Meta 的 AI 豪賭：理想主義在商業競爭中的最後掙扎

2025 年 10 月 22 日，馬克·祖克柏裁撤 Meta AI 部門 600 名員工，核心對象是曾被視為「AI 烏托邦」的 FAIR 實驗室。

而在三個月前，Meta 剛以上億美元年薪挖來 28 歲的 Scale AI 創辦人 Alex Wang，連圖靈獎得主楊立昆（Yann LeCun）都要向他匯報。現在，主導 Meta AI 研究的楊立昆，也傳出計劃離開 Meta。

一邊瘋狂砸錢挖人，一邊大規模裁員。這種割裂背後，是產業環境劇變下，Meta 被迫放棄理想主義的故事。

2024 年 4 月，Llama 3 發布時，Meta 還是開源 AI 的驕傲。僅一年後，Llama 4 慘敗，Alex Wang 空降重組。這中間，AI 產業經歷了什麼？

產業轉折：從 Scaling Law 到推理競賽

故事要從產業環境的兩次重大轉折說起。

第一次轉折：算力成為核心競爭力

2023 年之前，AI 研究還相對純粹。Meta 在 2013 年組建 FAIR 實驗室時，Yann LeCun 提出的條件之一就是「必須做開放研究，所有成果公開發表」。這奠定了 Meta 開源路線的基因。

公司設計了一個平衡架構。FAIR 負責前沿研究，追求 AGI。GenAI 負責產品落地，服務商業。理論上，FAIR 提供好想法給 GenAI，GenAI 把想法投入生產。產品賺錢，管理層有更大動力撥款給 FAIR。

但 2023 年後，這個平衡被打破了。

前 FAIR 研究總監田淵棟回憶：「大語言模型來了之後，算力成了很重要的因素。因為算力有限，就會產生各種問題、各種矛盾。大家都要訓練大模型，如果我卡多了，你卡就少了。2023 年之後，狀態肯定不會像以前那麼好。」

整個產業進入「Scaling Law 競賽」：誰的模型更大、誰的算力更多、誰就能領先。Meta、OpenAI、Google 都在瘋狂堆參數、搶 GPU。

在這個階段，Meta 的開源策略取得了成功。2023 年 2 月發布 Llama 1，主打「更小參數更好效果」。2023 年 7 月發布 Llama 2，放寬商用限制。2024 年 4 到 9 月，Llama 3 連發三個版本，405B 被稱為「全球最強開放模型」。

參與 Llama 3 後訓練的工程師 Gavin Wang 說：「當時整個 GenAI 團隊以『光速』前進。我們覺得不僅在做工作，而是在支持 AI 前沿發展。整個 AI 創業圈都在指望 Llama。」

那是 Meta 開源路線最輝煌的時刻。

第二次轉折：從比大小轉向比推理

2024 年 9 月 12 日，OpenAI 推出基於思維鏈的 O1 系列模型。這不是簡單的參數堆疊，而是讓模型「學會思考」——通過強化學習訓練推理能力。

兩個月後，2024 年 12 月，中國 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同時大幅降低成本。

產業邏輯徹底改變了。過去是誰的模型更大，誰就更強。現在是誰的推理能力更強，誰才能領先。

而 Meta，完全沒有準備好。

Meta 的戰略誤判：產品壓倒研究

問題出在哪？

2024 年 1 月，就在 Llama 3 研發期間，Meta 進行了組織重組。FAIR 的兩名負責人開始直接向 CPO（首席產品官）Chris Cox 匯報。這個調整釋放了明確信號：AI 研究要服務於產品。

Gavin Wang 回憶：「Meta 領導層很早就意識到大語言模型能夠落地，能為社會產生價值。所以 GenAI 的核心目標是讓研究成果真正產品化、工程化。因此在最高管理層，包括副總裁、高級總監，都是由產品背景和工程背景的人來領導。」

