Meta借Muse重回牌桌，29岁汪滔打赢翻盘战

经历动荡后的Meta，正试图用全新一代AI模型打赢翻身仗。

此前，Meta的生成式AI业务一度陷入低谷。Llama 4发布后反响平平，基准测试面临诸多质疑，扎克伯格对原有研发部门的耐心几乎消耗殆尽。随后，图灵奖得主杨立昆等多位核心科学家先后离职，杨立昆曾直言，Meta过去偏向于选择“安全、已被证明有效”的研发路线，而这种策略在激烈的模型竞赛中往往意味着掉队。

转折发生在14个月后。Meta超级智能实验室（MSL）发布了Muse Wonder与Muse Wonder Full两款新模型。在第三方评测机构Artificial Analysis的智能指数测试中，Muse Wonder Full拿到56分，追平了Anthropic的Claude Sonnet 5.5，并超越了同期测试中的GPT-6 Astra和Gemini 4 Argon。多家外媒对此评价：Meta正重回AI最前沿。

主导这一轮逆转的，是29岁的华裔创业者、Scale AI创始人Alexandr Wang（汪滔）。2025年中，扎克伯格通过向Scale AI注资143亿美元的方式，将汪滔引入Meta出任首席AI官，全面统领新成立的超级智能实验室。

扎克伯格看重的并非汪滔本人的理论研究背景，而是一名战时创业者的生存紧迫感与项目推进力。杨立昆曾评价汪滔缺乏学术界科研经验，但在大公司官僚化氛围加重的节点，扎克伯格更需要一个能迅速打破僵局的执行者。

进入Meta后，汪滔迅速调整了管理策略。在Scale AI时期，决策链路高度依赖其个人把关；而在Meta，他深知自己并非底层算法研究员或产品专家，因而将重心全面转向组织重组与顶尖人才网罗，甘当“教练”。

组织层面的变革随之展开。Meta的AI部门在2025年末裁员约600人，波及FAIR等资深研究团队，但汪滔直接领导的TBD Lab（聚焦超级智能的核心团队）基本未受影响。他引入了清华校友赵晟佳担任首席AI科学家，统揽科学议程，并招募加州大学伯克利分校教授Dawn Song领导新组建的AI研究分支。汪滔本人不直接下场写算法，而是确保让正确的人掌控核心技术走向。

在技术路线上，汪滔并未选择在Meta相对薄弱的编程与强抽象推理上与OpenAI和Anthropic正面硬碰，而是将重点押注在“个人智能体”（Personal Agent）上。

Muse Wonder的核心能力在于主动记忆（Active Memory）与主动聚焦（Active Focus），旨在让AI智能体能够在跨长周期对话中保留并理解用户上下文，在执行复杂任务受阻时主动调整策略。汪滔在接受采访时表示，许多头部大模型把大部分精力放在了编程智能体上，而Meta选择差异化竞争，重点挖掘个人智能体的实际落地潜力。

这项决策依托于Meta强大的生态壁垒。Facebook、Instagram以及WhatsApp坐拥数十亿级月活跃用户的真实日常行为数据，这构成了竞品难以复制的数据土壤。以这批数据训练深度理解用户偏好与上下文的个人智能体，胜算远高于单纯在代码测试集上硬拼参数。

此外，交付迭代速度显著加快。从Muse Spark到Muse Wonder的发布，间隔仅有六个月，这种研发节奏在Meta过去的AI历史上极为少见。卡内基梅隆大学教授Russ Salakhutdinov评价称，TBD Lab在极短时间内完成了令人印象深刻的工程量，汪滔的优势在于“清楚自己的认知边界，并且愿意倾听专业意见”。

目前来看，战局仍未尘埃落定。Muse Wonder Full仍仅面向特定订阅用户开放，Claude与GPT系列在智能天花板和推理成本上依旧保有各自优势，Meta为招揽头部人才也开出了极高的成本。

但可以肯定的是，通过这一轮大刀阔斧的重组与产品换代，Meta成功重返大语言模型的第一梯队赛道。能否彻底完成逆转，依然取决于其团队在未来几个迭代周期中的交付成色。