文 | 竞合人工智能

人工智能的竞争，才刚开始。每一家公司都有机会。大厂纷纷在押注。腾讯的AI带头人是姚顺雨，小米则把宝押在了女科学家罗福莉身上，阿里千问的团队虽然经历了林俊旸卸任的事件，但其他领军人物的综合实力依然不容小视。本人从Meta的AI翻盘故事讲述，看看这些大资本如何押注这些学历顶尖、高度年轻化的AI领军人物的。

2025年春天，Meta内部弥漫着一种被甩下列车的气氛。Llama 4的发布反响惨淡，基准测试被曝存在“不同测试用不同模型”的操作，扎克伯格对生成式AI部门的耐心彻底耗尽。图灵奖得主杨立昆后来在离职后直言，Meta只选择“安全、被证明行之有效的东西”，而这种选择本身就意味着落后。‌

十四个月后，局面反转了。2026年10月12日，Meta超级智能实验室发布Muse Wonder和Muse Wonder Full，独立评测机构Artificial Analysis给出的智能指数得分为52和56，后者与Anthropic的Claude Sonnet 5.5持平，超越了GPT-6 Astra和Gemini 4 Argon。Wired的标题毫不吝啬：“Muse Wonder让Meta重回AI前沿”。‌

把Meta从谷底拉回来的，是一个29岁的华裔创业者。他叫Alexandr Wang，中文名汪滔，Scale AI的创始人，2025年6月被扎克伯格以143亿美元的投资“连人带公司”挖进Meta，出任首席AI官，执掌新成立的超级智能实验室。‌

扎克伯格赌的不是Wang的科研能力。杨立昆说得很直白：“他没有科研经验，也不知道如何开展科研活动，更不清楚科研人员的好恶”。扎克伯格赌的是另一样东西：一个创业者在生死关头的紧迫感，一种大公司职业经理人身上几乎绝迹的“战时状态”。‌

Wang把这种状态带进了Meta。他做的第一件事，是把自己从“创始人”变成“教练”。在Scale AI时期，所有决策都要经过他本人，这让他成了业务推进的瓶颈。到了Meta，他清楚地知道自己“既非AI研究员，也不是产品设计师”，于是把工作重心完全转向人才招聘，在各个专业领域搜罗顶尖人才，然后为他们创造能发挥专长的环境。‌ 

这不是谦虚，是策略。Meta的AI部门在2025年10月裁员约600人，波及FAIR等老牌研究团队，华人科学家田渊栋也在被裁之列。但Wang自己领导的TBD Lab——那个专注于构建“超级智能”的核心团队——在裁员中毫发无损。他用Meta的旧血换来了新血，用“外人”的紧迫感清洗了“老人”的松弛感。‌

清洗的代价是剧烈的。杨立昆在2025年底离职，创办了自己的AI初创公司，临走前留下一句耐人寻味的话：Meta的新团队“满脑子都是大语言模型”。言下之意，他坚持的世界模型路线被边缘化了。Meta内部也有人对Wang不服气，一位前员工评价Muse Spark时说：“TBD那些人，Alex和扎克伯格，给内部和外部设定的标准都很低”。‌ 

但Wang赌的是另一条路。他没有在Meta最弱的编程和抽象推理赛道上硬追OpenAI和Anthropic，而是把筹码押在了“个人智能体”上。Muse Wonder的核心卖点不是聊天，是Active Memory和Active Focus——让AI智能体在跨对话场景中记住用户上下文，在遇到障碍时不放弃目标，主动调整方案。Wang在发布当天接受彭博社采访时说得坦率：“其他生态系统的重心一直集中在编程智能体上。我们采取了差异化策略，让个人智能体应用场景真正发挥出色”。‌ 

这个判断是有道理的。Meta手里有Facebook、Instagram、WhatsApp，三十亿用户的日常行为数据是任何竞争对手都没有的富矿。把这些数据喂给一个真正“懂你”的个人智能体，比在编程赛道和OpenAI正面硬拼，胜算大得多。 

Wang的另一张牌是速度。Muse Spark在2026年4月发布，Muse Wonder在10月就落地，中间只隔了六个月。这种迭代节奏在Meta的AI历史上是罕见的。卡内基梅隆大学教授、Meta前AI研究副总裁Russ Salakhutdinov的评价是：“TBD Lab在这么短时间内完成的工作量令人印象深刻。Alex知道自己不知道什么，而且愿意倾听”。‌ 

“知道自己不知道什么”——这可能是Wang最被低估的能力。一个29岁的非研究者领导着一群顶尖AI科学家，换作别人很容易陷入两种极端：要么强行扮演技术权威，要么完全放权失去方向。Wang选了第三条路：他招来清华校友赵晟佳担任首席AI科学家，监督整个MSL的科学议程；招来加州伯克利教授Dawn Song领导新的AI研究部门。他自己不做研究，但确保做研究的人是对的。

当然，Meta还没有赢。Muse Wonder Full目前只对Muse Code订阅用户开放，标准版Wonder走API定价，最强版本是否向企业客户开放仍是未知数。Anthropic的Claude Opus 5.5仍然在智能指数上以58分领先，GPT-6.1 Sol在成本效率上依然占优。Meta的AI人才争夺战也付出了惊人的代价，向OpenAI和谷歌的研究人员开出了高达1亿美元的签约奖金。‌ 

但至少，Meta重新坐上了牌桌。从Llama 4的溃败到Muse Wonder的前沿表现，从杨立昆的离场到TBD Lab的高效运转，Meta用十四个月完成了一次代价高昂但方向清晰的转型。扎克伯格赌的不是一个技术天才，而是一个在数据标注行业摸爬滚打十年、知道“信任”和“交付”比“愿景”更值钱的创业者。

Wang在Scale AI学到的最重要一课，可能不是如何标注数据，而是如何让顶尖人才相信跟着他能赢。Meta AI团队动荡之后留下的人，赵晟佳、Dawn Song，以及TBD Lab里那些没有选择离开的研究员，构成了一个比Llama时代更精简、更聚焦、也更危险的团队。 

Muse Wonder不是终点。Wang在发布当天的采访里说了一句话，像是对质疑者的邀请，也像是对竞争对手的提醒：“我会建议大家亲自试用，然后自行判断”。 

Meta能不能后来居上，这个问题的答案不在扎克伯格的资产负债表上，而在Wang接下来六个月能交付什么。