

> 继此前业界盛传的“抢人大战”后，马克·扎克伯格（小扎）终于落下了Meta在通用人工智能（AGI）领域的关键一步棋——正式宣布成立全新的Meta AI超级智能实验室。该实验室由“97年小孩哥”领衔，核心11人团队中更有7位华人面孔，预示着Meta在AI领域将迎来一次由全球顶尖人才驱动的重大突破。

## 全新AI实验室揭秘：抢人后落子的战略深意

在人工智能领域竞争日趋白热化的背景下，马克·扎克伯格（小扎）今日正式宣布Meta AI的重大升级——全新超级智能实验室（Meta AI Super Intelligence Lab）正式成立。此举被视为Meta此前在全球范围内疯狂吸纳AI顶尖人才后，在AGI赛道上的一次强力押注和战略性落子，更展现了其在人才战略上的独特布局。



实验室的成立，旨在汇聚全球顶尖的AI研究者，以更强大的资源和更灵活的机制，加速通用人工智能的研发进程。据悉，该实验室将重点攻克多模态大模型、智能体（Agent）以及前沿AI安全等关键技术，力求在未来五年内实现AGI领域的突破性进展。

![image.png](https://static.downly.cn/images/fda52b42402e6e043c75462b9c3a2b27.png)

## 97年小孩哥领衔，核心力量崭露头角

最引人注目的是，这一超级智能实验室的带头人是一位“97年小孩哥”。这位年轻的领军人物此前已在AI领域展现出非凡的才华和前瞻性的视野。他的加入，无疑为实验室注入了年轻、活力和敢于挑战权威的创新精神，也标志着Meta在人才选用上的大胆和开放。
![image.png](https://static.downly.cn/images/af1e205685fb2e0334ee184de7c09f05.png)
该核心团队的组建模式，打破了传统AI研究机构的层级限制，更加注重扁平化管理和交叉协作，旨在激发团队成员的最大潜力，共同应对AGI研发中的复杂挑战。这支由11位顶尖专家组成的精锐团队名单如下：

**7位华人成员：**
*   **毕树超**（浙大校友）：作为GPT-4o语音模式和o4-mini的共同创造者，他在OpenAI曾领导多模态后训练工作，经验丰富。
*   **Huiwen Chang**（清华校友）：GPT-4o图像生成的共同创造者，此前在谷歌研究院发明了MaskGIT和Muse文本转图像架构，在图像生成领域建树颇丰。
*   **Ji Lin**（清华校友）：深入参与构建了o3/o4-mini、GPT-4o、GPT-4.1、GPT-4.5、4o-imagegen以及Operator推理栈，贡献巨大。
*   **任泓宇**（北大校友）：是GPT-4o、4o-mini、o1-mini、o3-mini、o3和o4-mini的共同创造者，曾在OpenAI领导后训练团队，经验丰富。
*   **Pei Sun**（清华校友）：曾在谷歌DeepMind负责Gemini的后训练、编码和推理工作，此前还创建了Waymo的最后两代感知模型，具备跨领域经验。
*   **于佳慧**（中科大校友）：o3、o4-mini、GPT-4.1和GPT-4o的共同创造者，此前在OpenAI领导感知团队，并在Gemini中共同领导多模态工作，能力全面。
*   **赵盛佳**（清华校友）：ChatGPT、GPT-4、所有mini模型、4.1和o3的共同创造者，此前在OpenAI领导合成数据工作，对大模型研发核心环节贡献突出。

**4位非华人成员：**
*   **Trapit Bansal**：在OpenAI开创了思维链强化学习（RL）并是o系列模型的共同创造者，为AGI突破带来新思路。
*   **Joel Pobar**：曾在Anthropic从事推理工作，此前在Meta工作11年，涉及HHVM、Hack、Flow、Redex、性能工具和机器学习方面的工作，对Meta技术栈了如指掌。
*   **Jack Rae**：Gemini预训练技术负责人，负责Gemini 2.5的推理工作，曾在DeepMind领导Gopher和Chinchilla早期大语言模型研发工作，在大模型领域拥有深厚积累。
*   **Johan Schalkwyk**：前谷歌研究员，是Sesame的早期贡献者，也是Maya的技术负责人，经验老道。

