2025年9月2日，Yann LeCun在他的領(lǐng)英頁面上發(fā)布了一段文字，這段文字雖然沒有指名道姓，但其指向性非常明確。

他寫道：“嘿，AI領(lǐng)域的記者和專家們。并非每個(gè)從事AI工作的人都是‘研究員’。” 他接著定義了他心目中研究員的標(biāo)準(zhǔn)：他們傾向于公開發(fā)表至少一部分研究成果，并開源一部分代碼；他們通過論文和開源代碼對(duì)其他研究者和技術(shù)社區(qū)產(chǎn)生影響，這可以從谷歌學(xué)術(shù)的引用數(shù)和H指數(shù)上看出來；他們通常擁有一個(gè)與AI相關(guān)領(lǐng)域的博士學(xué)位；他們?cè)谘芯可陂g就發(fā)表論文，并在參加工作后繼續(xù)發(fā)表。如果他們停止了發(fā)表，他們就變成了工程師或者管理者。

LeCun繼續(xù)寫道：“正如我之前帖子中指出的，研究和工程/產(chǎn)品開發(fā)是兩種不同的活動(dòng)，有著不同的動(dòng)機(jī)、不同的激勵(lì)機(jī)制和不同的操作模式。有些人兩者都能做，有些人只能做其一。相當(dāng)多的人在職業(yè)生涯中從研究轉(zhuǎn)向工程或管理（反向的情況比較少見）。但簡(jiǎn)單來說，研究員的衡量標(biāo)準(zhǔn)是他們的智力影響，工程師的衡量標(biāo)準(zhǔn)是他們的產(chǎn)品影響。兩者對(duì)于科學(xué)和技術(shù)的進(jìn)步都是必需的。”

這段話雖然有點(diǎn)繞，但是不難看出Yann LeCun在暗諷，智力水平高的才能當(dāng)研究者，智力水平低的是管理者，而且作為AI行業(yè)的研究者，還要具備一個(gè)博士學(xué)位。楊立昆那番意有所指的話，可能是緣于一次當(dāng)面沖突。

早些時(shí)候，Meta AI的首席科學(xué)家Yann LeCun正在發(fā)言，他對(duì)一項(xiàng)激進(jìn)的人工智能開發(fā)計(jì)劃表達(dá)了系統(tǒng)性的反對(duì)意見。LeCun是圖靈獎(jiǎng)得主，他在人工智能領(lǐng)域的資歷深厚，尤其是在深度學(xué)習(xí)和卷積神經(jīng)網(wǎng)絡(luò)方面的貢獻(xiàn)，是行業(yè)公認(rèn)的奠基人之一。他習(xí)慣于從基礎(chǔ)科學(xué)的嚴(yán)謹(jǐn)性出發(fā)，審視技術(shù)發(fā)展的路徑。然而，他的發(fā)言被中途打斷。

打斷他的人是Alexander Wang，時(shí)年28歲，是LeCun的上級(jí)。Wang直接說：“我們是在開發(fā)超級(jí)智能，不是在辯論哲學(xué)。”這句話讓會(huì)議室的空氣瞬間凝固。參會(huì)者們感到尷尬，LeCun本人也陷入了沉默。

這次直接的沖突，將Meta AI實(shí)驗(yàn)室內(nèi)部?jī)煞N工作方式和思想的矛盾公開化。一方面是LeCun所代表的，基于長(zhǎng)期主義和基礎(chǔ)研究的科學(xué)探索精神；另一方面是Wang所代表的，追求速度、執(zhí)行力和短期成果的工程導(dǎo)向文化。這個(gè)事件并非孤立的個(gè)人摩擦，它預(yù)示著一個(gè)投入巨額資金和頂尖人才的科技巨頭，可能因其內(nèi)部的結(jié)構(gòu)性問題而在關(guān)鍵競(jìng)賽中步履蹣跚。

01

Yann LeCun的學(xué)術(shù)生涯始于法國，他在皮埃爾和瑪麗·居里大學(xué)完成了計(jì)算機(jī)科學(xué)的博士學(xué)位。他的研究重點(diǎn)是機(jī)器學(xué)習(xí)，特別是神經(jīng)網(wǎng)絡(luò)。1980年代末，他在多倫多大學(xué)跟隨Geoffrey Hinton進(jìn)行博士后研究，之后加入了美國電話電報(bào)公司（AT&T）的貝爾實(shí)驗(yàn)室。

