28岁辍学生掌舵Meta超级AI！小扎掷千亿，与奥特曼密谋，新「王」登顶

【导读】Alexandr Wang的人生堪称AI时代的缩影，19岁辍学到28岁掌管Meta超级智能。在最近的一场专访中，他谈到了AI的潜力与缺陷，他将如何影响这场智能革命的方向？

19岁MIT辍学，24岁白手起家的亿万富翁，扎克伯格为他豪掷143亿美元，28岁掌管Meta新设立的「超级智能」部门。

这些标签哪一个都足够让人侧目，但汇聚在Alexandr Wang身上，却只是他AI「登月计划」的起点。

最近，这位Scale AI创始人宣布辞去CEO职位，正式加盟Meta，挑起打造超越人类智能AI的重任。

刚刚，Time的专访更揭示了Alexandr Wang对AI的前沿思考：

智能体经济即将到来，AI将掌控商业、政*乃至战争。

人类将成为智能体管理者。

数据仍是AI进步的最大瓶颈。

AI尚不完善，数据标注永不过时。

「野心塑造现实」是Scale的核心价值观之一，也是Alexandr Wang亲自制定的口号。

他一手将Scale打造成AI数据基础设施的中流砥柱。

他对数据近乎偏执，令OpenAI的奥特曼都不得不佩服——疫情期间，两人甚至同住一所公寓「密谋」AI未来。

如今他空降Meta，接手这家AI疲软巨头是最危险也最关键的赌注。

这是一个将理想与野心写入现实的天才，但他的成功也伴随争议：

Scale曾被曝克扣合同工报酬，联合创始人Lucy Guo更因理念不合出走，称Alexandr Wang「只在乎增长」。

如今他重回「增长优先」赛道，要在Meta打造怎样一支超级智能团队？

如今，这种「增长优先」的理念所带来的风险也在提升。

值得一提的是，Alexandr Wang身上还有华裔的标签，但是他却表现得非常反华，不论是参与政*的程度，还是过往和当下的言论。

曾说DeepSeek拥有大约50,000块NVIDIA H100显卡

Alexandr Wang在今年3月与前Google CEO Eric Schmidt和AI安全中心主任Dan Hendrycks联合撰写的一篇政策论文中指出，超级智能AI「可能是自核弹以来最危险的技术发展」。

