从Scale AI创始人到Meta超级智能实验室掌舵人，亚历山大·王（Alexandr Wang）在试图在争议中重构AI版图。
2025年，他离开自己一手创办的Scale AI、加入Meta执掌超级智能实验室时，整个硅谷为之震动。
一个最年轻的白手起家亿万富翁，放弃了独立创始人的身份，走进一家拥有八万名员工的庞然大物。随后近一年的时间里，他几乎从公众视野中消失了。没有播客，没有访谈，没有推特论战。
直到2026年他带着Muse Spark模型回归。
在最新一期《Core Memory》播客中首次全面回应了围绕他的一切争议。
这不是一次轻松的对话。前室友山姆·奥特曼对他没有好话，图灵奖得主杨立昆公开质疑他年轻缺乏经验，媒体铺天盖地报道他是天价挖来的雇佣兵，Meta内部研究派与产品派的激烈内斗。
面对这一切，亚历山大·王选择了沉默，直到现在。
加入Meta的直接原因
一切都要从Llama 4说起。
在访谈中，亚历山大·王毫不避讳地指出，Llama 4的发展轨迹不符合Meta继续押注AI的要求，这正是他加入Meta的直接原因。Meta的AI工作在他到来之前，已经偏离了正确的轨道。
“当我加入Meta的时候，很明显需要对整个AI工作进行重置和重建，让它回到正确的轨道上”，他说，“因为Llama 4的发展轨迹并不在同一条线上，我们落后于前沿”。
Llama系列曾是开源AI的旗帜。Llama 2和Llama 3的发布，一度让Meta在开源AI社区中拥有无可争议的领导地位。
但到了Llama 4，情况发生了变化。竞争对手机型迭代的速度远超预期，OpenAI的GPT系列持续进化，Anthropic的Claude在编程和推理领域突飞猛进，Google的Gemini凭借庞大的分发网络稳步推进。而Llama 4，无论在性能指标还是行业影响力上，都没能延续前代的势头。
亚历山大·王地指出了一个更根本的问题：Meta缺乏一种超级智能信仰。
在他看来，许多领先的AI实验室是围绕超级智能即将到来，而且非常近这一核心前提来构建整个组织的。从研究方向的选择，到资源的分配，到人才的招募，一切都服务于这个信念。而Meta此前的AI工作，缺少的恰恰是这种宗教般的确定性。
“很多大公司有很多很聪明的AI人才，但这和那些从零开始、带着‘超级智能即将到来’这种疯狂想法创建的初创公司是不一样的”，他说。这句话隐含的判断是：聪明人聚集不等于前沿突破，组织信念才是驱动力的源泉。
他与马克·扎克伯格的对话，正是围绕这一认知展开的。
大约一年前，扎克伯格越来越确信AGI即将到来，公开承认Llama 4的轨迹不符合要求，发出了关于个人超级智能的内部备忘录。这份备忘录成为了他们合作的北极星——用一种赋能人的方式构建技术，让世界上尽可能多的人能够获得它，让它尽可能民主化。
扎克伯格重金挖亚历山大·王加入，似乎是一次战略层面的纠偏。他带来的是一种关于为何而战的底层叙事。
Meta超级智能实验室
在亚历山大·王的规划下，Meta超级智能实验室（Meta Superintelligence Labs，简称MSL）以一种极度明确的结构和原则被搭建起来。
整个部门的架构清晰而紧凑。大型模型研究实验室TBD负责核心技术攻坚，汇集了顶尖研究人员和基础设施工程师；产品与应用研究部门PAR由前GitHub CEO纳特·弗里德曼（Nat Friedman）领导，负责模型的实际部署和产品化；FAIR继续从事探索性研究，从AI理解大脑到计算化学，再到原子通用模型（UMA）；丹尼尔·格罗斯（Daniel Gross）主导算力业务，专注于长期GPU和数据中心基础设施规划；首席科学家赵晟佳统筹整个MSL的科学议程。
比组织架构更重要的，是MSL的三条核心原则，亚历山大·王称之为军规：
第一，认真对待超级智能。 这是整个组织运转的前提假设。如果超级智能即将到来，那么每一个决策，从研究方向到资源分配到人才招募，都必须以此为基点重新校准。
第二，技术声音最响亮。 在一个拥有八万名员工的巨型公司里，技术判断很容易被商业逻辑、产品节奏或组织政治所淹没。这条原则的实质是：在关键技术决策上，研究员的专业判断拥有最终决定权，而不是由管理层拍脑袋。
亚历山大·王引用了乔布斯的一句话来阐述这一理念：大多数公司招聘人才然后告诉他们该做什么，但我们雇佣人才是为了让他们告诉我们该做什么。这是TBD和MSL整个构建逻辑的核心。