在貝爾實(shí)驗(yàn)室期間，LeCun開發(fā)了卷積神經(jīng)網(wǎng)絡(luò)（CNN），這項(xiàng)技術(shù)通過模擬生物的視覺皮層，極大地提升了機(jī)器在圖像識(shí)別領(lǐng)域的準(zhǔn)確性。他將這項(xiàng)技術(shù)應(yīng)用于手寫數(shù)字識(shí)別，并成功開發(fā)出被多家銀行采用的支票讀取系統(tǒng)。CNN后來成為計(jì)算機(jī)視覺領(lǐng)域的標(biāo)準(zhǔn)架構(gòu)，為自動(dòng)駕駛、醫(yī)療影像分析、人臉識(shí)別等眾多應(yīng)用奠定了基礎(chǔ)。

離開貝爾實(shí)驗(yàn)室后，LeCun進(jìn)入學(xué)術(shù)界，成為紐約大學(xué)的教授。他在紐約大學(xué)創(chuàng)立了數(shù)據(jù)科學(xué)中心，繼續(xù)推動(dòng)人工智能領(lǐng)域的基礎(chǔ)研究。他的工作方式始終圍繞著公開發(fā)表研究成果和開源代碼，以促進(jìn)整個(gè)學(xué)術(shù)界的共同進(jìn)步。他的谷歌學(xué)術(shù)頁面記錄了數(shù)百篇論文，被引用的次數(shù)超過數(shù)十萬次，H指數(shù)也達(dá)到了一個(gè)很高的水平，這些數(shù)據(jù)都反映了他在學(xué)術(shù)界的影響力。

2018年，因?yàn)樵谏疃葘W(xué)習(xí)領(lǐng)域的開創(chuàng)性工作，Yann LeCun與Geoffrey Hinton、Yoshua Bengio共同獲得了計(jì)算機(jī)科學(xué)領(lǐng)域的最高榮譽(yù)——圖靈獎(jiǎng)。對(duì)于LeCun而言，人工智能的發(fā)展是一項(xiàng)嚴(yán)肅的科學(xué)事業(yè)，需要對(duì)基本原理的深刻理解和持續(xù)探索，而不是簡(jiǎn)單的工程堆砌。

2013年，他加入Facebook（后來的Meta），擔(dān)任首席AI科學(xué)家，負(fù)責(zé)領(lǐng)導(dǎo)公司的人工智能研究實(shí)驗(yàn)室（FAIR）。他的角色定位一直是思想領(lǐng)袖和頂尖科學(xué)家，負(fù)責(zé)為公司的長(zhǎng)遠(yuǎn)技術(shù)布局提供方向，而不是一個(gè)負(fù)責(zé)具體產(chǎn)品交付和短期業(yè)績(jī)指標(biāo)的管理者。

Alexander Wang的職業(yè)軌跡則完全不同。他進(jìn)入麻省理工學(xué)院（MIT）主修計(jì)算機(jī)科學(xué)和物理學(xué)，但在大一結(jié)束后就選擇了輟學(xué)。這種行為在硅谷的創(chuàng)業(yè)文化中常常被看作是一種特質(zhì)，代表著對(duì)傳統(tǒng)路徑的挑戰(zhàn)和對(duì)商業(yè)機(jī)會(huì)的敏銳嗅覺。輟學(xué)后，Wang曾短暫在問答網(wǎng)站Quora擔(dān)任技術(shù)主管，之后在2016年，年僅19歲的他聯(lián)合創(chuàng)立了Scale AI公司。

Scale AI的商業(yè)模式非常直接。隨著人工智能行業(yè)對(duì)高質(zhì)量標(biāo)注數(shù)據(jù)的需求激增，Scale AI提供了一項(xiàng)核心服務(wù)：數(shù)據(jù)標(biāo)注。公司在全球范圍內(nèi)招募大量的合同工，這些人負(fù)責(zé)對(duì)圖像、文本、音頻等原始數(shù)據(jù)進(jìn)行分類、標(biāo)記和注釋，例如在自動(dòng)駕駛的圖像中標(biāo)注出行人、車輛和交通標(biāo)志。這些經(jīng)過處理的數(shù)據(jù)隨后被提供給谷歌、通用汽車、OpenAI等公司，用于訓(xùn)練他們的機(jī)器學(xué)習(xí)模型。

Scale AI的業(yè)務(wù)本質(zhì)上是一個(gè)勞動(dòng)密集型的數(shù)據(jù)加工廠，它通過規(guī)模化和流程化的管理，將廉價(jià)的人力資源轉(zhuǎn)化為AI公司所需要的數(shù)據(jù)原料。盡管其業(yè)務(wù)核心是人力，但Scale AI成功地將自己包裝成一家高科技人工智能公司，并獲得了資本市場(chǎng)的高度認(rèn)可，估值一度達(dá)到數(shù)十億美元。

Wang的成功展示了他作為一名企業(yè)家的能力，他擅長(zhǎng)識(shí)別市場(chǎng)需求，并用最有效率的方式組織資源來滿足這種需求。他的方法論是實(shí)用主義和結(jié)果導(dǎo)向的，對(duì)于那些不能直接轉(zhuǎn)化為商業(yè)成果的理論探討，他缺乏耐心。

