AI巨头Meta的内部冲突：科学精神与商业效率的较量

2025年9月2日，Yann LeCun在领英上发表了一篇隐晦而有力的文章，尽管没有直接点名，但字里行间指向了Meta AI内部的一场深刻冲突。

他写道：“致AI界的记者和专家，并非每个AI从业者都是‘研究员’。真正的研究员，会在学术界发表成果，开源代码，通过论文和代码影响其他研究者和社区，通常拥有博士学位，且持续发表论文。停止发表则可能转向工程或管理。”LeCun进一步阐述了研究和工程/产品开发的不同，强调了研究员的智力影响与工程师的产品影响。

LeCun的这番话似乎是对一次直接冲突的回应。在Meta AI的一次内部会议上，他因反对一项激进的人工智能开发计划而被上级Alexander Wang打断。Wang直言：“我们在开发超级智能，不是在辩论哲学。”此言一出，会议室气氛骤变，参会者尴尬，LeCun沉默。

这次冲突暴露了Meta AI内部两种截然相反的工作方式和思想：LeCun代表的科学探索精神与Wang代表的工程导向文化。这不仅是个体间的摩擦，更是公司结构问题的预兆。

01

Yann LeCun的学术生涯始于法国，他在皮埃尔和玛丽·居里大学获得博士学位，研究重点为机器学习，特别是神经网络。1980年代末，他在多伦多大学跟随Geoffrey Hinton进行博士后研究，后加入贝尔实验室，开发出卷积神经网络（CNN），该技术奠定了计算机视觉领域的基础。

离开贝尔实验室后，LeCun进入学术界，成为纽约大学教授，继续推动AI基础研究，并习惯于公开发表研究成果和开源代码。他的谷歌学术页面记录了数百篇论文，被引用数十万次，反映了他在学术界的影响力。

2018年，LeCun因深度学习领域的开创性工作与Geoffrey Hinton、Yoshua Bengio共同获得图灵奖。他认为AI发展是严肃的科学事业，需要深刻理解和持续探索基本原理。

另一方面，Alexander Wang的职业轨迹截然不同。他辍学后联合创立了Scale AI公司，专注于数据标注服务。Wang的成功展示了其作为企业家的能力，擅长识别市场需求并用效率高的方式满足需求。在ChatGPT发布后，Meta感受到压力，开始注重短期成果和快速产品交付。

02

Meta AI的组织架构出现了有趣的权力结构：图灵奖得主Yann LeCun需要向比他年轻三十多岁且本科肄业的Alexander Wang汇报工作。这种安排表明速度和执行力在当时被置于经验和学术权威之上。

然而，这种文化转变带来了负面影响。公司内部的矛盾不仅存在于LeCun和Wang之间，也开始在团队其他层面蔓延。例如，从OpenAI高薪挖来的研究科学家Shengjia Zhao因资源不足和奖金分配不公而考虑返回原公司。

“雇佣兵”文化开始盛行，顶尖人才感到专业能力没有得到充分尊重，而普通工程师和研究员则因资源分配不公和缺乏发展路径而士气低落。最终，Meta暂停了部分团队的人才招聘。

03

产品层面，Meta AI在Wang到来前已显颓势。Llama系列大语言模型最初在开源社区获得成功，但Llama 4的性能指标受到质疑。有传闻称模型可能针对特定评测基准过度优化，以求在排行榜上获得好名次。这种做法被批评为“应试教育”式开发甚至数据造假。

从引领者到被超越者，Llama 4的声誉受损。这背后是战略上的失败。Meta投入巨资吸纳顶尖人才却发现自己从竞争者变成了追赶者。

Meta AI内部氛围对创新造成抑制。一个不尊重专业知识、急功近利、充满内斗的环境导致了一系列问题。科学家如LeCun和关键工程师如Zhao都无法在这种环境中高效工作。

最终结果是仓促的产品开发流程导致模型缺陷和性能不稳定。

在需要深度创新、持续投入和长远眼光的AI领域团队文化和使命感至关重要。由共同使命感和相互信任驱动的团队其长期战斗力远超“雇佣兵”团队。

Yann LeCun与Alexander Wang的冲突及引发的Meta AI问题不仅是内部管理失误更是价值观冲突：科学精神与商业效率的较量。

Meta AI的遭遇提醒所有试图在AI时代成功的公司：没有健康、激励创新的内部文化再多的资金和人才也只是空中楼阁。