當 Mark Zuckerberg 在 2025 年中宣布成立 Meta 超級智能實驗室（Meta Superintelligence Labs, MSL）時，整個科技界都屏息以待。這不僅是 Meta 在人工智慧領域的一次重大押注，更代表著科技巨頭們爭奪 AI 霸主地位的白熱化競爭正式展開。作為長期觀察科技產業的我們，這次 Meta 的動作確實讓人印象深刻——不僅投入了 143 億美元收購 Scale AI 49% 的股份，更挖角了業界最頂尖的 AI 人才。

Meta 超級智能實驗室是 Meta Platforms 專門致力於開發超級智能的人工智慧部門——這種 AI 將在各個方面超越人類智能。該實驗室整合了 Meta 的 AI 研究、大型語言模型專案（如 Llama 系列）以及 AI 產品團隊，目標是創造「個人超級智能」，即能夠賦能個人日常生活和工作的 AI 系統。實驗室總部位於加州門洛帕克，由前 Scale AI CEO Alexandr Wang 擔任首席 AI 長，前 GitHub CEO Nat Friedman 負責監督 AI 產品開發。

MSL 組織分為四大主要團隊：TBD Lab 負責處理下一代 Llama 模型；FAIR（基礎 AI 研究）專注於核心 AI 研究；由 Friedman 領導的產品與應用研究團隊；以及負責管理 AI 基礎設施的 MSL Infra。實驗室強調開放性，透過開源 Llama 等關鍵模型，同時也高度重視安全性和實際對齊，以確保 AI 的有用性和安全部署。

社群和產業界對 MSL 的討論突顯了 Meta 在 AI 超級智能領域的重大賭注，這得益於大量投資——包括對 Scale AI 的 143 億美元投資——以及從 OpenAI、Anthropic 和 Google DeepMind 等領先公司積極招募頂尖 AI 人才。然而，最近幾個月 Meta 削減了其傳統 AI 研究部門約 600 個職位，以精簡資源專注於 MSL 使命。這次重組整合了資源，優先發展由 TBD Lab 領導的超級智能開發，該團隊持續積極招募人才。

AI 和科技社群的討論將 MSL 視為挑戰其他產業領導者的大膽舉措，同時也有人對真正超級智能的可行性和安全性持懷疑態度。Meta 的策略在競爭與全球 AI 安全標準合作之間取得平衡。

簡而言之，Meta 超級智能實驗室代表了 Meta 在引領下一代 AI 前沿的戰略飛躍，呼籲將超級智能 AI 助手嵌入社交和虛擬平台，承諾以個性化方式改變人們創造、連結和解決問題的方式。

Meta豪擲百億美元，網羅全球AI半壁江山頂尖 AI 人才，清一色都是華人？
一覺醒來，矽谷的AI界風雲變色，頂尖人才幾乎全被Meta挖角。從LinkedIn上一看，這些業界精英的頭銜都換成了Meta員工。這場人才大戰讓OpenAI的Sam Altman和蘋果的Tim Cook備感壓力，因為他們的高階團隊正一個個流失。
Tenten AIRae Yu

Meta 超級智能實驗室的組織架構與領導團隊

Meta 超級智能實驗室採用扁平化的組織結構，分為四個主要團隊，每個團隊專注於 AI 開發和部署的不同面向：

TBD Lab：大型語言模型的核心引擎

這個團隊專注於管理和推進 Meta 的大型語言模型（LLMs），目標是實現超級智能。TBD Lab 由 Alexandr Wang 領導，他同時擔任 Meta 首席 AI 長和 MSL 負責人。他的領導強調扁平化、協作式的結構，每個團隊成員的貢獻都至關重要。

從我多年觀察矽谷科技公司的經驗來看，Wang 這種扁平化的領導風格在快速發展的 AI 領域特別有效。它能夠減少官僚主義，加速決策過程，這對於需要快速迭代的 AI 研究至關重要。

FAIR：基礎 AI 研究的學術根基

這個團隊推動核心 AI 研究，為實驗室更廣泛的使命奠定基礎。它延續了 Meta 深度 AI 研究的傳統，致力於推進演算法、安全性和理論層面。

產品與應用研究：從實驗室到產品

由 Nat Friedman 領導，前 GitHub CEO，這個團隊將 AI 模型和研究整合到面向消費者的產品和應用中。Friedman 的團隊致力於讓 MSL 開發的 AI 對用戶有用且易於使用。

Friedman 在 GitHub 任職期間展現的產品思維和開發者社群經營能力，正是 Meta 在這個關鍵時刻所需要的。他不僅了解技術，更知道如何將複雜的技術轉化為用戶喜愛的產品。

MSL Infra：支撐超級智能的基礎設施

專注於維持和擴展 AI 模型和技術所需的基礎設施。這個團隊由 Aparna Ramani 領導，處理運行超級智能級 AI 所需的龐大運算資源和軟體。

關鍵領導人物

領導者 職位 背景與專長
Alexandr Wang 首席 AI 長、TBD Lab 負責人 前 Scale AI CEO，19 歲從 MIT 輟學創業，28 歲成為全球最年輕自力更生的億萬富翁
Nat Friedman 產品與應用研究負責人 前 GitHub CEO，開源軟體倡導者，成功推出 GitHub Copilot
Shengjia Zhao 首席科學家 負責科學方向和研究議程
Aparna Ramani MSL Infra 負責人 管理 AI 基礎設施團隊

