好家伙，杨立昆（Yann LeCun）亲自转发“讣告”了。
就昨天，这位 Meta 的首席 AI 科学家，在 X 上转了一条推，内容直指自家公司——Meta AI 部门“已死”。原文副标题更狠：“自研人才流失，投资也没成果”。说实话，这种级别的内部大佬公开转这种负面舆论，在硅谷大厂里可不多见，火药味够冲的。
我爬了下 36氪的页面（虽然正文被JS挡了），但从 meta 标签里抓到了核心信息：发布时间是 2026年5月19日。这时间点挺有意思，刚好卡在 Meta 最新财报发布和 Llama 4 系列模型开源传闻之间。
先别急着下结论。这事儿远不止一个“吃瓜”那么简单。它像一根探针，直接捅穿了当下大厂 AI 战略里最拧巴、也最普遍的那个脓包：自研 vs 开源，到底该怎么选？ 选了之后，人往哪走，钱往哪投？
一、转推背后：一场持续多年的“路线分歧”
杨立昆是谁？深度学习三巨头之一，图灵奖得主，Meta AI 的奠基人。但他还有个更出名的标签：大语言模型（LLM）的“头号怀疑者”。
他长期坚持认为，LLM 靠海量文本“预测下一个词”的路径，根本不是通往通用人工智能（AGI）的正道。他更看好的是世界模型，一种能让 AI 像婴儿一样通过观察和交互来理解物理世界的架构。
所以，当 OpenAI 的 ChatGPT 引爆全球，所有大厂（包括 Meta）都在疯狂堆参数、卷上下文窗口的时候，LeCun 在公开场合没少“泼冷水”。他的转发，与其说是对“Meta AI”这个组织名称的否定，不如说是对他不认同的、以 LLM 为核心的产品化和商业冲刺路线，投下的一张鲜明的“不信任票”。
这直接导致了 Meta AI 内部一个尴尬的撕裂：
- 产品与商业侧：必须跟上市场，快速推出对标 ChatGPT 的对话产品（比如集成在 Facebook/Instagram 里的 Meta AI 助手），用 LLM 讲出商业故事给股东听。
- 研究院与长远愿景侧：以 LeCun 为代表，认为应该把钱和人力投在更基础、更长期，但短期看不到回报的“世界模型”等前沿探索上。
这种根本性的路线分歧，是人才流失和战略摇摆的底层原因。说白了，核心研发人员觉得自己的理想和公司的现实动作对不上，用脚投票就成了必然。
二、Meta AI 的“死因”解剖：人才与投资的双重失血
文章里点出的“自研人才流失，投资也没成果”，可以说是精准的“尸检报告”。我们拆开看看。
1. 人才都去哪了？ 过去一两年，从 Meta AI 出走的核心研究员和工程师名单能拉一长串。他们中的很多人，流向了几个方向：
- 创业：拿着在大厂积累的声望和资源，自立门户做 AI 初创公司，融资更容易，决策更自由。
- 竞争对手：比如去 OpenAI、Anthropic，或者回归学术圈。那里可能更“纯粹”，更能专注做自己认为对的研究。
- 其他大厂：Google DeepMind、微软研究院等，这些地方虽然也有商业压力，但至少在 AI 的长期投入上，口碑更坚挺一些。
人才流失是个恶性循环。顶尖的人走了，项目的技术天花板就降低了，对剩下人才的吸引力也下降了，项目更难出彩，于是更多人想走。
2. 钱花哪了？为什么“没成果”？ 这里的“没成果”，指的显然是能直接变现、或形成强大市场影响力的产品。Meta 在 AI 上的投入绝对不小，但效果呢？
我们可以简单对比一下：
| 对比维度 | Meta AI (产品线) | Llama (开源模型) | 竞争对手 (如 OpenAI) |
|---|---|---|---|
| 核心动作 | 开发集成在社交产品中的AI助手 | 发布开源大模型系列 (Llama 2, 3, 4?) | 闭源模型API服务 + 超级应用 (ChatGPT) |
| 市场声量 | 较低，用户感知不强 | 极高，开发者社区热捧 | 统治级，定义行业标准 |
| 商业回报 | 间接，难量化（提升用户粘性？） | 间接，建立生态，吸引云服务 | 直接且巨大，API调用收费 |
| 战略意义 | 防御性，补齐产品功能 | 进攻性，打造开源生态，挑战闭源霸权 | 定义赛道，建立技术壁垒 |
看明白了吗？Meta 的钱和精力，实际上分成了两股：一股试图做“产品”（Meta AI助手），但做得很拧巴，没打过 ChatGPT；另一股全力押注“开源生态”（Llama），这一仗打得非常漂亮，几乎以一己之力撑起了开源大模型的半边天。
