Andrew Tulloch 离开 Meta 不到一年后加入 Anthropic

据 9 月 10 日发布的报道，Andrew Tulloch 在 Meta 工作约 11 个月后加入 Anthropic。这一动向尚未得到 Tulloch、Meta 或 Anthropic 的确认。但其时机立即给 Meta 高成本的 AI 招聘计划带来考验。

Tulloch 于 2025 年 10 月重返 Meta，此前他曾与前 OpenAI 高管 Mira Murati 共同创立 Thinking Machines Lab。他的招募受到异常关注，因为据报道 Meta 曾提出一份潜在价值超过 10 亿美元的薪酬方案。Meta 对该方案所涉的最高估值提出异议。

如今传出的 Andrew Tulloch 加入 Anthropic 一事，扭转了他加盟 Meta 时的叙事。Meta 成功招募了一位备受推崇的系统工程师，却显然未能将他留满一年。与此同时，Anthropic 若能招揽 Tulloch，将获得一位职业经历覆盖模型训练、基础设施和大规模推理的工程师。

这一转变的重要性不止于一位研究人员的职业选择。Meta 将招揽顶尖人才视为缩小与前沿实验室差距的核心举措。如今据报道，Anthropic 正从这项行动中吸纳最受瞩目的招募对象之一。

这项传闻中的变动仍缺乏官方确认

核心事实是据报道的离职，而非任一公司已完成的公开声明。

《华尔街日报》援引知情人士报道称，Tulloch 将离开 Meta 加入 Anthropic。另一则关于离职的报道称，他在 Meta 工作了约 11 个月。

该报道此前曾称，Tulloch 已从 Meta 辞职，但未公开说明决定原因。Meta 拒绝就其离职置评，Tulloch 也未回应置评请求。报道出现时，Anthropic 同样尚未公开宣布其任命。

这些细节要求谨慎表述。据报道，Tulloch 计划加入 Anthropic，但其职位、入职日期、汇报关系和雇佣条款均未披露。一名消息人士向同期报道表示，他将加入 Anthropic 的推理与性能团队。

推理是指运行已训练的 AI 模型，为用户生成答案的过程。性能工程旨在降低这一过程所需的计算时间、内存使用量和硬件成本。随着实验室向规模不断扩大的客户群提供能力日益增强的模型，这些问题已变得至关重要。

因此，传闻中的去向与 Tulloch 的技术履历相符。他的个人网站称，他曾在 Meta 从事机器学习系统工作，并在 OpenAI 参与训练 GPT-4o、GPT-4.5 和 o3。网站还将他列为 Thinking Machines Lab 的联合创始人。

不过，在其辞职消息传出后，他的个人简介仍将其列为 Meta TBD Lab 成员。这一不一致并不否定相关报道，而是表明公开记录尚未跟上传闻中的职位变动。

缺乏确认也限制了对离职动机的判断。目前没有经过验证的消息源证明，Tulloch 离职是出于薪酬、领导层、研究方向、组织结构还是其他因素。任何确定性解释都将超出证据所能支持的范围。

更稳妥的说法更为有限：Meta 在 2025 年末为其新的超级智能组织招募了 Tulloch。不到一年后，多家主流媒体报道称，他已辞职并将转投 Anthropic。

这一过程构成了本文真正的张力。Meta 的招聘行动表明，庞大资源能够吸引炙手可热的研究人员；而 Tulloch 据报道的离开则意味着，仅靠这些资源未必能保证长期留任。

Andrew Tulloch 加入 Anthropic 给 Meta 带来压力的原因

Tulloch 据报道的离职，让一场备受瞩目的招聘胜利转变为对 Meta 能否留住专业技术领导者的考验。

Meta 将 Tulloch 招入 TBD Lab，该部门隶属于由 Alexandr Wang 领导的 Meta Superintelligence Labs。这一组织已成为 Mark Zuckerberg 提升 Meta 在先进 AI 领域地位的重要组成部分。