第三，科学严谨，专注基础，押大注。 亚历山大·王不满足于渐进式改进。在他看来，真正改变格局的突破来自于那些风险很高、但一旦成功就能完全改变范式的研究押注。除了构建具有竞争力的前沿模型，MSL还在将大量资源和算力分配到这些大胆的押注上。
这三条原则的叠加效应，塑造了一种独特的组织文化。
亚历山大·王在访谈中反复强调，MSL的氛围像极了早期的OpenAI和早期的Anthropic，因为某种意义上，它才成立了十个月。“去过其他实验室的人来参观后，经常说这里让他们想起了那些伟大公司的早期岁月”。
早期的OpenAI和Anthropic之所以能够做出突破性工作，核心在于三个要素的叠加：紧迫的使命感、极高的才华密度、以及从零开始的自由度。MSL正在试图复现这一配方。
亚历山大·王特别驳斥了外界关于天价挖人的叙事。
虽然招募行动确实以闪电战的方式完成，但他认为，将研究员视为被金钱驱动的雇佣兵，是一种根本性的误解。
对大多数人来说，留在原来的地方经济前景也非常好，他说，主要动机其实是：有机会从头开始构建，有大量算力，能追求雄心勃勃的研究方向，在一个不臃肿的团队里做这件事。
甚至那则广为流传的扎克伯格亲自煮汤招募研究员的传闻，在亚历山大·王看来，本质上也指向同一件事：整个招募过程非常个性化，人们必须知道Meta是认真的。
很多人一开始根本不知道该如何看待Meta的AI工作，所以需要花大量时间亲自去找人、解释他们在构建什么、为什么在乎这项技术。
面对如何追赶前沿这个问题，亚历山大·王给出了三个维度的回答，每一个都暗含着对行业现状的犀利批评。
第一，让每位研究员拥有更多算力。 很多大型实验室拥有海量算力，但被分散到太多方向，实际上阻碍了每位研究员的研究速度。“更专注、团队规模更小但每位研究员算力更高的组织，可以取得更快的研究进展”，他说。
第二，人才密度。 “每个人都很出色的小团队，总是比职责更分散的大型组织移动得更快——人类组织总是要重新学习这个教训”。AI研究不是人海战术。MSL的组建逻辑，正是围绕这一认知展开的。
第三，非常雄心勃勃的研究押注。 亚历山大·王承认，确实存在一些风险很高但如果成功就能完全改变范式的大研究押注。
这三条路径的交汇点，指向一个核心命题：在AI竞赛中，获胜的不是资源最多的组织，而是资源最集中、信念最坚定、敢于在不确定性中下重注的组织。
算力分层与开胃菜
访谈中，亚历山大·王认为，科技行业正在分层，有算力的公司和没有算力的公司，将活在两个完全不同的世界。
“有大量算力的公司和没有算力的公司，能做的事情截然不同，这会造成科技生态的有趣分层”，他说。
这不是一个关于算力很重要的平淡陈述，而是一个关于行业结构性分化的深刻判断。在亚历山大·王的视野中，算力不再只是AI训练的基础设施，它正在成为定义公司命运的结构性力量。
拥有算力的公司可以训练前沿模型、探索新的研究范式、持续迭代和扩展；没有算力的公司，无论人才多么优秀、愿景多么宏大，都只能在别人的模型之上做应用层创新，永远无法触及技术栈的底层。
这也解释了他为何选择Meta。在所有科技巨头中，Meta对AI算力的投入是最激进、最不留退路的。扎克伯格购买GPU的力度之大，在行业内几乎无人能及。丹尼尔·格罗斯主导的长期基础设施规划，确保的是Meta在未来几年乃至十年内的算力优势。在一个算力决定一切的世界里，这本身就是最具战略价值的资产。
这种分层的影响将是深远的。当AI能力达到新的阈值，拥有前沿模型的公司将能够解锁全新的产品形态和商业模式，无论是从超级智能助手到Agent经济，还是从物理机器人到脑机接口。而缺乏算力的公司，将越来越难以跨越这一鸿沟。这是一个结构性的断裂。
关于Meta最新发布的模型Muse Spark，亚历山大·王的态度出奇地坦率：它只是一个开始。
“某种意义上，Muse Spark更像是开胃菜，不是主菜”，他说，“我们有更大的模型正在开发中，我们对那些更大的模型比对Muse Spark更感兴奋”。
Muse Spark是MSL在九个月内从零构建的第一个前沿模型，它重建了预训练技术栈，重建了强化学习技术栈，重建了大量科学方法，在数据上做了大量工作。
用亚历山大·王的话说，“过去九个月是对核心研究技术栈的全面翻新，Muse Spark只是这条扩展曲线上的早期数据点”。
