内部员工冒死吐槽一下。这次裁员在公司内部成功统一了思想，就是这一波AI军事竞赛，Meta要以TBD为核心博一把大的，MSL整体变成了TBD（可能还有PAR?)和它的support team。除了TBD，其他组原来定的方向都不搞了，甚至180度转弯了。我十分怀疑，把所有人从自己的一亩三分地上赶出来，押上TBD这艘船，到底是让船开得更快，还是沉得更快。万一做不出东西来，到时候头部明星拍拍屁股走人/退休了一点事没有，之前FAIR积累的学术声誉，ai infra积累的开源声誉，还能从地上捡起来么

别看我天天在回答里说transformer不靠谱，现在大模型这条路走不通啥的，你让我当meta ai的CEO，我上来一定就是把transformer走好，继续跟大家一块卷。

因为一个公司就那么多的资源，你要想在激烈的市场中混出名堂，就必须把所有资源投注在一个方向才有成果，容不得半点松懈和马虎，各家公司的人才储备都是顶尖的，你在几个月内搞不出成果，你就得下台。

时间紧任务重，其他公司都在大规模训练，meta现在还什么都没有，已经远远落后了，你不把资源集中，全力以赴卷训练，还能干嘛？

LeCun脑子里还是一边搞ai研发，一边想写论文，身份上还是从科学家转变不过来。他对ai军备竞赛的激烈和紧迫感觉毫无自知。

所以我觉得没啥说的，汪涛干的没错。他以后能不能出成果我不知道，这就看他从OpenAI挖过来的人还有其他几个大牛小牛凑在一块能不能形成合力，这就看他的管理能力了。

但你让我说，裁员这步在meta ai CEO的角度来看没什么错，meta不是来给你养老，花花公司的钱给你搞学术研究玩的，现在是在打仗，不出成果的公司根本活不下来。

看到《硅谷101》专访田渊栋，也就是上个月被Meta突然裁掉的大佬，说实际上在被裁之前就拿到别家的offer了。

讨论的主要话题：

关于离职与裁员： 田渊栋说，他实际上在被裁之前已经拿到了其他offer，并且已经向上司表达了不满，所以裁员只是加速了他的离开。

AI自动化的趋势： 他认为AI领域的裁员是自动化大趋势的一部分。随着AI工具越来越强，重复性的工程执行工作会减少，而更多人会转向探索性研究和AI在垂直领域的应用（but，普通人哪有这么容易转型？）。

开源模型的未来： 他认为开源会继续存在。一个模型是否有用是关键问题，而是否开源则取决于公司的战略和模型的具体用途。

LLM的局限： 他觉得LLM是一个“很有意思的路线”，但不确定是否是“正确的路线” （毕竟是杨立昆的学生）。LLM最大的问题是需要海量数据，学习效率远低于人类。人类可以从极少样本中获得深刻见解，这是模型目前缺失的。

强化学习（RL）的优势： 他认为强化学习最大的好处在于它是一种“主动学习”，能积极地影响数据分布。在推理等问题上，他认为RL优于SFT（监督微调），因为SFT可能只是在记忆过程，而非真正学会泛化。

对Scaling Law的看法： 他称Scaling Law是一个“悲观的未来”，因为它依赖指数级增长的数据和资源，这是不可持续的。他认为行业需要寻找更高效的智能发展路径。

在FAIR的遗憾与收获： 他最大的遗憾是自己没能做更多的工程工作，并指出当下最理想的是兼具顶尖研究和工程能力的人才。他最大的收获则是培养了“研究的品位”（research taste）。

对AI开发者的建议： 他建议不要盲目追逐市场的热点，因为技术周期变化太快。更重要的是找到自己真正想做的事情，并结合对未来的判断。

个人未来动向： 他尚未确定下一步，但他最理想的目标是能将前沿研究和工程应用结合起来。

上面的内容，很多就是盗取中国的抖音、快手、哔哩哔哩的。毕竟很多人根本就没有想过内容出海。即使是出海，那也是TikTok和YouTube。当然也有一小部分人是发现自己的内容在海外很火，又亡羊补牢，注册账号和运营账号。

这样一家公司，就算是技术实力遥遥领先，就算是市场份额遥遥领先，那也是做不成什么实际事情的。

盈利的诉求超过了一切，任何需要长远打算的产品，都会被强制催熟。最终高不成低不就，一地鸡毛。

中国国内也有一家公司，跟Meta挺像的。