游乐游手机版
首页/AI教程/文章详情

扎克伯格高薪挖角首席科学家赵晟佳重返OpenAI

时间:2026-06-10 14:54
Meta高薪挖角的人才出现回流,两名员工入职不到一个月重返OpenAI,首席科学家赵晟佳也曾试图回归。至少8个关键岗位出现人才缺口,包括PyTorch核心开发者和产品总监。华尔街质疑扎克伯格的九位数薪酬及720亿美元AI投资能否收回。

扎克伯格刚刚用九位数高薪挖来的人才,屁股还没坐热,就有人开始撤退了。

据连线杂志报道,两名员工在Meta入职不到一个月后,已经重返之前效力的OpenAI。更戏剧性的是,新任首席科学家赵晟佳也被曝光曾试图回归OpenAI,甚至还一度签好了聘用协议。

老员工也没能留住。一位在Meta工作了将近十年的高层,直接转投了OpenAI。从PyTorch核心开发者到生成式AI产品总监,从前沿研究员到基础设施工程师,至少8个关键岗位出现了人才缺口。

有网友调侃说,新实验室命名为“TBD”(待定)不是没有原因的——人员待定嘛。但更让市场紧张的是,华尔街已经开始质疑:扎克伯格砸下的九位数薪酬和720亿美元AI投资,究竟能不能收回来?

关键人才出走的连锁反应

从PyTorch核心开发者到生成式AI产品总监,从前沿研究员到基础设施工程师,各个关键岗位都在流失人才。

A vi Verma曾是OpenAI研究员,短暂加入Meta一个月后就回去了,连领英上都没留下Meta的痕迹。Ethan Knight的情况更特别——他在OpenAI参与过ChatGPT早期研发,后来去了马斯克的xAI,被挖到Meta后同样不到一个月就走人。

另一位离职的研究员Rishabh Agarwal在社交媒体上公开写道:“离开新成立的超级智能TBD实验室是个艰难的决定,特别是考虑到这里的人才和算力密度。但在谷歌大脑、DeepMind和Meta工作了7年半之后,我觉得是时候承担不同类型的风险了。”

除了新员工回流,老员工的出走规模和速度也超出预期。PyTorch和Triton的核心开发者Bert Maher选择了加入竞争对手Anthropic,这对Meta的AI基础设施建设团队是个不小的打击。

离职潮还在向中层管理岗位蔓延。据两位知情人士透露,Meta生成式AI产品管理总监Chaya Nayak(一位工作了近十年的领导者)加入了OpenAI,担任“特别行动人”。

据统计,至少8名员工在MSL成立不到两个月内离职,涵盖研究、工程和产品管理等各个关键领域。更令人担忧的是,Meta内部关于“Do Not Rehire(不予再聘)”名单的传闻开始流传,进一步打击了员工的心理安全感。

重组带来的管理混乱

扎克伯格为了追赶OpenAI和谷歌,这次是真的下了血本——开出了科技行业前所未有的薪酬方案。单人签约奖金最高达到1亿美元,这个数字通常只会出现在职业体育明星的合同里。

这种“快狠贵”的挖人策略确实在短期内见效了。Meta迅速组建起了号称人才密度和算力密度双高的超级智能实验室,扎克伯格昭告天下要打造“个人级超级智能”,直接对标OpenAI和Google DeepMind。

然而,高价挖来的人才和原有团队之间很快就出现了裂痕。据内部人士透露,天价新人的快速晋位触发了严重的内部公平感争议,资源分配博弈日益激烈,不少资深老员工感到被边缘化,士气明显下滑。

就在人才矛盾愈演愈烈的时候,Meta又进行了一次大规模的组织调整。整个AI工作被分拆为四个部门——前沿研究团队(TBD Lab)、AI产品、基础设施和长期探索(FAIR延续),全部归属于新成立的Meta超级智能实验室。

这已经是Meta在近几个月内的第4次AI团队重组了。频繁的组织调整带来了严重的副作用:管理关系不断更替,项目目标频繁切换,员工们普遍感到超负荷。一位离职员工在内部论坛上写道:“我已经记不清这是第几次换老板了,每次重组都要重新适应新的管理风格和工作重点。”

