鱼皮AI导航
鱼皮AI导航
  • 主页
  • 社区
  • AI工具
  • AI知识库
  • AI提示词
  • MCP
  • Skills
  • AI学习资源
  • AI资讯
  • GitHub开源
登录/注册

刚刚,苹果华人AI高管被挖!交大校友,薪酬数千万刀,小扎狂挖硅谷墙角

编程导航
编程导航
2025-07-08 12:30
阅读 107
编程导航
2025-07-08 12:30
阅读 107

智东西(公众号:zhidxcom)
编译 | 程茜
编辑 | 心缘

智东西7月8日消息,刚刚,据知名记者马克·古尔曼爆料,苹果负责基础模型团队的杰出工程师兼经理庞若鸣(Ruoming Pang)被Meta挖走,或将作为Meta“超级智能实验室”的核心人物。

庞若鸣于2021年从谷歌离职加入苹果,现任苹果自研模型团队负责人,知情人士透露,Meta为他提供了价值数千万美元的“挖人”薪酬包,这要远高于其在苹果的薪资。

刚刚,苹果华人AI高管被挖!交大校友,薪酬数千万刀,小扎狂挖硅谷墙角

▲苹果负责基础模型团队的杰出工程师兼经理庞若鸣(图源:社交平台X)

此外,Meta昨天还被曝招募了OpenAI研究员Yuanzhi Li,以及在Anthropic曾参与Claude研发的安东·巴赫廷(Anton Bakhtin)。

上周,Meta创始人兼CEO马克·扎克伯格(Mark Zuckerberg)在备忘录中官宣了Meta超级智能实验室的成立,并提到了这一实验室的11位关键人才,其中有7人为华人。

分别为毕树超、Huiwen Chang、Ji Lin、任泓宇、余家辉、赵晟佳、Pei Sun,他们都在国内完成了本科教育,毕业院校包括清华、北大、中国科大、浙大等国内顶尖高校。前6位都曾在OpenAI担任关键模型、关键团队的负责人。

在薪资方面,扎克伯格也毫不吝啬。据《连线》杂志报道,Meta为打造超级智能实验室,正向一些AI研究人员提供四年内高达3亿美元的薪酬包,且Meta AI工程师被曝出的年薪区间为18.6万~320万美元(折合约133万~2296万人民币),已超过OpenAI的21.2万~250万美元(折合约152万~1794万人民币)。

一、苹果自研团队多位工程师计划离职

庞若鸣1998年本科毕业于上海交通大学,2000年获得加利福尼亚大学洛杉矶分校计算机科学与工程硕士学位,2006年获得普林斯顿大学哲学博士学位,随后在谷歌担任首席软件工程师,2021年加入苹果。

他此前是苹果自研模型团队的负责人,其管理的大约100人团队主要负责研发基础模型,用于支撑苹果智能和其他AI功能。

就在上个月底,苹果最资深的研究人员之一、庞若鸣的首席副手汤姆·冈特(Tom Gunter)离职。 知情人士透露,庞若鸣的离开可能是苹果自研模型团队离职潮的开始,几位工程师计划在不久的将来离开苹果加入Meta或其他地方。

庞若鸣离开后,苹果自研模型团队将由陈志峰(Zhifeng Chen)管理。团队将形成新的更为分散的管理架构,从大多数工程师直接向负责人报告的结构,转变为多个经理向负责人报告。知情人士透露,新的经理可能包括Chong Wang、Zirui Wang、Chung-Cheng Chiu、Guoli Yin等。

苹果的整体AI战略现在主要由苹果软件工程主管克雷格·费德里吉(Craig Federighi)和迈克·罗克韦尔(Mike Rockwell)管理,后者曾帮助创建了Apple Vision Pro头显,现在主要负责Siri相关项目。

苹果对设备屏幕截图的分析和改进的图像生成等其他少数AI功能,由其与OpenAI、谷歌等公司合作完成。

二、引入第三方模型,苹果AI内部团队动荡不安

此前,苹果就被传出在大模型研发方面进展不顺,AI团队内部动荡由来已久。

庞若鸣由谷歌加入苹果时,其上级是达芙妮·卢昂(Daphne Luong),后者是曾负责AI研究的高级总监。庞若鸣所在的基础模型团队是少数仍直接向苹果前AI负责人约翰·詹南德雷亚(John Giannandrea)汇报的重要AI小组之一。

刚刚,苹果华人AI高管被挖!交大校友,薪酬数千万刀,小扎狂挖硅谷墙角

▲苹果公司开发AI大模型的主要人员(图源:The Information)

