核心观点 - Meta近期从OpenAI挖角多名核心研发人员，包括GPT-4o图像生成功能的主要开发者刘璐和Allan Jabri，加速其AI人才布局 [1][5][6][30] - 刘璐作为GPT-4o"吉卜力风"的创造者，技术背景深厚，曾在谷歌参与Gemini研发并拥有多项学术突破 [2][8][16][21][23] - Meta的挖角策略聚焦OpenAI华人技术骨干，其"超级智能实验室"已吸纳至少10名华人专家，其中8人来自OpenAI [34][35][36] 人才流动 - 刘璐从OpenAI转投Meta仅入职一年，此前在谷歌DeepMind参与Gemini图像感知模块开发，并主导了GPT-4o的吉卜力风格图像生成功能 [2][21][23] - 同期被挖的Allan Jabri为GPT-4o核心架构师，曾在Meta旗下FAIR工作两年，此次属于回归老东家 [30][31][32] - Meta近期还挖走OpenAI苏黎世办公室ViT核心作者团队，持续扩大AI人才储备 [36] 技术成就 - 刘璐开发的GPT-4o吉卜力功能上线10天即吸引1.3亿用户，生成超7亿张图像，成为现象级产品 [26] - 其学术贡献包括：参与谷歌Gemini模型（论文引用5030次）、开发NAS算法评估基准NATS-Bench（引用1093次） [16] - 研究领域涵盖元学习、少样本学习及图神经网络，在NeurIPS/AAAI/IEEE TKDE等顶刊发表多篇论文 [13][17] 教育背景 - 刘璐本科以3.84 GPA毕业于华南理工大学电子科学与技术专业，曾获全国信息学奥赛省级一等奖 [8][9] - 在悉尼科技大学获机器学习博士学位，导师为AAII研究所龙国栋教授，研究隐私保护AI及设备端智能 [10][12][18] 行业影响 - Meta通过开源策略吸引OpenAI技术骨干，可能加速实现GPT级别模型的开源化 [7] - OpenAI仍保留部分顶尖华人研究员，如ICLR 2025获奖者漆翔宇、DALL-E 3贡献者Li Jing等 [41] - 人才争夺反映AI行业竞争白热化，Meta近半年已从谷歌/苹果/OpenAI等多方吸纳专家 [35][36][41]

核心观点 - OpenAI面临双重打击：Meta挖走两名关键研究员[3][4]，谷歌截胡其拟收购的AI编程公司Windsurf[5][27] - 科技巨头人才争夺战白热化：Meta为挖角华人研究员开出数亿美元薪酬包[24][25]，OpenAI被迫以股权激励防御[56] - OpenAI与微软关系紧张：微软阻挠Windsurf收购[36]，并拖延其公司结构转型[41] 人才流动 - Meta新成立的超级人工智能实验室挖走OpenAI两名研究员：Allan Jabri（视觉学习专家）和Lu Liu（4o图像生成团队成员）[12][13][20] - Lu Liu为90后华人学者，研究方向涵盖元学习、图神经网络及隐私保护AI[15]，其离职使Meta公开挖角的华人研究员达11名[24] - Meta为顶尖人才提供天价薪酬包：余家辉等9名OpenAI研究员获4年3亿美元，庞若鸣单笔2亿美元[24][25] - OpenAI反击招募4名新员工：包括Meta资深研究员Angela Fan及xAI/特斯拉系人才[50][52][54] 并购竞争 - OpenAI原计划30亿美元收购Windsurf以补足编码生态短板，但交易因微软反对而终止[29][36] - 谷歌以24亿美元获得Windsurf技术授权并吸纳其核心团队，CEO等将加入DeepMind开发Gemini[9][32] - 该交易采用"非收购式鲸吞"模式规避垄断风险，类似微软对InflectionAI的操作[34] 公司治理 - OpenAI转型为PBC公益公司受阻：微软拥有对重大事项的实质否决权[39]，双方因AGI条款（千亿美元利润分成）僵持[40][41] - 若2025年10月前未完成转型，66亿美元融资中的6.6亿美元将转为负债[42] - 公司2024年股权激励达44亿美元（营收37亿美元的119%），为2023年的5倍[56] 行业动态 - AI竞赛加剧：谷歌/Meta/xAI持续迭代模型，OpenAI的GPT-5却多次延期[44] - 人才成本飙升：Meta将顶级研究员年薪推至数亿美元量级[24]，OpenAI被迫跟进导致股权激励超营收[56] - 技术路线曝光：Lu Liu的研究显示OpenAI在少样本学习/边缘计算AI的布局[15]，Windsurf交易反映其对编码RLHF数据的渴求[29]

视频生成技术现状与挑战 - 当前视频生成技术（如Diffusion模型）已能产出惊艳视觉片段，但可能触及能力天花板，真正具备深度理解能力的多模态基础模型尚在孕育中[1][5] - 阶跃星辰开源两个30B参数视频生成模型：Step-Video-T2V（文生视频）和Step-Video-TI2V（图生视频），在运动性和风格化生成方面表现突出[12][33] - 当前Diffusion视频模型Scaling Law表现不显著，30B参数模型泛化能力提升有限，15B参数可能在效率与性能间取得更好平衡[5][26] 下一代技术发展方向 - 未来1-2年内可能出现视觉领域的"GPT-3时刻"，带来革命性突破[4][36] - 技术突破方向包括：自回归（AR）与Diffusion模型融合架构、从映射学习转向因果预测学习范式、增强少样本学习能力[5][21][45] - 视觉基础模型需具备深度理解能力而非仅像素生成，需借鉴NLP领域成功经验，通过生成方式获得更强理解能力[19][32] 行业实践关键因素 - 高质量自然数据是核心瓶颈，需大规模多样化真实数据而非合成数据，数据处理复杂度极高[14][16][32] - 系统支持与多团队协作至关重要，阶跃星辰项目成功得益于强大系统团队支持[17][18] - 模型需平衡上限探索与易用性，30B参数模型因体积过大影响实际应用，未来需大小模型并行发展[28][29] 多模态与AI应用前景 - 视频理解能力进步将推动具身智能、机器人等需要物理交互的AI应用发展[14][37] - 多模态模型将向物理世界感知发展，增强动作理解等能力，2025年可能出现图像与文字理解生成的重要突破[56][49] - AIGC趋势包括视频长度延长、编辑能力提升、基于参考的生成技术发展，未来将降低内容创作门槛[38][44] 技术里程碑与行业参考 - 近五年AI重大创新包括BERT、GPT-3、ChatGPT、Sora等，确立不同领域技术范式[15] - 视觉领域可能处于NLP中BERT之后、GPT-3之前的阶段，需经历类似发展过程[32] - DeepSeek系列模型因性能优异且实用性强，成为国内行业重要参考[15]