![image.png](https://static.downly.cn/images/a081735bb7d2500bb9770f9571d651da.png)


## 华人力量崛起，人才版图的缩影

该实验室核心11人名单中，有高达7位是华人面孔。这一现象不仅凸显了华人科学家在全球AI领域的卓越贡献，也反映了Meta在全球范围内吸纳顶尖人才的决心。这些被业界传言为“抢来”的顶尖人才，如今终于有了明确的归属和使命，他们在大模型、多模态、推理栈等关键领域的丰富经验，将为Meta AI超级智能实验室带来强大的技术支撑和多元化的思维碰撞，有望加速AGI的研发进程。



## 挑战与机遇并存

Meta成立超级智能实验室的雄心，也伴随着巨大的挑战。AGI的实现并非一蹴而就，它需要海量的计算资源、顶尖的人才储备以及长期且持续的投入。同时，如何确保AGI研发的伦理性和安全性，避免潜在的风险，也是Meta必须面对的重要课题。

然而，机遇同样巨大。如果Meta能够在这场AGI竞赛中脱颖而出，其在社交、元宇宙以及未来智能硬件等领域的布局将获得颠覆性的优势，重塑数字世界的未来格局。

![image.png](https://static.downly.cn/images/6683081868d6f5dcdbf913c0436e30cb.png)

## 展望未来：AGI的Meta时代

Meta超级智能实验室的成立，无疑为全球AI界投下了一颗重磅炸弹。它不仅是Meta对自身未来发展的一次战略性布局，更是对AGI未来发展路径的一次积极探索。随着这支由“小孩哥”带领、华人科学家深度参与的精锐团队投入研发，我们有理由相信，AGI的“Meta时代”或将加速到来。


Meta超级AI实验室成立：97年小孩哥领衔，华人核心力量抢眼

> 近日，北京大学和加州大学伯克利分校的研究团队联合发布了一项对当前最强大型语言模型驱动的 Agent（AI 智能体）的全面评测结果。 通过名为 **IDA-Bench** 的严格基准测试，研究发现，即使是顶尖的 Agent 在复杂环境下的表现也远不及人类水平，最高得分仅为 **40 分（满分 100 分）**，揭示了当前 AI Agent 在智能决策、自主探索和复杂任务处理能力上的瓶颈与未来发展方向。



随着大型语言模型 (LLM) 技术的飞速发展，能够自主规划、执行复杂任务的 AI 智能体 (Agent) 正成为人工智能领域的新焦点。 它们被寄予厚望，有望在各个领域取代人类完成重复性、复杂性的工作。 然而，这些“最强大脑”的实际能力究竟如何？

[开源地址](https://github.com/lhydave/IDA-Bench)
![image.png](https://static.downly.cn/images/9d1d331239d89bb393d516833fe76ba3.png)



### IDA-Bench 一项全新的Agent评测基准

为了更准确地评估 AI Agent 的真实能力，研究团队设计了 IDA-Bench。 这一基准测试与以往的评测方法有显著不同

*   **复杂、开放式任务** IDA-Bench 不仅仅是评估模型生成文本的能力，而是聚焦于 Agent 在**多步骤、开放式**且需要**自主决策和探索**的复杂环境中的表现。 例如，Agent 可能需要在给定指令下，通过与环境交互来解决谜题、完成挑战。
*   **指令驱动决策** 评测的核心是 Agent 理解并遵循人类指令的能力，以及在执行指令过程中，面对未知和不确定性时，如何进行有效的决策和规划。
*   **多维度评估** 评估维度涵盖了 Agent 的任务完成度、探索效率、决策智能性等多个方面，力求全面反映 Agent 的实际操作能力。

通过引入这些挑战性的元素，IDA-Bench 旨在模拟真实世界中 Agent 可能面临的复杂场景，从而更客观地衡量它们的智能水平。

### 最强Agent也只有40分 远不及人类表现

测试结果令人深思。 在 IDA-Bench 的各项任务中，即使是基于目前最先进的大型语言模型构建的 Agent，其表现也显得力不从心

*   **最高得分仅40分** 在所有参评的 Agent 中，表现最好的也只获得了 40 分（满分 100 分），与人类轻松达成高分形成鲜明对比。 这意味着在许多复杂任务上，Agent 仍然难以胜任。
*   **智能决策与规划不足** Agent 在面对需要多步推理、长程规划和灵活应变的任务时，尤其显得力不从心。 它们往往难以理解指令的深层含义，或在执行过程中陷入局部最优，无法找到全局最佳解决方案。
*   **自主探索能力欠缺** 在开放式环境中，Agent 缺乏高效的自主探索策略，容易遗漏关键信息或重复无效操作，导致任务失败。

