Meta 重金搶人，明星云集就能復(fù)制 DeepSeek 的成功嗎？

本文作者：鄭佳美

2025-07-17 17:03

導(dǎo)語：天才招聘只是第一步，能否將天才組織在一起才是關(guān)鍵。

最近 AI 圈最大的新聞，大約就是 Meta 扎克伯格親自出手、重金招人的消息了。根據(jù)公開信息，如今在小扎親自出手的推動下，Meta 已經(jīng)組建起一支堪稱豪華的 AI 戰(zhàn)隊。

核心領(lǐng)導(dǎo)團隊方面，包括前 Scale AI 創(chuàng)始人 Alexandr Wang（現(xiàn)任 Meta 首席 AI 官）、前 GitHub CEO Nat Friedman，以及 Safe Superintelligence 聯(lián)合創(chuàng)始人 Daniel Gross，三人共同執(zhí)掌 Meta Superintelligence Labs 的戰(zhàn)略與節(jié)奏。

技術(shù)陣容同樣令人矚目。Meta 從 OpenAI 挖來了多位重量級研究員，包括 GPT-4o 的語音與圖像模塊開發(fā)者 Shuchao Bi 和 Huiwen Chang，“思維鏈”（Chain-of-Thought）技術(shù)代表人物 Trapit Bansal，以及 GPT 系列模型的重要研發(fā)成員 Ji Lin、Shengjia Zhao、Hongyu Ren 和 Jiahui Yu 等人。

而在 OpenAI 之外，Meta 同樣高價吸引了 Apple 和 DeepMind 的核心人才：包括 Apple Foundation Models 負責(zé)人 Ruoming Pang（據(jù)稱簽約價高達 2 億美元），DeepMind 前研究員 Jack Rae 與 Pei Sun，以及來自 Anthropic 的 Joel Pobar 和 Sesame AI 的 Johan Schalkwyk，也都陸續(xù)加盟。

而網(wǎng)傳 Meta 的最新挖人動向，則是他們又成功挖走了 OpenAI 的兩員大將，分別是 Jason Wei 和 Hyung Won Chung。

其中 Jason Wei 曾在 OpenAI 主導(dǎo)參與了 o1/o3 系列模型及 deep research 項目，是強化學(xué)習(xí)的堅定擁護者，同時也是 2022 年“Emergent Abilities”（涌現(xiàn)能力）概念的開創(chuàng)者之一。他在思維鏈（Chain-of-Thought）等前沿技術(shù)上的貢獻廣受認可。而 Hyung Won Chung 同樣是 OpenAI 的核心研究員，深度參與了 o1 系列與 deep research 項目，研究方向主要聚焦于推理能力（reasoning）與智能體（agents）。

Meta 重金搶人，明星云集就能復(fù)制 DeepSeek 的成功嗎？

據(jù)報道，目前兩人的 OpenAI 內(nèi)部 Slack 賬號已被注銷，基本坐實了離職消息。更驚人的是，據(jù)稱 Meta 為吸引這兩位 AI 頂尖科學(xué)家，直接開出了高達 3 億美元的四年期薪酬包，可見其對“超級智能”戰(zhàn)略的重視與投入之大。

不少人感慨“大廠要拼命了”“AI 人才再次供不應(yīng)求”，但也有人冷靜指出：大家關(guān)注的不是 Meta 的產(chǎn)品愿景、人才密度，而是它開出的高薪。

這就很耐人尋味，為什么我們對“只要聚集足夠多聰明人就能做出偉大成果”這件事不再那么有信心了？

因為，現(xiàn)實一次次證明：人多、人強≠結(jié)果好。

世界大戰(zhàn)中，團隊比個人重要

OpenAI 推出 ChatGPT 時，所有人都關(guān)注它的技術(shù)、以及背后的組織力，但由于當(dāng)時 OpenAI 云集的世界知名大神很多，所以組織力的歸因占比還不算最突出。但在 DeepSeek 這樣一個神秘又主要凝聚中國本土 C9 高校學(xué)者的團隊冒出后，所有人都無法再忽視這樣的一個事實：