后续,由于苹果智能和Siri功能的延迟,詹南德雷亚在公司内部逐渐被边缘化,其逐渐被调职失去对Siri的管理权。随后,苹果新Siri负责人罗克韦尔和软件工程主管费德里吉发起,考虑用OpenAI或Anthropic的模型来驱动新版Siri,替代苹果自研大模型。

最近几周,这些内部讨论使得苹果自研模型团队士气低落。

不过,虽然苹果一直在探索转向第三方解决方案,但庞若鸣团队基于自研模型驱动Siri并没有停止,其开发的模型仍在为苹果硬件运行的苹果智能提供支持,包括生成电子邮件和网页摘要、Genmoji和优先通知等。

三、扎克伯格亲自出马挖人,豪掷千万美元

上个月起,Meta就陆续向世界顶级工程师提供每年数百万美元甚至千万美元的报价,为其“超级智能实验室”广纳人才。

扎克伯格已经将AI作为Meta的首要任务,积极参与招聘,甚至会在其硅谷和太浩湖的家中接待招聘人员,并经常亲自联系潜在招聘人员。

如今,Meta已经从OpenAI、谷歌、Anthropic等其他企业中挖来了大量顶尖AI人才。

刚刚,苹果华人AI高管被挖!交大校友,薪酬数千万刀,小扎狂挖硅谷墙角

▲Meta“超级智能实验室”人才梦之队名单(图源:Semafor)

其中包含7位华人:

Shuchao Bi(毕树超)——本科毕业于浙江大学,加州大学伯克利分校数学系博士候选人。他是GPT-4o语音模式的缔造者,曾任OpenAI多模态训练负责人。加入OpenAI前,他长期在谷歌工作,是YouTube短视频发现页的负责人。

刚刚,苹果华人AI高管被挖!交大校友,薪酬数千万刀,小扎狂挖硅谷墙角

Huiwen Chang——本科毕业于清华大学,之后在普林斯顿大学获得博士学位。她于2023年加入OpenAI,是GPT-4o图像生成的开发者,也是Google Research文本生成图像架构MaskGIT/Muse的发明者。

刚刚,苹果华人AI高管被挖!交大校友,薪酬数千万刀,小扎狂挖硅谷墙角

Ji Lin——本科毕业于清华大学,同时拥有麻省理工学院博士学位,曾参与构建GPT-4o/4.1/4.5及Operator推理系统。

Hongyu Ren(任泓宇)——本科毕业于北京大学,后获得斯坦福大学计算机科学博士学位,是GPT-4o及多个mini模型的创造者,OpenAI训练团队负责人。

刚刚,苹果华人AI高管被挖!交大校友,薪酬数千万刀,小扎狂挖硅谷墙角

Jiahui Yu(余家辉)——本科毕业于中国科学技术大学,并在伊利诺伊大学厄巴纳-香槟分校获得博士学位。他是多模态领域的专家,曾以研究负责人的形式参与OpenAI o3、o4-mini、GPT-4.1的研究工作,OpenAI感知团队前负责人。

刚刚,苹果华人AI高管被挖!交大校友,薪酬数千万刀,小扎狂挖硅谷墙角

Shengjia Zhao(赵晟佳)——本科毕业于清华大学,并在斯坦福大学获得计算机科学博士学位,ChatGPT/GPT-4核心开发者,OpenAI合成数据负责人。

刚刚,苹果华人AI高管被挖!交大校友,薪酬数千万刀,小扎狂挖硅谷墙角

Pei Sun——本科毕业于清华大学,拥有卡耐基梅隆大学硕士学位,曾担任Google Deepmind Gemini训练专家,Waymo两代感知模型创建者,也曾在国内数据编排平台Alluxio担任关键职务。

超级智能部门将整合Meta多个团队,负责开源Llama模型等基础模型开发、产品应用及基础AI研究项目。扎克伯格透露,Meta正积极推进Llama 4.1/4.2开发,这些模型支撑着月活超10亿的Meta AI,并赋能越来越多提升产品的智能体。

此前,Meta就宣布今年将花费数百亿美元用于AI相关工作,其中大部分资金将用于数据中心和芯片等基础设施。

结语:硅谷AI人才大战升温,苹果内忧外患

苹果AI团队内部动荡仍在继续,且被硅谷AI人才大战波及,Meta豪掷千万美元挖人,使得苹果AI团队多位关键人才流失,内忧外患使得苹果在当下AI浪潮中的处境并不乐观。