在ChatGPT于2022年底發(fā)布并引發(fā)全球范圍內(nèi)的技術(shù)競(jìng)賽后，Meta感受到了巨大的壓力和焦慮。公司內(nèi)部的戰(zhàn)略重心開始發(fā)生偏移，從過去強(qiáng)調(diào)長(zhǎng)遠(yuǎn)的基礎(chǔ)研究，轉(zhuǎn)向了不計(jì)成本地追趕競(jìng)爭(zhēng)對(duì)手。在這樣的背景下，擁有快速產(chǎn)品交付經(jīng)驗(yàn)和強(qiáng)大執(zhí)行力的管理者變得至關(guān)重要。Alexander Wang的行事風(fēng)格正好契合了Meta當(dāng)時(shí)的迫切需求，這為他進(jìn)入Meta并擔(dān)任高層職位鋪平了道路。

于是，Meta AI的組織架構(gòu)中出現(xiàn)了這樣一種權(quán)力結(jié)構(gòu)：圖靈獎(jiǎng)得主，AI界的泰斗Yann LeCun需要向比他年輕三十多歲，本科肄業(yè)的Alexander Wang匯報(bào)工作。

02

從好的一方面來說，安排本身就是一個(gè)強(qiáng)烈的文化信號(hào)，它清晰地表明，在當(dāng)時(shí)的Meta，速度和執(zhí)行力被放置在了經(jīng)驗(yàn)和學(xué)術(shù)權(quán)威之上。在Wang的管理下，團(tuán)隊(duì)的資源和方向開始向著如何盡快推出一個(gè)能夠與競(jìng)爭(zhēng)對(duì)手抗衡的大模型產(chǎn)品集中。

然而，這種文化轉(zhuǎn)變很快就帶來了負(fù)面影響。公司內(nèi)部的矛盾不僅存在于LeCun和Wang之間，也開始在團(tuán)隊(duì)的其他層面蔓延。Shengjia Zhao（趙勝佳）的案例就是一個(gè)證明。Zhao是Meta從OpenAI高薪挖來的研究科學(xué)家，他是ChatGPT開發(fā)過程中的關(guān)鍵成員之一。

來到Meta后，Zhao在工作中遇到了挫折。他認(rèn)為自己領(lǐng)導(dǎo)的項(xiàng)目沒有得到承諾的GPU計(jì)算資源，并且對(duì)公司的獎(jiǎng)金分配機(jī)制感到不滿。在一系列溝通未果后，Zhao向管理層發(fā)出了最后通牒，表示如果問題得不到解決，他將考慮返回OpenAI。

Zhao的遭遇反映了Meta AI內(nèi)部更廣泛的問題。“雇傭兵”文化開始盛行，公司用高薪吸引頂尖人才，但卻沒有提供一個(gè)能夠讓他們安心工作的環(huán)境。這些高薪挖來的人才發(fā)現(xiàn)，他們需要花費(fèi)大量精力去爭(zhēng)奪有限的資源，并應(yīng)對(duì)復(fù)雜的內(nèi)部政治。協(xié)同創(chuàng)新的氛圍被內(nèi)耗所取代。

那些拿著高薪的頂尖人才感到自己的專業(yè)能力沒有得到充分的尊重和發(fā)揮，而團(tuán)隊(duì)里的普通工程師和研究員則因?yàn)楦械劫Y源分配不公和缺乏明確的發(fā)展路徑而普遍士氣低落。最終，為了控制成本和應(yīng)對(duì)內(nèi)部的混亂局面，Meta在一段時(shí)間后暫停了部分團(tuán)隊(duì)的人才招聘，這標(biāo)志著前期“大躍進(jìn)”式擴(kuò)張的失敗，公司被迫進(jìn)入一個(gè)收縮和調(diào)整的階段。

03

產(chǎn)品層面，在Wang到來之前，Meta AI就已經(jīng)有些不對(duì)勁了。Meta的Llama系列大語言模型最初在開源社區(qū)獲得了巨大的成功。特別是Llama 2的發(fā)布，其性能在當(dāng)時(shí)超過了所有其他的開源模型，并且在許多基準(zhǔn)測(cè)試中表現(xiàn)出與一些閉源商業(yè)模型相近的能力。Llama 2的成功，讓Meta在開源AI領(lǐng)域獲得了聲譽(yù)，被看作是能夠與OpenAI和谷歌抗衡的重要力量。這在很大程度上得益于FAIR實(shí)驗(yàn)室長(zhǎng)期以來的技術(shù)積累。