在像 AGI 這樣的大規(guī)模團隊作戰(zhàn)形式中，個人能力拔尖不如組織能力拔尖重要。

回顧人工智能的發(fā)展史，曾像 Meta 一樣集結(jié)超多杰出人才的團隊不勝枚舉：MSRA、DeepMind、谷歌、百度、智源……乃至大模型時代，近兩年騰訊、字節(jié)也都曾組織過各個方向的杰出人才組成大團隊，但最終都要么人才四散而去、要么組織目標(biāo)由高降低、要么做出一兩件大新聞后泯然眾人。

背后的原因眾多，有企業(yè)的文化架構(gòu)問題，有行業(yè)變化影響，但往往也容易出現(xiàn)一個普遍的現(xiàn)象，即：優(yōu)秀人才之間的離散與斗爭。

最終，強人集合沒有產(chǎn)生加倍的效果，反而天才之間可以互相抵消。

每個牛人都有一套成熟的認知系統(tǒng)、經(jīng)驗路徑和話語權(quán)構(gòu)建邏輯，而偉大的突破往往來自對路徑的反常識性挑戰(zhàn)。如果組織沒有“容錯機制”，牛人越多，分歧越大，行動越慢。

一群彼此不服、各自為營的聰明人湊在一起，容易像一場永不散場的學(xué)術(shù)討論會，而不是一個能落地的工程團隊。

DeepSeek 是一個有意思的反例。它沒有明星科學(xué)家，沒有學(xué)術(shù)巨擘撐場，成員年輕，團隊規(guī)模?。ɑA(chǔ)研究員在 150 人左右）、扁平化、沒有打卡、沒有層層 KPI 管理，創(chuàng)始人親自下場擼代碼，文化更像一個純粹的研究小組。

直到推出 V3，外界還認為它只是在“巨人肩膀上摘果子”，但當(dāng) R1 發(fā)布、實現(xiàn)推理性能超越時，它直接被推到了行業(yè)第一梯隊。

DeepSeek 的成功，并不是因為他們“比別人更聰明”，而是因為他們“比別人更敢干、更能協(xié)同”。從組織的角度來看，DeepSeek 幾乎反其道而行：

極致扁平：沒有層層結(jié)構(gòu)，沒有 KPI 內(nèi)卷，反而激發(fā)了探索欲。

投入純粹：大家都在搞基礎(chǔ)研究，不用分心“交付”“商業(yè)”“報表”。

執(zhí)行高效：一群動手能力超強的人每天都在干正事，不在做匯報。

認知一致：沒有“上下級權(quán)威差”，只有“想清楚再動手”的共識。

對比之下，過去兩年，字節(jié) Seed 的團隊曾一度多達 1000 人，大模型創(chuàng)業(yè)公司的基礎(chǔ)模型團隊雖控制在一百來人的規(guī)模、但同樣要背負商業(yè)交付與產(chǎn)品支持的壓力，因此難以構(gòu)建起“高信任、低管理、強動機”組織模型。最終，DeepSeek 的第一輪勝出，幾乎是注定的。

組織力 ≠ 人力總和，而是效率乘積

我們很容易陷入“能力總和論”陷阱：覺得一個組織的戰(zhàn)斗力 = 每個人的能力總和 × 工作時間。但事實更接近于：組織戰(zhàn)斗力 = 協(xié)同效率 × 方向一致性 × 持續(xù)穩(wěn)定性。

換句話說：牛人越多，協(xié)同越難，任務(wù)越復(fù)雜，扁平化越重要。

所有大廠與模型團隊的人都在看下一輪基礎(chǔ)模型的競爭力，一種直覺的觀點認為：大廠同樣不缺人、不缺錢、不缺卡甚至不缺場景與數(shù)據(jù)，戰(zhàn)斗力也不應(yīng)該低于 DeepSeek。但如果將不同團隊的研究日常作對比，就不難發(fā)現(xiàn)，實際上純以 AGI 為研究目標(biāo)的團隊與復(fù)雜大廠之間的差距。

如果將人才的能力水平從 0 到 100 分劃分，單人每天平均研究投入時間為 0 到 14 個小時，那么人才組織與產(chǎn)出的公式就可以清晰轉(zhuǎn)化為效率的乘積：