![image.png](https://static.downly.cn/images/50512910d466306b2c94947f73a1c3ff.png)

这些结果表明，尽管大模型在语言理解和生成方面取得了巨大进步，但将其应用于复杂的具身或模拟环境中，使其真正具备“智能”行为，仍面临巨大挑战。

### 当前Agent的瓶颈与未来发展方向

这项研究不仅揭示了当前 AI Agent 的能力短板，也为未来的研究指明了关键方向

#### 1. 强化长程规划与推理能力

目前的 Agent 往往只能进行短期的、局部性的规划。 未来需要研究更强大的规划算法，使 Agent 能够理解任务的全局目标，并制定多步骤、长期的执行策略。

#### 2. 提升自主探索与环境感知能力

Agent 需要更智能的探索机制，能够高效地收集环境信息，并利用这些信息进行决策。 结合视觉、听觉等多模态感知能力，将有助于 Agent 更好地理解复杂环境。

#### 3. 增强容错与适应性

真实世界充满不确定性。 Agent 需要具备更强的容错能力，能够在遇到意外情况或错误时，进行自我纠正和适应性调整，而不是直接失败。

#### 4. 融合世界模型与具身智能

将类似于 Meta AI V-JEPA 2 这样的“世界模型”融入 Agent，使其能够对环境的动力学进行预测，从而更好地规划和执行任务，是未来研究的重要方向。 让 Agent 不仅仅是“回答问题”，而是真正能够“行动”起来。



### 展望 更智能的AI Agent未来可期

北大与伯克利分校的这项研究，如同一面镜子，清晰地反映了当前 AI Agent 发展所处的阶段。 它提醒我们，尽管取得了巨大进步，但要实现真正通用、自主的 AI Agent，仍有漫长的道路要走。 这项工作为研究人员提供了宝贵的基准和研究方向，有望加速下一代更强大、更智能的 AI Agent 的诞生，使其未来能真正成为人类的得力助手。




北大伯克利联手“拷问”大模型：最强Agent也才40分

> 近日，Meta AI 正式发布了其颠覆性的**视频联合嵌入预测架构 V-JEPA 2** (Video Joint Embedding Predictive Architecture2)。 作为其世界模型战略的关键一步，V-JEPA 2 能够通过**非生成式学习**理解和预测视频内容，不仅在视频理解任务上表现卓越，更在数据效率和泛化能力上展现出巨大潜力，特别是能赋能**机器人在陌生环境中的零样本规划**，有望推动 AI 领域向更接近人类智能的方向发展。



在人工智能领域，构建能够像人类一样理解世界、预测未来事件的“世界模型”一直是研究的圣杯。 近日，互联网巨头 Meta AI 在这一宏伟目标上迈出了关键一步，正式发布了其最新成果——**V-JEPA 2 (Video Joint Embedding Predictive Architecture2)**。 作为 Meta AI 首席科学家 Yann LeCun 倡导的联合嵌入预测架构 (JEPA) 理念在视频领域的重要实践，V-JEPA 2 的出现，预示着 AI 对复杂动态世界的理解能力将达到一个新的高度，尤其对于**机器人在陌生环境中自主执行任务**具有里程碑式的意义。

<video src="https://static.downly.cn/images/c859cc99f1929a0984f111882da40833.mp4"  title="30448618124-1-16.mp4"></video>

V-JEPA 2 的核心突破在于其**非生成式学习范式**，它避开了传统生成模型在预测像素点上的高计算成本和潜在误差累积，而是通过学习视频片段之间的抽象表示来理解和预测世界，这使其在效率和泛化能力上具有显著优势，进而支撑了其在机器人具身智能领域的重大应用潜力。
[开源地址](https://github.com/facebookresearch/vjepa2)
![image.png](https://static.downly.cn/images/e461164bcc3cf343f15061ed3b7b492f.png)

