7亿年薪留不住,余家辉离职Meta创业

marsbit发布于2026-08-14更新于2026-08-14

文章摘要

余家辉于2026年8月14日宣布从Meta离职并自主创业,其在Meta任职仅一年零一个多月。此前Meta曾以传闻高达1亿美元的年薪包将其招入麾下,希望其加强多模态AI研发能力。 在Meta期间,余家辉作为TBD Lab(Meta Superintelligence Labs核心团队之一)的多模态负责人,带领团队推出了包括Muse Spark、Voice Mode、Muse Image和Muse Video在内的“Muse全家桶”系列模型,为Meta的前沿模型布局奠定了重要基础。 余家辉拥有丰富的AI研发履历,曾先后在Google Brain参与Gemini多模态研发,在OpenAI负责Perception团队并参与GPT-4o等项目。他的离开引发业界关注,人们好奇为何连Meta提供的顶级资源也未能留住他,以及他创业将专注于何种“对人类未来重要且未被充分探索”的问题。 与此同时,有数据显示Meta近期已有大量AI研究人员离职,总数可能高达数百人,这令外界对Meta AI人才的稳定性及其“重金挖角”策略的长期效果产生疑问。

1亿美元留不住!

刚刚,余家辉官宣离开Meta创业。

从2025年6月底加入,到2026年8月14日宣布离开,满打满算一年零一个多月。

其个人网站也已更新履历。

就在离职前几天,Meta刚刚推出Muse Spark 1.2

过去几个月,余家辉带领的多模态团队还接连交出了Muse Spark、Voice Mode、Muse Image和Muse Video。

余家辉在官宣中表示,与扎克伯格、Meta首席AI官亚历山大王一起建设TBD Lab的经历「非常鼓舞人心且充实」。

他也特意点名了团队这一年做出的几项成果,并表示,自己越来越被一个「对人类未来非常重要、但尚未被充分探索」的问题吸引。

现在,这个问题将得到他的全部注意力。

至于新公司叫什么、具体研究什么、有哪些合伙人,他一个字也没多说:

More to share as the work takes shape.

更多信息,等事情逐渐成形后再分享。

刚交完Muse全家桶,人走了

这一年,余家辉确实没少干活。

2025年6月底,余家辉与赵晟佳、毕树超、任泓宇等OpenAI研究员,被曝集体加入Meta新组建的超级智能团队。

扎克伯格亲自下场挖他,传出「1亿美元年薪」,刷新AI人才市场纪录。

没过几天,扎克伯格正式宣布成立Meta Superintelligence Labs,也就是MSL

实验室由亚历山大王领导。Meta为此向Scale AI投资143亿美元,又从OpenAI、Google DeepMind、Apple等公司密集挖人。

TBD Lab则是MSL下面最核心的模型研究团队之一,负责开发Meta下一代前沿模型。余家辉是创始成员,也是多模态方向负责人。

今年4月,这支团队交出第一份重要答卷:Muse Spark

这是MSL成立后发布的首款基础模型,也标志着Meta的前沿模型正式从Llama转向Muse系列。

随后,余家辉所在团队继续推出Voice Mode、Muse Image和Muse Video,覆盖语音、图像和视频生成。

最近更新的Muse Spark 1.2,还把重点进一步推向编程、长程Agent任务和多模态能力。

在Meta的一年里,余家辉可以说是从零组队、重搭技术栈,再把Muse全家桶一盘接一盘端上桌。

Meta研究员Zhiqing Sun透露,余家辉也是把自己招进Meta的人之一。

他还记得,两人曾在旧金山一家Daeho餐厅吃饭,余家辉就是在那里说服他加入TBD Lab。后来,双方一起研究多模态能力和Computer Use。

一年后,轮到余家辉自己招进来的人,把他送走了。

小扎啊小扎,这1亿美元年薪...终究还是错付了么?