MSL 的領導風格明顯扁平化且敏捷，鼓勵開放協作並最小化官僚主義以促進創新。這種結構旨在結合大量研究工作與實際產品開發和強大的基礎設施，全部朝向創造全面超越人類智能的 AI 目標邁進。

失衡的理想：深度解析Meta開源AI路線遭遇滑鐵盧的關鍵因素
Meta宏大的開源AI願景為何會遭遇滑鐵盧？本文從競爭格局、社群生態及商業化挑戰等多個維度，系統性地解析導致其戰略失衡與挫敗的關鍵因素。
Tenten AIHarris Chang

Meta 與其他 AI 巨頭的競爭格局分析

在全球 AI 競賽中，Meta 超級智能實驗室面臨來自多個強大對手的激烈競爭。讓我們深入分析這場科技巨頭之間的較量：

AI 實驗室競爭力比較表

AI 實驗室 核心優勢 開放性策略 主要挑戰 競爭定位
Meta MSL 開源領導力、用戶規模、人才密度 開源 Llama 模型 模型品質落後、團隊流動性高 透過開放性和規模競爭
OpenAI 領先的模型能力、強大品牌、產品化速度 封閉式 計算成本、監管壓力 技術領先者
Google DeepMind 基礎 AI 研究與企業 AI 大部分封閉 龐大運算、混合研究與產品組合 平衡創新與規模
Anthropic 可靠、可解釋、道德 AI 封閉、透明研究 道德 AI 領導力、強大對齊焦點 高誠信度、控制式存取
xAI 最快部署與生態系統控制 封閉式 完整垂直整合、快速迭代 高風險、快速推出

從這張比較表可以看出，雖然 Meta 在模型品質上尚未領先，但它利用人才密度、用戶觸及和開放協作來競爭。緊張關係存在於研究人員在各公司之間流動，Meta 的積極招募和重組突顯了 AI 霸主地位的激烈競爭。每個實驗室在開放性、安全性、速度和規模之間的平衡方式不同，反映了對 AI 未來的不同願景。

作為一位長期觀察科技產業的從業者，我認為 Meta 的開源策略是一把雙面刃。一方面，它能夠建立強大的開發者社群和生態系統；另一方面，這也意味著競爭對手可以直接使用你的技術成果。這種策略的成功與否，最終取決於 Meta 能否在開放與商業價值之間找到平衡點。

Meta 超級智能實驗室的技術目標與研究領域

Meta 超級智能實驗室有著雄心勃勃的技術目標，核心在於開發超越人類智能的 AI——通常被描述為「超級智能」——並使其對數十億人個人有用。核心願景是「個人超級智能」，AI 不僅自動化任務，還積極幫助個人實現目標、提升創造力和個人成長。

核心技術目標

Meta 的技術願景包含以下關鍵目標：

  • 建立超越人類通用智能的 AI 系統：在所有領域都超越人類的一般智能
  • 創造賦能日常生活的 AI 助手：幫助用戶在日常生活、創造力、關係和工作中發揮更大潛力
  • 開發可自我改進的 AI：能夠迭代改進自身的系統，這是實現持續超級智能的關鍵步驟
  • 優先考慮對齊與安全研究：確保 AI 負責任地造福人類
  • 推進基礎 AI 能力：如自然語言理解、推理、感知和世界建模

主要研究領域深度解析

大型語言模型（LLMs）

開發下一代 Llama 模型，旨在改善一般理解和生成能力。這不僅僅是增加模型大小，更重要的是如何讓模型更好地理解人類意圖和上下文。

世界模型（World Models）

AI 系統能夠感知和預測物理和社會環境如何演變，例如 Meta 的影片聯合嵌入預測架構 2（V-JEPA 2）。這是實現真正智能 AI 的關鍵——系統需要理解世界如何運作，而不僅僅是處理文字。

多模態學習

整合語言、視覺、音訊等多種模態，建立能夠豐富感知和互動的系統。這正是我們在 Tenten 研究的重點領域之一，因為真實世界的應用往往需要處理多種類型的資訊。

記憶與持續學習

解決長期記憶、上下文保留和超越會話限制的增量學習挑戰。這是當前 AI 系統的一大瓶頸——如何讓 AI 像人類一樣累積知識和經驗。

對齊與安全

研究如何讓超級智能與人類價值觀保持一致，並在部署中保持安全。這不僅是技術問題，更是道德和社會問題。

運算效率與永續 AI

優化 GPU、客製化晶片（Meta 的 MTIA）和能源使用，以實現大規模模型的可擴展訓練。隨著模型規模不斷增大，運算效率變得越來越關鍵。

AR/VR 與社交平台中的應用 AI

將 AI 嵌入以支援沉浸式體驗、智能內容審核、推薦系統和個人用戶協助。這正是 Meta 的核心優勢所在——將 AI 與其龐大的社交平台用戶基礎結合。

Meta 實驗室利用其龐大的基礎設施投資、多元的 AI 專業知識以及來自數十億用戶的資料來推進這些領域。他們的策略融合基礎 AI 研究與實際應用，旨在改變人們日常與技術互動的方式，特別是在沉浸式數位空間和個人設備（如智慧眼鏡）中。

