7月21日消息，據報導，英特爾宣佈對資料中心業務部門啟動新一輪裁員，延續過去兩年大規模瘦身的勢頭。 據報導，英特爾已向資料中心業務部門員工發出通知，確認將削減該部門崗位，但未披露具體裁員人數。英特爾在聲明中表示，此次重組是公司"成為一家更專注、更高效企業"整體戰略的組成部分，旨在確保業務擁有"正確的崗位與技能配置"，並不會影響產品承諾或技術路線圖。 此次裁員消息披露於英特爾即將發佈第二季度財報的前夕。今年第一季度，資料中心業務銷售額達51億美元，同比增長22%。與此同時，英特爾股價過去一年從約23美元飆升至本周一早盤約99美元，投資者對其人工智慧晶片需求前景及代工業務拓展抱有較高期待。 英特爾此次裁員發生在公司基本面明顯回暖的時間節點。投資者預期，隨著人工智慧系統承擔更多線上任務，英特爾微處理器的市場需求將持續擴大。與此同時，市場普遍預計蘋果等大型科技公司將委託英特爾代工晶片，為其製造業務帶來新的增量。

2026年5月，通用汽車做了一個看似矛盾的決定：一邊裁掉IT部門600名員工，裁員比例超過部門總人數的10%；另一邊，卻面向AI領域瘋狂招人，開出的薪資一個比一個高。 這不是通用一家公司的孤立事件。 它在底特律底特律的辦公室裡發生的事情，是整個汽車行業正在經歷的縮影。在你看到這篇文章的此刻，一場關於AI人才的軍備競賽，正在全球汽車產業鏈的每個角落激烈上演。 一、被裁的那600人

馬克·祖克柏在4年前為Meta設立的龐大“元宇宙”構想，終於不得不在虧錢的現實下低頭，項目面臨縮減甚至終結。VR部門裁員1500人據知情人士透露，周三，Meta旗下Reality Labs首席技術官兼負責人安德魯·博斯沃思已召集員工於召開全體會議，並敦促員工親自參加。他在內部稱這是今年“最重要的”會議，會議的主要議題是：裁員。據博斯沃思發佈的一份內部公告顯示，受影響的員工將於周二上午開始收到裁員通知。彭博社本周早些時候報導稱，此次裁員預計將影響Reality Labs集團約10%的員工，該集團擁有約15000名員工，即大約1500人。受此消息影響，周三Meta股價收跌2.47%，報615.52美元/股，已是連續第三個交易日下跌，距離去年8月創下的歷史高點越來越遠，總市值縮水到1.55兆美元。根據博斯沃思的備忘錄，作為縮減計畫的一部分，Meta正在調整其元宇宙業務，將重心轉向移動裝置。博斯沃思還寫道，Meta計畫削減在虛擬現實領域的投資，以使業務“更具可持續性”。Meta發言人表示：“我們上個月說過，我們將把部分投資從元宇宙轉向可穿戴裝置。這是這項舉措的一部分，我們計畫將節省下來的資金再投資於可穿戴裝置，以支援其今年的發展。”5年虧730億美元Reality Labs是Meta的硬體和其他未來產品研發基地，包括VR頭顯、AI眼鏡和虛擬世界產品。但自2021年初以來，Reality Labs已虧損超過730億美元，因為許多投資尚未產生實質性收益，持續拖累Meta的財務狀況。但這並不意味著Meta完全放棄元宇宙，而是將繼續開發，但會將重點放在移動裝置上，而不是公司最初設想的全沉浸式VR頭顯。負責建構元宇宙軟體體驗的團隊，現在被稱為Horizon，將“加倍努力，把最好的Horizon 體驗和AI建立工具帶到移動端”，博斯沃思寫道。“鑑於移動端擁有更大的潛在使用者群和最快的增長速度，我們將團隊和資源幾乎全部轉移到移動端，以繼續加速移動端的普及。”Meta也將繼續投資VR頭顯和相關功能，但力度會有所減弱。博斯沃思寫道：“從今天起，VR將以更精簡、更扁平化的組織形式運作，並制定更明確的路線圖，以最大限度地提高長期可持續性。”訪問以下網址，訂閱最新新聞電郵：https://nbwpress.com/subscribe.html同時一份內部備忘錄顯示，Meta公司還將關閉旗下三家VR遊戲和內容工作室。