华尔街的反应更加直接。在AI开支焦虑的大背景下,投资者开始质疑Meta高达720亿美元的AI资本开支能否带来相应回报。有分析师指出,如果Meta不能在未来几个季度内拿出实质性的AI产品突破,资本市场的耐心可能会迅速耗尽。

业内人士普遍认为,Meta正处于一个关键的转折点。如果能够在接下来的一两个季度内稳定组织、明确技术路线,并在产品端取得突破,这波离职潮可能只是“成长的阵痛”。但如果组织动荡持续,关键人才继续流失,Meta在AI竞赛中可能会进一步落后。

扎克伯格的AI巨头之路,看来还有很长的路要走。

参考链接:
[1]www.wired.com/story/resea…
[2]www.cnbc.com/2025/08/21/…

欢迎在评论区留下你的想法!

—完—

来源:https://juejin.cn/post/7542802289486970915
上一篇前端项目技术文档生成器可复用模板 下一篇AI预测用户行为优化HTML5页面加载
本站内容用于信息整理与展示,如有侵权或内容问题请及时联系处理。

相关推荐

补充同频道和同主题内容,方便继续浏览更多相关内容。

同类最新

继续查看同栏目最近更新的文章。

更多
SVD奇异值分解的三步:双对角化、Givens收敛与排序
AI教程 · 2026-07-01

SVD奇异值分解的三步:双对角化、Givens收敛与排序

写在前面:万能的 SVD,缺席的算法SVD 是线性代数的瑞士军刀。你做主成分分析(PCA),底层是 SVD;你做推荐系统的协同过滤,底层是 SVD;你算伪逆、解最小二乘,底层是 SVD;你做图像压缩、信号去噪、潜在语义分析(LSA),底层还是 SVD。统计软件里凡是涉及 "降维 " "求秩 " "解超定方程组

大模型位置编码深度解析:模型如何理解顺序?
AI教程 · 2026-07-01

大模型位置编码深度解析:模型如何理解顺序?

注意力机制的“位置盲区” 上一章我们探讨了注意力机制如何借助 QKV(Query-Key-Value)矩阵计算 Token 之间的相关性。然而,其中隐藏着一个关键的问题: 注意力机制天生就像个“路痴”——它根本无法感知 Token 的前后顺序! 问题演示 我们来观察这两个句子: "猫 吃 鱼 " "鱼

深度学习从零理解Transformer模型原理与架构详解
AI教程 · 2026-07-01

深度学习从零理解Transformer模型原理与架构详解

从零理解 Transformer:注意力机制全解析 Transformer 架构彻底改写了自然语言处理的技术版图——从 BERT 到 GPT-4,从 T5 到 LLaMA,几乎所有现代大语言模型都长在 Transformer 的根上。但说实话,很多开发者的理解还停在“调 API”层面。本文从直觉出发

Rust构建AI自演化主板:18个异构器官长出C++骨骼
AI教程 · 2026-07-01

Rust构建AI自演化主板:18个异构器官长出C++骨骼

用 Rust 手搓 AI 自演化主板:当 18 个异构器官长出 C++ 骨骼第一章 物理层:让 Rust C++ CUDA 共享同一根血管在多语言实时系统开发中,最棘手的难题莫过于数据拷贝。一个 MarketTick 信号若从 Rust 传递至 C++ 算子,再送入 CUDA 核函数,最后返

大模型可观测性升温:响应时间、Token与调用链成AI系统新指标
AI教程 · 2026-07-01

大模型可观测性升温:响应时间、Token与调用链成AI系统新指标

2026年,大模型应用正迈入全新阶段:核心关注点从“功能是否可用”转向“运行是否稳定”。 回顾过往,大家对大模型的注意力基本集中在模型效果本身——回答准确度如何、生成速度快慢、能否对接知识库、是否支持多轮对话。这些固然是基础能力,但当模型真正嵌入客服、办公、研发、运维、数据分析等核心业务场景后,新的