### 非生成式学习 V-JEPA 2 的核心范式

与目前流行的通过生成缺失像素或帧来预测内容的“生成式”模型不同，V-JEPA 2 采用了**非生成式**的自监督学习方法。 这种方法的核心思想是

*   **学习抽象表示** V-JEPA 2 不会试图精确地“画出”视频中缺失的部分，而是通过学习视频中不同片段的**联合嵌入 (Joint Embedding)**，来预测未来或被遮挡的视频帧的**高级抽象表示**。
*   **避免高维噪声** 生成式模型需要处理像素级别的高维细节，容易受到噪声和微小扰动的影响。 非生成式方法则专注于学习语义信息和结构关系，大大提高了学习效率和模型的鲁棒性。

这种学习方式使得 V-JEPA 2 能够高效地从海量视频数据中学习世界的动力学和因果关系，而无需耗费巨大资源去“重建”每一个像素。

### V-JEPA 2 的卓越性能与潜力

V-JEPA 2 的发布，不仅是理论上的突破，更在实际应用中展现出强大的性能和潜力

#### 1. 顶尖的视觉理解和预测能力

V-JEPA 2 在视频理解任务上表现出领先的性能，能够更好地理解视频中的动作、事件和对象之间的关系，从而在行为识别、动作检测等下游任务中提供高质量的特征表示。 其强大的视觉理解和预测能力，使其能够精准地把握动态环境中的关键信息，为高层决策提供支撑。

#### 2. 实现机器人在陌生环境中的零样本规划

这是 V-JEPA 2 最令人兴奋的应用前景之一。 凭借其卓越的视觉理解和预测能力，V-JEPA 2 能够帮助机器人在**不熟悉的环境中**进行**零样本规划 (zero-shot planning)**，即无需事先对新环境进行大量训练或编程，机器人也能规划并执行复杂任务。 这意味着，当机器人被部署到一个全新的、未曾见过的场景时，它可以通过 V-JEPA 2 对环境进行实时理解和预测，从而自主制定行动方案，大大提升了机器人的自主性和适应性。

![image.png](https://static.downly.cn/images/e3bc58ba2d3b4d80c6c93ab9f6686675.png)

#### 3. 高效的数据利用率与强大的泛化能力

由于 V-JEPA 2 不需要进行像素级别的精确生成，它在学习过程中对数据的需求更为高效。 这意味着即使面对有限的数据集，V-JEPA 2 也能学习到有用的世界知识，降低了训练成本和时间。 同时，非生成式学习使得模型能够学习到更本质、更泛化的世界规律。 当应用于新的、未见过的数据或场景时，V-JEPA 2 也能保持良好的表现，展现出优秀的泛化能力，这对于机器人从模拟环境到真实世界的迁移至关重要。


### 世界模型战略的关键一步

V-JEPA 2 的发布，是 Meta AI 推动其“世界模型”战略向前迈出的重要一步。 Yann LeCun 曾多次强调，构建能够像人类一样理解世界并进行预测的 AI 模型，是实现真正通用人工智能的关键。

*   **向人类智能靠拢** 人类智能的一个核心特征是能够预测即将发生的事情，即使没有完整的感官输入。 V-JEPA 2 试图模仿这种能力，通过学习抽象表示来预测视频中的未来事件，使其更接近人类的直觉和理解，特别是能将这种理解应用于具身智能体。
*   **赋能具身智能** 对于机器人等具身 AI 而言，能够理解动态环境并预测未来状态的能力至关重要。 V-JEPA 2 提供的顶尖视觉理解和零样本规划能力，是实现机器人自主学习、自主决策和自主行动的基础，有望加速通用机器人的实现。
*   **更安全的 AI** 相较于生成式模型，基于预测抽象表示的模型在处理错误时更具鲁棒性，也可能更容易被理解和控制，从而为构建更安全、更可信的 AI 系统奠定基础。



V-JEPA 2 的发布，不仅是 Meta AI 在深度学习基础研究上的又一里程碑，也为整个 AI 社区指明了一个激动人心的研究方向。 随着这类模型的不断发展，我们有理由相信，能够真正理解并预测世界的 AI，以及能够因此在复杂环境中自主行动的机器人，将不再是遥不可及的梦想。