传闻1亿美元,小扎为什么偏偏抢他

余家辉到底拿了多少钱,至今没有权威答案。

但在去年的硅谷抢人大战中,他无疑是最受关注的名字之一。

当时,奥特曼曾公开表示,Meta向一些OpenAI员工开出了1亿美元签约奖金,以及更高的年度薪酬。

随后,WIRED报道称,Meta为少数顶级AI人才提供的方案最高达到四年3亿美元,其中第一年总薪酬可能超过1亿美元。

不过,Meta CTO Andrew Bosworth后来澄清,外界流传的1亿美元并非人人都有,更不是入职就到账的一笔签约奖金,可能是包含股票、奖金、任期和绩效条件的整体薪酬包。

所以,余家辉本人究竟拿没拿到「1亿美元年薪」,咱也不知道。

(摊手)

即便如此,余家辉仍被装进了「亿元先生」的故事里。

他的履历,几乎也踩中了过去几年大模型最热门的每个关键词。

余家辉本科就读于中国科学技术大学少年班学院,随后前往UIUC攻读博士,师从计算机视觉学者黄煦涛。

读博期间,他参与开发DeepFill。简单来说,就是让AI把照片里不想要的东西擦掉,再自动补全背景。

后来加入Google Brain,他从计算机视觉一路做到多模态大模型,参与并共同领导Gemini多模态方向。

2023年底转投OpenAI后,他负责Perception团队,参与GPT-4o、GPT-4.1以及一系列o系模型。

Meta当时缺的,恰好就是这种人。

Llama 4表现不及预期,Meta急需一支团队重新搭建前沿模型能力。

相比只在某一篇论文上做出突破,余家辉既做过底层视觉研究,也在Google和OpenAI参与过大模型开发,还拥有把多模态能力推向真实产品的经验。

一年前,大家可能还在讨论:

余家辉到底值不值传闻中的九位数薪酬包?

但现在,问题变成了:

连这种级别的薪酬、算力和产品机会都留不住的人,出去究竟想做什么?

的确,对于已经走到余家辉这个位置的研究员来说,大厂能够给出的条件可能已经接近打工的天花板。

继续往上,似乎剩下的路就是自己当创始人了~

Meta,你到底走了多少人啊?!

余家辉一走,网友顺手就开始给Meta查户口了。

不查不知道,一查数字先把人吓一跳:

929。

研究论文平台alphaXiv拉出一份Meta离职研究员名单,称在余家辉之前,已经有超过200名知名研究人员离开Meta

而它的检索页面显示,共有929名研究者符合「曾在Meta任职、目前已不在Meta」的条件。

名单最上方就是余家辉。

紧随其后的,还有最近转投谷歌、担任创业公司首席科学家,以及加入隐身创业项目的研究人员。

alphaXiv也没放过TBD这个现成的梗,直接来了句:

Meta AI的未来,也是TBD(To Be Determined)。

嚯,乍一看,Meta这哪是实验室,简直像个AI人才中转站...

去年Meta挥舞支票抢人时,奥特曼曾放话:

传教士终将战胜雇佣兵。

如今,Meta重金抢来的余家辉也走了。

小扎这套被讽刺为「雇佣兵」的抢人策略,究竟算不算成功?

答案同样TBD。

参考链接:

[1]https://x.com/jiahuiyu/status/2087936732939616299?s=20

[2]https://x.com/askalphaxiv/status/2087973800952623416?s=20

本文来自微信公众号“量子位”,作者:听雨

相关问答

Q余家辉在Meta担任什么职位,主要负责什么工作?

A余家辉是Meta核心模型研究团队TBD Lab的创始成员,担任多模态方向负责人,负责开发Meta下一代前沿模型,带领团队推出了Muse Spark、Voice Mode、Muse Image和Muse Video等多模态产品。

Q传闻中Meta为吸引余家辉开出了怎样的薪酬条件?

A根据文章,有传闻称Meta为包括余家辉在内的一些顶级AI人才提供了高额薪酬包,其中一种说法是第一年总薪酬可能超过1亿美元,但这包含了股票、奖金等多种条件,并非纯现金签约奖金。Meta官方表示这并非普遍情况。

Q余家辉从加入Meta到宣布离开,总共工作了多长时间?

A从2025年6月底加入,到2026年8月14日宣布离开,余家辉在Meta工作了一年零一个多月。

Q根据文章,余家辉离职创业的原因可能是什么?