但他对Muse Spark的评价是冷静而精确的。在Artificial Analysis平台上，Muse Spark达到了与其他实验室模型相似的结果，但使用的token数量少了很多。他认为，这归因于从头构建了一个干净的技术栈，由真正知道如何构建这些系统的专家以正确方式完成一切。他甚至暗示，其他模型需要更多token，可能是因为技术栈某个部分存在根本性的低效，然后通过让模型多思考来弥补。
对于Muse Spark本身的评价，他同样毫不回避短板：“对于大多数消费者场景，这是一个相当有竞争力的模型。目前在Agentic编程方面还没有完全竞争力，这是我们正在为下一批模型构建的能力”。
他说未来几个月将发布更大的模型。他们看到了非常稳定的预训练扩展、可预测的强化学习扩展、可预测的测试时扩展，以及在多Agent扩展上非常令人兴奋的结果。
AI终局还没开始
当被问及消费者市场的竞争格局时，亚历山大·王给出了一个令整个行业都应该认真对待的判断：AI的终局根本还没开始。
“如果你一年前坐在这里，我们会说‘OpenAI和ChatGPT已经在消费者领域赢了，会一路跑赢’”，他说，“然后快进一年：Anthropic的Claude Code异军突起，在收入上超越了他们。与此同时，Gemini大范围分发，实际上从包括ChatGPT在内的整个生态中拿走了大量消费者市场份额”。
每一轮智能水平的跃升，都会解锁全新的产品形态，而每一种新形态都将重新洗牌竞争格局。ChatGPT是当时增长最快的产品，然后Claude Code又是迄今为止任何人见过的增长最快的业务。这种后浪超前浪的速度，说明AI产品的竞争壁垒远没有人们想象的那么坚固。
“我认为我们处于一个极其动态的AI阶段，很难在任何一个时刻说我们已经进入了终局”，亚历山大·王说，“这说明了AI的某种内在属性：随着AI达到新的智能水平，它会解锁新的形态，每一种都将是一波令人难以置信的新技术浪潮。下一波会更大，再下一波更大，我们远没有到达终点”。
在消费者市场，ChatGPT拥有先发优势和品牌认知，Claude在编程和商业领域建立了深度用户群，Google凭借搜索和应用的庞大用户基础将AI嵌入日常使用。Meta的路径不同，它拥有全球数十亿用户和数亿家小企业，它的战略是构建数据中心里一个Agent的经济，从根本上改变经济中供需的运作方式。
但亚历山大·王也坦率承认，当前公众对AI的情绪处于低谷。“AI的情绪绝对是非常低的”，他说，“我认为从根本上说，我们还没有以非常真实的方式展示这真的是一个赋予个人力量的工具，如何真正让人们的生活更好。对于开发者来说，AI已经彻底改变了工作方式——他们能在周末构建整个项目。但这个时刻对于世界上其他所有人还没有到来。我们还没有给每个人带来相当于Claude Code的东西”。
这也是Meta正在努力的方向——为消费者和全球所有小企业提供非常强大的Agent。他也承认Meta面临的信任挑战：“但说到底，我们能做的最好的事就是构建真正对用户来说令人惊叹的产品”。
Muse Spark为何不开源
开源一直是Meta区别于其他AI巨头的标志性策略，但Muse Spark选择了闭源。这是亚历山大·王在访谈中不得不面对的一个尖锐问题。
Muse Spark触发了安全检查，这是它没有开源的原因。
“现在的模型比Llama时代强大得多，安全性对我来说非常重要”，他说，“我们建立了高级AI扩展框架，其中一部分是必须认真对待模型何时触发各种安全警报，尤其是在生化、网络能力和失控等方面。Muse Spark在我们的测试中确实触发了一些安全检查，我们在发布的准备报告中详细说明了这一切”。
对于一个以开源为品牌标签的公司来说，选择闭源必然承受巨大的舆论压力。亚历山大·王的立场是：安全是底线，当模型的能力达到一定阈值，开源的前提条件就不再是技术决策，而是安全评估。
他同时表示，Meta正在开发适合开源的版本。“我今天早些时候的一个会议就是在审查这方面的进展，并预计在未来几个月会有更多分享”。Meta并未放弃开源策略，而是在寻找安全与开放之间的平衡点。
在越来越多的声音呼吁AI安全与开放不可兼得的时刻，Meta正在尝试走一条中间道路：最强大的模型必须经过严格的安全评估才能决定是否开源，但在安全条件允许的范围内，继续推动模型的开放获取。
积怨与和解
在所有关于亚历山大·王的争议中，最具戏剧性的莫过于他与山姆·奥特曼之间的关系。两人曾经是室友，如今却形同陌路。
主持人Ashlee直白地说：“我去问Sam你要来上节目这件事，他说的不是什么好话”。