即將關閉的工作室包括：以將《生化危機4》移植到VR平台而聞名的Armature；開發了《阿斯加德之怒》和《漫威力量聯合》等遊戲的Sanzaru；以及開發了《死侍VR》和《叛逃者》等遊戲的Twisted Pixel。虛擬現實健身工作室Supernatural將繼續為現有產品提供支援，但將停止開發新的內容和功能。Meta旗下還有五家其他內容和遊戲工作室，包括Beat Games、BigBox、Camouflaj、Glassworks和OURO。轉投AI硬體領域在首席執行長馬克·祖克柏下令高管們控制2026年預算的同時，該公司正向人工智慧領域投入數百億美元，其中包括擴大對Meta旗下秘密研發實驗室TBD Lab的資金投入。TBD Lab的任務是建構他所描述的“超級智能”。為了組建團隊，Meta開出了豐厚的薪酬方案來吸引頂尖的人工智慧研究人員和工程師，同時還達成了代價高昂的交易來加速實現其雄心壯志。2025年，Meta向Scale AI投資143億美元，並聘請其首席執行長Alexandr Wang，這是Meta人工智慧戰略全面調整的一部分。去年底， Meta還斥資超過20億美元收購了快速發展的AI代理初創公司Manus，從而在AI領域進行了大手筆投資。去年12月，Meta高管們討論了削減元宇宙團隊高達30%的預算，旨在調整預算並將更多資金投入到其他項目，例如人工智慧眼鏡。Meta已與依視路陸遜梯卡集團（EssilorLuxottica SA）合作，為雷朋（Ray-Ban）和歐克利（Oakley）等品牌開發了一系列人工智慧眼鏡。祖克柏表示，這些眼鏡的表現超出預期，並且仍然是他提高Meta人工智慧助手普及率計畫的關鍵組成部分。據知情人士透露，Meta正與依視路陸遜梯卡集團（EssilorLuxottica SA）商討，計畫在今年年底前將人工智慧智能眼鏡的產能翻一番，這凸顯了該公司對人工智慧的日益重視。知情人士表示，Meta已提議到2026年底將年產能提升至2000萬副或更多。“元宇宙”根本玩不轉元宇宙——一個人們可以工作、娛樂和鍛鍊的虛擬世界——是一項耗資巨大的工程。Meta公司投入巨資開發高端VR頭顯和虛擬化身等數字功能，以應對與其他科技公司的激烈競爭。然而，這種競爭並未出現，元宇宙的發展也遠未達到首席執行長馬克·祖克柏在2021年將公司從Facebook更名為Meta時的預期。根據Meta最新發佈的收益報告，僅在2025年第三季度，Reality Labs的營運虧損就高達44.3億美元。據市場研究公司IDC最新資料顯示，Meta在2025年前三個季度僅出貨了170萬台Quest虛擬現實頭戴式顯示器，與2024年同期相比下降了16%。IDC資料與分析副總裁弗朗西斯科·傑羅尼莫表示：“所有關於AR（增強現實）和VR（虛擬現實）將取代智慧型手機的想法都沒有實現，而且永遠不會實現。”Meta公司多年來投入數十億美元用於其元宇宙概念（一個人們可以社交、購物、娛樂等的3D虛擬世界），並伴隨著虛擬現實技術的創新，但近年來消費者對元宇宙的興趣有所下降，最終導致虧損。根據Google趨勢資料，“元宇宙”一詞的搜尋量在2021年末至2022年初達到頂峰，此後搜尋量有所下降。YouGov去年2月進行的一項調查發現，到2024年，大多數美國人還沒有使用過元宇宙。是什麼阻礙了美國人使用元宇宙：·過去12個月裡，只有26%的美國人使用過元宇宙。·大約十分之一的美國人表示，沒有任何品牌存在感能夠吸引他們進入元宇宙。·29%的非元宇宙使用者表示，如果裝置成本降低，他們會更傾向於加入。·23%的人表示，如果能有更多他們感興趣的元宇宙活動或體驗，他們會更願意加入。·相比之下，22%的受訪者表示，更強有力的安全和隱私保護可能是決定性因素，19%的受訪者表示，如果無需VR頭顯即可使用元宇宙，他們會更感興趣。 (美股財經社)

