Meta AI團隊成為Alexandr Wang與Nat Friedman面臨的管理挑戰——彭博社

攝影師：加比·瓊斯/彭博社Meta Platforms Inc.正斥巨資集結人工智能領域最頂尖的人才。首席執行官馬克·扎克伯格或許需要注意：研究表明，團隊中天才過多可能適得其反。

截至目前，已有十餘名OpenAI工程師轉投Meta，Anthropic和谷歌DeepMind的知名專家也相繼加入。扎克伯格的賭注是：通過集中頂尖人才並給予無限資源，他能在競爭中搶佔先機，加速開發出如此先進的人工智能系統，以至於接近"通用人工智能"——即模型能力超越人類水平的理論臨界點。

事實證明，正如任何沮喪的體育迷都會告訴你的那樣，組建全明星團隊並非總是制勝策略。若缺乏專業管理，羣體中天才過多可能導致收益遞減——甚至徹底失敗——尤其是當自我意識衝突且團隊協作極差時。

“華爾街和硅谷有種信念，認為只要聚集最有能力的人，奇蹟就會自然發生，“哈佛商學院教授鮑里斯·格羅斯伯格説，他研究團隊動力學已超過二十年。“不，奇蹟不會發生。多數情況下你只會看到大量嫉妒、背後中傷和蓄意破壞。”

在Meta公司，避免這些超級明星陷入此類陷阱的任務落在了Alexandr Wang——這位28歲的前Scale AI首席執行官，以及前GitHub公司CEO、48歲的Nat Friedman身上，他們新近被任命為Meta 50人超級智能團隊的領導者。

數十年的學術研究表明了他們將面臨的挑戰。

20世紀70年代，管理學者Meredith Belbin 觀察到，完全由高智商個體組成的團隊容易陷入冗長爭論，缺乏凝聚力且難以達成決策，成員們更熱衷於辯論而非合作。

2011年，Groysberg等人的研究指出，在華爾街頂級公司中，當研究團隊中"全明星"分析師佔比超過某個臨界點（通常為專業領域重疊的全明星成員約佔團隊半數時），繼續增加這類精英反而會損害團隊表現。此時分析師們的自我意識佔據上風，開始封鎖信息而非協作。

另有研究表明，團隊表現很大程度上取決於成員間溝通協作的質量。那些在討論中更注重輪流發言的團隊往往具有更高的"集體智慧”，與成員個體智力水平無關。

超級團隊管理要訣

在管理精英團隊時，有幾項管理原則尤為重要。首要原則是必須明確界定每個人的職責邊界。

“如果每個人都有清晰的’泳道’，就不會將彼此視為威脅，“密歇根大學羅斯商學院教授林德雷德·格里爾指出。對於背景和才能相似的成員，格里爾表示這種人員配置並無不妥——只要確保他們的工作領域相互獨立。

另一個訣竅是初期就公開確定關鍵事務的決策權歸屬，否則權力之爭可能摧毀團隊。“雖然層級制常遭詬病——人們反感領導者發號施令，“卡內基梅隆大學泰珀商學院教授安妮塔·威廉姆斯·伍利解釋道，“但恰當的層級結構確實能幫助團隊協調運作。“她補充説，層級可根據具體問題動態調整，但在人人爭當主角的環境中，權責明晰至關重要。

此外還需培養團隊化學反應，這意味着建立成員間的信任、保持開放溝通並形成共同目標意識。從理查德·哈克曼2002年著作《團隊領導》到谷歌的亞里士多德計劃，關於打造卓越團隊已有大量科學研究，但格羅伊斯伯格指出，許多領導者不願投入必要的時間成本。

“我們只是缺乏足夠多具備嚴謹性和耐心去執行此事的高管和CEO，”他表示，“我常説，如果你週五需要一支高效團隊，週四才開始組建就為時已晚。”

儘管這一警告具有普適性，但對Meta而言尤為貼切——該公司正急於組建超級智能團隊以追趕谷歌和OpenAI的步伐。

此外還有資金問題，這幾乎總是會讓情況複雜化。

隨着扎克伯格廣為人知的高薪挖角行動（包括提供總額超過2億美元的薪酬方案），許多新員工的待遇細節已成為公開信息。這可能影響團隊建設並改變團隊內部動態。

“在這種環境下，很多團隊成員的薪資就像軍銜袖章一樣顯眼——你帶着兩顆星走進來，別人卻有三顆星，”伍利説道，“這完全確立了等級制度。領導者必須明確説明這種情況是否同樣存在於當前團隊中。”

戴爾科技公司CEO邁克爾·戴爾在近期採訪中表示，AI新員工的天價薪酬可能引發Meta老員工不滿。“人們普遍具有公平意識，對吧？他們希望獲得與同事及整個市場機會相匹配的公平待遇。”

格羅伊斯伯格表示，如果不滿情緒沒有立即顯現，並不意味着它不會在下一個薪酬週期中表現出來。

明星管理明星

當被要求對Meta超級智能實驗室潛在的管理挑戰發表評論時，公司發言人告訴彭博社：“我們知道人們對MSL很感興趣，似乎每個人都有看法，但我們只專注於開發個人超級智能的工作。”

扎克伯格對一些媒體報道中關於他向AI專家提供的具體待遇提出異議，但他為自己招募全明星團隊的策略辯護，在最近的一次採訪中告訴The Information，AI“將成為我們生活中最重要的技術。它將支撐我們如何開發公司的一切，並將廣泛影響社會。所以我們只想確保我們讓最優秀的人來從事這項工作，從企業家到研究人員，再到從事數據和基礎設施工作的工程師。”

可以説，扎克伯格在Wang身上下了最大的賭注。Meta向Scale AI投資了143億美元，但沒有完全控制該公司。Scale AI去年通過提供訓練AI系統的數據服務創造了8.7億美元的收入。它的一些最著名的客户，包括谷歌和OpenAI，據報道正在切斷與公司的聯繫，這引發了關於Meta的真正目標是否是收購Wang，而不是它現在持有的49%股份的爭論。

儘管王在數學和科學方面天賦異稟，並作為創始人擁有成功履歷——他於2016年從MIT輟學一年後聯合創立了Scale AI——但他本人及其初創公司均未取得突破性AI研究成果。在Scale AI，王的團隊與大批數據標註承包商合作，提供被他稱為AI淘金熱中"鎬與鏟"的基礎服務。如今在Meta，他必須贏得一支世界級AI科學家團隊的尊重。

王以不懈拼搏著稱，在Scale AI設定了嚴苛的工作節奏，正如他在2024年所寫"過量即適量”。他還因堅持讓組織保持"人才密度"而聞名，始終尋找能匹配其野心的成員。

據近期撰寫Scale AI案例研究的格羅伊斯伯格透露，王參與每週招聘會議，親自審核每位候選人的材料，並要求經理們嚴格論證選擇理由。“亞歷克斯會用細齒梳審視每個職能的每個人，“一位高管告訴格羅伊斯伯格，“他極其重視聘用傑出人才。我們多數時候通過智商與情商的平衡來衡量，再結合超乎尋常的毅力來綜合評估。”

在Scale上有效的方法是否適用於Meta還有待觀察。

“我認為Meta聘請了我認識的最聰明的人，”格羅斯伯格説。“在那個領域，他們得到了明星。接下來的問題是：他們能打造出明星團隊嗎？”