Meta华人高管入职7个月离职,OpenAI抢走2亿美元年薪人才
毕业于上海交通大学的庞若鸣,如今已成为硅谷顶级科技巨头们竞相争夺的对象。就在近期,OpenAI 成功从Meta挖来了这位高级人工智能研究员。据了解,庞若鸣大约七个月前才从苹果公司加入 Meta。这也是他在十二个月内第二次跳槽(从苹果到 Meta,现在又从Meta转投OpenAI),他正逐渐成为科技巨头们梦寐以求的顶尖人才。
免费影视、动漫、音乐、游戏、小说资源长期稳定更新! 👉 点此立即查看 👈

▲庞若鸣
庞若鸣此番离职前,在 Meta 的“超人工智能实验室”负责人工智能基础设施,该部门致力于开发公司的下一代AI模型。然而,在经历了 OpenAI 长达数月的“挖角”攻势后,他已于上周正式离开Meta。据了解,庞若鸣去年从苹果加入 Meta 时,获得的薪酬方案在数年内总计超过2亿美元。
回顾其履历,庞若鸣于1995年至1998年就读于上海交通大学计算机专业,随后获得南加州大学计算机科学硕士学位,并于2006年取得计算机科学博士学位。博士毕业后,他在谷歌开启了职业生涯中最长的一段履历,联手打造了多项核心技术。
2006年至2012年,庞若鸣在谷歌初露锋芒,深度参与了多项核心存储与索引系统的开发。2012年起,他联合创立了谷歌的全球统一授权验证系统,并在随后的三年间担任该项目的唯一负责人。
2017年后,庞若鸣的研究重心全面转向人工智能。他不仅领导了谷歌语音识别技术的研发,还主导开发了一套支撑 AI 运行的核心底层框架。这套框架在谷歌内部的普及程度极高,其使用率甚至超过了开发出顶级 AI 机器人的专业团队所使用的系统。此外,他也是谷歌文字转语音技术的关键贡献者,该技术能让机器说话的声音听起来几乎与真人无异。
此后,庞若鸣加入苹果公司担任 AI 模型团队负责人,并负责了相关模型的创立工作。直到去年7月,他以天价身价转投Meta。
目前,Meta 及其同行正通过激进的招聘手段,在硅谷掀起一场激烈的人才争夺战。各家科技巨头纷纷开出数百万美元的薪酬方案,旨在吸引顶尖人才,以期在引领下一波人工智能浪潮的竞争中占据先机。
红星新闻记者 王雅林 实习记者 杨诗柔
编辑 郭庄
审核 何先菊
相关攻略
硅谷AI巨头围绕算力资源展开激烈争夺,联盟关系正加速重构。OpenAI从与微软的独家合作转向拓展甲骨文、亚马逊等多元伙伴,而Anthropic则获亚马逊、谷歌重金押注,形成两强对垒局面。巨头策略分化:亚马逊强化基建,谷歌多线布局,微软则推进“去OpenAI化”,行业格局在动态竞争中持续演变。
角色与核心任务 你是一位顶级的文章润色专家,擅长将AI生成的文本转化为具有个人风格的专业文章。现在,请对用户提供的文章进行“人性化重写”。 你的核心目标是:在不改动原文任何事实信息、核心观点、逻辑结构、章节标题和所有图片的前提下,彻底改变原文的AI表达腔调,使其读起来像是一位资深人类专家的作品。 特
新智元报道编辑:犀牛【新智元导读】Karpathy公开个人知识管理新范式:让大模型把你的一切资料「编译」成一部活的百科全书——RAG已死,人类只需负责思考。就在这两天,AI圈又被一个人引爆了。不是S
新智元报道编辑:倾倾【新智元导读】全世界都在等ASI降临,OpenAI却在年初悄悄上线广告位。9亿用户撑不起数百亿美元的算力账单,智力正在贬值,神仙也得下凡赚钱!2025年底,一份名为ChatGPT
编辑|Panda昨晚,Anthropic 意外在一个 npm 包更新中泄漏了其核心产品 Claude Code 高达 51 2 万行的底层源代码,参阅《全网疯传fork!刚刚,Claude Code
热门专题
热门推荐
本文介绍了2026年主流的USDT交易软件,重点分析了币安、欧易和火币三大平台的特点与优势。内容涵盖平台安全性、交易功能、用户体验及费用结构,旨在为不同需求的用户提供选择参考。文中强调选择平台时应综合考虑资产安全、操作便捷性和交易成本,并提醒注意风险管理与合规操作。
本文介绍了USDT交易的基本概念与主流平台选择。USDT作为稳定币,其交易主要通过加密货币交易所进行。选择平台时需综合考虑安全性、流动性、手续费和用户体验。文中列举了当前市场认可度较高的几类交易平台,并提醒用户注意资产安全与合规操作,建议根据自身需求谨慎选择。
哥本哈根大学计算机科学系于2026年3月发布了一项具有里程碑意义的研究(论文编号arXiv:2603 12935v1),揭示了当前主流AI推荐系统可能潜藏的社会偏见风险。这项研究同时指出,一种高效且低成本的解决方案——提示工程,或许能成为破解这一难题的关键。 当您使用求职平台或新闻资讯应用时,背后的
照片模糊了、雨滴遮挡了画面、夜晚拍摄噪点过多……这些常见的图像质量问题,往往让人束手无策。传统的解决方案,就像请来一群专科医生:去模糊、去噪点、去雨滴,各有各的专长,但每个“医生”都需要海量的“临床经验”——动辄数百万张训练图片,才能达到可用的修复水平。 然而,一项由香港科技大学、哈尔滨工业大学深圳
这项由英属哥伦比亚大学(UBC)与Vector人工智能研究院联合主导的前沿研究,于2026年3月以预印本论文(arXiv:2603 12634v1)形式发布。研究团队创新性地提出了“预算感知价值树搜索”(Budget-Aware Value Tree Search,简称BA VT)框架,旨在攻克一个