2025年10月底，Meta AI部門宣佈裁員600個職位，甚至核心部門的研究總監，同時掌管AI業務的高管紛紛離職、被邊緣化，就連圖靈獎得主Yann LeCun也被認為自身難保。一方面祖克柏在用上億美元的年薪挖AI人才，但同時又如此決絕的裁員，這樣割裂的行為背後是因為什麼？於是我們採訪了Meta的前FAIR研究總監AI科學家田淵棟、參與了Llama 3後訓練的前Meta員工Gavin Wang、矽谷資深HR專家以及一些匿名人士，試圖還原一下Meta的Llama開源路線到底發生了什麼：為什麼Llama 3還讓眾人驚豔，而僅一年之後的Llama 4就如此拉胯？中間發生了什麼？Meta的開源路線從一開始就註定是個錯誤嗎？AI大模型激烈對戰的當下，一個烏托邦式的AI研究實驗室還能夠存在嗎？01 FAIR與GenAI的誕生 Meta的AI十年佈局與架構搭建首先來看看Meta對AI佈局的整個公司架構。2013年年底，祖克柏開始搭建Meta的AI團隊。當時，Google收購了Geoffrey Hinton的DNN團隊，將Hinton招入麾下，同一時間，Meta將Yann Lecun請來坐鎮AI的發展。至此，圖靈獎三巨頭的兩位開始步入商業科技來主導AI研發。在祖克柏邀請Yann LeCun加入Meta的時候，後者提過三個條件：1.不從紐約搬走；2.不會辭去在紐約大學的工作；3.必須開展開放的研究，公開發佈所做的所有工作，並將程式碼開源。所以，一開始Meta的路線就是開放原始碼的。Yann LeCun進入Meta之後，開始著手前沿的AI研發，組建了Fundamental AI Research實驗室，也就是大名鼎鼎的FAIR實驗室，主導人工智慧的前沿研究。田淵棟前Meta基礎AI研究（FAIR）團隊研究總監：FAIR是負責前沿研究的，就是做一些現在目前看起來沒有特別大的應用，但是新的想法、新的思路、新的演算法、新的框架、新的模型架構。這樣的探索之後可能會有一些大的突破，大概是這樣的一個邏輯。但是對於Meta來說，最終還是要看到AI在自身產品上的進展。於是和FAIR組平行設定了一個組叫“Generative AI”，簡稱“GenAI”組。這個組裡面分別有不同的功能團隊，包括了Llama開源模型的研發，將AI能力運用到產品上的Meta AI團隊，還有AI算力基建的資料中心團隊，其它的還有一些小部門，比如說Search（搜尋），Enterprise（企業服務），Video-gen（文生視訊）模型等等。GenAI和FAIR是平行關係，這像是一個天平，一邊是前沿科研，一邊是產品化。理想情況下，前沿研究能帶來更好的產品力，而產品賺錢了能讓管理層有更大的動力撥款給FAIR去做研發。田淵棟前Meta基礎AI研究（FAIR）團隊研究總監：比如FAIR會提供一些很好的想法和工作給GenAI去用，讓GenAI把這些想法和工作放進生產，然後在下一代模型中使用出來。很多人的初心就是說想做一些不一樣的東西，或者是與眾不同的方向、工作。能不能真正地實現AGI（通用人工智慧）？這其實是個比較大的問題。陳茜矽谷101聯合創始人：所以FAIR的目的是AGI，但是GenAI它的目的是怎麼把AI放在Meta現有的產品中，讓AI發生效應。田淵棟前Meta基礎AI研究（FAIR）團隊研究總監：對，應該說主要一方面是Llama，Llama是一個很大的模型。還有就是怎麼樣把AI比較好地用在一些具體的應用上。但是，讓這樣的天平始終保持平衡，是一個很理想化的烏托邦狀態。而這個烏托邦狀態的前提是，Meta的AI模型水平一直是要保持最領先的，或者說，至少是在開源賽道最領先，且不落後閉源模型太多的。圖片來源：Meta AI陳茜矽谷101聯合創始人:你覺得在FAIR最快樂的一段時光是什麼時候？田淵棟前Meta基礎AI研究（FAIR）團隊研究總監：我覺得從我入職FAIR之後一直到2022年，這段時間是很開心的。因為大語言模型來了之後，整個生態或者說研究者之間的關係發生了一些變化。因為大語言模型來了之後，算力成了很重要的一個因素。因為算力是有限的，所以就會產生各種問題、各種矛盾。