19歲MIT輟學，24歲白手起家的億萬富翁，扎克伯格為他豪擲143億美元，28歲掌管Meta新設立的「超級智能」部門。

這些標簽哪一個都足夠讓人側目，但匯聚在Alexandr Wang身上，卻只是他AI「登月計劃」的起點。

最近，這位Scale AI創始人宣布辭去CEO職位，正式加盟Meta，挑起打造超越人類智能AI的重任。

剛剛，Time的專訪更揭示了Alexandr Wang對AI的前沿思考：

智能體經濟即將到來，AI將掌控商業、政府乃至戰爭。

人類將成為智能體管理者。

數據仍是AI進步的最大瓶頸。

AI尚不完善，數據標注永不過時。

「野心塑造現實」是Scale的核心價值觀之一，也是Alexandr Wang親自制定的口號。

他一手將Scale打造成AI數據基礎設施的中流砥柱。

他對數據近乎偏執，令OpenAI的奧特曼都不得不佩服——疫情期間，兩人甚至同住一所公寓「密謀」AI未來。

如今他空降Meta，接手這家AI疲軟巨頭是最危險也最關鍵的賭注。

這是一個將理想與野心寫入現實的天才，但他的成功也伴隨爭議：

Scale曾被曝克扣合同工報酬，聯合創始人Lucy Guo更因理念不合出走，稱Alexandr Wang「只在乎增長」。

如今他重回「增長優先」賽道，要在Meta打造怎樣一支超級智能團隊？

如今，這種「增長優先」的理念所帶來的風險也在提升。

值得一提的是，Alexandr Wang身上還有華裔的標簽，但是他卻表現得非常反華，不論是參與政治的程度，還是過往和當下的言論。

曾說DeepSeek擁有大約50,000塊NVIDIA H100顯卡

Alexandr Wang在今年3月與前Google CEO Eric Schmidt和AI安全中心主任Dan Hendrycks聯合撰寫的一篇政策論文中指出，超級智能AI「可能是自核彈以來最危險的技術發展」。