A文章中提到,余家辉在官宣中表示,自己越来越被一个‘对人类未来非常重要、但尚未被充分探索’的问题所吸引,现在这个问题将得到他的全部注意力,暗示他离职是为了投身于自己更感兴趣的、更具开创性的研究方向。

Q文中提到的alphaXiv数据显示有多少研究者从Meta离职?

A根据研究论文平台alphaXiv的检索页面数据显示,共有929名研究者符合‘曾在Meta任职、目前已不在Meta’的条件。

你可能也喜欢

GPT-5也会话到嘴边想不起来,谷歌测了450万次:钥匙丢了

谷歌研究发现,大模型如GPT-5和Gemini 3普遍存在“舌尖现象”——模型参数中存储了大量事实,但在被直接提问时,却有相当一部分无法成功回忆。这项名为《空货架,还是丢钥匙?》的研究提出“知识画像”框架,将事实状态分为五类,并基于WikiProfile基准(包含2150条维基事实)进行了约450万次测试。 关键发现是:模型的大部分错误并非因为“没学过”(编码失败),而是“取不出”(回忆失败)。在测试中,前沿模型能将95%-98%的事实存入参数,但直接提问的未回忆率高达26%-34%。即便开启“思考”链(thinking),仍有11%-12%无法想起。 研究指出了两个主要“堵塞点”:1. **冷门知识**:冷门与热门事实的存入率相差很小,但直接回忆率差距显著,表明长尾问题核心是提取困难,而非未学习。2. **反向提问**:模型在选择题中能识别反向关联,但在开放式生成任务中却难以回答,说明关联已存在,但提取方式依赖于训练时的语境。 “思考”链能显著帮助回忆那些已存储但直接提取失败的事实(找回40%-65%),其机制类似于人类的“扩散激活”,通过提及相关上下文来激活目标记忆。然而,若思维链中包含错误事实,反而可能增加幻觉。 研究还发现,单纯扩大模型规模主要改善的是知识存储(编码失败率下降),但对提升提取能力(回忆失败率)效果有限。在大型模型中,回忆失败已成为错误的主要来源。 因此,提升模型事实准确性的下一个关键,可能在于改进后训练和推理方法,以优化已存储知识的提取效率。这要求模型具备更好的“元认知”能力,即能够判断自己何时“想不起来”,从而主动采用更深入的思考策略。 **核心结论**:对于前沿大模型,事实性错误的瓶颈已从“存储不足”转向“提取困难”。未来的优化重点应是如何让模型更有效地调用其已学知识,而非仅仅继续扩充数据与参数。

marsbit1小时前

GPT-5也会话到嘴边想不起来,谷歌测了450万次:钥匙丢了

marsbit1小时前

美元是一门技术:稳定币正把美国制度输出到全球

本文探讨了稳定币作为美国制度全球输出的技术工具,正通过区块链重塑全球金融格局。文章指出,稳定币月结算量已超过美国ACH网络,显示出美元正从储备货币演变为一种“可编程”的全球流动性基础设施。这一转变的核心在于,区块链轨道正成为美国资产与制度向全球出口的通道。 文章从三个层面展开分析: 首先,在跨境支付领域,像Keyrails这样的初创公司充当了支付与信贷的“编排层”,通过区块链技术连接新兴市场的进口商与全球美元资本,解决了传统跨境贸易中美元获取难、结算慢、成本高的问题,将区域贸易流动转化为全球资本可理解的信号。 其次,在资产代币化与链上信贷方面,以Semiliquid为代表的“可编程信贷协议”允许机构在不转移托管权的情况下,将持有的代币化国债等资产作为抵押品进行融资。这提升了资产效率,并通过实时抵押品验证解决了传统金融中抵押品不透明、重复质押的风险。 最后,文章以AI算力融资平台USD.AI为例,说明了区块链如何为GPU等实体生产性资产创建流动的贷款市场,将特定行业的专业知识(背景信息)转化为全球稳定币流动性可以评估和进入的领域。 文章结论认为,这些新兴企业的护城河不仅在于技术,更在于其积累的、难以复制的特定市场“背景信息”和信任。它们标志着加密货币正超越投机,演进为支撑现实世界资本形成与全球商业对话的“操作系统”。

marsbit1小时前

美元是一门技术:稳定币正把美国制度输出到全球

marsbit1小时前

交易

现货
活动图片