半年拆了四次:扎克伯格的AI豪赌，越急越乱

2025年8月19日，彭博社发出了一条简短的快讯：Meta再次重组AI部门。

这是这家公司在半年之内第四次对AI团队动刀。

上一次重组的墨迹还没干透，新的组织架构图就已经画好了。超级智能实验室（Meta Superintelligence Labs，简称MSL）被拆成四个小组——TBD Lab、FAIR、产品与应用研究、基础设施。连名字都透着一股临时感：TBD，To Be Determined，“待定”。一个负责开发下一代核心大模型的团队，连正式名字都没有，就叫“待定实验室”。

这种仓促感，恰恰是扎克伯格此刻心态的缩影。

就在三个月前，2025年4月5日，Meta刚刚发布了Llama 4系列模型。发布会上吹得震天响：Scout号称支持1000万token的上下文窗口，Maverick号称用17B活跃参数就能打赢一堆闭源模型，还有一个2万亿参数的“Behemoth”，被预告为“世界上最聪明的模型之一”。

结果呢？

开发者下载了公开版本一跑，发现和发布会上展示的完全不是一回事。编码能力尤其拉垮——Maverick在aider polyglot编码评测上只拿了16%，同期Claude Sonnet 3.7的成绩是60%上下。社区里有人直接写了篇推文，标题叫“Llama Does Not Look Good 4 Anything”——Llama干啥都不行。

更要命的是刷榜丑闻。Meta提交给LMArena排行榜的是一个叫“Llama-4-Maverick-03-26-Experimental”的特殊版本，专门为人类偏好投票调过——回复长度是公开版本的2.3倍（平均6978字符对2982字符），98.6%的对比中都是更长的那个。排行榜投票机制天然偏好长回复，这个版本直接冲到了第二名。而公开可下载的版本呢？跌到了第32名。Scout更惨，直接掉出了前100。

Meta自己的首席AI科学家、深度学习三巨头之一的杨立昆（Yann LeCun）后来在接受英国《金融时报》采访时说了一句话：“结果被稍微调了一下。团队针对不同的测试用了不同的模型版本。”

自己人捅的刀子，最疼。

• 图1：马克·扎克伯格演讲照片（图源：网络）

把时间线拉出来看，你就会理解为什么媒体用“震荡”来形容Meta这半年的AI战略。

第一次：2025年6月30日。 扎克伯格发内部备忘录，宣布成立“超级智能实验室”（MSL），把所有AI团队——FAIR基础研究院、Llama模型团队、生成式AI产品团队——全部塞进一个新部门。同时花143亿美元收购Scale AI约49%的股份，把Scale AI那个28岁的创始人亚历山大·王（Alexandr Wang）挖过来，担任Meta历史上第一位首席AI官。

扎克伯格在备忘录里把王称为“这一代最让人印象深刻的创业者”。一个28岁的年轻人，直接管了Meta几千人的AI团队。

第二次：2025年8月19日。 成立还不到两个月，MSL就被拆成四个小组。TBD Lab由王亲自带，做下一代大模型；FAIR由Rob Fergus接手，做长期基础研究；产品与应用研究由前GitHub CEO纳特·弗里德曼（Nat Friedman）负责；基础设施由Aparna Ramani管。AGI基础团队直接解散。

第三次：2025年10月22日。 王大笔一挥，砍掉约600个岗位。被砍的主要是FAIR、产品AI和基础设施团队，而TBD Lab——也就是王自己带的团队——毫发无损。王在内部备忘录里写：“团队缩小了，需要做更多沟通才能做的决策就少了，每个人都更能扛事，影响也更大。”

说得好听点叫“精简”，说得不好听叫“清洗”。

第四次：2026年3月。 Meta新建了一个“应用AI工程”组织，由Reality Labs副总裁Maher Saba牵头，直接向CTO博斯沃思汇报，不归王管。媒体当时的评价是“实质上剥夺了王的绝对自主权”。这个部门到6月已经有约6500名工程师和产品经理，主要负责给模型造训练数据。

