Meta成立「超级智能实验室」,豪华团队阵容曝光

Meta成立「超级智能实验室」,由Scale AI前CEO Alexandr Wang领导,汇集OpenAI、DeepMind等顶尖人才,加速Llama大模型和下一代AI技术研发,目标实现“全民专属超级智能”。

原文标题:刚刚,Meta宣布正式成立「超级智能实验室」!11人豪华团队首曝光

原文作者:机器之心

冷月清谈:

Meta宣布成立「Meta 超级智能实验室」(MSL),由Scale AI前CEO Alexandr Wang领导,并担任公司首席人工智能官。该实验室将整合Meta内部研究、基础设施和产品团队,专注于Llama系列大模型、相关产品和基础人工智能研究。扎克伯格表示,MSL将致力于开发下一代模型,并已从OpenAI、Anthropic、Google DeepMind等公司挖来11位顶尖人才,包括Trapit Bansal、Shuchao Bi、Huiwen Chang等AI领域的专家。Meta计划通过结合人才引进和模型研发,构建超越小型实验室规模的计算资源,利用服务数十亿用户的产品经验,以及在AI智能眼镜和可穿戴设备领域的优势,实现“全民专属超级智能”的愿景。

怜星夜思:

1、Meta 成立的 MSL 实验室,直接对标 OpenAI、DeepMind,你觉得 Meta 在这场 AI 竞赛中胜算几何?
2、文章中提到 Meta 具备构建远超小型实验室规模的计算资源,这一点对于 AI 研究有多重要?普通创业者或者小团队还有机会吗?
3、扎克伯格称要实现“全民专属超级智能”,你怎么理解这句话?你认为 AI 发展到什么程度才能称得上是“超级智能”?

原文内容

机器之心报道

编辑:杜伟


Meta 又有了新动向!


这几天,Meta 挖人简直挖疯了,先后夺走了 OpenAI 约十位员工,目前已公开确认有七人。


今天,据彭博社等最新消息,在周一给 Meta 员工的一份内部备忘录中,扎克伯格宣布重组公司人工智能团队(包括研究、基础设施和产品),合并到新成立的「Meta 超级智能实验室」(Meta Superintelligence Labs)


该部门将由数据标注初创公司 Scale AI 前 CEO Alexandr Wang 领导,并担任公司首席人工智能官。同时,扎克伯克还首次曝光了 11 位从 OpenAI、Anthropic、谷歌 DeepMind 那里挖来的顶尖人才


扎克伯格表示,MSL 将吸纳公司的各个团队,致力于开发 Llama 开源系列大模型、相关产品和基础人工智能研究项目等。



以下是扎克伯克完整的备忘录内容:


随着人工智能进步的加速,发展超级智能已指日可待。我相信这将是人类新纪元的开端,我本人将全力以赴,确保 Meta 引领这一进程。今天,我想详细介绍一下我们如何调整组织架构,以实现我们的愿景:「为每个人打造专属的超级智能」。


我们将把整个组织命名为「Meta 超级智能实验室」(Meta Superintelligence Labs,简称 MSL)。这包括我们所有的基础研究、产品和 FAIR 团队,以及一个新成立的专注于开发下一代模型的实验室


Alexandr Wang 已加入 Meta,担任我们的首席人工智能官(Chief AI officer)并领导 MSL。Alexandr 和我共事多年,我认为他是同辈创业者中最杰出的一位。他对超级智能的历史性意义有着清晰的认识,并且作为联合创始人兼 CEO,他将 ScaleAI 打造成了一家高速发展的公司,几乎参与了行业内所有领先模型的开发工作。


Nat Friedman 也已加入 Meta,将与 Alexandr 搭档共同领导 MSL,负责我们的 AI 产品和应用研究工作。Nat 将与康纳(Connor)一起确定他未来的具体职责。他曾负责微软旗下的 GitHub,最近则运营着一家领先的 AI 投资公司。过去一年,Nat 一直担任我们 Meta 顾问委员会的成员,因此对我们的路线图和所需行动已有深入了解。


此外,今天还有几位实力强劲的新成员加入,或是过去几周内已经加入,我也很高兴在此一并宣布:


  • Trapit Bansal — 思维链(CoT)强化学习技术开创者,OpenAI o 系列模型共同创建者。

  • Shuchao Bi— GPT-4o 语音模式与 o4-mini 共同创建者,曾任 OpenAI 多模态后训练负责人。

  • Huiwen Chang— GPT-4o 图像生成系统共同创建者,Google Research 期间发明 MaskGIT 及 Muse 文生图架构。

  • Ji Lin — 参与开发 o3/o4-mini、GPT-4o、GPT-4.1、GPT-4.5、4o-imagegen 及 Operator 推理框架。

  • Joel Pobar— Anthropic 推理系统专家,此前在 Meta 任职 11 年主导 HHVM/Hack/Flow/Redex 开发及性能工具与机器学习。

  • Jack Rae— Gemini 预训练技术负责人及 Gemini 2.5 推理架构师,DeepMind 时期主导 Gopher/Chinchilla 早期大模型研发。

  • Hongyu Ren(任泓宇)— GPT-4o/4o-mini/o1-mini/o3-mini/o3/o4-mini 共同创建者,曾任 OpenAI 后训练团队主管。

