最近扎克伯格的Meta有點忙，先是AI架構又重組了，副總裁Loredana Crisan也準備跳槽去Figma當首席設計官。這還沒完，今年6月，Meta還大手筆從OpenAI挖了一堆研究員，據說奧特曼都驚了，說Meta給的挖角獎勵“高達1億美元”！加上今年Meta在資本開支上也是“壕”無人性，預計要花660-720億美元在數據中心和AI基礎設施上。這架勢，簡直就是“鈔能力”全開，誓要打造最強AI團隊。但問題來了，光靠高薪挖人，真的能煉成頂級AI團隊嗎？還是說，這只是短期拉高上限的“興奮劑”，卻無法形成“可復制的頂級團隊結構與文化”呢？

要說Meta最近的“逆風”，那可真是一樁接一樁，簡直是“屋漏偏逢連夜雨”。

首先是訓練數據這檔子事兒，簡直讓人哭笑不得。今年7月，有片商跳出來起訴Meta，說他們從2018年開始，就通過BitTorrent“匿名下載”了2396部成人影片，用來訓練他們的Movie Gen和LLaMA大模型。這事兒一出，吃瓜群眾都驚呆了，這哪是搞AI啊，簡直是“老司機”啊！這不僅涉及到視頻生成和大模型的數據合規問題，潛在的索賠金額也是個天文數字，搞不好Meta的研發紅利都要被這“高賠風險”給吞噬了。

其次是組織和人事上的“大地震”。前面提到的AI管理層再調整和高管離職，再加上外界對Meta內部文化“內斗”、“考核壓力大”的負面解讀，簡直是給Meta的“多事之秋”又添了一把火。這讓不少人開始懷疑，Meta的AI團隊是不是真的“人心渙散”了？

再來說說資本開支，扎克伯格是真的“敢花錢”。Meta在2025年的資本開支指引高達660-720億美元，主要都投向了數據中心和AI基礎設施/人力。這筆錢，說是為“招兵買馬+買算力”提供了充足的彈藥，但同時也帶來了巨大的回報壓力。畢竟，錢不是大風刮來的，花出去的每一分錢，都得看到實實在在的效果。

結果也并不樂觀，根據SignalFire今年8月的數據，Meta的工程師“凈增倍率”竟然低于Anthropic和OpenAI，而且員工留存率也不占優勢。這說明啥？說明Meta雖然高薪挖人，但留不住人也是個大問題。外面媒體也多次報道Meta的“高薪爭奪戰”，這讓Meta在人才市場的口碑也受到了不小的影響。畢竟，誰也不想去一個“來了就想走”的公司，對吧？

1.扎克伯格的“Superintelligence”賭注

面對這些“逆風”，扎克伯格可沒閑著，他心里裝著一個大大的“Superintelligence”賭注。他要的，是那些能快速補齊“通用/推理/多模態/視頻”方向的頂級一線選手，目標是組建一個大約50人規模的精英小組，美其名曰“Superintelligence”小組。這小組的任務，就是縮短Meta在Frontier研究上與競爭對手的差距，說白了，就是想彎道超車，搞出個“超級智能”來。

為了實現這個目標，扎克伯格也是拼了。他親自參與招募，開出的薪水更是讓人瞠目結舌，據說單人案例就有超過2億美元的！這簡直是把“鈔能力”發揮到了極致，專門盯著OpenAI、蘋果、谷歌等公司的核心研究員下手，就是要挖墻腳，挖最狠的墻腳。

除了高薪挖人，扎克伯格還玩起了“整體拉攏”的策略。比如，今年6月，他就一次性從OpenAI蘇黎世辦公室挖來了3位研究員。這操作，簡直是“組團挖人”，效率高，效果好，直接把對手的“老巢”給端了。

扎克伯格對“頂級AI團隊”的理解，也挺有意思。他不止一次在公開場合強調，要打造通往“更強智能/超智能”的長期賽道，并且把開源生態和產品落地看作是“雙輪驅動”。他認為，只有把研究成果開源出去，才能吸引更多的人才和開發者加入，形成一個良性循環。同時，也要把這些高大上的研究成果，實實在在地落地到產品中，讓用戶能夠感受到AI帶來的便利。聽起來是不是很有道理？不過，理想很豐滿。

