豪掷148亿美金、七位数薪资挖人、发布世界模型V-JEPA 2……扎克伯格终于坐不住了！

此前，首席执行官马克·扎克伯格曾公开对 Meta AI 进展表示失望，同时Llama 4模型表现不佳也让扎克伯格坐立难安。今年 1 月，首席执行官马克·扎克伯格将人工智能列为 Meta 的首要任务，并透露计划在 2025 年为人工智能投入高达 650 亿美元。

据多方报道，马克·扎克伯格正亲自组建一个由 50 名顶尖AI工程师和研究员组成的“超级人工智能实验室”。据知情人士表示，扎克伯格目前亲自负责该实验室的招聘工作，甚至重新布置了 Meta 的办公室，以便新员工能够坐在他附近。

Meta 的超级智能实验室代表了公司对AI战略的全力推进和在当前日益激烈的 AI竞争中保持竞争力的强烈愿景，势在开发在所有领域都超越人类认知能力的 AI系统，实现通用人工智能的目标。

此次布局，或是对Llama 4性能涨势低迷与高层人才如Meta人工智能研究中心副总裁、蒙特利尔大学计算机科学教授Joelle  Pineau和现实实验室首席运营官Dan Reed等人相继离职之后的强烈反弹。

据彭博社报道，扎克伯格一直在美国太浩湖和帕洛阿托的家中与AI研究人员和工程师会面，同时Meta已向OpenAI和谷歌等公司的数十名研究人员提供了七位数至九位数的薪酬方案。

一些研究人员已经同意加入Meta，包括谷歌DeepMind顶级研究员Jack Rae和热门语音助手应用Sesame AI的机器学习负责人Johan Schalkwyk。

Meta欲借Scale AI进入“国家队”

到目前为止，不同于微软、亚马逊和谷歌等公司，Meta 一直采取了单干的策略，主要侧重于内部研究和开源项目。而Meta的竞争对手们则与外部公司达成合作，纷纷对 OpenAI 和Anthropic等AI独角兽进行了巨额投资。

此次Meta对于Scale AI的巨额投资或许并非临时起意。此前，Meta方就曾表示对Scale AI的前景十分看好，并与亚马逊等公司共同参与Scale AI价值10亿美元的F轮融资。

2024年，Scale AI 获得美国武装部队的国防合同，并被五角大楼首席数字和人工智能办公室委托，测试和评估用于军事规划和决策的大语言模型的安全性和可靠性,而这背后，依靠的是以Meta的大模型Llama 3为基础推出的Defense Llama。

Defense Llama是一个基于 Meta Llama 3 构建的大语言模型，通过专门定制和微调用于支持美国国家安全任务。Defense Llama能够辅助规划军事或情报行动同时了解行动中对手的军事弱点等。

通过投资，Meta能够直接访问Scale AI现有的高质量数据库，同时在国防军事层面进行更进一步的业务探索。目前，Meta已与国防公司Anduril Industries合作，共同为美国军方开发具有增强现实和虚拟现实功能的人工智能头盔，同时授权美国政府机构和承包商能够使用其公司人工智能模型。

世界模型V-JEPA 2

在Meta重组、重金挖人吵得沸沸扬扬的时候，有网友发帖猜测，Lecun要在Meta坐冷板凳了。

但就在今天凌晨，Meta 首席 AI 科学家杨立昆（Yann LeCun）亲自出镜，介绍了Meta新推出的基于视频训练的世界模型 V-JEPA 2（Video Joint Embedding Predictive Architecture 2）。

通用智能目前存在两个流派，Transformer学派（如GPT系列）侧重于大数据驱动的自回归学习，另一个流派是以杨立昆（Yann LeCun）为代表的世界模型学派。世界模型学派认为需要通过构建对世界的内在理解，强调常识性知识和环境交互。

Meta最新推出的世界模型V-JEPA 2拥有12 亿参数，基于杨立昆提出的联合嵌入预测架构（JEPA）构建。在视频演示中，杨立昆将 V-JEPA 2描述为“现实的抽象数字双胞胎”。与理解语言不同，世界模型能够让机器理解物理世界，同时能够预测其行为的后果并自主规划行动方案来完成人类给定的任务。

模型摆脱了传统的像素级预测，赋予机器人和智能体以类人的“常识性物理推理”能力，如自动理解物体互动、预测运动轨迹，从而大幅提升在真实环境中的泛化性表现，标志着从基于语言的人工智能向更具空间感知的系统的转变。

“作为人类，我们认为语言对于智能至关重要，但事实并非如此。”杨立昆表示，“如果人工智能能够发展出类似人和动物的常识，能够预测某种抽象空间表征中将会发生什么，那会怎样？”

我们再也不用在现实世界中对人工智能进行上百万次试验，因为世界模型可以在几分钟内为人工智能模型模拟出真实的世界，并在理解世界运作方式的基础上进行训练。

据官方表示，该模型旨在为自动驾驶汽车、仓库机器人和无人机运送系统等人工智能驱动技术提供实时空间理解。LeCun在视频中表示：“世界模型将开启机器人技术的新时代，让现实世界的机器人能够帮助完成家务和体力任务，而无需大量的训练数据。”

该模型主要采用自监督学习模式，从超过一百万小时的视频和一百万张图像中进行学习。庞大的数据集使模型能够捕捉复杂的物理交互模式，同时无需繁琐的人工标注。

V-JEPA 2的训练包含无动作和动作指导训练两个阶段。第一阶段，模型学习一般的世界动态，例如物体运动、重力效应和碰撞，而无需考虑任何特定动作。第二阶段，引入约 62 小时的机器人控制数据，使模型能够在预测结果时明确考虑机器人的动作。

就这样，仅使用小规模的机器人数据，V-JEPA 2就学会了根据具体行动进行预测和规划。

模型根据开源DROID数据集进行训练，可以直接部署到实验室的机器人上，做到了真正的“上手即用”。通过演示视频，Meta实验室中的机器人可以顺利完成抓取、拾取物体以及放置到新位置等任务。

目前V-JEPA 2已在社区开源，Meta团队还同时发布了三个全新基准测试IntPhys 2、MVPBench和CausalVQA用于评估现有模型从视频中理解和推理物理世界的能力。

无论是投资数据标注公司、重金组建新实验室还是发布新的世界模型，无不彰显着Meta在AI领域的野心。全球AI生态格局的下一次洗牌何时到来，让我们拭目以待。