Tulloch 并非普通的新成员。他此前在 Facebook 和 Meta 工作超过十年，从事机器学习基础设施工作。之后，他加入 OpenAI，在共同创立 Thinking Machines Lab 前参与训练了多个知名模型。

这段经历使他在 2025 年的回归对 Meta 格外有价值。他已熟悉公司的基础设施和工程文化，也带来了来自 OpenAI 的近期经验，以及由前 OpenAI 领导者创立的新实验室经验。

一篇此前的招聘报道称，Tulloch 此前拒绝过一份邀约，之后才加入 TBD Lab。该报道还称，他最终获得的薪酬方案低于被广泛报道的最高估值。

Meta 公开否认了早期邀约可能达到所报道最高金额的说法。这一分歧十分重要，因为薪酬估算取决于激励措施、归属期和可能的股票升值，并不等同于即时现金支付。

不过，具体金额不如其所代表的战略重要。Meta 愿意为能够加速其模型和基础设施项目的研究人员提供极不寻常的待遇。Tulloch 成为这一做法最鲜明的象征。

如今，他据报道的离开给 Meta 战略的三个部分带来压力。

首先，Meta 必须保持 TBD Lab 内部的连续性。先进模型开发依赖于训练、数据、评估、推理和硬件之间的协同。即便整体团队仍然完整，失去一名资深系统工程师也可能中断这些联系。

其次，Meta 必须维护其在未来招聘对象中的声誉。候选人考虑的不只是薪酬，还包括技术决策权、计算资源获取、领导层稳定性、发表自由，以及其工作能否真正触达用户的可能性。

第三，Meta 必须证明其重组后的 AI 业务能够将招募转化为产品。聘请知名研究人员会带来期待，但用户和开发者最终评判的是发布的模型、可靠性和实用能力。

据报道，Tulloch 的辞职时间接近 Muse 发布之际；Muse 是 Meta 用于完成在线任务的 AI agent。另一篇报道称，他等到该产品发布后才离开。这一说法尚未获得 Tulloch 或 Meta 的公开确认。

即使时间点准确，也无法说明他为何离开。但它确实构成了一个清晰的过渡节点：研究人员可以协助完成一次发布，同时仍决定另一家实验室能提供更理想的下一项项目。

因此，Andrew Tulloch 离开 Meta 给 Meta 带来的压力主要处于留任阶段，而不只是招聘阶段。公司证明了自己能将他招回；尚未解决的问题是，为何这一关系据报道持续不到一年。

Meta 的招聘胜利成为 Anthropic 的机会

这种逆转并不在于 Meta 未能吸引 Tulloch，而在于据报道，Anthropic 在 Meta 已赢得那场竞争后又将他招揽过去。

Meta 最初追逐 Tulloch 时，正值与 OpenAI、Google、Apple 及新兴实验室激烈争夺研究人员的时期。Zuckerberg 亲自参与招募，Meta 也在组建其超级智能团队。

在 Tulloch 的案例中，Meta 首先接触的是 Thinking Machines Lab 的一位创始人。该创业公司汇集了一批来自 OpenAI、Meta、Mistral 及其他实验室、经验密集的研究人员和工程师。

据当时报道，Tulloch 起初拒绝了 Meta 的邀约。他后来离开 Thinking Machines，并于 2025 年 10 月重返 Meta。这一决定看似验证了 Meta 的坚持，以及其构建特殊薪酬方案的意愿。

据报道转投 Anthropic 改变了这一解读。它表明，赢得一场招聘竞争只是留任问题的开始。前沿实验室必须在签约公告热度消退后，持续为稀缺的专业人才提供留下的理由。

对于拥有 Tulloch 背景的人来说，Anthropic 提供了不同的机会。该公司开发 Claude 模型，并通过消费者订阅、开发者接口和企业产品提供服务。高效推理会直接影响这些服务的速度、可靠性和经济性。