在規劃 Llama 4 時，所有注意力都放在「與產品結合」上——多模態能力。推理能力被放到次要位置。

這個決策在當時看起來合理。Meta 有 Facebook、Instagram、WhatsApp 等產品需要多模態能力，多模態可以直接帶來商業價值，推理能力還沒有明確的應用場景。

但產業環境的變化，讓這個決策變成了致命錯誤。

外行管理內行的困境

更糟的是，決策層不夠了解技術前沿。

Gavin Wang 指出：「公司高層很多人是傳統基礎架構、計算機視覺背景，自然語言處理背景的比較少。技術層面對 AI 原生技術或大語言模型沒有深度理解。真正懂行的是下面具體做事的博士，尤其是華人博士技術非常扎實。但他們獲得的話語權和資源沒有那麼多。某種程度造成了外行管理內行的局面。」

其實，FAIR 的田淵棟團隊早就在研究思維鏈。田淵棟說：「O1 是去年 9 月出來的，但我們在 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 產生影響。」

但這些前沿研究，並沒有及時傳遞給 Llama 4 的產品團隊。

組織失能：兩個世界的隔閡

為什麼 FAIR 的研究無法傳遞給 GenAI？根本原因是組織設計的問題。

田淵棟坦言：「我當時在 FAIR 時，有時候給 GenAI 的人發消息，他們都不理我。但真的我去了 GenAI 之後，我會覺得，確實我也沒法理他們。因為太忙了。半小時不看手機，可能就有 20、30 條消息。有很多人要找，有很多事情要決定。在 GenAI 環境下，很難有長期的思考過程。」

一個追求 AGI 的理想主義實驗室，和一個追求產品 deadline 的工程團隊，節奏完全不同。

FAIR 的時間單位是「年」，一個研究方向要探索幾年才能出成果。GenAI 的時間單位是「週」，產品迭代、bug 修復、性能優化，每天都在變。

當產業環境發生劇變，這種組織隔閡的代價就顯現了。

救火式開發的惡果

2024 年 12 月，DeepSeek 橫空出世後，Meta 陷入慌亂。Gavin Wang 說：「據說當時他們在討論是不是要重新把推理撿起來，但優先順序有衝突，時間也非常有限，導致大家加班加點做了很多嘗試。DeepSeek 的出現造成了資源和優先順序管理上的混亂。」

高層做了一個決定：讓 FAIR 去「救火」。

田淵棟被臨時調去支援 Llama 4，帶領團隊優化 MoE 架構。但這也意味著，他們在思維鏈和推理上的研究被中斷了。

更糟的是 deadline 的壓力。田淵棟回憶：「我們組裡有團隊成員在東部時區，他們晚上 12 點給我打電話，他們那邊已經凌晨 3 點了，還在幹活。為什麼那麼辛苦？因為 deadline 壓得很緊。」

「如果你在做這些事情時發現數據有問題，你怎麼樣能讓大家因為你這句話停下來？但在很強的 deadline 壓力下，最後結果就是大家沒有辦法提出異議，最後質量就會變得很差。」

2025 年 4 月 5 日，Llama 4 發布。開發者社群迅速質疑模型質量，懷疑 Meta 用特殊優化版本刷榜。雖然 Meta 否認，但影響已經發酵。更高端的 Behemoth 版本推遲發布，至今未見蹤影。

從 Llama 3 的巔峰到 Llama 4 的慘敗，Meta 用一年時間證明了：在快速變化的產業環境中，組織架構的失能比技術能力的不足更致命。

祖克柏的豪賭：空降 28 歲新王

Llama 4 的失敗，讓祖克柏意識到問題的嚴重性。

2025 年 5 月，他做了一個大膽決定：以上億美元年薪挖來 Scale AI 創辦人 Alex Wang，讓這位 28 歲的年輕人統領整個 AI 部門。

新的組織架構是這樣的。Alex Wang 帶領高薪聘來的頂級研究員，成立特別小組 TBD。TBD、FAIR、GenAI 組成 Meta Superintelligence Labs（MSL）。所有部門直接向 Alex Wang 匯報，Alex Wang 直接向扎克伯格匯報。

