据《华尔街日报》援引Meta内部备忘录报道，Meta Platforms（META）正悄然组建新的应用人工智能工程组织，全力推进“超级智能”研发进程。 该新团队将与Meta超级智能实验室协同作战，核心任务是打造“数据引擎”，通过构建高效数据管道和系统，为AI模型提供真实世界的反馈、评估及训练信号，实现模型持续迭代升级。这一隐秘布局，标志着Meta的AI战略从“基础研究”向“工程化落地”深度转型，也彰显了其在全球超级智能竞赛中的野心，相关细节均有权威媒体及Meta内部信息佐证。
此次组建的新组织，以“扁平化架构+双团队协同”为核心特色，直指AI迭代的核心痛点。 据内部备忘录披露，新组织由Meta现实实验室（Reality Labs）副总裁马赫尔·萨巴掌舵，直接向首席技术官安德鲁·博斯沃思汇报，采用1:50的超扁平管理架构，远超科技行业常见的1:10至1:15配比，旨在减少管理层级、提升决策效率。团队分为两大板块：一个专注于构建界面与内部工具，优化研发工作流；另一个负责生成训练数据、运行评估并反馈结果，形成“数据→模型→更好的数据”的正向循环，这正是“数据引擎”的核心逻辑。
新组织与超级智能实验室的协同，构成了Meta超级智能研发的“双轮驱动”格局。 Meta超级智能实验室成立于2025年6月，由前Scale AI创始人Alexandr Wang领导，核心团队汇聚了11位来自OpenAI、谷歌DeepMind的顶尖研究员，其中华裔科学家占比超60%，专注于Llama系列模型迭代及多模态技术突破。此次新组建的工程组织，将实验室的前沿研究成果落地，通过数据引擎解决“模型训练后难以持续优化”的难题，目前已同步推进代号为Avocado（文本）和Mango（图像/视频）的新一代AI模型研发，预计2026年上半年陆续发布。
从行业视角来看，Meta此次布局，精准踩中了当前AI竞赛的核心转向——从“算力拼杀”转向“数据效率比拼”。 当前，OpenAI、谷歌均在加速超级智能研发，但多数企业陷入“模型参数内卷”，却忽视了真实世界数据的核心价值。Meta打造“数据引擎”的思路，恰恰解决了这一痛点：通过真实场景反馈持续优化模型，既规避了单纯堆参数的高成本，又能让模型更贴合实际应用需求，正如新组织负责人马赫尔·萨巴所言，“构建优秀的模型，不只是靠研究员和算力”。但这一布局也面临挑战，超扁平架构的协调效率、数据引擎的闭环验证，以及与现有业务的协同，都是Meta需要逐步破解的难题。
值得注意的是，这一布局已显现潜在价值。 Meta近期披露，其AI助手月活已超10亿，新数据引擎的落地将进一步赋能旗下Instagram、WhatsApp等应用，推动广告自动化、内容生成等业务升级，预计2026年底实现广告创意完全AI自动化，投资回报率较人工投放提升22%。
Meta悄然组建新AI工程组织，看似低调，实则是其抢占超级智能赛道的关键一步。 以数据引擎为核心、双团队协同为支撑，Meta正走出一条差异化的超级智能研发之路，既弥补了自身工程化落地的短板，也为行业提供了“研产分离、数据驱动”的新范本。未来，随着数据引擎的完善和新一代模型的发布，Meta有望在全球AI竞赛中实现突围，而这场布局背后，也折射出超级智能研发从“技术空想”向“实用落地”的行业趋势，推动人工智能向更高级、更贴近现实的方向发展。
