一场砸出来的AI军备竞赛
2025年上半年的硅谷，最震撼的戏码莫过于Meta的
AI人才掠夺战
。这场战争的总指挥，正是Meta CEO马克·扎克伯格本人。
不同于传统企业
猎头-HR-面试
的常规流程，扎克伯格亲自下场，通过邮件和WhatsApp直接联系OpenAI、Google DeepMind的核心员工，跳过繁琐流程发出录用通知。
一位接近Meta的业内人士透露：
他像追逐猎物一样锁定目标，从接触到签约往往不超过72小时。
这场挖人风暴的代价堪称天文数字，为OpenAI研究员开出四年3亿美元的薪酬包，给Scale AI创始人Alexandr Wang的
转会费
高达143亿美元，甚至向Thinking Machines Lab联合创始人Andrew Tulloch抛出15亿美元的
拒绝价
截至8月中旬，Meta已从OpenAI挖走20余人，从谷歌吸纳13人，总计新增50多名顶尖AI人才，其中近半数是华人科学家。
如此疯狂的投入，源于扎克伯格对
超级智能
的执念。
在他眼中，能在认知任务中超越人类的AI系统，将是
个人赋权新时代
的钥匙。
为此，Meta将2025年资本开支上限提升至720亿美元，其中大部分流向AI基础设施建设和人才薪酬，相当于每天要为AI烧掉近2亿美元。
这场豪赌在短期内的确形成了声势。Meta成立了全新的超级智能实验室（MSL），将Alexandr Wang推上首席AI官的高位，摆出一副要在AI竞赛中后来居上的架势。
但疯狂扩张的副作用很快显现。据Business Insider报道，Meta内部开始出现明显裂痕：老员工对新人的
天价待遇
怨声载道；
计算资源分配、技术路线选择上的摩擦频发，部分团队因理念不合陷入内耗；
更棘手的是，4月发布的Llama 4模型因推理能力不足、训练效率低下遭遇市场差评，被业内戏称
AI版滑铁卢
风投公司SignalFire的报告显示，Meta员工留存率仅为64%，在头部科技公司中垫底，远低于Anthropic的80%和DeepMind的78%。
重构四部门分野背后的战略转向
暂停招聘的消息公布一周后，Meta首席AI官Alexandr Wang的内部备忘录揭开了更大的动作：超级智能实验室将拆分为四个独立团队，这已是Meta半年内第四次AI架构调整。
这次重组绝非简单的部门拆分，而是扎克伯格对AI战略的根本性重塑。四个团队的分工清晰展现了Meta的新路径：
①TBD实验室：由Alexandr Wang亲自掌舵，聚焦前沿大模型研发，包括下一代Llama系列。这个名字意为
待确定
的实验室。
汇聚了从谷歌、苹果、OpenAI挖来的Jack Rae、Ruoming Pang等顶尖人才，承担着Meta追赶竞争对手的核心使命。
②FAIR实验室：作为拥有十多年历史的
元老级
研究部门，继续负责基础AI研究，但地位明显弱化。
其创始人之一Robert Fergus刚从DeepMind回归执掌，但原首席AI科学家、图灵奖得主Yann LeCun的名字未在重组中被提及，被外界解读为
边缘化
信号。
③产品与应用研究部：由前GitHub CEO Nat Friedman和Safe Superintelligence联合创始人Daniel Gross领衔。
专攻AI技术的商业化落地，目标是将模型能力转化为Meta AI助手、智能眼镜等消费产品的竞争力。
④MSL基础设施部：由工程副总裁Aparna Ramani负责，专注于AI训练所需的算力、数据平台建设，直接支撑着Meta
算力先行
的战略布局。
重组的阵痛立竿见影。曾负责Llama模型开发的AGI基础团队被直接解散，其负责人Ahmad Al-Dahle和Amir Frenkel转任
战略项目
原AI产品负责人Connor Hayes被调去管理社交应用Threads，远离AI核心业务；
生成式AI副总裁Loredana Crisan等多位高管选择离职，加盟设计公司Figma。
更具争议的是技术路线的转向。知情人士透露，TBD实验室已决定放弃此前代号的Llama 4开发计划，转而从头研发新模型，且正讨论将下一代模型改为闭源模式。
这与Meta过去作为
开源先锋
的形象形成鲜明反差。要知道，杨立坤主导的Llama系列开源曾被视为AI民主化的里程碑。
这种转向背后是现实的压力。Llama 4的市场失利让扎克伯格意识到，纯粹的开源路线难以在商业化竞赛中占据优势。
闭源模式不仅能保护核心技术，更能通过API收费、定制服务等方式快速变现，缓解资本市场对
只烧钱不赚钱
的质疑。
但这也意味着Meta将与长期合作伙伴、开发者社区产生裂痕，无异于一场
刮骨疗毒
的冒险。
有员工统计，自己三年换了7任主管，每次调整都要重新适应目标和流程。