Anthropic 还建立了专门的性能工程组织。其对性能工程团队的官方介绍称，团队成员帮助启用了一个 Amazon Trainium 集群，并交付了自 Claude 3 Opus 以来的每一款模型。

该来源并未确认 Tulloch 的任命，但确实表明 Anthropic 将性能工程视为与模型发布相连的运营职能。这使传闻中的职位比未明确界定的顾问角色更具可信度。

Tulloch 早期的工作也与这一挑战契合。他曾共同撰写研究，考察 Facebook 数据中心的推理工作负载。该论文研究了已部署机器学习系统的计算特性、性能优化和硬件影响。

这一背景跨越了一条愈发重要的界线。前沿 AI 的竞争曾高度聚焦于模型训练和基准测试结果；如今，商业成功还取决于能否在不过度延迟或计算成本的情况下提供这些模型。

即使模型能力很强，若每次响应都消耗过多硬件容量，部署仍会变得困难。缓慢的推理会令用户受挫，而低效推理则会限制可用性并压缩利润空间。

性能工程师会在编译器、内核、模型架构、调度和硬件利用率等方面开展工作。他们的改进可以让现有模型在无需训练全新系统的情况下，显著更易于运营。

Tulloch 还拥有 PyTorch 方面的经验。PyTorch 是广泛用于构建和运行机器学习模型的框架。最初的 PyTorch 论文描述了一个将熟悉的 Python 接口与高效硬件加速相结合的系统。

这一背景使得传闻中的转变对 Anthropic 具有战略意义。该公司获得的不只是一个知名名字，而是一位具备将研究模型连接至大型生产系统经验的人才。

这次变动也说明，专业知识如何在一小群组织之间流动。Tulloch 曾在 Meta 工作，后转至 OpenAI，参与创立 Thinking Machines，重返 Meta，如今据报道计划加入 Anthropic。

每次流动都会带来技术知识、管理经验和职业关系。机密信息仍受合同和法律保护，但实践经验依然会随个人流动。

这种流动性有利于能够提供有吸引力技术工作和实质性执行控制权的实验室；对于将招聘视为已完成交易、而非持续组织责任的公司而言，留任也因此更具挑战。

薪酬无法终结 AI 人才争夺战

高额招聘方案可以改变工程师的决定，但无法永久协调研究重点、领导力与工作条件。

据报道，Meta 最初报价的金额主导了相关报道，因为即使按照科技行业标准看，它也显得异常惊人。Meta 对最夸张的估算提出异议，而该方案据称还取决于持续数年的激励措施。

只关注这一数字，会掩盖更棘手的管理问题。顶尖研究人员往往在多家财力雄厚的雇主之间做选择。一旦薪酬越过较高门槛，技术条件便可能成为决定性因素。

这些条件包括获得算力的机会、对研究方向的决策权、团队构成，以及对领导层的信心。还包括工程工作能否顺利进入产品，而不被重组拖延。

Meta 的规模带来了实实在在的优势。它运营着大型数据中心、消费级应用、广告系统和开放模型项目。研究人员可以影响覆盖庞大全球网络的产品。

但这种规模也可能带来复杂性。大型组织存在相互竞争的优先事项、正式审查流程，以及跨众多团队的依赖关系。新成立的实验室必须在使用公司更广泛基础设施的同时，建立自身权威。