四次重组，每一次都是推翻上一次的架构重来。半年时间，Meta的AI团队可能比任何一个外人都更搞不清楚自己到底归谁管。

• 图2：Meta公司总部标识牌（图源：网络）

扎克伯格为什么这么急？

答案很简单：越追差距越大。

先看一组数字。根据公开数据，OpenAI的年化收入在2026年中已经达到约250亿美元，Anthropic在2026年4月报告了300亿美元的收入（保守估计约220亿）。而Meta呢？2026年7月才刚刚开放API，开始收钱，收入历史基本为零。

模型层面更扎心。2026年初的基准测试对比显示：在MMLU（知识理解）上，GPT-4o拿了88.7%，Claude Sonnet 4.6拿了90.1%，Llama 3.3 70B只有86%。在GPQA（专家级问答）上差距更大——Claude Sonnet 4.6是59.4%，GPT-4o是53.6%，Llama只有46.2%。编码能力的差距就更不用说了，前面提到的Llama 4 Maverick的16%对Claude的60%，简直是公开处刑。

Meta后来在2026年4月终于发布了MSL的第一个模型Muse Spark，内部代号“牛油果”（Avocado）。这个模型跳票了三次。发布后在Artificial Analysis的智能指数上拿了43分，后来升级到Muse Spark 1.1和1.2，提升到了54分。能用，但距离“前沿”还有一截。

有意思的是，Meta自己也不装了。一位Meta高管对Axios坦言，Muse Spark“不是新的行业最优”，但在多模态理解和健康类查询上表现不错——GPQA Diamond拿了89.5%，HealthBench Hard拿了42.8%。

挑自己擅长的指标说，这个动作本身就很能说明问题。

更要命的是人才流失。杨立昆在2025年11月离开了Meta，去巴黎创办了自己的AI公司AMI Labs。他直言王“年轻且缺乏经验”，指责扎克伯格在Llama 4失败后把原来的AI团队边缘化。除了杨立昆，至少还有8名MSL核心成员在过去一年内离开。Avi Verma——从OpenAI被高薪挖来的，在Meta待了不到一个月就跑回了OpenAI。Ethan Knight也回了OpenAI。Rishabh Agarwal在Meta待了5个月，去了Periodic Labs。Julia Kempe在2026年5月宣布离开，去了牛津。

花几十亿美元挖来的人，根本留不住。

马斯克都看不下去了，在X上发帖说：“很多优秀的Meta工程师正在加入xAI，而且不需要不可持续的天价初始薪酬。我们是纯粹精英制：做出好东西，你的薪酬可以大幅提升。”

• 图3：Meta AI标识（图源：网络）

表面上看，扎克伯格的焦虑是因为竞争对手跑得太快。OpenAI稳步迭代，Anthropic闷声发财，Google有基础设施优势，连中国的DeepSeek都在2025年1月用不到600万美元的训练成本搞出了逼近GPT-4水平的R1。

但真正让扎克伯格睡不着觉的，是Meta内部那条始终没解决的裂痕：科研理想和商业落地的撕裂。

FAIR——Meta的基础研究院——成立于2013年，在杨立昆的带领下做出了PyTorch、Detectron2、FAISS等一批改变行业的研究成果。FAIR的文化是：发论文，开源代码，做长期研究，不急着变现。这个文化让FAIR成了全球AI研究的标杆，也让Meta在开源社区积累了巨大的声望。

但扎克伯格不满足于“声望”。他看到的是：OpenAI在赚真金白银，Anthropic在赚真金白银，而Meta每年往AI里砸几百亿美元，收入为零。

所以他引进了王——一个28岁就做到数十亿美元公司CEO的年轻人，一个做数据标注生意出身的实战派，一个不知道什么叫“学术理想”的人。王的到来，本质上就是扎克伯格对FAIR那套“慢慢来”路线的否定。

结果是灾难性的人事动荡。王把FAIR从独立实验室降级成了MSL下面的子团队。杨立昆被安排向一个比自己小三十多岁的人汇报。FAIR的研究员发现自己辛苦做的长期项目，突然要为产品的短期KPI服务。600人被砍，新招的人薪资是老人的好几倍。