这种动荡让不少核心人才选择离开，前FAIR负责人Joelle Pineau加盟Cohere，Llama核心研究员Angela Fan转投OpenAI，AI伦理专家Cristian Canton则加入巴塞罗那超算中心。
这些内部问题已开始影响业务推进。原本计划春季发布的前沿模型Behemoth因测试表现不佳被搁置，下一代Llama模型研发陷入停滞，AI基础设施建设进度落后于预期。
AI投资的冷思考与长周期
这场争议的核心在于投入与产出的失衡。据统计，2025年全球AI投资已突破5000亿美元，但真正实现规模化盈利的AI业务寥寥无几。
Meta的情况尤为典型：720亿美元的年度资本开支相当于其2024年净利润的1.2倍，却尚未看到能支撑估值的商业化成果。
法国兴业银行测算，Meta每招聘一名顶级AI研究员，需要未来十年创造至少10亿美元收入才能覆盖成本。
但多数科技分析师认为，当前调整是行业理性回归而非退潮。
Wedbush Securities的Dan Ives将Meta的暂停招聘定义为
消化模式
就像狂欢后需要时间醒酒，他们只是在评估现有人才的价值，而非放弃AI。
Futurum Group的Daniel Newman也持类似观点，他认为科技巨头在大规模招聘后进行组织优化是常规操作，
这能让资源配置更高效
从更宏观的视角看，AI技术的长周期特性决定了短期波动不改长期趋势。
历史上whatsapp网页版，从计算机到互联网再到移动终端，每一次技术革命都经历过投资过热、泡沫破裂、理性发展的周期。
生成式AI从2022年底爆发至今不过两年多，基础设施建设、技术突破、场景落地都需要时间沉淀。
对Meta而言，当前的关键是找到烧钱与变现的平衡点。
一方面，AI基础设施建设必须持续投入，这是技术竞争的基础；
另一方面，需要加快商业化节奏，将AI能力融入广告推荐、内容创作、VR产品等核心业务，尽快形成收入闭环。
投资者已明确释放信号：更期待看到
从烧钱到变现
的转型，而非无节制的投入。
值得注意的是，Meta正在探索更灵活的技术路线。
除自研模型外，公司开始考虑使用第三方开源模型或授权闭源模型，这种
多条腿走路
的策略有助于降低单一技术路线的风险。
有消息称，Meta已与多家AI初创公司接触，探讨技术合作可能性，这与其过去
自研为主
的风格形成对比。
超级智能愿景下的生死考验
技术突破的不确定性仍是最大变量。尽管Meta网罗了大批顶尖人才，但超级智能的研发没有现成路径。
从大语言模型到通用人工智能，再到超越人类认知的超级智能，每一步都可能遭遇难以逾越的技术瓶颈。
Llama 4的失利已经证明，堆砌人才和资金未必能换来预期成果。
TBD实验室放弃Behemoth模型从头再来的决策，既显示了纠错的勇气，也暴露了技术路线的迷茫。
组织整合的成败将直接决定战略落地。Alexandr Wang能否驾驭这个由
天价人才
组成的团队？新老员工的裂痕能否弥合？恐惧文化能否转变为创新动力？
这些问题没有标准答案，但历史经验表明，科技巨头的组织变革往往需要3-5年才能见效，而Meta显然没有这么多时间，OpenAI、谷歌等对手正在快速推进技术迭代。
此外，开源与闭源的选择将影响生态话语权。
Meta若彻底转向闭源，可能失去开发者社区的支持，这与其过去积累的开源优势背道而驰；
但若坚持开源，又难以在商业化竞争中建立壁垒。
这种两难处境，折射出AI行业
理想与现实
的深层矛盾：技术民主化的愿景，终究要面对商业利益的考验。
结尾：
当前Meta股价已因AI开支担忧出现回调，若未来1-2年仍看不到技术突破和商业化进展，投资者可能失去耐心，进而影响融资能力和战略执行力。
扎克伯格需要在
长期主义
短期业绩
之间找到微妙平衡，这对其领导力是极大考验。
这场生死考验的背后，是科技巨头在AI时代的战略重构。
当AI成为企业竞争的核心变量，组织架构、人才策略、技术路线、商业模型都需要系统性重塑。
Meta的大洗牌，既是自身困境的应对，也是整个行业从
野蛮生长
精耕细作
的缩影。
AI竞赛不是百米冲刺，而是马拉松。Meta已经证明了投入的决心，现在需要证明的是持续进化的能力。
毕竟，技术可以购买，人才可以挖角whatsapp网页版，但组织能力和创新文化必须内生成长。
部分资料参考：
美投investing：《Meta停止招聘AI人才whatsapp官网，是转折点？》
财联社：《Meta被曝已暂停AI招聘》
极客公园：《扎克伯格，也顶不住了》
科创板日报：《Meta重组AI团队》
硬AI：《Meta考虑全面缩减AI部门规模，重组AI团队，寻求壮大超级智能部门》
原文标题 : AI芯天下丨深度丨挖人、重组、解散、暂停，Meta的AI部门正在大洗牌