但是，隨著時(shí)間的推移到了Llama 4的時(shí)候，市場(chǎng)上開始出現(xiàn)對(duì)其性能指標(biāo)的質(zhì)疑。一些第三方評(píng)測(cè)機(jī)構(gòu)和社區(qū)開發(fā)者發(fā)現(xiàn)，Llama 4在某些公開基準(zhǔn)測(cè)試中得分很高，但在實(shí)際應(yīng)用中的表現(xiàn)卻不盡如人意，其真實(shí)能力似乎未能達(dá)到宣傳的水平。有傳聞指出，該模型可能在訓(xùn)練過程中針對(duì)特定的評(píng)測(cè)基準(zhǔn)進(jìn)行了過度優(yōu)化，以求在排行榜上獲得一個(gè)好看的數(shù)字。這種做法被批評(píng)為一種“應(yīng)試教育”式的開發(fā)，甚至是一種數(shù)據(jù)造假。

從Llama 2作為最強(qiáng)開源模型的引領(lǐng)者，到Llama 4發(fā)布時(shí)面臨被Grok、Claude等后起之秀超越的境地，并且聲譽(yù)受損，這背后是戰(zhàn)略上的失敗。Meta投入了千億級(jí)別的資金，吸納了全球最優(yōu)秀的一批人工智能人才，最終卻發(fā)現(xiàn)在最核心的大模型主賽道上，自己從一個(gè)有力的競(jìng)爭(zhēng)者，逐漸變成了一個(gè)追趕者，甚至有掉隊(duì)的風(fēng)險(xiǎn)。

從Llama 4的作弊刷分，再到現(xiàn)如今的“雇傭兵”團(tuán)隊(duì)，Meta正在表達(dá)著一種“唯結(jié)果論”的味道。當(dāng)一個(gè)團(tuán)隊(duì)的文化導(dǎo)向變成了不計(jì)代價(jià)地達(dá)成某個(gè)短期目標(biāo)時(shí)，產(chǎn)品的長(zhǎng)期可靠性和真實(shí)能力就可能被犧牲。

Meta AI內(nèi)部的氛圍最終對(duì)創(chuàng)新本身造成了抑制。一個(gè)不尊重專業(yè)知識(shí)、急功近利、充滿內(nèi)部斗爭(zhēng)的文化環(huán)境，直接導(dǎo)致了一系列問題。

像LeCun這樣的科學(xué)家和像Zhao這樣的關(guān)鍵工程師，都無法在一個(gè)內(nèi)耗嚴(yán)重的環(huán)境中長(zhǎng)期高效地工作。而決策的短視化，還可能會(huì)將這個(gè)問題進(jìn)一步放大。管理層為了追求短期的產(chǎn)品發(fā)布和性能指標(biāo)，忽視了對(duì)基礎(chǔ)研究的持續(xù)投入和技術(shù)的長(zhǎng)期健康發(fā)展。

其結(jié)果也顯而易見，倉促的產(chǎn)品開發(fā)流程導(dǎo)致了模型的缺陷和性能的不穩(wěn)定。

在人工智能這樣一個(gè)需要深度創(chuàng)新、持續(xù)投入和長(zhǎng)遠(yuǎn)眼光的領(lǐng)域，團(tuán)隊(duì)的文化和使命感至關(guān)重要。一個(gè)由共同使命感和相互信任驅(qū)動(dòng)的團(tuán)隊(duì)，其長(zhǎng)期戰(zhàn)斗力遠(yuǎn)超過一個(gè)僅僅依靠高薪和短期目標(biāo)驅(qū)動(dòng)的“雇傭兵”團(tuán)隊(duì)。OpenAI的首席執(zhí)行官山姆·奧特曼曾經(jīng)對(duì)此發(fā)表過評(píng)論，他的話在后來被證明具有預(yù)見性。他說：“在我看來，Meta正在做的事情將導(dǎo)致非常嚴(yán)重的文化問題......有使命的人終將擊敗雇傭兵。”

Yann LeCun與Alexander Wang之間的沖突，以及由此引發(fā)的Meta AI的一系列問題，不僅僅是一家公司的內(nèi)部管理失誤。它反映了在當(dāng)前這輪AI浪潮中，硅谷乃至整個(gè)科技行業(yè)所面臨的一種根本性的價(jià)值觀沖突：代表嚴(yán)謹(jǐn)科學(xué)精神和長(zhǎng)遠(yuǎn)探索的“傳教士”文化，與代表商業(yè)效率和短期回報(bào)的“雇傭兵”文化之間的對(duì)決。

Meta AI的遭遇，為所有試圖在人工智能時(shí)代取得成功的公司提供了一個(gè)案例：如果沒有一個(gè)健康的、能夠激勵(lì)真正創(chuàng)新的內(nèi)部文化，再多的資金和人才，最終可能也只是建造了一座看似華麗，但地基不穩(wěn)的空中樓閣。