2025年6月，一场由Meta引爆的AI人才争夺战牵动了硅谷的神经。随着“超级智能实验室”（Meta Superintelligence Labs, 简称MSL）的正式启动，这家社交科技巨头不仅开出了数亿美元的顶级薪酬，还接连从苹果、OpenAI、谷歌DeepMind等科技领军企业重金挖角，迅速组建出一支堪称“全明星阵容”的AI研发团队。其背后是扎克伯格押注通用人工智能（AGI）赛道的战略野心，更是对Meta自研大模型Llama系列面临困境的果断调整。而MSL的成立，标志着Meta试图通过重新整合全球AI顶尖资源，对其大模型战略进行一次彻底重塑。
Meta能否借此打破困局，重回AGI竞争前沿？本文将从团队构建、战略意图与转型方向三方面，解析Meta这步“超级智能”棋局的深意与变量。
图片来源：The Register
豪掷千金，“全明星”实验室重塑AI人才版图
2025年6月，扎克伯格亲自宣布成立“超级智能实验室”，其核心使命直指开发“超越人类能力的AI系统”。为实现这一宏伟目标，Meta启动了科技史上堪称最激进的人才招募计划。MSL的组建策略清晰而有力：不惜一切代价挖角行业顶尖领袖、整体收购精锐技术团队、深度绑定战略合作伙伴。其投入之大，彻底改写了硅谷AI人才竞争的游戏规则。
图片来源：Mirror Review
最引人瞩目的动作，无疑是前苹果基础模型团队（AFM）负责人庞若明（Ruoming Pang）的加盟。作为苹果AI核心的掌舵者，庞若明领导着百人精英团队，支撑着Apple Intelligence等关键AI功能。为了争取这位重量级人物，Meta开出了综合价值超过2亿美元的天价方案，其规模甚至逼近苹果CEO库克的薪酬水平，最终令苹果无力匹配。
图片来源：TBPN
除此之外，OpenAI也成为MSL的“人才收割机”重点目标，7名核心研究人员集体转投Meta，其中包括大型语言模型专家Trapit Bansal、强化学习权威Shuchao Bi以及从事多模态AI研发的Allan Jabri和Lu Liu。据报道，Meta为其中部分人才开出了高达1亿美元（约合人名币7.25亿美元）的签约奖金，其决心可见一斑。而谷歌DeepMind也未能幸免，机器学习先驱Jack Rae和图像生成顶尖专家Huiwen Chang的加入，将直接弥补Llama系列的关键短板。专注AI安全的Anthropic同样损失不小，Claude核心开发者Anton Bakhtin和推理系统专家Joel Pobar的加盟，为Meta带来了领先的对话模型与复杂推理能力。
除了直接挖角，Meta还进行了关键的战略布局。其斥资143亿美元（约合人民币1036.75亿元）收购Scale AI近49%股权，并任命其联合创始人Alexandr Wang为首席人工智能官，此举将Scale AI世界领先的数据标注与处理能力深度整合进Meta的AI开发生态。同时，Meta还延揽前GitHub首席执行官纳特·弗里德曼（Nat Friedman）担任战略顾问，旨在强化AI开发工具链的整合与开发者生态建设。
至此，MSL已迅速集结了数十位涵盖语言模型、多模态、强化学习、推理优化等关键领域的顶尖大脑，其薪酬标准甚至令华尔街顶级投行的CEO们相形见绌。
Meta部分AI人才梳理表格
图片来源：新工科局自制
设立MSL的战略意图：Llama的困境
MSL高调组建的举措来源于Meta自研大模型Llama系列当前面临的严峻挑战与信任危机。近期曝光的内部决策显示，Meta工程师已弃用Llama的代码生成功能，转而采用Anthropic的Claude Sonnet。这一看似技术性的调整，实则是Llama 4项目遭遇滑铁卢后的连锁反应。
图片来源：DEV
Llama 4的发布堪称Meta AI史上的一次重大挫折。模型上线仅36小时便陷入用户口碑风暴，随后更是被卷入“大模型竞技场刷榜”的争议漩涡。其表现之差，甚至严重动摇了Meta内部团队对项目的信心。一位离职的前Meta核心员工在内部发文中尖锐指出，Meta的生成式AI团队深陷“恐惧文化、缺乏清晰愿景和破坏性的内部竞争”泥潭。他直言不讳地表示：尽管Meta在基础设施和人才招募上投入了天文数字，但“几乎没有人真正相信公司所宣扬的人工智能使命”。
图片来源：The Information