大家都要訓練一個很大的模型，如果是這樣的話，相互之間就開始有一些問題，比如說如果我卡多了，你卡就少了。因為卡不多就沒辦法訓練出很好的模型，所以在2023年之後這段時間之內，狀態肯定不會像以前那麼好。而Meta的AI天平是如何失衡的呢？我們可以從Llama的四代發佈中，看到一些端倪和痕跡。02 “開源之光” Llama的昔日驕傲與滑鐵盧？之所以Meta給自家大語言模型取名“Llama”，據說是因為考慮到Large Language Model的縮寫“LLM”不太好發音，所以就補上了元音字母。“Llama”朗朗上口也便於記憶傳播。也正是這樣，大語言模型命名自此才和“羊駝”扯上了關係。Chapter 2.1 Llama 1：開放原始碼的“種子”我們先來看看Llama 1，這也為Meta的大模型“開源”路線奠定了基礎。2023年2月24日，Meta發佈Llama模型，主打“更小參數更好效果”（多規模：7B/13B/33B/65B），強調當時的13B模型可以在多項基準上超過175B參數的GPT-3。而Llama在官宣之後的一周，權重在4chan上以種子形式被“洩露”，引發了AI社區對開源模型的廣泛討論，甚至還引發國會參議員致信質詢Meta。雖然有不少質疑的聲音，但業界對Llama的“意外洩露”出人意料的支援，而這也被視為“大模型開源”的格局重塑，並且很快催生出了諸多的民間微調項目。我們在這裡稍微解釋一下大模型的“開源”定義。其實Meta也不是完全的開源。Meta稱之為“開放權重”（Open weights）。在機器學習中，有三個部分：結構（architecture），權重（weights）和程式碼（code）。所謂“權重”，就是模型學習到的所有參數數值。模型訓練完成後，所有參數會存成幾個巨大的二進制檔案。每個檔案裡保存著每一層神經網路的矩陣數值。而在推理時，模型程式碼會載入這些權重檔案，用GPU進行矩陣運算生成文字。所以“開放權重”就意味著向公眾提供訓練好的參數檔案，外界可以本地載入、部署和微調，但還不是完全的“開源”，因為真正的開源意味著公開訓練資料、程式碼和許可等等。但Meta並沒有公開這些資訊，甚至之後的Llama2、3、4代都僅僅是開放權重，只是在許可證的政策上有些鬆動。雖然Llama屬於“半開源”，但比起OpenAI，Anthropic和Google完全閉源、只通過API介面來提供模型能力服務的公司來說，已經算給開源社區帶來非常旺盛的生命力了。Chapter 2.2 Llama 2: 開放“可商用”2023年7月28日，Meta聯合微軟發布了大模型Llama 2，包含7B、13B和70B參數的三種參數變體。新一代模型的“開源”雖然也是“開放權重”，但對比Llama 1的不可商用、只能申請研究用途而言，Llama 2是一個免費可商用的版本，更放寬了許可證的權限，而Wired等雜誌更是指出，Llama 2 讓“開放路線”對抗封閉模型巨頭成為現實。而我們看到，Llama 2很快在開發者社區風靡起來，它的可得性顯著放大了生態和AI開發。之後，就到了2024年的Llama 3，這也是Llama系列最為輝煌的時刻。Chapter 2.3 Llama 3系列: 逼近閉源陣營步入Llama3的時代，Meta已經成為AI開源社區的頂流存在。2024年的4月到9月，Meta連發三個版本的模型迭代。2024年4月18日，Meta發佈8B、70B兩個規格的Llama 3版本，稱同等規模“顯著超越Llama 2”，並將其作為Meta AI助手的底座之一。之後的7月23日，Meta推出405B、70B、8B三檔Llama 3.1模型，並宣稱405B是“全球最強的開放可得基礎模型”之一；同時登陸AWS Bedrock、IBM watsonx等平台。僅兩個月之後的2024年9月25日，Meta推出Llama 3.2，主打小而全的多模態，新增1B與3B輕量文字模型與1B與90B的視覺多模態模型，面向終端/邊緣場景；AWS等平台同步接入，開源框架平台OLlama亦可本地運行。