現在的 Meta AI，是 Alex Wang 一人獨大。

三個關鍵改變

Alex 在內部郵件中宣布三個改變。

第一，集中 TBD 和 FAIR 的核心基礎研究力量。這意味著 FAIR 的獨立性被削弱，前沿研究必須更貼近產品需求。很多「影響力不夠大」的前沿研究被砍掉——這就是 600 人被裁的原因。

第二，提升產品和應用研發的融合，繼續以產品為模型聚焦點。「產品驅動研究」的路線不會改變，只是執行會更高效。和 Alex 一起空降的還有 GitHub 前 CEO Nat Friedman，專門負責產品。

第三，成立核心基建團隊統一管理算力資源。過去算力分配很分散，各組自行申請。現在統一管理，提高效率。

這次重組的邏輯很清晰：放棄「FAIR 獨立探索加上 GenAI 產品化」的雙軌制，改為「所有研究都要服務產品，統一指揮、快速迭代」。

祖克柏的賭注是：用極致的執行效率，彌補戰略誤判造成的時間損失。

產業啟示：理想主義的終結？

Meta 的故事，顯示理想主義實驗室在激烈商業環境下，生存空間正在消失。

貝爾實驗室、IBM Watson Research、HP 實驗室，都曾是科技史上閃耀的前沿研究機構，但基本都因為無法平衡前沿科研和商業化而衰落。FAIR 也走上了同樣的道路。

在激烈的商業競爭中，公司很難給前沿研究「幾年時間慢慢探索」的空間。當競爭對手每個月都在發布新模型，你的研究團隊還在研究「可能幾年後有用」的技術，管理層的耐心會迅速耗盡。

這不是 Meta 一家公司的問題，而是整個產業都要面對的終極問題：當商業競爭只給你幾個月時間窗口，前沿研究需要幾年才能開花結果時，你會如何選擇？

開源路線的陰影

Meta 曾是開源 AI 的旗手，但 Llama 4 的失敗讓這條路線蒙上陰影。

開源的邏輯是：通過開放模型權重，吸引社群貢獻，形成生態優勢。這在 Llama 1 到 3 時代確實奏效——大量開發者基於 Llama 做微調、做應用，擴大了 Meta 的影響力。

但現在的問題是：當你的開源模型不夠強，社群的熱情還能維持多久？

如果 Llama 5 無法追上 OpenAI 和 Google，開發者會不會轉向更強的閉源模型？甚至是其他國家的開源模型呢？

尾聲：Meta 要麼贏，要麼出局

Alex Wang 能否撐起祖克柏的豪賭？

這位 28 歲的年輕人，手握 Meta 史上最大的權力和資源，承載著公司在 AI 時代的命運。

他面臨的挑戰是：能否在保持研究深度的同時，提高產品迭代速度？能否在統一指揮的同時，避免扼殺創新？能否在追趕 OpenAI 的同時，守住開源陣地？

留給 Meta 的時間或許不多了。就在祖克柏大舉衝刺運算能力的這個時候，OpenAI 的 GPT-6 在路上，Google 的 Gemini 在進化，中國的開源模型在崛起。而 Meta 要從 Llama 4 的慘敗中爬起來，重建技術領先地位。

在 AI 這場生死競賽中，Meta 要麼贏，要麼出局。

而 FAIR 的 600 名研究員，和那個曾經存在過的「AI 烏托邦」，只會成為這場豪賭的註腳。

這個故事告訴我們：在快速變化的產業環境中，理想主義是奢侈品。當生存成為唯一選項，所有的浪漫都要讓位給殘酷的效率。

也許有一天，當 AI 產業成熟、競爭格局穩定，理想主義實驗室會再次出現。但現在，不是那個時候。

參考資料

訪談來源：

• 硅谷 101 Podcast《專訪前 FAIR 研究總監田淵棟：Meta 裁員之後，對 AI 的一些遺憾與思考》

產業報導：

• Meta AI 組織重組內部郵件
• Llama 系列模型發布公告
• 開發者社群對 Llama 4 的技術評測