2.挖角≠最強，或許可以看看Anthropic / DeepMind / DeepSeek 的組織與文化

光靠“挖人”就能煉成一流AI團隊？這事兒，咱得打個問號。畢竟，挖來的人再牛，也得有合適的土壤才能生根發芽，開花結果。咱們來看看幾家AI領域的“模范生”，他們是怎么做的。

鏡像A：Anthropic 的“使命+安全文化”路徑

Anthropic這家公司，簡直是AI界的一股清流。根據SignalFire和多家媒體的數據，他們的員工留存率高達80%左右，而且對OpenAI和DeepMind的人才流動，他們是“單向流入”，也就是說，只有人往他們那兒跑，很少有人從他們那兒跳槽。這可不是靠天價薪水堆出來的，而是靠著明確的使命、前沿的研究路線和獨特的組織氛圍留住人才的。他們不追求“天價對標”，而是讓員工感受到“心理安全感”，少官僚、少內斗、重視同行評審和復現。這不禁讓人想起Google Project Aristotle的研究，他們發現“心理安全感”是高效團隊最重要的要素。看來，搞AI也得講究“心理建設”啊！

鏡像B：DeepMind/FAIR 的“長期研究范式”

DeepMind，是AI界的“老牌勁旅”。他們一直保留著“圍繞重大科學目標組團攻堅”的傳統，比如AlphaGo和AlphaFold這些“神作”，都是在穩定領導、明確科研目標和充足算力的組合下誕生的。Meta自家的FAIR（Facebook AI Research）早期也走過這條路，但當組織頻繁重組、短期KPI和產品節奏壓頂時，研究的連續性和“師徒鏈”就容易中斷。要知道，那些被挖來的“頂級人才”，也需要一個穩定的生態土壤才能發揮出最大的潛力。如果環境總是變來變去，再牛的人也可能“水土不服”。

鏡像C：DeepSeek小團隊高效能+工程化優化

再來看看DeepSeek團隊，簡直是“小團隊高效能+工程化優化”的典范。在硬件受限的情況下，他們硬是做出了高性價比的模型，強調扁平協作和科研優先。這說明啥？說明即便算力不占優，資金不充裕，只要方法創新、有復現文化、端到端工程化做得好，也能形成自己的“團隊護城河”。所以說，“挖人”固然重要，但更重要的是如何把這些人才融入到團隊中，形成一個有凝聚力、有戰斗力的整體。

“挖人”是加速器，不是發動機。

所以，扎克，別老盯著那些“明星科學家”的名頭了，他們再牛，也只是團隊的一部分。真正的“超級團隊”，不是看你挖了多少個“大牛”，而是看你能不能建立一個能持續產出“大牛”的體系。就像你玩游戲，光有幾個神級英雄不夠，還得有完善的兵營、科技樹和經濟系統，才能源源不斷地培養出更強的部隊。所以，定個三年期的科學North Star吧，比如“視頻生成的長期一致性與物理可守恒推理”，或者“讓AI能像人一樣理解并使用工具”。然后，用可復現的實驗和開源里程碑來衡量，別老盯著那些產品KPI，那玩意兒太短視了，就像你只看游戲里的KDA，不看團隊的整體經濟和推塔節奏。

雖然“快速迭代”是必要的，但AI團隊可不是你的Facebook App，不能說改版就改版。一年內減少大范圍組織改編的頻率，給那些搞Frontier研究的團隊至少18-24個月的“連續窗口期”。搞科研就像釀酒，得有耐心，得有時間沉淀。老是動不動就“重組”，知識鏈條也容易斷裂。

人才的來來往往是硅谷永不落幕的戲碼，但用戶和開發者們期待的，從來不是新聞頭條上的明爭暗斗，而是實打實的、能推動整個行業前進的技術里程碑。小扎，是時候讓LLaMA用一次徹底的版本來證明，誰才是這場AI競賽中真正的實力派。期待你的“熹妃回宮”！