我們採訪到了Llama 3團隊的Gavin Wang，他負責Llama 3的後訓練工作，對我們表示當時整個Meta，GenAI團隊是在以“光速”前進，真的有種“AI一天，人間一年”的感覺。Gavin Wang前Meta AI工程師，從事Llama 3後訓練：當時Llama3.1/3.2確實是有很多很好的進展，比如多模態是在這個階段裡面發佈的，包括後面他們做Lightweight model（輕量化模型）1B/3B的。我覺得這時候產品化生態取得了很大進展，很多的社群都有支援，包括我有朋友在Llama Stack團隊，他們就是專門支援整個Llama的生態在企業級或者說小企業級的落地。Llama 3的強勢出擊，特別是450B版本被認為是在模型能力上對閉源陣營的逼近，也被認為將快速推動AI應用的落地。而對於Meta內部員工來說，特別是在Llama組的AI工程師們，這是一件非常讓他們值得驕傲的項目。Gavin Wang前Meta AI工程師，從事Llama 3後訓練：當時的敘事是說，Meta是大廠裡面唯一一個剩下開放原始碼的模型，而且還對整個開源生態很有貢獻。當時我覺得很多人都會覺得，這不僅僅是在做一份工作，而是我們真的就是在支援整個AI的前沿的發展，你做的每一件事情都感覺非常有意義，我當時是非常自豪的感覺。我出去跟別人說，我是在做Llama 3的團隊，一些創業公司的創始人他們都會說：非常感謝你的努力。感覺整個技術圈，尤其是AI創業圈，都在指望Llama。Meta乘著東風，期望Llama 4的發佈，能進一步的擴大自身在AI開發社區的影響力，保持“頂尖大模型中的唯一開源存在”。祖克柏在2025年1月底財報會議後發帖說，“我們對Llama 3的目標是使開源與封閉模型具有競爭力，而我們對Llama 4的目標是領先。”然而，三個月之後的Llama 4發佈，卻是一場徹底的災難和滑鐵盧。Chapter 2.4 Llama 4: 滑鐵盧2025年4月5日，Meta推出Llama 4的兩個版本（Scout與Maverick），宣稱多模態與長上下文能力大幅躍進，並在宣傳中高調引用LMArena排行榜上的領先成績：Maverick版本僅次於Gemini 2.5 Pro，與ChatGPT 4o和Grok 3 Pro並列第二。然而很快，開發者社區的反饋並不正面，認為Llama 4的效果不及預期。市面上開始有流言質疑Meta在LMArena上衝到第二名的版本有作弊嫌疑，懷疑Llama 4給LMArena排名的是經過了最佳化的變體，而這個變體經過了對話強化的訓練，存在誤導LMArena、導致過擬合的現象。雖然Meta高層迅速否認了作弊，但影響迅速發酵，一方面，媒體紛紛將此視為“用特調版本刷榜”的“誘餌換包”（bait-and-switch），行業對基準公信力與可復現性的討論升溫；另一方面，Meta更高端的Behemoth版本推遲發佈，公關與節奏嚴重受挫。截至目前，Behemoth還沒有發佈，Meta應該是放棄了。接下來就是大家所知道的，祖克柏開始孤注一擲的大手筆收購Scale AI，把Alexander Wang挖過來領導新的AI架構，之後用上億美元的支票開始挖人，瘋狂攪局矽谷AI人才市場。再之後就是最近的新聞，Alex開始重組整個Meta的AI架構，裁掉600人。但大家看看這個時間線，是不是還是覺得很割裂，在Llama 3和Llama 4的這一年中，發生了什麼？怎麼Llama 4一下子就不行了？這是不是也太快了。我們通過復盤，也許找到了一些答案。還記得我們在前文提到，Meta內部的AI架構是一架天平嗎？Llama 4失敗的原因就是：這架天平失衡了。03 失衡天平 前沿研究與商業化的路線之爭在Meta的AI架構中，FAIR和GenAI是平行的兩個組，Yann Lecun管FAIR，但Yann LeCun很多時候沉浸在自己的研發中，有時候還在網上跟人，比如說馬斯克對戰，還經常說不看好LLM路線，讓Meta很頭疼。