编辑：+0、冷猫
Meta 内斗的瓜真是吃不完呐。
Meta 这边新的风暴已经出现，据 Axios 与《纽约时报》报道，Meta 已在其人工智能部门裁减约 600 个职位，这次调整波及 FAIR、AI 产品以及基础设施团队。
Meta 发言人 Ana Brekalo 向媒体确认了裁员消息，称公司正「聚焦于提升 AI 产品落地效率」。
而 Lecun 正在和吴恩达共进早餐。
与此同时，已经有科学家在推上开始「在线求职」了，其中甚至包括 FAIR 研究科学家总监田渊栋。不过，目前尚不清楚他是主动离职还是被裁。
AI 战略进入 Wang 时代
据了解，FAIR 的部分研究人员被建议转入由 Alexandr Wang 领导的超级智能实验室，这一团队正成为 Meta 内部最受重视的 AI 战略核心。值得关注的是，此次裁员精准地绕过了由 Wang 领导的、专注于构建「超级智能」的 TBD 团队。
今年 8 月，小扎将 Meta 超级智能实验室拆分为四个小组：FAIR（研究）、超级智能（TBD）、产品和基础设施。他在内部备忘录中指出，重组的目标是「削减层级、加快决策」，也不知这次大规模裁员是否能够实现小扎的战略目标。
据内部人士透露，自重组以来，FAIR 部门的员工早已嗅到风向的转变，他们「争先恐后地试图加入 Wang 的团队」。而那些未能成功上岸的人，如今正面临被裁的命运。
讽刺的是，在对 FAIR 痛下杀手的同时，Meta 却在为新成立的、更核心的超级智能团队大举招聘，此前 Meta 从 OpenAI、谷歌、微软等公司高薪挖角大量顶尖研究员大家也是有目共睹。
这下明眼人都看的明白，Meta 正在将重心从 Lecun 在 FAIR 所倡导的开放式基础研究，彻底转向「超级智能」军备竞赛，FAIR 的研究成果被要求「整合到 TBD Lab 进行的更大规模的模型运行中」。
FAIR 的前任领导者 Joelle Pineau 已于今年早些时候离职。而作为 FAIR 灵魂人物的 Lecun，面对 Meta 与学术自由和开放发表的理念背道而驰的战略方向，他的辞职威胁，似乎正变得越来越真实。
在这场重组风暴的中心，无论 LeCun 最终选择留下还是离开，这一连串变动都标志着 Meta 的 AI 战略已正式进入「Wang 时代」。
当然了，抛开各路媒体脑补的「宫斗大剧」的逻辑，Alexandr Wang 在内部致员工的备忘录中对本次裁员的逻辑有所解释，与小扎的部门重组理念不谋而合。
以下是 Alexandr Wang 在内部备忘录关于裁员事宜的回应全文：
今天早些时候，我们对 MSL 进行了部分调整，旨在让我们成为业内最敏捷、人才密度最高的团队。通过缩减团队规模，我们能够减少决策所需的沟通环节，使每位成员都能承担更关键的职责，拥有更广的影响力和更大的施展空间。
告别同事从来不是一件容易的事。被波及的都是极具才华、为我们的 AI 事业付出巨大努力的伙伴。在北美地区，所有受影响的员工已收到通知；在 EMEA 地区（欧洲、中东和非洲），相关人员也已被告知并正处于协商阶段。
我们正全力支持大部分受影响的同事在公司内部寻找新的岗位。为此，我们成立了一支「虎队」招聘小组，专门帮助这些同事快速匹配其专业领域的合适职位，并通过加速招聘流程协助他们尽快转岗。
这绝不意味着我们在减少投入。事实上，我们将继续招聘业界领先的、具备 AI 原生能力的人才。我们的目标是让 MSL 运转得更快、更高效。
我们依然对正在训练的模型、雄心勃勃的算力规划以及正在打造的产品充满信心与期待，并坚信我们正走在通往超级智能的正确道路上。
FAIR
FAIR 是在 2013 年由 Meta（当时为 Facebook）创建，Yann LeCun 是该组织的重要负责人之一（担任首席科学家 / 领导人角色）。
在 Meta 的「AI 研究」页面，明确提 FAIR 致力于「先进机器智能（AMI）」的目标。
FAIR 为 Meta（原 Facebook）提供了源源不断的核心技术、开源工具和前沿探索。
FAIR 最重要和最具影响力的贡献之一是开发并开源了 PyTorch，PyTorch（2016 年推出）凭借其灵活性、易用性和动态计算图，迅速成为全球学术界和工业界首选的深度学习框架之一。
它不仅是 Meta 所有 AI 产品和研究（从内容审核到 Llama）的底层技术引擎，也为 Meta 吸引了大量 AI 人才，并围绕其工具建立了一个庞大的生态系统。
同时，在当前的生成式 AI 竞赛中，FAIR 通过其 Llama 系列模型为 Meta 确立了独特的战略地位。
从 Llama 1 到 Llama 3，FAIR 开发了行业领先的开源大语言模型。 坚持开源策略，使 Meta 成为开放 AI 生态的领导者，对抗了 OpenAI 和 Google 的闭源模型。
这不仅加速了全球 AI 的进步，也让 Meta 能够利用全球开发者的智慧来改进和扩展其模型，同时降低了自身研发成本。
© THE END
转载请联系本公众号获得授权
投稿或寻求报道：liyazhou@jiqizhixin.com
文章原文
