从Llama 4「作弊刷分」丑闻，到143亿美元收购Scale AI，扎克伯格疯狂挖角，却换来团队内讧；上亿美元年薪，没能留住顶尖人才。Meta的超级智能实验室（MSL），到底是未来引擎，还是人心崩盘的深坑？

自从Llama 4发布后，Meta深陷「性能评测造假」丑闻，声誉跌落神坛。

之后，小扎坐不住了，斥143亿美元（约1000亿元）收购Scale AI，同时大举用九位数年薪挖角AI顶尖人才。

然而，近日Meta爆出离职潮，大批人才甚至还未入职便决定告别Meta。

昔日王者被曝管理混乱、人心崩盘，甚至不得不低头依赖竞争对手模型。

Meta并非首次与外部合作，此前已与Midjourney在文生图方面达成合作，并在内部编程工具中使用了Anthropic和OpenAI的模型。

斥资1000亿元，直接打水漂？

根据内部爆料，管理混乱可能是最大诱因：

资源分配不公、薪资差距过大、人员调度失策、职业规划不合、Alexandr Wang的管理方式与Meta原有的方式迥然不同……

此外，Scale AI的数据质量不理想，也导致Meta与其合作疑似出现裂缝。

据两位知情人士透露，Alexandr Wang带来的高管之一——前Scale AI生成式AI产品与运营高级副总裁RubenMayer，仅在Meta待了两个月就离职。

Mayer曾两度供职于Scale AI，总共约五年。

他对媒体表示，自己最初的职责是「协助搭建实验室，需要什么就做什么」，并强调「从第一天起就已是TBD Lab的一员」，并未被排除在核心团队之外。

他还澄清自己「并未直接向Alexandr Wang汇报」，称在Meta的工作体验「非常愉快」，离开纯属「个人原因」。

除了人员变动，Meta花巨资与Scale AI的合作出现了裂缝。

据透露，TBD Lab正与其他第三方数据标注公司合作来训练下一代AI模型，其中包括Scale AI的两大竞争对手Mercor和Surge。

此前，Meta对Scale AI投入数十亿美元。如今，却「另起炉灶」。这样的做法显得格外耐人寻味。

众包数据，差到不能用

几位知情人士直言，TBD Lab研究人员普遍认为Scale AI的数据质量偏低，更愿意与Surge和Mercor合作。

Scale AI最初依靠众包模式起家，在亚非拉等第三世界国家，雇佣数量庞大且廉价的劳动力完成基础数据标注——也就是对原始信息进行分类、标记和注释，用于训练AI模型。

但随着AI模型的复杂度急剧提升，如今的训练数据已不再是「低门槛体力活」，而是需要医生、律师、科学家等专业人士参与，才能生成和打磨出更高质量的数据，推动AI性能的提升。

通过Outlier平台，Scale AI试图吸引各类专业人士。

Outlier由Scale AI运营，连接专家与AI公司，提供人类反馈以改进语言学习模型

但竞争对手Surge与Mercor发展更快，因为它们从一开始就建立在「高薪聘用专业人才」的模式之上。

Meta发言人否认了「数据质量存在问题」的说法，但Meta越来越依赖竞争对手的数据服务。

从Meta的动作来看，即便投入了数十亿美元，也并未把所有筹码都押在Scale AI身上。

但对于Scale AI来说，情况就没那么乐观了。

就在Meta宣布对Scale AI进行巨额投资后不久，OpenAI和谷歌双双宣布停止与其合作。

几周后，Scale AI在7月裁掉了200名数据标注业务的员工。

新任CEO JasonDroege将此归因于「市场需求的变化」，并表示公司将在其他领域加大投入，比如政府合同销售。

在此之前，外界就有猜测：Meta投资Scale AI的真正目的，或许是为了「挖人」——把自2016年创办公司以来一直深耕AI领域的创始人Alexandr Wang拉过来，借助他的号召力吸引顶尖人才。

从目前情况看，Alexandr Wang确实在帮助Meta组建强大的AI团队。

不过，除了Alexandr Wang之外，Scale AI对Meta的价值依旧存在疑问。

小扎挖角，野心不小

Meta超级智能实验室（MSL）的一名现任员工透露，一些随Alexandr Wang一同加入Meta的Scale AI高管，并未真正进入核心的TBD Lab团队。

与此同时，自从Alexandr Wang和大批顶尖研究员加入后，Meta的AI部门反而变得愈发混乱。

前员工和在职员工对媒体透露，从OpenAI、Scale AI跳槽过来的「新人」，普遍对Meta庞杂的公司官僚体系感到沮丧；而Meta原有的生成式AI团队（GenAI）的职能则被明显削弱。