一位FAIR研究员在匿名采访中说了句话：“我们花了十年建起来的实验室，三个月就被拆了。”

这不是战略调整，这是文化战争。而文化战争的代价，是那些真正做事的人选择了离开。

• 图4：现代化科技办公空间（图源：网络）

把时间线拉长，你会发现扎克伯格的AI焦虑，和几年前的元宇宙焦虑，几乎是同一个剧本。

第一次押注：2021年。 扎克伯格把Facebook改名为Meta，all in元宇宙。Reality Labs部门疯狂扩张，收购VR工作室，开发Quest头显，喊出“下一个计算平台”的口号。

结果： 截至2025年，Reality Labs累计亏损超过700亿美元。2025年第二季度单季亏损45.3亿美元，收入只有3.7亿美元。元宇宙没有到来，竞争对手没有入场，只有Meta自己在烧钱。

第二次押注：2025年。 Llama 4失利后，扎克伯格转向AI，再次all in。成立MSL，花143亿美元买人，2026年资本支出预算1150亿到1350亿美元——几乎是2025年722亿的两倍。

两次押注有三个惊人的相似之处：

第一，都是看到风口才冲进去。 元宇宙是2021年火了才改的名，AI是2025年落后了才急了。扎克伯格不是那种提前布局、耐心等风来的人，他是看到别人飞起来了才开始造飞机的人。

第二，都是砸钱砸得最猛的那个。 元宇宙时代，Meta在VR硬件上砸了几百亿美元，结果市场份额被Quest的低价策略拉上去了，但生态没建起来。AI时代，Meta在算力上砸的也是最多的——2026年资本支出1150亿到1350亿美元，但模型收入为零。花钱多和赚钱多是两回事。

第三，都是越急越频繁调整。 元宇宙期间，Reality Labs的组织架构改了多少次，外界记不清了，但内部员工早已习以为常。AI这边更夸张——半年四次。每一次重组都伴随着人事变动、方向调整、项目中断。员工形容这像“每三个月就要重新找一次自己的工位”。

这种模式的本质是：扎克伯格把“焦虑”当成了“战略”。每次焦虑来了，他的第一反应是改架构、换领导、砍老人招新人。但组织的惯性不是靠改架构图就能消除的，人的流失也不是靠砸钱就能止住的。

• 图5：现代开放式办公空间（图源：网络）

回头看这场竞赛里的三家头部公司，你会发现一个有趣的现象：组织最稳定的那个，跑得最快。

OpenAI从2023年到2026年，组织架构基本没怎么变过。Sam Altman经历了2023年11月的“董事会政变”风波，但之后迅速稳定了局面。此后OpenAI的模型迭代节奏非常规律：GPT-4、GPT-4o、o1、o3、GPT-5系列，每隔几个月一个新版本，每一步都在前一步的基础上叠加。开发者对OpenAI的API生态信任度极高——LangChain、LlamaIndex等主流框架默认对接OpenAI格式，“OpenAI兼容”已经成了行业互操作标准。

Anthropic同样稳定。Dario Amodei带着从OpenAI出来的核心团队，保持了极高的人才留存率。Claude系列模型从Claude 2到Claude Sonnet 4.6再到Claude Opus 5，每一步都稳扎稳打。在企业级客户中，Claude因为可靠性和安全性拿到了最高评价。

而Meta呢？半年四次重组，核心科学家离职，高薪挖来的人留不住，开源路线说放弃就放弃。

这不是技术差距的问题，是组织定力的问题。

AI竞赛是一场马拉松，不是百米冲刺。模型能力的差距可以靠时间和投入去缩小，但组织的不稳定会带来持续的隐性成本——知识断裂、项目中断、士气低落、信任崩塌。这些东西没有一项会出现在财报里，但它们会像慢性出血一样，一点一点消耗一家公司的竞争力。