假設(shè)在 DeepSeek 團隊中，專注基礎(chǔ)研究的年輕博士能力可以打 70-80 分，Top 大模型研究選手如張正彥這樣基礎(chǔ)理論與實踐能力兼具的研究員是 100 分，那么 DeepSeek 的整體平均水平約為 85 分。同時 DeepSeek 沒有商業(yè)化壓力，150 人團隊可以每天平均集中投入 12 個小時做基礎(chǔ)研究。

對比一個千人研究團隊的大廠，基礎(chǔ)研究人員與工程師的戰(zhàn)斗力由高到低不等，加上大團隊意味著管理壓力大，算平均值 60 分。且由于要花時間做商業(yè)化交付與應(yīng)用產(chǎn)品支持，1000 人的團隊平均每人每天可能最多只能投入 6 個小時做基礎(chǔ)研究。

那么基礎(chǔ)研究總投入來看，DeepSeek 與大廠的對比實際是：150*85*12 VS 1000*60*6。

除了客觀可量化的投入，組織效率、協(xié)同成本、執(zhí)行張力這些更難量化的變量，也是決定戰(zhàn)斗力的關(guān)鍵。

如果 DeepSeek 擁有近乎滿分的執(zhí)行效率，記作 1.0，而大廠在目標(biāo)分散、協(xié)作鏈條冗長等影響下，組織效率只有 0.2，那最終真正釋放出來的有效產(chǎn)出會是：

DeepSeek：153000 × 1 = 153000

大廠團隊：360000 × 0.2 = 72000

如此來看，其實不難發(fā)現(xiàn) Deepseek 在基礎(chǔ)問題的研究投入與產(chǎn)出預(yù)期上，實際上是比大廠要多得多。

這也就解釋了，為什么 DeepSeek 一個 150 人的小團隊，反而能做出一鳴驚人的成果，而一些大廠的千人團隊，卻因為組織結(jié)構(gòu)復(fù)雜、任務(wù)重心分散，反而削弱了在基礎(chǔ)研究上的真實投入。

再次回到 Mate 花大錢買人的這個事情上，其中有一個非常容易被忽視的變量：動機的成分到底是什么？

Meta 的超高薪能買來聰明人，但買不來“持續(xù)愿意干活”的動機。DeepSeek 為什么讓人愿意拼 14 個小時？不是因為錢給得最多，而是因為愿景真實、結(jié)構(gòu)自由、成果看得見。

如果動機只建立在薪水上，個體會進入“被動等待回報”的狀態(tài)，但如果動機來自共創(chuàng)、掌控感和對問題的真實興趣，反而會激發(fā)內(nèi)驅(qū)。

而 Meta、Google 等大型科技公司的問題在于——他們的組織系統(tǒng)已經(jīng)高度僵化，即使有牛人加入，也只能發(fā)揮一小部分。

除了被忽視的動機成分外，人們也經(jīng)常會誤解“創(chuàng)新”是由最聰明的人做出來的。但其實，創(chuàng)新更多發(fā)生在邊緣人群、結(jié)構(gòu)松散的小團隊中。

另一個容易被忽視的客觀事實是：隨著人工智能的發(fā)展時間拉長、各種開源技術(shù)的發(fā)展，AGI 的知識門檻也在不斷降低——這就意味著，十年前只有 AI 技術(shù)大牛才能研究出來的算法，如今一個 985 高校的碩博生沉下心來也能鉆研明白、探究清楚，并提出大膽的改進設(shè)想了。

據(jù) AI 科技評論了解，即使是 Transformer 這樣的權(quán)威主流架構(gòu)，國內(nèi)的 MiniMax、Rock AI 等團隊在敢于修改注意力機制后也能取得較大的創(chuàng)新，且在這些團隊中主導(dǎo)架構(gòu)修改的研究人員都并非以往行業(yè)追捧的頂級技術(shù)明星。

這也是 DeepSeek 給整個行業(yè)的啟示：與其追求明星團隊，不如追求執(zhí)行團隊；與其拼大模型預(yù)算，不如拼問題沉淀和反饋機制；與其堆博士、挖大牛，不如形成一個真正愿意彼此合作、共同思考的小集體。