马库斯·扎克伯格正亲自掌舵一场史无前例的人才争夺战，旨在为Meta构建一支覆盖AI全栈的“梦之队”，剑指“超级智能”的最终实现。通过精准网罗数据、模型、推理、多模态、语音和算力等领域的顶级专家，Meta正试图加速其Llama系列模型的进化，并重新定义其在AI时代的战略地位。
过去数月，硅谷的AI人才市场暗流涌动，而其幕后的关键推手正是Meta的首席执行官马库斯·扎克伯格。他不再仅仅是科技巨头的掌舵者，更化身为“硅谷第一猎头”，亲自向AI领域最顶尖的头脑发出橄榄枝。其目标明确而宏大：集结一支无短板的“超级智能”团队，完成Meta通往通用人工智能（AGI）乃至更远“超级智能”的最后一跃。这一系列看似激进的挖角行动，并非简单的“撒钱”行为，而是一张精心策划的棋局，旨在补齐Meta在AI版图上的所有关键拼图。
重塑AI版图：Meta的人才棋局
扎克伯格的此次人才攻势，集中在AI研发链条的每一个关键环节，形成了一张从数据、模型到推理、多模态、语音、算力再到安全的七段式拼图。每一位被招募的顶级人才，都被精准地放置在Meta“超级智能”战略的特定位置上，以期全面提升其AI能力。
例如，在视觉与多模态底座方面，Meta招揽了Vision Transformer（ViT）论文的核心作者Lucas Beyer、Alexander Kolesnikov和Xiaohua Zhai。ViT作为一种革命性的模型架构，首次证明了纯Transformer模型在图像处理领域的强大潜力，为当前多模态大模型的视觉能力奠定了基础。他们的加盟，预示着Meta正加紧研发下一代Llama-Vision或大规模多模态预训练模型，以弥补Meta在视觉AI领域相对于竞争对手的某些短板。
在数据与评测基础设施方面，Scale AI创始人Alexandr Wang的加入尤其引人注目。Scale AI作为数据标注和模型评估领域的巨头，被Meta以143亿美元入股并请来共同领导“超级智能”项目，这不仅意味着Meta可以直接获取高质量的训练数据，还能在模型评估和迭代方面获得巨大优势，甚至可能在一定程度上限制竞争对手的数据供给。1
而在AI大模型的核心——长上下文记忆与推理能力上，扎克伯格更是投入重兵。前DeepMind《Compressive Transformer》一作Jack Rae的加盟，专注于“压缩记忆”与百万token长上下文处理，将直接提升Meta Llama模型处理和理解超长文本的能力。与此同时，从OpenAI挖来的核心研究员Trapit Bansal，其专长在于智能体强化学习与语言推理，并且是OpenAI首个推理模型o1的基础贡献者。他的加入旨在解决Llama系列模型“算得快，想不深”的痛点，推动Meta在_agent-level_规划和链式推理方面取得突破。这对于构建更自主、更智能的AI系统至关重要。2
语音与多语言入口是Meta在用户界面层面的战略重点。前Google Voice Search技术带头人Johan Schalkwyk的加入，旨在让Llama模型支持100多种语言的语音交互，从而将Meta的智能眼镜等硬件产品转化为真正的语音助手入口。这不仅关系到用户体验，更关乎Meta在未来人机交互生态中的地位。
支撑这一切的基石是强大的算力与平台。Daniel Gross和Nat Friedman共同运营的10 Eflops级Andromeda超算集群，正成为Meta争取的对象。通过部分收购或合作，Meta有望为其“超级智能”团队现成接入数千张高性能GPU，构建对标OpenAI-Microsoft Azure超算联盟的内部与生态云上GPU“钩子”，为大规模模型训练和部署提供坚实保障。