反观Meta,扎克伯格宣布的超级智能实验室名单,涵盖了从数据准备、预训练、后训练等不同领域的业内顶尖人才,期望在此基础上突破其大模型研究工作。

原文链接: 刚刚,苹果华人AI高管被挖!交大校友,薪酬数千万刀,小扎狂挖硅谷墙角
站长:程序员鱼皮 老鱼简历 商务合作 增值电信业务经营许可证
2026 鱼皮AI导航 | 沪ICP备19026706号-6
🔥热门工具
朱雀AI检测朱雀AI检测
朱雀AI检测助手朱雀AI检测助手
LovartLovart
老鱼简历老鱼简历
WritePass官网WritePass官网
面多多面多多
CursorCursor
星月写作星月写作
零感AI零感AI
墨得问题墨得问题
🔥 热门文章
1
离谱,DeepSeek 崩了 5 小时,大家却喊:梁圣恩情还不完??
450
2
B 站上 DeepSeek 闹鱼灾了,我发起《大肥鱼清除计划》!
410
3
DeepSeek 全新模型发布,性价比最高的一集!
400
4
自己学习ai,直接买cursor 的套餐,还是买gpt 或者claude 的套餐?
370
5
又一个国产版 Codex 神器,也来卷办公了!
340
6
Vibe Coding 实战:从零构建现代专业级 AI 搜索引擎
330
7
day3-如何写出一个高质量的 Skill(组内分享) 高质量 Skill 不是“一个调得很顺的巨型 Prompt”,而是一个可验证、可回归、可维护的能力包。 先定义“什么算好”,再实现“怎么做好”。评估体系先于 Skill 本身成型。 下面用“故障诊断 Markdown 转 YAML”作为例子,但方法是通用的。 --- 一、先想清楚:Skill 到底是什么 一个 Skill 至少包含四部分: 部分 作用 接口 输入什么、输出什么、边界在哪 流程 分几步做,每步的产物是什么 规则 硬约束、经验规则、失败模式 降级策略 不确定时怎么办,而不是硬编一个看似合理的结果 高质量 Skill 的共同点:职责单一、接口清晰、规则可定位、输出可验证。 反例:把几十条经验全塞进一个主 Prompt,改一条规则要重调整个 Prompt,评估时也不知道是哪条规则退化。 --- 二、核心方法:先建评估,再写 Skill 不要先写转换器再补测试。正确顺序是: 1. 定义输出契约:什么算合法、什么算合格; 2. 建金标准集:一小批人工认可“可放行”的样本; 3. 先写评估 Skill:让它在金标准集上跑出基线; 4. 再迭代生成 Skill:每次修改跑同一套评估,无退化且目标维度提升才算正向。 这就是评估驱动开发:评估是 Skill 的单元测试,金标准集是回归锚点。 --- 三、评估 Skill:三层门禁,逐层递进 前一层不过,后一层不跑。每层留可追溯证据。 第 1 层:确定性硬门禁 用解析器、Schema、校验器完成,不消耗模型成本。 · 输出可解析; · 必填字段齐全,类型/枚举合法; · 引用目标存在,无悬空引用、无不可达节点; · 关键路径至少有一条能到达预期出口。 不通过直接打回。 第 2 层:语义断言 用脚本 + 结构遍历检查“逻辑对不对”,仍然保持确定性。 通用检查项: · 覆盖率:源材料里的关键步骤、分支、条件,输出里是否都有对应? · 完整性:每个判断节点是否都有明确出口?有没有死胡同? · 可达性:每条路径是否都能到达预期终点?有没有无出口循环? · 顺序与依赖:有先后依赖的操作,是否保留了顺序?有没有被拍平成无序列表? 例子:故障诊断转换中,检查“每个判断项是否有是/否/异常出口”“每条路径是否能到根因”。 第 3 层:LLM-as-Judge 只处理解析器表达不了的维度:忠实度、完整性、可执行性。 但 Judge 会漂移,不能单独放行,必须建立在第 1、2 层之上。Judge 的 Prompt、rubric、模型版本都要版本化,换模型必须用金标准集重新校准。 通用 Judge 维度: 维度 问什么 忠实度 输出是否忠实源材料意图?有没有自行发明内容? 完整性 关键步骤、条件、证据是否保留?隐式知识有没有被压成空话? 收敛性 输出是否仍指向原目标,而不是发散? 可执行性 下游不依赖源材料能否直接使用? --- 四、金标准集:回归测试的锚点 不需要一开始就标注几百份。