論文地址：https://arxiv.org/pdf/2503.05628

如今Alexandr Wang在Meta的新角色，讓他成為這種顛覆性技術的重要決策者——他有能力控制這種危險的技術嗎？

在專訪中，他談及了自己的領導風格、面對通用人工智能（AGI）的準備情況，以及當前AI的諸多「短板」。

太長不看版，采訪一共6個問題，每個問題總結如下：

1. 多層次領導力哲學：聚焦細節、塑造文化、激發潛力

2. 智能體型世界將至：企業、政府與戰爭將全面智能體化

3. 政府正快速覺醒：AGI議題已進入高層核心議程

4. 數據崗位指數增長：智能體經濟將創造更多AI數據工作

5. 數據即差距地圖：AI尚不完善，標注永不過時

6. 三位一體戰略：以數據為核心支柱，驅動AI落地應用

多層次領導力哲學

問：外界普遍認為你的領導風格極其細致深入。比如，有報道稱你會和每一位新員工進行一對一通話，即使員工人數已達數百人。你對領導的理解，隨著Scale的發展有何變化？

總結：多層次領導力哲學：聚焦細節、塑造文化、激發潛力

領導力其實是個非常多面向的課題。

第一層是：你能否完成眼前的任務？

第二層是：你做的這些事情是否是「正確」的事情？方向對不對？

第三層，也可能是最關鍵的一層——你如何塑造一個組織的文化？等等。

我個人的領導風格可以說是對細節高度關注、深入一線、保持聚焦，并且強調緊迫感，努力確保整個組織能快速、高效地攻克最重要的問題。

但這其中也包括另一個維度：如何打造健康的文化？如何建立一個讓員工能夠發揮最大潛力、不斷成長和學習的組織環境？

當你的目標足夠宏大時，團隊就有機會成就非凡的事業。

全面智能體化

問：在DeepSeek等事件之后，你是否還有哪些現在看似小眾、但未來五年會成為主流的AI觀點？

總結：智能體型世界將至：企業、政府與戰爭將全面智能體化

我認為我們正走向一個「智能體」（agentic）主導的世界。

也就是說，企業和政府在越來越多的經濟活動中，會依賴AI智能體來完成任務；人類的角色則逐漸變成這些智能體的管理者和監督者。

我們正在把越來越多的經濟活動轉交給AI智能體完成。這個前景聽起來確實有些可怕，也說明這并不是一個容易實現的轉變。

我們社會必須構建一整套機制、技術和政策，來確保這場轉變盡可能平穩地發生。我認為人們已經對這個「智能體型世界」充滿期待，并且它會影響我們生活的方方面面：

企業會成為「智能體型企業」，政府會成為「智能體型政府」，戰爭也會變成「智能體型戰爭」。

要實現這一切，不僅需要基礎設施的支持，還需要關鍵政策上的明確決策。

AGI議題已進入高層核心議程

問：你如何評估美國政府在面對AGI可能性時的準備程度與重視程度？

總結：政府正快速覺醒，AGI議題已進入高層核心議程

我認為AI已經成為美國政府高層非常關注的問題。

他們在評估：當前AI的發展速度有多快？我們距離AGI到底還有多久？如果是一個較快的時間表，那我們應該做哪些準備？ 

如果你參考副總統JD Vance在巴黎AI峰會的演講，他明確提到當前政府聚焦于美國工人的利益，并承諾確保AI對他們是有利的。

AI行業發展速度極快，我相信大家會越來越重視，并付諸行動。 

數據崗位指數增長

問：數據標注這個工作本身現在也面臨被 AI 取代的可能。比如OpenAI的Sora使用了AI自動生成數據，另外許多推理模型也在用自生成的數據訓練自己。你認為這會對Scale的業務構成威脅嗎？

總結：數據崗位指數增長：智能體經濟將創造更多AI數據工作

我反而認為情況正好相反。

如果你看AI相關的數據工作崗位數量——我們把這些從業者稱為「貢獻者」——近年來呈現指數級增長。

雖然大家都在討論隨著模型變強，這些工作會不會消失，但實際上這些崗位仍在快速增長，你可以從我們的業務擴張中看到這一點。

我預計，隨著我們逐步進入「智能體型經濟」，會有更多人從事AI數據相關的工作。

這部分工作將成為未來經濟結構的重要組成部分。

AI尚不完善，標注永不過時

問：為什么我們至今還無法實現AI數據工作的自動化？

總結：數據即差距地圖：AI尚不完善，標注永不過時

其實說要「自動化AI數據工作」有些自相矛盾——因為AI數據工作本身的目的就是為了讓模型更好。

如果模型本來就擅長處理這些問題，那我們就根本不需要標注數據了。

從本質上說，AI數據工作的重點就是在模型尚未掌握、還存在缺陷的地方。而隨著AI逐步被應用到更多實際場景中，我們會不斷發現這些「缺陷」存在于不同領域。

乍一看AI模型似乎很聰明，但當你真的用它完成一項具體工作流程時，就會發現它還有很多不足。

所以，只要AI還有進步空間，數據工作就永遠有存在的必要。

三位一體戰略

問：Scale一直強調自己不僅是數據公司，更是一家技術公司。你們是如何做到差異化的？

總結：三位一體戰略：以數據為核心支柱，驅動AI落地應用

從大局來看，AI的發展依賴三大支柱：數據、算力和算法。

我們很早就意識到，數據是整個行業的關鍵瓶頸之一。

在Scale之前，幾乎沒有公司真正把數據當作一個「頭等大事」來處理。

而我們所做的，就是給予數據應有的尊重——我們會深入研究：怎樣才是正確的解決方式？怎樣用最先進的技術手段去處理？

有了這三大支柱之后，我們就可以在數據和算法之上構建實際的AI應用。

因此，Scale的定位是：一方面支撐整個行業的數據基礎，另一方面，也幫助企業和政府在自己的數據之上構建和部署AI應用。這就是我們的差異化所在。