Meta聯手Oakley推出AI運動眼鏡 姆巴佩代言引爆科技新浪潮
探索 Meta 與 Oakley 合作的 AI 運動眼鏡，如何藉由頂級運動員姆巴佩的加持，重新定義運動裝備與智慧科技的界線，引領下一波科技浪潮
Tenten AIMaria Ning
Meta 對 EssilorLuxottica 的 35 億美元投資
這筆 35 億美元的投資，標誌著 EssilorLuxottica 在科技整合與創新上的關鍵一步。本文將剖析 Meta 的資金與技術如何賦能 EssilorLuxottica，共同開創智慧眼鏡的新紀元。
Tenten AIKlara

從產業觀察者的視角：Meta 的戰略意圖

作為長期觀察科技產業發展的我們，Meta 成立超級智能實驗室這一舉措背後有著更深層的戰略考量。

首先，這是 Meta 對「下一個平台」的押注。就像當年從桌面網路轉向行動網路一樣，Meta 相信 AI 和沉浸式技術將定義下一代運算平台。透過超級智能實驗室，Meta 希望在這個新平台上佔據主導地位。

其次，人才戰是關鍵。在 AI 領域，頂尖人才的稀缺性遠超過資本和運算資源。Meta 透過收購 Scale AI 並吸引 Alexandr Wang 和 Nat Friedman 這樣的頂尖人才，不僅獲得了技術能力，更重要的是獲得了產業網路和招募渠道。

第三，開源策略是差異化競爭。與 OpenAI 和 Google 的封閉模型不同，Meta 選擇開源 Llama，這不僅能建立開發者生態系統，還能透過社群貢獻快速改進模型。這種策略在雲端運算時代已經被證明有效——想想 Linux 和 Kubernetes。

最後，Meta 面臨的最大挑戰可能不是技術，而是如何在追求超級智能的同時維持組織文化和人才穩定性。600 個職位的裁減雖然是為了聚焦資源，但也可能造成組織動盪。如何在激進創新和穩定執行之間取得平衡，將是 Meta 領導層面臨的重要考驗。

對台灣科技產業的啟示

Meta 超級智能實驗室的成立，對台灣的科技生態系統也有重要啟示。台灣在半導體製造和硬體設計方面具有世界領先地位，但在 AI 軟體和應用層面仍有成長空間。

隨著 AI 運算需求的爆炸性增長，台灣的晶片製造能力將變得更加關鍵。TSMC 不僅是晶片製造商，更是整個 AI 生態系統的基石。Meta 和其他科技巨頭對 AI 晶片的龐大需求，為台灣半導體產業帶來了新的成長機會。

同時，台灣的新創公司和研究機構也應該關注 AI 基礎設施和應用層面的機會。不一定要與 Meta、OpenAI 這樣的巨頭正面競爭，而是可以在垂直領域或特定應用場景中尋找突破點。例如，結合台灣在製造業的優勢，開發工業 AI 應用；或是針對繁體中文和東亞市場，開發在地化的 AI 解決方案。

關於作者

Harris Chang 是 Tenten 的資深科技分析師，擁有超過十年的科技產業觀察與分析經驗。專注於 AI 發展趨勢、科技公司戰略分析，以及新興技術對產業的影響。

作者觀點

觀察 Meta 超級智能實驗室的發展，我最深刻的感受是：AI 競賽已經從「誰能做出最好的模型」演變為「誰能建立最完整的 AI 生態系統」。Meta 透過開源策略、基礎設施投資和人才收購的三管齊下，展現了一個清晰的願景——不是要獨佔 AI 技術，而是要成為 AI 生態系統的核心樞紐。

這種策略對於台灣科技產業特別具有啟發性。我們不一定要在每個技術層面都達到世界第一，但可以在生態系統中找到自己的獨特定位。就像台灣在半導體產業鏈中扮演的關鍵角色一樣，在 AI 時代，我們同樣可以找到屬於自己的價值主張。

AI 的未來不是零和遊戲，而是一個需要全球協作的共同事業。Meta 的開源策略正是這種思維的體現。對於企業和個人而言，重要的不是害怕被 AI 取代，而是學會與 AI 協作，在這個新時代中找到自己的位置。

如果您對 AI 策略規劃、數位轉型或科技趨勢分析有興趣，歡迎透過 Tenten 與我聯繫。

Share this post
Maria Ning

With a sharp eye for data-driven narratives, Maria architects full-funnel content that moves technical buyers to action, Interests: RevOps, martech hacks, Sichuan cooking

Loading...