Meta AI 重磅发布 V-JEPA 2 世界模型



> 在科学研究领域，数据和基础模型的开放共享是推动创新的重要力量。特别是在分子科学、材料发现以及神经科学等领域，对大规模、高质量的数据集和能够理解原子层面相互作用的模型有着迫切的需求。近日，科技巨头 Meta AI 宣布开源了两项重要的资源-一个大规模的分子数据集 OMol25 和一个全新的原子通用模型 UMA（Universal Model for Atoms），旨在加速这些前沿科学领域的进展。



## 科学研究的瓶颈-数据稀缺与模型局限

分子科学、材料科学和神经科学的研究都涉及对原子和分子层面的复杂相互作用的理解和预测。然而，这些领域面临一些共性挑战：

*   **高质量数据稀缺-** 获取大规模、标注准确的实验数据通常耗时耗力，且成本高昂。
*   **计算模型局限-** 现有的计算模型往往针对特定领域或特定类型的分子/材料，泛化能力有限。
*   **跨领域知识鸿沟-** 分子、材料和神经科学虽然都在微观层面有所关联，但研究方法和数据形式存在差异，缺乏统一的建模框架。

这些瓶颈限制了科学家们利用机器学习和人工智能技术进行更深入探索和发现的速度。



![image.png](https://static.downly.cn/images/20250515104251.894174268.png)



## OMol25-迈向更全面的分子数据集

为了缓解高质量分子数据稀缺的问题，Meta AI 开源了 OMol25 数据集。这个数据集据称是一个包含大量分子结构和属性信息的综合性资源。相较于现有的分子数据集，OMol25 可能具有以下优势-

*   **规模更大-** 包含更多的分子实例和更丰富的属性。
*   **多样性更强-** 可能涵盖不同类型的分子，包括有机分子、无机分子、生物分子等。
*   **标注更全面-** 除了基本的分子结构信息，可能还包含更复杂的物理、化学、生物学属性数据。

大规模、多样化且标注全面的分子数据集，能够为训练更强大的分子性质预测模型和生成模型提供坚实的基础。



![image.png](https://static.downly.cn/images/20250515104433.685240279.png)



## UMA-构建原子层面的通用理解模型

除了数据集，Meta AI 还提出了并开源了原子通用模型 UMA。顾名思义，UMA 的目标是建立一个能够理解和预测不同原子之间相互作用的通用模型，无论这些原子构成的是分子、材料还是生物系统（如蛋白质或神经元）。UMA 的提出，可能基于以下理念-

*   **原子作为基本单元-** 无论是分子还是材料，其核心都是原子的排列和相互作用。
*   **通用规律存在-** 原子之间的相互作用可能存在跨领域的通用规律。
*   **利用大规模数据学习-** 通过在大规模数据集（包括 OMol25）上进行训练，让模型学习这些通用规律。

UMA 如果能够成功实现其目标，将极大地降低在不同科学领域建立特定计算模型的门槛，实现跨领域的知识迁移和预测能力。它可以为材料设计、药物发现、脑科学研究等提供统一的底层建模工具。



![image.png](https://static.downly.cn/images/20250515104415.035881344.png)



## 加速科学发现-应用前景与影响

OMol25 数据集和 UMA 模型的开源，预计将对相关科学研究领域产生深远影响-

*   **加速材料发现-** 帮助科学家预测新型材料的性能，设计具有特定功能的材料。
*   **推动药物研发-** 加快潜在药物分子的筛选和设计过程。
*   **深化神经科学理解-** 可能有助于模拟和理解神经元之间的相互作用，甚至构建更精确的大脑模型。
*   **促进 AI for Science 发展-** 为利用人工智能解决科学难题提供强大的数据和工具支持。
*   **降低研究门槛-** 开源资源使得更多研究人员能够接触和利用这些先进的数据和模型。

Meta AI 的这一举措，体现了科技公司在推动基础科学研究方面的责任和贡献。通过开放这些关键资源，Meta 期望能够激发全球科学界的创新活力，加速人类在物质世界和生命科学领域的探索步伐。这项工作也再次证明了 AI 在赋能基础科学研究方面的巨大潜力。


搜索结果: Meta AI