结果就是，“Meta AI”这个曾经代表公司最前沿技术的品牌，在内部资源争夺战中，被更具战略价值和外部影响力的“Llama”项目给挤到了边缘位置。它“死”于战略重心转移带来的资源枯竭。
三、从 Meta 看全局：大厂 AI 部门的普遍困境
Meta AI 的困境不是个例，它折射的是几乎所有科技巨头 AI Lab 都在面临的“中年危机”。
graph TD
A[大厂设立AI研究院] --> B{初期: 纯研究导向};
B --> C[产出顶级论文<br/>吸引顶尖人才];
C --> D{ChatGPT冲击后};
D --> E[压力: 必须快速产品化];
E --> F[路径选择分歧];
F --> G[路线A: 全力服务主营业务];
F --> H[路线B: 独立打造ToC产品];
F --> I[路线C: 聚焦基础设施/开源];
G --> J[案例: Google AI 整合进搜索/云];
H --> K[案例: 微软Copilot全线嵌入Office];
I --> L[案例: Meta 全力投入Llama开源];
J --> M[结局: 研究属性削弱<br/>成为业务部门];
K --> N[结局: 面临巨大市场与体验压力];
L --> O[结局: 原研究品牌边缘化<br/>“Meta AI已死”];
M & N & O --> P[共同困境: <br/>理想主义的研究文化 vs <br/>功利主义的商业时钟];
如图所示，三条路都不好走。路线A（服务主业）会让研究院丧失独立性；路线B（做独立产品）要和 OpenAI 这种“怪物”正面硬刚，九死一生；路线C（做开源/基建）像 Meta，虽然建立了巨大生态影响力，但原团队的核心身份认同会遭遇冲击。
这对一线开发者意味着什么？个人觉得，有两个启示：
- 加入大厂 AI 部门前，得想清楚：你是想去一个还能安心做长期研究的“象牙塔”（这种地方越来越稀有），还是想去一个冲锋陷阵、快速迭代的产品团队？两者的工作节奏、评价体系天差地别。
- 技能树评估：如果你的目标是紧跟最前沿的工程落地和产品化，那么关注 Llama 生态、学习如何基于开源大模型做应用开发，可能是比钻研某个大厂内部闭源技术栈更“安全”和通用的选择。毕竟，开源模型的技能带得走。
四、开源 Llama：是“金蝉脱壳”还是“断臂求生”？
很多人把 Meta 全力押注 Llama 开源，看作一步高棋。确实，它成功搅动了闭源模型的市场，让无数开发者和公司站在了 Meta 的生态阵营里。但从另一个角度看，这何尝不是一种“断臂求生”？
当自研产品线打不过，又无法在短期内弥合内部路线分歧时，选择把所有筹码押到一条能快速建立行业影响力、且能发挥自身数据与算力优势的赛道（开源），是一种极其现实的战略选择。只不过，这个选择需要牺牲掉一些东西，比如“Meta AI”这个曾经的骄傲品牌，以及一部分坚持纯粹研究路线的员工的理想。
所以，杨立昆的转推，你可以理解为一种无奈的叹息，也可以看作是一次公开的“划清界限”：你们说的那个“已死”的、追逐LLM产品幻影的“Meta AI”，与我坚持的AI未来愿景，不是一回事。
对了，顺带提一嘴，这种高管通过社交媒体的“含蓄表态”，在国内外科技圈都越来越常见。它比官方新闻稿更真实，也比内部邮件流传得更快，已经成为观察公司战略风向和内部政治的一个关键窗口。
结语：没有“已死”，只有“转型”
讲真，“Meta AI 已死”这个说法有点标题党了。更准确的描述是：Meta 公司对“AI”的战略定义和资源投放重心，发生了根本性的转型。从试图打造一个统一的、对标 OpenAI 的消费级产品品牌，转向了深耕开源模型基础设施，构建开发者生态。
这场转型是痛苦且代价高昂的，涉及人才的重新配置、项目的关停并转、以及公司内部话语权的更迭。杨立昆的转推，就是这场巨大阵痛中的一个公开注脚。
对于我们这些旁观者来说，这件事的价值在于，它极其生动地展示了一家万亿美金市值的科技巨头，在面临技术范式突变和激烈市场竞争时，是如何艰难调头的。它的选择，它的代价，它的内部矛盾，都为整个行业提供了宝贵的参考系。
最后留个问题：如果你是 Meta 的 CEO 扎克伯格，在 ChatGPT 横空出世的那一刻，你会选择 All in 自研产品硬刚，还是像现在这样，押注开源生态？你觉得，哪种选择对一家社交基因的公司来说，活下来的概率更大？
参考来源：
- 36氪报道：《杨立昆的一个转推，宣布Meta AI"已死"》
- Meta 官方开源项目：Llama系列 (github.com/facebookresearch/llama)
