显得冤枉。

不过在生成式 AI 的大潮下,也确实有大量重要学者转入 GenAI 部门,例如田渊栋:

被调入 GenAI 的也包括 FAIR 的整个视觉研究小组。

在扎克伯格官宣成立 MSL 之后,负责打造 Llama 的原 GenAI 的成员将融入其中,但目前具体责任的细分还没有确定。此外,机器之心得知,在高薪资招人组建 MSL 背景下,GenAI 和 FAIR 也将面临裁员的局面。

这又引出了另一个问题:团队的构建和研究方向。据透露,扎克伯格招来的高管在发 offer 时都带有可以自行招募下属的条款,也可以自带团队,这是否意味着 MSL 在未来会面临着一波内部竞争与整合?

可见,扎克伯格的超级智能之路才刚刚开始,如此激烈的改革能否收获成效还未可知。

或许几个月后,Meta 下一代大模型问世时,我们才能得到答案。

无独有偶,外媒 the Information 昨日也报道了 Meta 内部如今所面临的动荡。有 Meta 内部员工抱怨说,扎克伯格重构 AI 大模型研究团队的做法,正在让公司文化遭受侵蚀。

这让工程师们开始怀疑 Meta 的 AI 使命。

The Information 报道称,Meta GenAI 团队一位即将离职的研究科学家对公司 AI 问题做出了不乐观的判断。近日,一篇超过 2000 字的文章在 Meta 内部流传。这位名叫 Tijmen Blankevoort 的研究科学家,在文中描绘了 Meta 内部文化和组织失调的惨淡景象,他认为这些失调阻碍了公司在 AI 领域的发展,包括如下:

  • 恐惧文化蔓延:绩效评估与持续裁员(2025 年 2 月裁撤 5% 员工)催生高压环境,员工动力源于「害怕被解雇」而非使命驱动。

  • 愿景缺失与战略混乱:近 2000 人的 Llama 团队中,多数人不清楚公司目标,缺乏信仰感;GenAI 团队同时负责 Llama 模型、Meta AI 助手、社交媒体 AI 功能等多项竞争性任务,资源分散。

  • 人才流失与天价招聘:外部顶尖人才留存率低:许多从 OpenAI / 谷歌等公司引入的精英短期内离职;正在进行中的疯狂挖人。

  • 技术声誉危机:Llama 4 模型陷「榜单作弊」争议:上传优化版至评测榜,实际公开版本性能较差,损害公信力。

对于 Meta 这波高薪挖人的调整,你看好吗?欢迎留言讨论。

相关推荐
柠檬味拥抱20 分钟前
基于自适应信号处理的AI Agent多任务协同控制方法研究
人工智能
唐丙斯城37 分钟前
新能源汽车热管理仿真:蒙特卡洛助力神经网络训练
人工智能·神经网络·汽车
楚禾Noah1 小时前
【设计模式实战】原型模式 + 工厂模式:AI Agent 配置中心
人工智能·设计模式·原型模式
灵智工坊LingzhiAI2 小时前
基于深度学习的中草药识别系统:从零到部署的完整实践
人工智能·深度学习
今天也要学习吖2 小时前
Azure TTS Importer:一键导入,将微软TTS语音接入你的阅读软件!
人工智能·学习·microsoft·ai·大模型·aigc·azure
星期天要睡觉2 小时前
(纯新手教学)计算机视觉(opencv)实战八——四种边缘检测详解:Sobel、Scharr、Laplacian、Canny
人工智能·opencv·计算机视觉
一念&3 小时前
今日科技热点 | 量子计算突破、AI芯片与5G加速行业变革
人工智能·科技·量子计算
2501_924731113 小时前
智慧矿山误报率↓83%!陌讯多模态融合算法在矿用设备监控的落地优化
人工智能·算法·目标检测·视觉检测
attitude.x3 小时前
GEO优化供应商:AI搜索时代的“答案”构建与移山科技的引领,2025高性价比实战指南
人工智能·科技
井云AI4 小时前
井云智能体封装小程序:独立部署多开版 | 自定义LOGO/域名,打造专属AI智能体平台
人工智能·后端·小程序·前端框架·coze智能体·智能体网站·智能体小程序