在此背景下，MSL的成立被赋予了战略救赎的使命。 扎克伯格在内部备忘录中明确阐述了双轨并行的发展策略：一方面，Llama-4.1与4.2版本仍在开发中，定位为现有架构的渐进式改进与修补；另一方面，新成立的MSL将承担更具雄心的任务——启动全新一代模型的研发，目标是在“未来一年左右达到前沿水平”。这一策略清晰地表明，Meta承认Llama当前架构存在局限，需要在一个全新框架和顶级团队的领导下实现技术跃迁。值得注意的是，Meta尚未明确新一代旗舰模型是否会沿用“Llama”品牌。考虑到Llama 4对品牌声誉造成的严重损害，进行彻底品牌重塑的可能性极高。
从人才布局看Llama技术路线的五大转型方向
深入分析MSL集结的人才阵容及其背景，结合Meta近期战略动向，可以预判Llama（或其继任者）技术路线未来可能将发生以下重大战略转型：
核心策略：从激进开源转向战略闭源。Meta长期奉行的全开源策略面临重大调整。Alexandr Wang的加盟是一个强烈信号，他创立的Scale AI以构建专有数据护城河和商业闭源模型著称。考虑到MSL的核心使命是打造“个人超级智能”，以及Meta投入143亿美元巨资获取Scale的专有数据资源，新一代旗舰模型极可能采用混合开源策略：基础版本保持开源以维持生态和影响力，但最先进、具备商业竞争力的顶尖模型将保持闭源，以此构筑技术壁垒和商业化基础。
图片来源：Financial Times
能力演进：从单一语言到深度融合多模态。Huiwen Chang等视觉与多模态顶尖科学家的加入，结合Meta在智能眼镜（Ray-Ban Meta）和元宇宙硬件上的持续投入，明确指向Llama架构将进行根本性升级，原生支持图像生成、视频理解、3D场景建模等能力。未来的模型将是真正的视觉-语言统一体，成为驱动Meta硬件和沉浸式体验的核心智能引擎。
图片来源：Meta Store
应用聚焦：从通用底座到深度垂直优化。Scale AI的整合为Meta带来了海量的行业特定数据集和专业的标注能力。这预示着未来的Llama架构将不再是“一刀切”的通用模型，而是会衍生出针对金融、医疗保健、工业制造、教育等关键领域的高度专业化垂直版本。通过领域自适应技术（Domain Adaptation）深度优化，这些模型将在特定场景下提供远超通用模型的性能和可靠性，这与扎克伯格强调的“将AI深度整合到Instagram、WhatsApp等核心产品及智能眼镜中”的战略高度契合。
图片来源：TechJuice
效能优先：从规模扩张到推理效能革命。Llama 4的挫折让Meta深刻认识到，单纯追求参数规模的扩张路径不可持续且代价高昂。新加盟的Joel Pobar等专家在模型压缩（蒸馏）、推理加速和优化方面拥有深厚造诣。这清晰地表明新一代模型研发的核心目标将转向：在保持甚至提升性能的前提下，显著缩小模型规模；大幅提升推理速度并降低计算成本；开发面向边缘设备（如AR眼镜、手机）的高效部署能力，使强大AI真正触达用户终端。
图片来源：TECHi
生态构建：从模型研发到平台化运营。Nat Friedman等技术生态整合专家的加入揭示了Meta更深远的布局野心：构建一个繁荣的AI开发生态系统。借鉴GitHub成功整合全球开发者的经验，Meta未来很可能推出基于新一代模型的模型即服务（MaaS）平台，提供完善的AI开发工具链（训练、部署、监控），并投入资源进行开发者社区运营。这将有助于吸引第三方创新，形成围绕Meta AI技术的生态护城河。
图片来源：Richard’s Notes
结语
在超级智能实验室（MSL）的带动下，Meta正在全面重构其在人工智能领域的战略布局。从疯狂挖角构建“全明星”团队，到高调纠偏Llama路线，再到明确发力多模态、垂直化、高效推理与生态构建，扎克伯格显然不再满足于“跟随者”的角色，而是试图重返AGI竞赛的第一梯队。尽管Llama 4的失利曾暴露出Meta在大模型战略上的诸多软肋，但MSL的成立无疑是一场战略豪赌的重新洗牌。
未来的AI竞争将不仅关乎模型性能，更关乎架构创新、数据护城河、落地效率与生态平台能力的综合博弈。在AI技术迅速迈向平台化和终端融合的关键时刻，Meta若能在短期内实现从理念、团队到产品的协同进化，不仅有望挽回Llama时代的战略失衡，更可能在下一轮AGI突破中占据先机。MSL能否兑现其“超级智能”的承诺，或许正是决定Meta命运与AI未来格局走向的关键变量之一。
作者：石淳瑜
编辑：陈靓、邵正棋
编撰：同济大学国家创新发展研究院
监制：同济大学政治与国际关系学院、同济大学外国语学院
监审：同济大学网络空间国际治理研究基地