2025年10月，MetaAI那边出了个挺重磅的事儿，FAIR实验室的创建者、首席AI科学家LeCun，居然私下跟同事说想辞职了。

这消息一出来，圈子里都有点懵，毕竟LeCun算是MetaAI的“元老级人物”，FAIR能成全球顶尖的基础AI实验室，他的功劳不小。

事儿的导火索其实挺明确，就是Meta新出的政策，FAIR的人以后发表研究成果，得先过一道额外审查。

本来FAIR的研究员们早习惯了“想发就发”，现在突然多了这么个环节，不少人都觉得是被捆住了手脚。

LeCun作为FAIR的“大家长”，对这种“限制科研自由”的事儿肯定更在意，所以才有了辞职的念头。

LeCun的“辞职梗”，FAIR的科研自由咋就没了？

FAIR以前可不是这样的。

2013年LeCun牵头成立它的时候，定位就是“搞基础AI研究”，不管是计算机视觉还是强化学习，只要有突破，研究员们随时能把成果发出去，不用太考虑会不会被竞争对手学去。

那时候的FAIR，在圈子里可是出了名的“自由港”，不少大牛就是冲这点才来的。

但现在不一样了，Meta从今年开始搞AI重组，核心想法就是让FAIR多为产品服务，少对外发研究。

官方倒是说“没限制发表论文”，可实际操作里，不少基础研究因为“可能帮到对手”，审查这关就过不了。

有FAIR的人私下吐槽，说之前有个关于神经网络优化的研究，本来都准备投稿了，结果审查后被要求暂缓，理由是“怕竞品用在LLM上”。

我倒觉得，Meta这步棋有点短视。

基础研究本来就是慢活儿，不可能马上看到商业回报，但长远来看，这些研究才是AI技术的“根”。

现在为了短期的产品利益，把FAIR的自由给收了，这不就是逼着那些想专心搞研究的人走吗？LeCun会动辞职的念头，怕是最有体会这种“理想和现实脱节”的无奈。

要说LeCun这事儿，还不是孤立的，它其实是MetaAI重组乱象的一个缩影。

今年Meta在AI部门上的折腾，简直能写本“狗血剧”了，6月建超级智能实验室，7月挖OpenAI的人当首席科学家，8月又把AI部门拆成四个团队，三个月里搞了四次重组，比翻书还快。

Meta的“AI大洗牌”，新旧团队咋就掐起来了？

最让人不舒服的是，Meta为了挖新人大手大脚，给前ScaleAICEOAlexandrWang这些人的年薪，比FAIR老员工高了两三倍。

有个在FAIR待了五年的研究员说，自己的基本工资，还没新团队刚毕业的博士绩效奖金多。

这差距摆出来，老员工心里能平衡吗？

不光是钱的事儿，办公模式也闹矛盾。

新成立的TBD实验室，负责搞Llama5，要求所有人每周五天必须去加州总部坐班。

可Meta以前的AI团队，一直是“每周三天到岗”的灵活政策，不少老员工家离总部远，根本没法接受这种突然的改变。

本来Meta想让FAIR的资深研究员去支援Llama5，结果人家一听“五天坐班”，全给拒绝了。

更让LeCun难受的，可能是自己话语权的下降。

今年7月，Meta从OpenAI挖来赵晟嘉当首席科学家，之后不少AI战略决策，LeCun都得跟新管理层一起商量，不像以前那样能自己拍板。

虽然官方说他的角色没变，但明眼人都能看出来，他在公司里的分量轻了。

我觉得Meta搞重组的初衷没问题，想在AI竞赛里抢先机嘛，可方法太糙了。

一口气挖那么多新人，不考虑老团队的感受；三个月拆来拆去，团队连磨合的时间都没有。

这不就是把AI部门当成“积木”玩吗？新旧团队掐起来，项目推进不下去，都是早晚的事儿。

其实Meta会这么急着重组，也跟旧团队之前的失误有关。

今年初，本来要发Llama4，结果因为性能问题推迟了，后来又不小心把未公开的实验版本提交到评测平台，比正式版表现好不少，被人质疑“刷榜”。

而且旧团队内部也不太平，有前员工说，以前经常为了抢项目、抢成果闹矛盾，内耗特别严重。

可问题是，重组不是“换批人就行”。

现在TBD实验室搞Llama5，因为招不到资深研究员，进度已经慢了一个月；超级智能实验室接了MetaAI应用后，想加个“Vibes信息流功能”，结果负责智能眼镜的RealityLabs团队集体反对，说这功能跟硬件不搭，最后只能推迟上线。

Meta也试着想办法维稳，比如减少开会次数，给老员工发专项奖金，但这些都是表面功夫。

根本问题没解决，到底是保FAIR的基础研究，还是全力冲产品落地？到底怎么平衡新旧团队的利益？这些问题不答好，就算LeCun最后不辞职，MetaAI的“内战”也停不了。

现在LeCun到底走不走还没定，但Meta面临的局面已经很清楚了。

AI竞赛拼的不光是钱和人才，更是战略的稳定和团队的凝聚力。

要是还抱着“既要短期利益，又要长期科研”的想法，不肯做出取舍，要么留不住LeCun这样的大牛，要么新团队搞不出真成果。

如此看来，Meta要是不赶紧调整方向，在接下来的AI竞赛里，怕是要从“领跑者”变成“掉队者”了。

毕竟搞AI不是“拆拆合合、挖挖人”就能成的，得拿出真真正正平衡科研和商业的智慧才行。