用已认可的样本当种子,扩到 15~30 份,覆盖失败模式而非随机抽样: · 完整正例:典型流程; · 边界/异常分支:异常路径、循环、前置失败回退; · 已知易错模式:实际踩过的坑; · 留出集:不参与调优,只用于最终验收,防过拟合。 金标准不需要完美,只需要当前标准下认可可放行。 回归指标:关键路径用 pass^k(k 次全过),稳定性用 pass@k。 --- 五、工程约束:让批量产出可重放 · 幂等:同输入 + 同 Skill 版本 + 同规则 → 输出一致,否则无法判断变好是 Skill 改了还是随机波动; · 隔离不阻断:单份失败进隔离队列,记录失败层和原因,不阻塞其余; · 版本绑定:规则、rubric、金标准集进 Git;每份报告绑定“源版本 + 生成 Skill 版本 + 评估 Skill 版本 + Judge 模型版本”; · 抽样人工复核:Judge 临界样本 + 易错模式,人工抽检结果反过来校准 rubric。 --- 六、Skill 本身怎么写 · SKILL.md 控制篇幅,写清:输入约定、输出契约、分步流程、硬规则、降级策略; · 经验规则放 references/ 或 rules/,按失败模式分类,不要全塞进主 Prompt; · 不确定时标 needs_review: true,不要硬编看似合理的结果; · 迭代由评估报告驱动:报告告诉你哪层挂了、哪类失败模式,你改对应规则文件,而不是漫无目的调 Prompt。 --- 七、落地顺序(不要反过来) 1. 固化输出契约:Schema + 结构约束; 2. 建金标准集:从已认可的 + 最易出错的样本开始; 3. 先写评估 Skill:跑出基线报告; 4. 再迭代生成 Skill:每次修改对比逐项通过率,无退化且目标提升才算正向; 5. 批量运行 + 隔离回放:失败进队列,结束后人工抽检; 6. 评估 Skill 自身版本化:换 Judge 模型必须重新校准。 --- 八、给组员的三条硬要求 1. 不许凭感觉说“变好了”:每次修改必须附评估报告对比,逐项通过率说话。 2. 不许跳过确定性门禁直接看 Judge 分数:前两层挂了,Judge 分数没有意义。 3. 不许把规则堆进主 Prompt:规则按失败模式分文件,评估报告要能定位到具体文件。 --- 一句话收尾 生成 Skill 决定“能不能做”,评估 Skill 决定“敢不敢用”。 先让评估体系站稳,再让生成器迭代。这样交付的不是一堆“看起来还行”的产出,而是一套可证明、可回归、可交接的 Skill 质量体系。
320
8
我的第一个出海产品!7 天 2 万
310
9
WorkBuddy 本地 API 桥 + dsh 插件:把你的 WorkBuddy 额度,变成手边随手可用的模型
310
10
什么是LLM
300
11
最近在落地 AI Native 项目,卡在团队资产协同这块,想请教下社区各位有实际落地经验的同学: 我们现在的资产分为三块:项目文档(PRD/ADR/ 运行手册)、Agent Skill(业务技能、执行 SOP、提示词包)、MCP 工具服务定义。 目标是做到:人和多 Agent 共用一套可信资料源,Skill、MCP 配置、项目文档能够版本化、同步、共享、可评审。 目前我们初步方案是用 Git 做底层版本主线: - 文档:Markdown + ADR,带元信息,支持 RAG 检索 - Skill:单技能包目录化,带版本、评估用例、依赖声明 - MCP:项目级声明文件纳入 Git 但实际协作里遇到不少疑问,想参考大家成熟的实践: 1. 大家团队里,文档、Skill、MCP 三者是怎么组织目录和版本管理的?有没有稳定的仓库结构模板? 2. 多人协作时,Skill 的变更评审、灰度升级、依赖管理怎么做?如何避免本地版本不一致、“本地能跑别人不行”? 3. MCP 是统一中心化网关模式,还是大家各自本地启动 + git 同步配置?权限白名单、调用审计这块有什么好方案? 4. 有没有成熟工具链做自动同步(类似 agentmeld /teamai-cli)、变更校验、eval 回归门禁? 5. 文档和 Agent 的打通:哪些文档放进 Git 作为可信真值,哪些放外部知识库,边界怎么划分? 如果有现成的仓库样例、目录规范、团队协作流程,非常希望能分享参考,感谢!
260
12
PHP 被曝两大致命漏洞,请所有程序员抓紧做这件事!
260