於是，2023年2月，Meta高層把Meta AI的研究負責人Joelle Pineau調到FAIR，擔任FAIR的全球負責人，與Yann LeCun兩人一起領導FAIR。圖片來源：Bussiness Insider而GenAI的負責人是Ahmad Al-Dahle，這個哥們兒之前在蘋果工作了快17年，而祖克柏把他挖過來的原因，就是想把AI和Meta的各種產品結合起來，包括元宇宙，智能眼鏡的AI整合，以及聊天工具meta.ai等等。而就在經歷了Llama 2的成功，公司開始研發Llama 3的過程中，Meta高層越來越強調“要將AI用於自家產品”的屬性。於是我們看到，2024年1月，Meta的AI團隊進行了一次重組，FAIR的兩名負責人開始直接匯報給Meta的CPO（首席產品官）Chris Cox。Gavin Wang前Meta AI工程師，從事Llama 3後訓練：整個Llama 1 ~ 3算是一個時代，大家很瘋狂地在卷scaling law（縮放法則），當時整個行業裡都在追隨基礎模型的能力的提升。大家在探索基礎模型、大語言模型本身的能力的邊界。但是Meta的領導層， 像祖克柏和CPO Chris Cox，他們其實很早就意識到大語言模型的能力能夠落地，能真正為社會產生價值，他們肯定是從產品力上去出發的。所以說當時Llama 2和Llama 3的階段，整個GenAI的核心目標是讓研究成果真正產品化、工程化。也因此就是在最高管理層層面，包括副總裁、高級總監的高層，是由一些之前更多的是產品背景和工程背景的人來領導的。在Llama 3成功推出，Meta高層開始制定Llama 4的路線之際，所有的注意力都放在了與產品結合上，也就是多模態能力，因此忽視了對模型推理能力上的重視。而就在Llama 3到Llama 4的這一年研發過程中，2024年9月12日，OpenAI推出了基於思維鏈的o1系列模型，之後的2024年12月，中國的deepseek開源模型橫空出世，用MOE混合專家架構在保證推理能力的情況下大幅度降低了模型成本。陳茜矽谷101聯合創始人：你在被拉去救火Llama 4之前，手上在研究什麼？田淵棟前Meta基礎AI研究（FAIR）團隊研究總監：我們這邊在做一些關於推理的一些研究。主要是關於思維鏈，包括思維鏈的形態和訓練的方式做了一些研究。o1是去年9月份出來的，其實我們在o1出來之前，就注意到非常長的思維鏈會對整個模型的scaling law（縮放法則）產生影響。圖片來源：arxiv其實FAIR組中，田淵棟等研究員已經在著手思維鏈的研究，但這樣對推理能力的前沿探索並沒有及時傳達到Llama模型的工程上。Gavin Wang前Meta AI工程師，從事Llama 3後訓練：Llama 4規劃的時候，就會感覺到這個地方可能領導層的方向有一些變化。我認為總體來說他們還是想要支援Meta本身重點去推的一些產品，就是Llama本身的生態，多模態肯定是其中的一個重點。但是DeepSeek在1月份的時候橫空出世，它們的推理能力非常的強。推理能力在當時也是討論的其中一個方向，但是因為Meta本身的生態，它們更看重多模態，沒有重點去做推理。但是當DeepSeek出現了以後，那時我實際上已經離開了Llama的團隊，不過據說當時他們有在討論說是不是要重新把推理的地方撿起來，但這個地方可能優先順序上有一些衝突，加上時間也非常的有限，就導致大家加班加點地做了很多的嘗試，非常得忙。我覺得DeepSeek的出現肯定是造成了公司裡面資源還有優先順序管理上的一些混亂。還有一點，我覺得Llama 1～3整個模型的架構和組織的架構，是延續了一開始的設計。但是因為Llama 3的成功，大家就希望Llama 4能夠更進一步，能夠做一些更大的工程。那這個時候可能出現了一些問題，我的觀察就是公司比較高層的，像副總裁、資深總監這個層面，他們很多人是比較傳統的基礎架構、電腦視覺背景，可能自然語言處理背景的都比較少。