苹果AI人才流失：Meta高薪抢人之外的原因

前段时间，Meta的抢人大战引发了广泛关注，容易让人忽略的是，AI人才的流动一直存在，而“被高薪挖走”只是其中的一部分原因。

据彭博社名记马克·古尔曼（Mark Gurman）爆料，苹果又损失了四位AI重要人物，分别是：

苹果的机器人首席AI研究员Jian Zhang，以及苹果基础模型团队的Nan Du、Zhao Meng和John Peebles。

从这四位人才流失中，我们可以得到两个关键信息。

首先，离开的研究员很集中，有三个都是基础模型团队的。

其次，华人占比依然很高，四个中除了John Peebles都是华人。

虽然这与Meta的抢人习惯相似，但这次真的关系不大——四个人中，只有Jian Zhang去了Meta。Nan Du和John Peelbles去了OpenAI，而Zhao Meng则加入了Anthropic。

Meta与苹果的AI人才流动

首先看看加入了Meta的苹果老将Jian Zhang。

从2005年加入苹果，到如今的离开，Jian Zhang在苹果效力了整整十年。领英资料显示，他离开时是苹果人工智能与机器学习（AIML）部门的机器人研究负责人。

不同于特斯拉的人形机器人项目，机器人技术是苹果未来产品线的关键部分。据彭博社报道，苹果正在研发一系列设备，包括带有屏幕的桌面机器人，以及用于零售店和制造业的机械臂等。

苹果还有另一个机器人产品开发小组，更偏向硬件开发。而Jian Zhang带领一个小型学术团队，更侧重底层技术，专注于研究自动化技术以及人工智能在此类产品中的作用。

Jian Zhang本科就读于浙江大学，后赴美留学并最终拿到普渡大学博士学位。该大学的工程学院——特别是机械工程和机器人领域——在全球都属顶尖。

读博期间，Zhang已经发表了一系列高水平、高引用的研究论文。他的研究高度集中在机器人领域，特别是仿生扑翼飞行器（Flapping-wing Micro Air Vehicles, MAVs），例如机器蜂鸟的设计、优化与控制。他发表了多篇关于机器蜂鸟设计优化、系统集成、几何飞行控制以及扑翼共振原理的论文，这些工作共同构建了一个完整的仿生扑翼飞行器理论与实践体系。

此外，他在强化学习（Reinforcement Learning）领域也颇有建树，尤其关注如何利用强化学习解决复杂的机器人控制问题。尤其是《用于离线强化学习的不确定性加权Actor-Critic算法》这篇论文，截至2021年引用超过240次。这项研究解决了在没有实时环境交互的情况下，如何利用固定的历史数据训练出高效的决策模型，是强化学习领域的重要工作。

根据彭博社的爆料，Zhang离开苹果后加入了Meta的机器人工作室Robotics Studio部门。今年年初路透社曾报道，Meta正在创建机器人相关新部门，计划开发自己的人形机器人硬件和软件。最初将针对家务场景，同时给第三方机器人开发AI、传感器和软件。报道称，Meta已开始和包括Unitree Robotics和Figure AI在内的机器人公司讨论其计划，并且不打算立即推出自己的品牌机器人。

目前并不清楚Jian Zhang是否被“高薪”挖走。毕竟Meta此前已经冻结了超级智能实验室的招聘，并对AI业务进行了架构重组。当时外界猜测，Meta的这波围绕超级智能实验室的高薪抢人战已经暂时告一段落。而Zhang加入的“机器人工作室”并不隶属于超级智能实验室。

基础模型团队遭遇重创

这次人才流失事件中，最让人为苹果担忧的是基础模型团队的“失守”。

最新离开的四个人中，有三个都是基础模型团队的成员。

他们并非被Meta“抢走”，而是去了不同的公司。

其中John Peebles和Nan Du加入了OpenAI。

John Peebles专注于生成式 AI 和大型语言模型（LLMs）的研发，尤其擅长深度学习算法和模型优化。在苹果Foundation Models团队期间，他参与了多项关键研究，包括改进模型推理能力和探索隐私保护AI系统。他是深度学习训练系统 AXLearn 论文的共同作者。

Nan Du在谷歌效力超过7年。研究领域包括深度学习和巨型模型，重点参与了多个旗舰项目的开发。他的代表性工作包括GLAM (1 Trillion MoE）、PaLM 2和Magi (Generative Search)。

“巨型模型”是Nan Du横跨谷歌和苹果的专业领域所在。此前OpenAI曾发布过“当今世界上最大最好的”模型GPT-4.5，但是之后因为成本控制等原因已经渐渐淡出视野。可以想见Nan Du有可能会继续在OpenAI做相关贡献。

不只是小扎的抢人大战

正如前文所说，四个出走的研究员中只有一个去了Meta，而且还不是掀起抢人大战的超级智能实验室。

这次苹果一下损失四员大将，与小扎的关系不大