这些紧张关系表明：

Meta迄今为止最大的一笔AI投资，似乎并未带来预期的平稳起步。

为了扭转Llama4失利的局势、追赶OpenAI和谷歌，扎克伯格「病急乱投医」。

他不仅疯狂签下合作协议，还掀起了一场挖角运动，抢夺全球顶尖AI人才。

除了Alexandr Wang，他还成功从OpenAI、谷歌DeepMind、Anthropic等公司引入研究员。

同时，Meta收购了语音AI初创公司Play AI和WaveForms AI，并宣布与图像生成初创公司Midjourney达成合作。

为了支撑庞大的AI野心，Meta近期在美国多地宣布建设大型数据中心。

其中最引人注目的，是一座造价500亿美元的路易斯安那州超大数据中心——Hyperion。

不过，Alexandr Wang本人从未进行过任何人工智能研究，任命他领导实验室的决定被外界视为「另类选择」。

即便Meta内部的工程师也对此感到困惑

扎克伯格不是没想过挖一个AI研究的学术大牛，例如OpenAI首席研究官Mark Chen，甚至想收购Ilya Sutskever、Mira Murati等人的初创公司，但均遭到婉拒。

Meta员工不满，资源分配不公

小扎对MSL极度重视，对公司的AI相关部门进行了大刀阔斧的重组，最终现在MSL有4个子机构：

TBD Lab、FAIR、PAR（产品和应用研究团队）以及MSL Infra。

原有的AGI基础小组直接解散了，其领导人被纳入MSL，向Alexandr Wang汇报。

AI产品小组负责人则转去Threads，同X开展竞争。

简单介绍一下目前这4个新机构。

TBD Lab，由Alexandr Wang直接领导，负责研发下一代Llama等最关键任务。

FAIR，Meta的老牌实验室，已存在了十多年，专注于长期基础AI研究，由深度三巨头之一、图灵奖得主Yann LeCun负责。

如今，65岁的他也要向MSL负责人，28岁的新领导Alexandr Wang汇报工作了。

PAR（Products and Applied Research，产品和应用研究团队），由前GitHub CEO Nat Friedman领导，负责将研究成果转化到产品上。

MSL Infra，主要负责搭建Meta AI需要的规模庞大的基础设施。

被调入MSL的员工被许诺拥有更多计算资源，而那些被留下的老部门的老员工，则不可避免地被边缘化，计算资源被新部门挤压。

MSL办公区需要「两层安保+特殊权限工牌」进入，这也从侧面直观体现了对核心算力/项目的权限与资源集中在新实验室与新领导层手里。

除此之外，薪资倒挂更是一个严重的问题，直接导致老员工流出意愿强烈。

老员工的年包，多数只有几十万美元，虽然和普通SDE相比已经高出很多，但和新员工动辄上亿美元的夸张年包相比，实属小巫见大巫了。

不患寡而患不均。

然而，并不是只有老员工不满，在这波抢人潮中进入公司的新员工也有不满。

在入职前被许诺的各类资源，真正落实起来也是阻力重重，未能达到预期。

困难接踵而至，而解决方案仍待理出头绪。

鸡飞蛋打，一地鸡毛

一些刚刚加入Meta的AI研究员已经打算离开Meta，这不是钱的事儿。

对Meta AI团队里的一部分人来说，即便给他们几百万美元，也不愿意留在Meta和扎克伯格一起工作。

据最新报道，由于和扎克伯格相处不快，Meta的AI实验室乱成一团，以至于一些刚入职的新员工，甚至在上班的头几天就威胁要辞职。

为了防止人才流失，Meta不得不慌忙加薪、升职来「稳住人心」。

其中最典型的例子，便是赵晟佳（Shengjia Zhao）。这位前OpenAI研究员曾参与ChatGPT的研发，如今在Meta摇身一变，成了「首席AI科学家」。

那么，这个头衔是怎么来的？

据外媒爆料，他在Meta只待了几天，就看清了内部的「一地鸡毛」，于是立刻开始筹划离开，甚至已经签署了重返OpenAI的相关文件。

就在这个节骨眼上，Meta急了，直接给了他一个高层头衔，才把人勉强留下来。

显然，他并不是唯一一个被MSL吓退的AI研究员。

就在本周，已有多位新近加入Meta AI团队的高调人才选择离职。

其中包括前OpenAI研究员Ethan Knight和Avi Verma，以及来自谷歌DeepMind的Rishabh Agarwal——他们都只在Meta待了短短几个月便选择离开。

与此同时，Meta内部的老员工也在大批出走，过去几周已有数位资深成员辞职。

小扎噩梦来了！MSL两月爆雷8人闪辞，PyTorch元老出走实验室人心崩盘

更让局势雪上加霜的是，Alexandr Wang非但没有带来稳定，反而加剧了矛盾：

他屡次与扎克伯格发生冲突，在团队里也饱受质疑，被不少员工认为「态度傲慢、难以相处」。

尽管人事动荡不断，MSL已经着手研发下一代AI模型。

Llama 5究竟能否让Meta在AI大战中翻身，仍然「TBD」。

沃特股份：公司LCP材料已用于芯片及服务器散热领域每经AI快讯，9月14日，沃特股份在互动平台表示，公司LCP材料已用于芯片及服务器散热领域。海量资讯、精准解读，尽在新浪财经APP