Anthropic 提供了另一种环境。其业务核心是开发和提供 Claude。因此，模型性能工作与公司的主要产品及商业约束紧密相连。

这并不能证明 Anthropic 提供了更高的自主权或更好的管理。Tulloch 和公司均未说明他加入的原因。这种对比只是指出了资深研究人员通常会评估的因素。

这一事件也挑战了“知名人才加盟会自动转移竞争优势”的假设。AI 模型源自团队、基础设施、数据流程和反复实验。任何个人都无法替代所有这些系统。

资深工程师仍可能产生不成比例的影响。一些专家掌握模型行为、分布式系统、编译器设计和生产硬件等罕见能力组合。他们的决策可以节省数月工作，或避免代价高昂的架构错误。

这造就了一个艰难的人才市场。企业为有限的一批人才激烈竞争，但外部人士很难衡量每个人的具体贡献。因此，公开的薪酬报道可能引发对价值和影响力的夸大判断。

不应仅凭一次离职来评价 Meta 的战略。该公司还招募了其他知名研究人员，并持续运营着庞大的 AI 组织。Tulloch 的离开并不能证明整体项目已经失败。

同样，Anthropic 据报道招募他，也不能保证 Claude 更快发布或运营成本降低。整合需要时间，性能提升取决于周围团队。该公司尚未宣布与 Tulloch 有关的具体项目。

一种怀疑性的解读很直接：Tulloch 的离职可能只是个人选择，对 Meta 的整体状况揭示有限。资深员工会因个人、技术或合同原因转换组织，而这些原因往往永远不会公开。

更有力的判断需要观察到一种模式。TBD Lab 的更多人员离职、产品延期、领导层变动或反复重组，会让留任问题显得更加重要。稳定的发布节奏和持久的团队则会削弱这种解读。

目前，Andrew Tulloch 加入 Anthropic 是一个重要信号，而非完整定论。它揭示了将吸睛的招聘方案视为持久组织实力证据的局限。

真正的竞争，是将研究人员转化为可靠产品

Meta 和 Anthropic 都在通过人才竞争，但用户通过产品质量、速度、可用性和信任感来体验结果。

这一雇佣故事之所以重要，是因为 Tulloch 据报道担任的角色接近商业瓶颈。模型训练带来新能力，而推理决定客户能否在大规模场景下稳定使用这些能力。

开发者会通过延迟、速率限制、故障和不可预测的行为感知推理质量。企业买家还会考虑安全性、数据处理、服务可用性以及模型接口的稳定性。

知识工作者以不同方式体验同一场竞争。他们关心助手能否处理复杂材料、保留上下文，并在无需频繁纠正的情况下完成任务。他们很少知道是哪位工程师改进了底层系统。

这造成了招聘头条与客户价值之间的差距。一家公司可以宣布拥有令人印象深刻的团队，却无法交付可靠产品。另一家公司则可能悄然改进基础设施，并凭借更好的日常表现赢得用户。

Meta 依靠分发能力参与这场竞争。其服务为公司部署助手、推荐系统、生成工具和自主智能体提供了许多场景。Muse 代表了将先进模型转化为任务完成能力的一种尝试。

Anthropic 则通过 Claude 及其开发者平台参与竞争。如果 Tulloch 加入推理和性能团队，他的工作很可能会支持交付 Claude 响应的系统。目前尚无具体职责得到公开确认。

OpenAI 和 Google 从不同方向施加压力。OpenAI 维持着被广泛使用的助手和开发者业务，而 Google 则将前沿研究与云基础设施及成熟的消费服务结合起来。

Thinking Machines 同样具有相关性。它代表了创业公司路径，经验丰富的研究人员可以在较少既有约束下创建新组织。Tulloch 离开该公司加入 Meta，曾显示出此类团队面对大型企业招聘时的脆弱性。

如今，他据报道从 Meta 转向 Anthropic，也表明这种脆弱性会反向存在。庞大的资产负债表无法永久拥有专业知识。研究人员仍会流向他们认为有吸引力的项目、团队和组织结构。

对开发者而言，这种流动性可能影响路线图。集中式离职可能推迟模型、改变应用程序编程接口，或重新调整基础设施投资方向。不过，单次人员变动很少会立即产生可见影响。

因此，企业买家不应将人事新闻视为产品基准。更有价值的信号包括发布质量、服务可靠性、安全文档、迁移支持，以及供应商在需求压力下维持性能的能力。

同样的原则也适用于构建内部 AI 工作流程的团队。模型供应商会持续调整人员、政策和产品名称。组织需要可迁移的知识和清晰的评估标准，而不是依赖某一家实验室的公开叙事。