论文地址：https://arxiv.org/pdf/2503.05628

如今Alexandr Wang在Meta的新角色，让他成为这种颠覆性技术的重要决策者——他有能力控制这种危险的技术吗？

在专访中，他谈及了自己的领导风格、面对通用人工智能（AGI）的准备情况，以及当前AI的诸多「短板」。

太长不看版，采访一共6个问题，每个问题总结如下：

1. 多层次领导力哲学：聚焦细节、塑造文化、激发潜力

2. 智能体型世界将至：企业、政*与战争将全面智能体化

3. 政*正快速觉醒：AGI议题已进入高层核心议程

4. 数据岗位指数增长：智能体经济将创造更多AI数据工作

5. 数据即差距地图：AI尚不完善，标注永不过时

6. 三位一体战略：以数据为核心支柱，驱动AI落地应用

多层次领导力哲学

问：外界普遍认为你的领导风格极其细致深入。比如，有报道称你会和每一位新员工进行一对一通话，即使员工人数已达数百人。你对领导的理解，随着Scale的发展有何变化？

总结：多层次领导力哲学：聚焦细节、塑造文化、激发潜力

领导力其实是个非常多面向的课题。

第一层是：你能否完成眼前的任务？

第二层是：你做的这些事情是否是「正确」的事情？方向对不对？

第三层，也可能是最关键的一层——你如何塑造一个组织的文化？等等。

我个人的领导风格可以说是对细节高度关注、深入一线、保持聚焦，并且强调紧迫感，努力确保整个组织能快速、高效地攻克最重要的问题。

但这其中也包括另一个维度：如何打造健康的文化？如何建立一个让员工能够发挥最大潜力、不断成长和学习的组织环境？

当你的目标足够宏大时，团队就有机会成就非凡的事业。

全面智能体化

问：在DeepSeek等事件之后，你是否还有哪些现在看似小众、但未来五年会成为主流的AI观点？

总结：智能体型世界将至：企业、政*与战争将全面智能体化

我认为我们正走向一个「智能体」（agentic）主导的世界。

也就是说，企业和政*在越来越多的经济活动中，会依赖AI智能体来完成任务；人类的角色则逐渐变成这些智能体的管理者和监督者。

我们正在把越来越多的经济活动转交给AI智能体完成。这个前景听起来确实有些可怕，也说明这并不是一个容易实现的转变。

我们社会必须构建一整套机制、技术和政策，来确保这场转变尽可能平稳地发生。我认为人们已经对这个「智能体型世界」充满期待，并且它会影响我们生活的方方面面：

企业会成为「智能体型企业」，政*会成为「智能体型政*」，战争也会变成「智能体型战争」。

要实现这一切，不仅需要基础设施的支持，还需要关键政策上的明确决策。

AGI议题已进入高层核心议程

问：你如何评估美国政*在面对AGI可能性时的准备程度与重视程度？

总结：政*正快速觉醒，AGI议题已进入高层核心议程

我认为AI已经成为美国政*高层非常关注的问题。

他们在评估：当前AI的发展速度有多快？我们距离AGI到底还有多久？如果是一个较快的时间表，那我们应该做哪些准备？

如果你参考副总统JD Vance在巴黎AI峰会的演讲，他明确提到当前政*聚焦于美国工人的利益，并承诺确保AI对他们是有利的。

AI行业发展速度极快，我相信大家会越来越重视，并付诸行动。

数据岗位指数增长

问：数据标注这个工作本身现在也面临被 AI 取代的可能。比如OpenAI的Sora使用了AI自动生成数据，另外许多推理模型也在用自生成的数据训练自己。你认为这会对Scale的业务构成威胁吗？

总结：数据岗位指数增长：智能体经济将创造更多AI数据工作

我反而认为情况正好相反。

如果你看AI相关的数据工作岗位数量——我们把这些从业者称为「贡献者」——近年来呈现指数级增长。

虽然大家都在讨论随着模型变强，这些工作会不会消失，但实际上这些岗位仍在快速增长，你可以从我们的业务扩张中看到这一点。

我预计，随着我们逐步进入「智能体型经济」，会有更多人从事AI数据相关的工作。

这部分工作将成为未来经济结构的重要组成部分。

AI尚不完善，标注永不过时

问：为什么我们至今还无法实现AI数据工作的自动化？

总结：数据即差距地图：AI尚不完善，标注永不过时

其实说要「自动化AI数据工作」有些自相矛盾——因为AI数据工作本身的目的就是为了让模型更好。

如果模型本来就擅长处理这些问题，那我们就根本不需要标注数据了。

从本质上说，AI数据工作的重点就是在模型尚未掌握、还存在缺陷的地方。而随着AI逐步被应用到更多实际场景中，我们会不断发现这些「缺陷」存在于不同领域。

乍一看AI模型似乎很聪明，但当你真的用它完成一项具体工作流程时，就会发现它还有很多不足。

所以，只要AI还有进步空间，数据工作就永远有存在的必要。

三位一体战略

问：Scale一直强调自己不仅是数据公司，更是一家技术公司。你们是如何做到差异化的？

总结：三位一体战略：以数据为核心支柱，驱动AI落地应用

从大局来看，AI的发展依赖三大支柱：数据、算力和算法。

我们很早就意识到，数据是整个行业的关键瓶颈之一。

在Scale之前，几乎没有公司真正把数据当作一个「头等大事」来处理。

而我们所做的，就是给予数据应有的尊重——我们会深入研究：怎样才是正确的解决方式？怎样用最先进的技术手段去处理？

有了这三大支柱之后，我们就可以在数据和算法之上构建实际的AI应用。

因此，Scale的定位是：一方面支撑整个行业的数据基础，另一方面，也帮助企业和政*在自己的数据之上构建和部署AI应用。这就是我们的差异化所在。

参考资料：

https://time.com/7296215/alexandr-Alexandr%20Wang-interview/