所以可能他們技術層面對於AI原生技術或者是大語言模型這些東西就沒有一個深度的理解和認識。真正懂行的，可能是下面具體做事的一些博士，尤其是我們非常驕傲的是，華人的博士都是技術非常紮實的。但是他們獲得的話語權，或者說在公司內部的資源沒有那麼多。所以說可能不知什麼緣故就造成一種外行管理內行的一些局面出現。圖片來源：DeepSeek因為OpenAI的o1系列和DeepSeek的出現，讓Meta在2025年年初亂了陣腳。於是，高層臨時讓FAIR的研究團隊去支援Llama 4的研發，或者可以直接說是去“救火”，而這個“救火團隊”就是田淵棟帶隊的。田淵棟前Meta基礎AI研究（FAIR）團隊研究總監：我覺得現在很大的一個教訓就是，做這樣的項目不能讓不懂的人來做整個的領導者或者做整個的規劃。如果有些東西出了問題的話，應該是大家說：ok，我們不能在這個時候發佈，我們再往後拖。應該是採用一種，我拖到什麼時候結束能夠正常運作才發佈的階段。而不能說把deadline先定好，不然的話有很多事情是做不好的。我覺得我們組裡面當時很多人非常累，比如說像我是在加州，因為我有幾個團隊成員在東部時區，他們晚上12點給我打電話，他們那邊已經3點鐘了，還在幹活，所以非常的辛苦。為什麼他們那麼辛苦呢？是因為deadline壓得很緊。比如說我們的deadline就是要計畫在某一天要發佈，項目管理就需要從後往前倒退，然後看2月底或者3月初一定要做什麼事情、3月底要做什麼事情。但如果你在做這些事情的時候，你發現這個模型這方面不行，或者說資料有什麼問題，在這種情況下，我覺得有一個很大的問題就是，你怎麼樣能夠讓大家因為你這句話停下來。就比如說，我說這個資料有問題，不行，我這個資料不能用，我們得換一個資料。那這樣的話就多出事了，我們得把整個事情往後延一個星期、兩個星期。但這個事情能不能做到是一個很大的問題。如果在很強的deadline壓力之下，最後結果就是這事情做不了，或者說大家沒有辦法去提出異議，那這樣的話最後的質量就會變得很差。這是一個比較大的問題。陳茜矽谷101聯合創始人：為什麼Meta會有那麼強的壓力在deadline上面呢？因為開源模型，其實它已經是第一了。當然，DeepSeek在年初的時候出來，大家都沒有意料的到。但是為什麼它有那麼強的deadline說我一定要在這個時候把這個東西推出來？田淵棟前Meta基礎AI研究（FAIR）團隊研究總監：應該說有個上面高層定下的deadline，但這個我就不方便說了，可能能你要去問一下相關的人，懂的都懂。圖片來源：Meta我們在這裡基本上能有一些答案了，從Llama 3開始，“將AI產品化”這樣的路線就已經制定，整個模型注重多模態和應用、忙於整合應用和業務，但卻忽略了推理和更前沿的技術研發。這讓天平另一邊的FAIR團隊不得不跨組來“救火”，就這樣，天平失衡了。田淵棟前Meta基礎AI研究（FAIR）團隊研究總監：但實際情況其實是因為前沿模型的競爭太激烈了，所以基本上很難真的去用FAIR這邊的一些文章。雖然有些文章是被用到了，但是我們在交流的過程中還是會存在一些問題。我當時就是在FAIR的時候，我有時候Ping（發資訊給）GenAI的人，他們都不理我，這是什麼情況？但是真的我去了GenAI之後我會覺得，確實我也沒法理他們（FAIR研究員們）。因為太忙了，比如說我半小時不看手機，可能就有20條、30條的消息要去看，有很多的人要找，有很多的事情要決定。所以我也能理解了，在GenAI這樣的環境下，很難有比較長期的思考過程。而祖克柏是如何修復這個失衡的天平呢？他直接空降了一個特種部隊：由Alex Wang帶隊的TBD團隊。04 空降“新王” 28歲Alex Wang獲“無限特權”Meta的AI業務架構如今再一次重組之後，高層也經歷了一系列的動盪。Alex Wang帶領幾十位高薪聘請來的頂級研究員，單獨成立了這個在Meta內部擁有無限特權和優先順序別的特別小組TBD。