Facebook AI Research（FAIR）是Meta Platforms的人工智能实验室，成立于2013年。该实验室的设立旨在推进机器学习、深度学习及相关领域的基础研究，并明确承诺开放科学，公开发布研究成果。2023年，FAIR并入更广泛的Meta AI组织，该组织涵盖公司内部面向研究与产品的人工智能工作。
FAIR采用分布式架构，主要办公地点位于加利福尼亚州门洛帕克、纽约市、法国巴黎和加拿大蒙特利尔。实验室汇聚了众多知名研究人员，其中包括Yann LeCun，他担任创始主任，并继续担任Meta首席人工智能科学家。其他与FAIR相关的知名研究者包括PyTorch深度学习框架的共同创建者Soumith Chinta，以及领导实验室强化学习与机器人研究工作的Joelle Pineau。
早期贡献与开源
自成立之初，FAIR便强调开放研究，并公开发布工具与数据集。2015年，实验室发布了fastText库，用于高效的文本分类与词表示学习。次年，FAIR推出了基于Torch的深度学习框架，该框架后来演变为PyTorch，并于2017年公开发布。PyTorch成为人工智能研究社区中使用最广泛的框架之一，被OpenAI、Google DeepMind及众多高校采用。
FAIR还向研究社区贡献了重要数据集。实验室于2017年发布了受Common Voice启发的FAIRSEQ工具包，用于序列到序列建模，并于2018年发布了面向对话研究的ParlAI平台。在计算机视觉领域，FAIR开发了Detectron和Detectron2目标检测平台，这些工具已成为视觉研究的标准工具。
机器学习进展
FAIR研究人员在Machine learning和Deep learning领域做出了基础性贡献。实验室在卷积神经网络与图像识别方面的工作，由Karen Simonyan和Koray Kavukcuoglu等研究者主导，产生了具有影响力的架构与训练技术。在自然语言处理方面，FAIR开发了InferSent句子嵌入模型，并通过与其他研究团队的合作，为Transformer (architecture)架构的发展作出了贡献。
2010年代后期，FAIR日益聚焦于自监督学习，这是一种利用未标注数据学习表征的范式。Yann LeCun是该方法的积极倡导者，认为它是通往更通用Artificial intelligence的关键路径。FAIR在视觉与语言自监督方法上的工作，影响了后续Generative AI和Large language model研究的发展。
机器人与具身AI
FAIR在机器人与具身智能领域维持着活跃的研究项目。实验室于2019年开发了Habitat平台，用于具身AI模拟，使研究人员能够在照片级逼真的3D环境中训练智能体。FAIR还与MIT CSAIL和BAIR (Berkeley AI Research)等学术机构合作，开展机器人操作与导航研究。
2022年，FAIR宣布了Project Aria项目，该研究计划聚焦于第一人称感知与增强现实。项目涉及开发配备传感器的定制眼镜，用于采集第一视角音视频数据，旨在推动情境AI与人机交互研究。
大语言模型与Meta AI
随着领域转向大规模生成模型，FAIR为Meta的大语言模型开发作出了贡献。实验室参与了OPT（开放预训练Transformer）模型的创建，该模型于2022年发布，旨在提供专有模型的开放替代方案。FAIR还参与了LLaMA（Meta AI大语言模型）系列的开发，该系列于2023年首次发布，并迅速在研究社区中得到广泛应用。
2023年，Meta重组了其人工智能工作，将FAIR与其他AI团队合并，组建了Meta AI。这一新组织旨在更紧密地整合研究与产品开发，FAIR在其中继续承担研究职能。在此架构下，FAIR持续发表学术论文并发布开源工具，同时为Meta在Facebook、Instagram和WhatsApp等平台上的商业AI产品提供支撑。
影响与遗产
FAIR对更广泛的人工智能生态系统产生了深远影响。其对开放研究与开源软件的承诺，影响了包括OpenAI和Anthropic在内的其他主要实验室的做法。FAIR的论文被广泛引用，其校友也在其他公司和学术机构中领导人工智能研究。
实验室还参与了围绕AI安全与伦理的政策讨论。FAIR研究人员就机器学习公平性及AI的社会影响等议题发表了论文。然而，实验室也因Meta旗下社交媒体平台上的技术潜在滥用及虚假信息传播问题，受到了一定程度的批评。
截至2025年，FAIR仍是Meta内部活跃的研究组织，在多模态学习、推理及AI驱动科学发现等领域持续推进项目。FAIR并入Meta AI，反映了基础研究日益与商业应用相结合的整体趋势，同时其也保持了学术开放性的承诺。