然而，在这张近乎完美的拼图中，仍有未遂的遗憾：安全与对齐领域。Meta曾试图高价招揽OpenAI联合创始人Ilya Sutskever和John Schulman，甚至出价320亿美元收购Ilya创办的Safe Superintelligence（SSI），但均告失败。这凸显了AI安全和对齐在当前产业竞争中的战略高度，以及顶级专家在该领域的主导权和独立性。尽管Meta此后转而尝试挖角SSI的CEO（Daniel Gross）及算力资产作为侧面突破，但核心安全人才的缺失，仍是其“超级智能”之旅中不可忽视的潜在风险。
通向“超级智能”的路径与挑战
扎克伯格这波人才攻势的最终目的，无疑是对“超级智能”的追求。这里的“超级智能”并非一个明确的技术定义，而更像是一个宏伟的愿景，指向超越人类智能的AI系统。对于Meta而言，这意味着其Llama系列模型将不再仅仅是强大的语言工具，而是能够自主学习、推理、规划，并与多模态数据进行深度交互的综合性智能体。
Trapit Bansal的加入，特别是他在OpenAI o1推理模型和强化学习方面的经验，对于Meta在Agent领域的突破具有关键意义。传统的LLM在进行复杂任务时，往往需要人类的引导或_prompt engineering_。而Agent系统则致力于让AI能够自主地理解任务、分解步骤、调用工具，并最终完成任务。如果Meta能在此领域取得显著进展，将极大拓展AI的应用边界，从简单的问答助手到复杂的自动化任务执行者。
然而，这条通往“超级智能”的道路并非坦途。首先，这些顶级人才的整合与协同将是巨大挑战。尽管薪酬丰厚，但据报道，Meta内部一系列重组导致许多候选人对自己的具体职责感到困惑。如何在不同的技术栈和研究方向之间实现高效协同，将考验Meta的管理和整合能力。其次，AI能力的提升往往伴随着更高的算力需求和数据壁垒。尽管Meta正在积极布局，但与OpenAI-微软联盟、Google等竞争对手相比，其资源投入和积累仍面临压力。
最根本的挑战在于AI安全与对齐。Ilya Sutskever和John Schulman的拒绝加盟，反映出AI安全领域专家对AI失控风险的深切担忧，以及他们在追求技术进步的同时，对“安全性”的高度重视。如果Meta在追求“超级智能”的过程中，未能有效解决模型的偏见、幻觉、滥用以及潜在的风险行为，那么其技术成就可能引发更广泛的社会和伦理问题。
产业震荡与伦理考量
Meta的“超级智能”雄心，无疑在全球AI产业投下了一颗重磅炸弹。这场由扎克伯格亲自发动的“人才战争”，不仅加剧了顶级AI人才的稀缺性，也推高了行业薪资标准，进一步固化了大型科技公司在AI领域的资源优势。对于小型AI初创企业而言，这意味着更高的竞争门槛和更严峻的生存挑战。
从更广阔的视角来看，Meta的战略转型也反映出科技巨头们在AI竞赛中的焦灼心态。过去，Meta曾因在元宇宙领域的巨额投入而饱受质疑。如今，扎克伯格将重心转向AI，并以“超级智能”为终极目标，这不仅是战略的调整，更是对公司未来命运的豪赌。如同当年Facebook豪赌移动互联网一样，这次的赌注是“通向超级智能的最后一跳”。3
然而，当一个拥有数十亿用户的平台型公司，以如此巨大的投入和决心迈向“超级智能”时，其社会和伦理影响也必须被慎重考量。一旦“超级智能”拥有超出人类理解和控制的能力，如何确保其行为符合人类价值观？如何防止其被用于恶意目的？AI伦理与治理问题将不再是学术讨论，而是亟待解决的现实命题。Meta在AI安全领域人才招募上的失利，也给业界敲响了警钟：技术创新固然重要，但伴随其而来的责任和风险管理，同样不可或缺。
Meta的“超级智能”梦之队正在成形，它不仅代表着扎克伯格的个人野心，更象征着AI技术发展进入了一个全新的、充满挑战与机遇的阶段。未来几年，我们将看到这场人才棋局的最终结果，以及它如何重塑AI产业的格局和我们所处的社会。