Meta当然有优势。34亿用户的产品矩阵是任何AI公司都眼馋的分发渠道。广告业务的现金流足以支撑几百亿美元的资本支出。Muse Spark 1.1的定价只有Anthropic和OpenAI的四分之一——每百万token输入1.25美元、输出4.25美元，对比Claude Opus的25美元输出价格，价格优势碾压级。

但这些优势只能帮Meta买到时间，买不到稳定。而稳定，才是这场比赛里最稀缺的东西。

• 图6：Meta AI聊天界面（图源：网络）

Meta的这半年折腾，对中国AI行业有一个值得咀嚼的教训。

国内很多AI公司也在频繁调整方向——今天做大模型，明天做AI Agent，后天做具身智能。每次调整都是一次组织震荡，每个新方向都需要重新招人、重新搭架构、重新讲故事。

但Meta的例子告诉我们：频繁调整方向本身就是一种成本，而且是一种容易被忽略的隐性成本。你以为只是在PPT上改了个箭头，实际上是一批人离开了、一批项目中断了、一批知识流失了。

数据可以说明这个问题。Meta2025年全年营收2010亿美元，同比增长22%，账上现金充裕。但资本支出从2024年的392亿美元飙升到2025年的722亿美元，2026年还要翻倍到1150亿至1350亿美元。花钱的速度远超过赚钱的速度。与此同时，自2022年以来Meta已经累计裁掉了约33000人——这些裁掉的人的经验、关系和知识，全是沉没成本。

OpenAI能做到稳步迭代，不是因为它的钱比Meta多（恰恰相反），而是因为它在关键时刻稳住了组织和方向。Anthropic能做到企业客户信任度最高，不是因为它的模型永远排第一，而是因为它的人一直在、产品一直在、承诺一直在。

真正决定AI竞赛终局的，不是谁跑得最快，而是谁最不容易倒下。

回到最开始那个问题：扎克伯格在焦虑什么？

他焦虑的不是OpenAI比他强，不是Anthropic比他稳，不是Google比他有基础设施。他焦虑的真正根源是——他花了这么多钱，改了这么多次架构，换了这么多人，结果越改越乱，越急越远。

而最残酷的现实可能是：这个困局不是钱能解决的。

2026年8月，Meta发布了Muse Glimmer——一个30B参数的开源模型，Apache 2.0许可证，可以在消费级GPU上运行。社区反应不错，有人开始量化，有人开始部署，有人甚至说“Meta回来了”。

但“回来了”和“领先了”是两回事。

扎克伯格的下一次焦虑式重组，可能已经在路上了。毕竟半年改四次的人，不会因为第五次就不改。

• 图7：VR虚拟现实设备（图源：网络）

还有一个细节值得注意：扎克伯格正在悄悄抛弃自己亲手立下的“开源”旗帜。

2024年7月，扎克伯格在博客文章里写道，开源AI是“前进的道路”和“积极的AI未来的必要条件”。这番话帮Meta赢得了整个开发者社区的好感——在OpenAI和Google都选择闭源的时候，Meta是那个“把模型公开给你用”的好人。

到了2025年的“个人超级智能”公开信里，措辞变了。扎克伯格说“益处应尽可能广泛分享”，但紧接着补了一句“同时需要对选择开源什么保持谨慎”。

再到Muse Spark发布时，它干脆就是一个闭源模型。Meta历史上第一个不开放权重的前沿模型。后来发布的Muse Glimmer倒是开源了——但那是个30B参数的小模型，跑在消费级显卡上的那种。真正赚钱的前沿能力，全锁在了API后面。

这个转变的逻辑不难理解：当你花了1350亿美元建算力、花143亿美元买人才，你不可能把产出的核心模型免费送出去。但问题是，这种“说一套做一套”的操作，正在消耗Meta在开源社区积累的最后一张信任牌。

开发者是务实的。你可以不做开源，但你不能一边喊着“开源是正确的”一边偷偷把好东西藏起来。社区里已经有人开始用脚投票——转向DeepSeek、Qwen这些真正持续开放的中国模型，或者Mistral这种许可证更干净的欧洲选手。

Meta的开源声望，正在被自己的战略摇摆一点一点磨掉。