TBD，FAIR和GenAI一起組成Meta Superintelligence Labs（MSL部門），直接匯報給Alex，而Alex直接匯報給祖克柏。這也意味著，FAIR的Yann LeCun如今也匯報給Alex，而Joelle Pineau此前被要求匯報給GenAI組的負責人Ahmad。我們看到，Joelle已經在今年5月離職，去了Cohere做首席AI官；而Ahmad說實話已經很久沒有什麼聲音了，也沒有被任命負責任何重要的項目；而CPO Chris Cox也被Alex搶了風頭，排除在了AI團隊的直接領導者之外。所以現在的架構就是，28歲的Alex一人獨大的局面。我們聽到過Meta內部各種對Alex和他領導的這支極度有特權小組的不滿，包括TBD團隊裡的人可以三年不用做績效考評、可以不理不回其它任何VP的資訊、Meta AI的所有paper都要給TBD裡面的人去稽核才能給發表。要知道，TBD裡面不少人比較年輕，這是讓很多資深的研究員非常不滿， 反正就是各種內部政治鬥爭感覺又要起來一波。但不可否認的是，特權的等號後面是成績。這個成績對於祖克柏來說，不僅僅是Make Llama Great Again（讓Meta再次偉大），而是“Meta has to win”（Meta必須贏）。在這場AI競賽中，目前的這場重組，也許對於祖克柏來說是最後的一次，也是最重要的機會。而Alex在團隊內部郵件中就寫到他將做出的三個改變：1.集中TBD和FAIR團隊的核心基礎研究力量；2.提升產品和應用研發的融合、且繼續以產品為模型聚焦點；3.成立一個核心基建團隊來支援研究押注。Tom Zhang矽谷資深人才專家：第一條就是把基礎研究、TBD Lab和FAIR更集中化，就讓它兩個更緊密的去結合。所以這回裁掉的一些研究人員，郵件上也說，可能他們的項目沒有那麼高的影響力。你再做一些前沿的研究，但和我們現在沒有關係，因為很多前沿研究是高度抽象的，是從數學的角度，從很多理論的角度，它其實和工程的離得比較遠。第二個就是把產品和模型更緊密地結合，和Alex Wang一起進來的人，有一個就是GitHub的原來CEO。等於祖克柏同時引進了兩個高端人才，一個是Alex Wang，統一來說就是管模型的；一個GitHub前CEO Nat Friedman，他是偏產品的，因為產品才能給這個模型更好的反饋，在用的過程中進行飛輪效應。第三條是組建一個統一的核心基礎設施（Infra）團隊，就把管卡的資料中心團隊更集中化。過去很可能是很散的，好幾個領導都在，你要卡你得來申請。現在卡這個事也是統一來管理。所以這個郵件寫得還是挺清楚的。而Alex能否撐得起祖克柏的押注呢，也許很快我們就會有答案。圖片來源：Bussiness Insider總結一下，Meta在Llama前三代都還是領先的開源模型，引領著開源派去對抗OpenAI和GoogleGemini這樣的閉源派。然而，在Llama 3大獲成功之後，公司高層急於將AI結合產品化，在規劃路線的時候用“產品驅動研發”的思維，將Llama 4的升級聚焦在多模態等工程性能上，但卻錯失了思維鏈（CoT）等推理上的前沿技術時間優勢。雖然當時田淵棟等FAIR的AI科學家已經在研究CoT了，等DeepSeek引發轟動之後，又將FAIR的田淵棟團隊臨時救火最佳化Llama 4上的MoE架構，反而又中斷了CoT和推理上的研發，導致AI前沿技術研究和產品工程這架天平徹底失衡。在採訪過程中，我腦中不止一次閃過歷史上那些閃耀一時的前沿實驗室：貝爾實驗室、IBM Watson Research、HP實驗室等等，但基本都因為無法平衡前沿科研和商業化而日益衰落，十多年歷史的FAIR，曾經是一群理想化AI科學家的烏托邦之地，而如今又成了另一個商業化的犧牲品。你認為這場由Llama 4失敗引發的大重組，是Meta AI的最後機會嗎？歡迎在評論區留言告訴我們。 (矽谷101)