面对这个尖锐的话题，亚历山大·王的回应出人意料地平静，甚至带着一丝理想主义。“有些事情很遗憾”，他说，“我内心真实的期望是，随着我们越来越接近超级智能，这个行业中各种人之间存在的积怨都能慢慢消退。大家能团结起来，意识到我们都在构建这项极其重要的技术，所有人都应该非常认真、非常负责地去做这件事”。
这段话的弦外之音是：在超级智能这个足以改变人类命运的命题面前，个人恩怨终将变得微不足道。但主持人追问“好像越来越严重了，不是吗？”时，他承认“也许先恶化再好转吧”。
与杨立昆的关系则呈现出不同的轨迹。LeCun在公开场合批评他年轻、缺乏经验，还说会有更多人离开。但大约两周后，两人在印度见面，LeCun祝贺了Muse Spark的发布。亚历山大·王确认他们已经在X上和解，并重申了他的核心观点：所有个人积怨，随着超级智能的临近，都应该自然消散。
关于不是工程师的批评，他的回应带有一种经过时间打磨的坦然：“这绝对不是真的。我曾经是硅谷的软件工程师。关于年龄这件事，在硅谷我一直都被这样说，所以某种程度上我几乎都不怎么想了，因为它就是一直在那里。我选择把它转化为驱动力”。
模型福利与未来
在访谈的最后部分，亚历山大·王抛出了一个在整个AI行业中很少正式讨论的话题：模型福利。
“是否重要的是我们善待模型，考虑模型是否有道德分量？”他问道，“这些在某些人看来很玄的问题，但我认为它们确实会改变我们日常的行动。我们非常在乎如何以考虑到模型主观感受的方式来开发和部署它们。有研究表明，是有办法衡量模型的主观体验的”。
这绝非心血来潮的哲学冥想。当AI模型的能力越来越强，行为越来越像有意识的存在，它们能够表达偏好、避免痛苦、甚至在某些测试中表现出自我保护的倾向。模型福利不再是一个可以回避的伦理问题。如果一个足够强大的AI系统确实具有某种形式的主观体验，那么我们对待它的方式就不再仅仅是工具使用的效率问题，而是涉及道德责任的根本性问题。
亚历山大·王将这一问题与他的整体AI哲学联系在一起。他自称是AI技术的坚定信仰者，相信人类将拥有非常非常强大的AI系统，但必须极其认真地对待安全，这是基础。
他描绘的终极愿景是个人超级智能，非常广泛和普遍地部署，全球数十亿人都能平等获得，开启一个人类丰裕的时代。“我一直在想的是：我们怎样在地球上构建天堂？我认为超级智能是实现这一目标的关键里程碑”。
这句话听起来宏大得不切实际，但在亚历山大·王的叙事框架中，它有着清晰的逻辑链条：超级智能带来丰裕。不仅是物质的丰裕，更是创造力的丰裕、健康的丰裕、可能性的丰裕。
而模型福利则是这一愿景中一个不可或缺的伦理锚点。如果我们要构建足够强大到创造天堂的智能，我们就必须同时思考如何对待这个智能本身。
当视线从数字世界延伸到物理世界，亚历山大·王的逻辑同样清晰而激进。
Meta刚刚收购了机器人AI初创公司ARI，这在很多人看来是一个出人意料的举动。毕竟，Meta在元宇宙时代的没有腿事件至今仍是行业笑柄。
但亚历山大·王的论证不容小觑：“如果你认真对待超级智能，认真对待我们将拥有非常非常强大的智能系统这一前提，你就会意识到：我们会拥有数字超级智能，但紧随其后，物理超级智能会变得非常非常重要”。
如果非常强大的AI能力即将到来，那么就必须在接下来的几年里非常认真地对待机器人能力和物理智能。物理智能和机器人能力是构建超级智能的自然路线图延伸。而且，鉴于Meta正在构建的算力基础设施，如果不把它与物理智能的工作结合起来，几乎是一种浪费。
在更长远的技术版图上，他还提到了脑机接口（BCI）作为人类关键路径技术之一。Meta FAIR有一个叫做TRIBE的研究方向，在为脑部预测构建基础模型方面取得了里程碑——在没有任何关于个人大脑数据的情况下，可以相当准确地预测大脑如何响应各种图像、视频或音频。
这种将AI与神经科学结合的探索，暗示着一个更长远的愿景：超级智能不仅是外部工具，它可能最终与人脑直接连接，从根本上改变人机关系的形态。
在这场公开回应中，亚历山大·王展现出一种对更大图景的笃信。
Llama 4的偏航是起点，MSL的三条军规是框架，算力分层是战略判断，Muse Spark是开胃菜，更大的模型即将到来，AI终局远未开始，而模型福利是无法回避的未来命题。
这些判断最终是否正确，时间会给出答案。
播客地址：
https://www.corememory.com/p/metas-ai-chief-alex-wang-muse-spark-ai-wars
END
点击图片立即报名👇️
