Meta内斗升级：泰斗发文暗讽华裔首席AI官，折射行业价值观冲突

Meta AI最近麻烦不断。2025年9月2日，Yann LeCun在领英发文，虽未指名道姓，但指向性明确。

他写道：“嘿，AI领域的记者和专家们。并非每个从事AI工作的人都是‘研究员’。”接着他定义了研究员的标准：倾向于公开发表部分研究成果，开源部分代码；通过论文和开源代码影响其他研究者和技术社区，可从谷歌学术引用数和H指数看出；通常拥有AI相关领域博士学位；研究生期间发表论文，工作后继续发表，停止发表则变为工程师或管理者。

LeCun还表示：“研究和工程/产品开发是不同活动，有不同动机、激励机制和操作模式。有些人两者都能做，有些人只能做其一。很多人职业生涯从研究转向工程或管理。简单说，研究员衡量标准是智力影响，工程师衡量标准是产品影响，两者对科技进步都必需。”

不难看出，Yann LeCun这番话是在暗讽，认为智力水平高的才能当研究者，且AI研究者需有博士学位。他这番意有所指的话，可能源于一次当面冲突。

此前，Meta AI首席科学家Yann LeCun发言，反对一项激进的人工智能开发计划。LeCun是图灵奖得主，在人工智能领域资历深厚，习惯从基础科学严谨性审视技术发展路径。然而，他的发言被时年28岁的上级Alexander Wang打断。Wang直言：“我们是在开发超级智能，不是在辩论哲学。”这让会议室气氛凝固，LeCun陷入沉默。

这次冲突将Meta AI实验室内部两种工作方式和思想的矛盾公开化。一方面是LeCun代表的基于长期主义和基础研究的科学探索精神；另一方面是Wang代表的追求速度、执行力和短期成果的工程导向文化。这并非个人摩擦，预示着科技巨头可能因内部结构问题在关键竞赛中受阻。

01

Yann LeCun学术生涯始于法国，在皮埃尔和玛丽·居里大学获计算机科学博士学位，研究重点是机器学习和神经网络。80年代末，他在多伦多大学跟随Geoffrey Hinton做博士后研究，后加入美国电话电报公司贝尔实验室。

在贝尔实验室，LeCun开发了卷积神经网络（CNN），提升了机器图像识别准确性，应用于手写数字识别和支票读取系统。CNN成为计算机视觉标准架构，为众多应用奠定基础。

离开贝尔实验室后，LeCun进入学术界，任纽约大学教授，创立数据科学中心，推动人工智能基础研究。他坚持公开发表成果和开源代码，谷歌学术页面记录数百篇论文，被引用超数十万次，H指数很高，反映了他在学术界的影响力。

2018年，Yann LeCun因深度学习开创性工作获图灵奖。他认为人工智能发展是严肃科学事业，需深刻理解基本原理和持续探索，而非简单工程堆砌。2013年，他加入Facebook（后为Meta），担任首席AI科学家，负责长远技术布局。

Alexander Wang职业轨迹不同。他进入麻省理工学院主修计算机科学和物理学，大一结束后辍学，这在硅谷创业文化中被视为挑战传统、敏锐捕捉商业机会的特质。辍学后，他曾在Quora任技术主管，19岁时联合创立Scale AI公司。

Scale AI商业模式是提供数据标注服务。随着人工智能对高质量标注数据需求增加，公司在全球招募合同工，对图像、文本、音频等数据分类、标记和注释。处理后的数据提供给谷歌、通用汽车、OpenAI等公司用于训练模型。

Scale AI本质是劳动密集型数据加工厂，通过规模化和流程化管理，将廉价人力转化为AI公司所需数据原料。虽业务核心是人力，但公司成功包装成高科技人工智能公司，获资本市场高度认可，估值达数十亿美元。

Wang作为企业家，擅长识别市场需求并高效组织资源满足需求。他是实用主义和结果导向，对不能转化为商业成果的理论探讨缺乏耐心。

ChatGPT发布引发全球技术竞赛后，Meta战略重心从基础研究转向追赶对手。拥有快速产品交付经验和强大执行力的Alexander Wang契合了Meta需求，进入Meta担任高层职位，这导致图灵奖得主Yann LeCun要向年轻三十多岁、本科肄业的Wang汇报工作。

02

这种安排表明Meta当时更看重速度和执行力。在Wang管理下，团队资源和方向集中于尽快推出抗衡竞争对手的大模型产品。

然而，文化转变带来负面影响，公司内部矛盾不仅存在于LeCun和Wang之间，还蔓延到其他层面。Shengjia Zhao（赵胜佳）是Meta从OpenAI高薪挖来的研究科学家，参与过ChatGPT开发。

来到Meta后，Zhao遇到挫折，认为项目未获承诺的GPU计算资源，对奖金分配机制不满。沟通无果后，他向管理层发出最后通牒，若问题不解决将考虑回OpenAI。

Zhao的遭遇反映了Meta AI内部更广泛的问题。“雇佣兵”文化盛行，公司高薪吸引人才，却未提供安心工作环境。人才需争夺资源、应对内部政治，协同创新氛围被内耗取代。

顶尖人才觉得专业能力未得到充分尊重和发挥，普通工程师和研究员因资源分配不公和发展路径不明而士气低落。最终，Meta暂停部分团队人才招聘，前期“大跃进”式扩张失败，进入收缩和调整阶段。

03

产品层面，在Wang到来前，Meta AI就有问题。Meta的Llama系列大语言模型最初在开源社区成功，Llama 2性能超过其他开源模型，在基准测试中与闭源商业模型相近，让Meta在开源AI领域获声誉。这得益于FAIR实验室的技术积累。

但到Llama 4时，市场质疑其性能指标。第三方评测机构和开发者发现，Llama 4在公开基准测试得分高，但实际应用表现不佳，可能在训练中针对评测基准过度优化，被批评为“应试教育”式开发甚至数据造假。

从Llama 2引领开源模型到Llama 4被超越且声誉受损，这是战略失败。Meta投入千亿资金、吸纳优秀人才，却在大模型主赛道从有力竞争者变为追赶者，甚至有掉队风险。

从Llama 4作弊刷分到“雇佣兵”团队，Meta呈现“唯结果论”。当团队文化导向是不计代价达成短期目标时，产品长期可靠性和真实能力可能被牺牲。

Meta AI内部氛围抑制了创新。不尊重专业知识、急功近利、内部斗争的文化环境导致一系列问题。像LeCun和Zhao这样的人才无法在内耗环境中高效工作，决策短视忽视了基础研究和技术长期发展。

仓促的产品开发导致模型缺陷和性能不稳定。在人工智能领域，团队文化和使命感至关重要。有共同使命感和相互信任的团队战斗力远超“雇佣兵”团队。OpenAI首席执行官山姆·奥特曼曾说：“Meta正在做的事将导致严重文化问题......有使命的人终将击败雇佣兵。”

Yann LeCun与Alexander Wang的冲突及Meta AI的问题，不仅是公司内部管理失误，反映了当前AI浪潮中科技行业“传教士”文化与“雇佣兵”文化的价值观冲突。Meta AI的遭遇为其他公司提供了案例：没有健康的创新文化，再多资金和人才也只是空中楼阁。

本文来自微信公众号“直面AI”，作者：苗正，编辑：王靖，36氪经授权发布。

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com