  • Johan Schalkwyk— 前 Google Fellow,Sesame 系统早期贡献者,Maya 项目技术主管。

  • Pei Sun— 谷歌 Deepmind Gemini 后训练 / 编程 / 推理架构师,曾主导 Waymo 近两代感知模型开发。

  • Jiahui Yu(余家辉)— o3/o4-mini/GPT-4.1/GPT-4o 共同创建者,曾任 OpenAI 感知团队负责人,Gemini 多模态系统联合主管。

  • Shengjia Zhao— ChatGPT/GPT-4/4.1/o3 共同创建者,曾任 OpenAI 合成数据团队主管。


我对 Llama 4.1 和 4.2 的规划进展倍感振奋。这些模型驱动着 Meta AI—— 目前已在旗下应用收获超 10 亿月活跃用户,更有日益增长的智能体网络持续优化我们的产品与技术。我们将坚定不移地推进这些模型的迭代升级。


与此同时,我们将启动下一代模型的前沿研究,力争在未来一年左右达到技术巅峰。过去数月我遍访 Meta 内部、顶尖 AI 实验室及潜力初创企业,已为这项精英小团队计划组建核心班底。该团队仍在扩充中,后续将邀请公司 AI 体系内多位精英加入。


Meta 在向世界交付超级智能的进程中占据独特优势地位:我们拥有雄厚的业务实力支撑,能构建远超小型实验室规模的计算资源;具备服务数十亿用户的产品研发与增长经验;正开拓并引领高速增长的 AI 智能眼镜与可穿戴设备领域;更凭借企业架构优势,能以远胜同行的信念与魄力推进战略。


我坚信,此次人才涌入与模型研发的双轨并行策略,必将为「实现全民专属超级智能」的承诺奠定坚实基础。未来数周还将有更多顶尖人才加入各层级团队,敬请期待。我已准备好全力以赴投入这项工作。


目前,新加入 Meta 的人已经开始在社交媒体上宣传造势,比如 Jack Rae。



参考链接:

https://www.bloomberg.com/news/articles/2025-06-30/zuckerberg-announces-meta-superintelligence-effort-more-hires?srnd=phx-technology

https://www.cnbc.com/2025/06/30/mark-zuckerberg-creating-meta-superintelligence-labs-read-the-memo.html

https://www.theverge.com/news/695355/mark-zuckerberg-meta-ai-superintelligence-labs


© THE END 

转载请联系本公众号获得授权

投稿或寻求报道:[email protected]

胜算这东西,一半看实力,一半看运气。Meta 这次梭哈式投入超级智能实验室,魄力确实很大。但 AI 发展变数太多,技术路线的选择、人才的磨合、监管政策的变化,都可能影响最终结果。我觉得更理性的看法是,这场 AI 竞赛不是零和游戏,各家都有机会在不同领域做出贡献。

计算资源绝对是 AI 研究的基石!没有足够的算力,再好的算法也跑不起来,更别提训练大规模模型了。Meta 这种巨头可以轻松搭建超大规模的计算集群,这确实是小团队无法比拟的优势。

“全民专属超级智能”这个说法有点科幻,我的理解是,AI 能够根据每个人的需求和偏好,提供个性化的服务和体验。比如,定制化的教育、医疗、娱乐等等。但要实现这个目标,还有很长的路要走。

我觉得算力是门槛,但不是天花板。大厂靠算力堆规模,小团队靠创新求生存。与其和大厂硬碰硬,不如找准细分赛道,利用差异化优势,也能闯出一片天。比如,在边缘计算、AI安全、可解释性AI等方面,小团队都有机会做出独特贡献。

我觉得 Meta 胜算挺大的。首先,Meta 有钱,可以烧得起。其次,Meta 的应用场景丰富,有用户,可以迅速迭代模型。而且,这次挖来的团队阵容确实豪华,技术实力不容小觑。当然,OpenAI 和 DeepMind 也在快速发展,鹿死谁手还真不好说。

从纯技术角度分析,Meta 想要超越 OpenAI 和 DeepMind 难度不小。OpenAI 在 Transformer 架构上的创新,以及 DeepMind 在强化学习和通用人工智能方面的探索,都积累了深厚的优势。但 Meta 的优势在于其强大的工程能力和落地能力,能将先进的 AI 技术快速应用于实际产品中,实现商业价值。因此,Meta 更有可能在特定应用场景中取得突破,比如社交媒体、广告推荐等。

“全民专属超级智能”听起来很美好,但也让人有点担忧。AI 的发展需要伦理约束,要考虑公平性、隐私保护、安全等问题。如果 AI 被滥用,可能会加剧社会不平等,甚至对人类造成威胁。所以,在追求技术进步的同时,也要重视 AI 的社会责任。

我对“超级智能”的定义比较谨慎。现在的 AI 更多是“弱人工智能”,擅长解决特定问题,但缺乏通用性和创造性。真正的“超级智能”应该具备自主学习、推理、规划等能力,甚至能够自我进化。只有当 AI 能够像人类一样思考和行动,才能称得上是“超级智能”。

虽然算力很重要,但也不是唯一的决定因素。小团队可以专注于特定领域,利用开源工具和云服务,也能做出有价值的成果。而且,在算法创新、数据质量、领域知识等方面,小团队反而更有优势,可以更灵活地进行实验和探索。