可搜索的 AI 知识库 可以帮助团队在供应商变动时保留决策、评估和部署经验。这种联系很重要，因为模型能力和供应商都在快速变化。

不过，Tulloch 的专业背景让这次据报道的招聘比一般高管变动更具意义。推理效率决定客户能够多频繁地使用模型，也决定供应商能够以多高的经济效率提供服务。

因此，Anthropic 的潜在收益是实际的，Meta 的潜在损失也同样实际。尚未回答的问题是，两种影响是否会在模型发布、智能体性能或基础设施行为中变得可见。

三个信号将检验此次离职的真正含义

接下来的证据应来自团队稳定性、Tulloch 获确认的职责，以及两家公司发布的产品。

第一个信号是正式确认。Anthropic 可能宣布任命 Tulloch，而 Tulloch 也可能更新其个人简介或职业档案。确认的入职日期和团队归属将弥补当前的验证缺口。

若确认其担任推理相关角色，将强化 Anthropic 为特定运营重点招募他的判断。若是不同角色，则需要修正这种解读。持续沉默会让重要细节继续依赖匿名消息来源。

读者还应关注 Meta 是否谈及此次离职。该公司可能任命替代者、重组 Tulloch 的职责，或仅仅继续运营而不公开评论。任何回应都应通过行动，而非招聘宣传来评估。

第二个信号是 Meta TBD Lab 内部的人事稳定性。一次离职不能定义一个组织。若短时间内有多位资深成员离开，将更有力地表明领导力、方向或留任方面存在问题。

相反的结果同样重要。如果 Meta 留住其他知名招募对象，并持续交付计划中的系统，Tulloch 的离职看起来就会更孤立。公司的战略仍然昂贵，但未必不稳定。

围绕未来招聘报价的报道也值得审慎看待。薪酬估算通常结合工资、股票、激励措施以及对未来股价的乐观假设。头条可能让附带条件的方案看起来像有保障的付款。

第三个信号是产品和基础设施表现。Meta 必须证明其超级智能组织能够产出用户愿意采用的智能体和模型。Anthropic 则必须证明，对性能团队的补充能够改善 Claude 的大规模交付能力。

有用的证据包括更低延迟、更大容量、更少服务中断，以及在高需求下仍能维持性能的新模型。公司的说法应与独立测试和客户体验进行比较。

Muse 为 Meta 提供了一个近期参考点。据报道，Tulloch 的辞职时间使其离职接近该产品发布。未来更新将显示，这一智能体是否会发展成可持续的平台，还是仍停留在有限发布阶段。

Anthropic 后续的 Claude 发布则构成对应测试。即便 Tulloch 加入性能团队，也不宜立即将成果归因于他。基础设施工作往往需要数月后，用户才能观察到其影响。

与这一故事相关的主要关键词“Andrew Tulloch 加入 Anthropic”，描述的是一次据报道的人事变动。它的持久重要性取决于这一变化是否带来可衡量的组织或产品后果。

这种区分能够避免两种相反的错误。一种是将人事变动视为八卦，忽视专业工程师可能影响关键系统；另一种是认为一次招聘就能决定前沿 AI 竞争的结果。

对 Meta 而言，眼前挑战是留住通过招聘活动组建的团队。对 Anthropic 而言，挑战是将一位经验丰富的新成员转化为更快、更高效、更可靠的模型交付能力。

对读者而言，最好的回应是关注头条之后的证据：确认的任命、TBD Lab 内部更多变化，以及两家公司产品的可观察改进。

这些信号将决定，这究竟只是一次值得关注的职业变动，还是一次具有意义的技术势能转移。在此之前，Andrew Tulloch 加入 Anthropic 仍是一则可信的报道，存在重要验证缺口，同时具有异常高的战略利害关系。