Meta的AI困境：豪赌能否破局？
一周前，硅谷传出消息，Meta斥巨资从苹果挖走AI模型团队负责人，并成立超级智能实验室，意图在AI竞赛中扭转颓势。然而，在这场声势浩大的人才争夺战背后，Meta在AI领域的困境却日益凸显。
曾被寄予厚望的Llama 4模型表现不如预期，甚至被质疑存在作弊行为；Behemoth大模型也遭遇跳票，内部测试结果令人失望；为AI研发提供资金支持的广告业务，也因外部因素遭遇大幅缩水。这一切都让人们不禁发问：Meta的AI之路，为何越走越窄？扎克伯格的百亿美元豪赌，究竟是Meta的绝地反击，还是又一场转型失败的预演？
曾经的辉煌与今日的困境
Meta作为社交媒体时代的霸主，一度拥有业内顶级的资源。强大的研究团队，加上广告业务带来的巨额现金流，让Meta在AI领域拥有雄厚的资本。然而，令人费解的是，Meta为何会一步步走到如今重金抢人的地步？
回顾Meta在AI领域的发展历程，可以发现，它曾经引领了2010年代的AI研究，并推出了PyTorch等主流研究工具。然而，与谷歌的TensorFlow和微软的Azure AI不同，Meta的研究长期停留在学术层面，错失了技术商业化的机会。在2022年生成式AI兴起的前夜，Meta本有机会凭借早于OpenAI三个月推出的聊天机器人，抢占先机。然而，BlenderBot 3和Galactica却因频繁输出虚假信息而黯然下架。与此同时，杨立昆对大语言模型的公开质疑，也进一步加剧了Meta在战略上的摇摆，使其错失了ChatGPT带来的风口。
在2023—2024年期间，当其他公司都在全力发展大模型时，扎克伯格却将重心放在了元宇宙上，导致Meta在算力布局上落后于人。前期失利所积累的矛盾，在2025年全面爆发。Llama 4的表现不佳，被开发者质疑“特调作弊”，核心人才也因此流失；Behemoth大模型跳票，内部测试结果惨淡，甚至有传言称Meta将放弃该项目；在商业化方面，Meta的AI应用日活仅为45万，与其社交平台20亿日活的体量相比，显得微不足道，远低于ChatGPT。更糟糕的是，外部环境的变化也给Meta带来了冲击。由于特朗普政府对华加征关税，Temu、Shein等主要广告客户大幅削减预算，导致Meta的广告业务遭受重创。
面对危机，扎克伯格决定采取“用钱砸出一条路”的策略：在人才方面，Meta不惜重金挖角，仅一个月就从OpenAI挖走了多位核心研发人员；在基础设施层面，Meta计划投入巨额资金，建设大规模的算力集群，甚至自建发电厂以保障供电；在商业化方面，Meta开始考虑放弃开源模型Behemoth，转向闭源开发，以寻求更清晰的盈利模式。
从早期的技术领先，到ChatGPT时代的犹豫不决，再到如今的疯狂追赶，Meta在AI竞赛中节节败退，陷入了一种被双向挤压的困境：在技术上，无法突破谷歌、微软等老牌劲旅的技术壁垒；在创新上，又被OpenAI、xAI等后起之秀赶超。这种前有堵截、后有追兵的局面，让这家昔日的巨头在AI时代的大战中显得愈发被动。
系统性困境：战略、技术与文化的交织
Meta在AI竞赛中所面临的困境并非偶然，而是战略误判、技术债务和组织文化问题交织形成的系统性困境。这些因素相互作用，导致Meta一步错、步步错。
早在2021年，当其他科技巨头开始布局生成式AI时，Meta却全力押注元宇宙，更名并投入巨额资金建设虚拟世界。这一决策导致了两个严重的后果：首先，Meta错失了生成式AI的黄金发展期。直到ChatGPT爆火后的2023年2月，Meta才如梦初醒般成立专门的生成式AI团队，而此时OpenAI已经领先了一年。内部备忘录显示，OpenAI早在2022年就已采用H100，而Meta直到2024年才开始大规模部署，严重拖慢了模型开发进度。其次，Meta的资源被分散。元宇宙业务Reality Labs持续巨额亏损，消耗了本可用于AI的现金流。当Meta终于转向AI时，又面临着“既要追赶基础研究，又要商业化落地”的双重压力，导致战略焦点模糊。
近期，Meta研究团队的大洗牌，更动摇了其一以贯之的开源立场，使其苦心经营的开发者生态面临流失的风险。从社交媒体到元宇宙，再迅速转向AI，Meta似乎一直在寻找下一个增长点，却未能坚定执行任何一项长期战略。这种犹疑不决的态度，直接导致了严重的技术债务。
一方面，Meta将AI视为增量而非变量，一直没有开辟独立的商业化土壤，而是持续用于优化广告等现有产品。短期商业回报的偏好带来了一定收入，却让技术研发停滞不前、基础设施落后。例如，Meta与竞争对手在算力上存在显著差异。即使现在投入巨资建设算力集群，也需要时间消化吸收。相比之下，竞争对手如xAI已经开始产出Grok4等成果，形成了代际差距。
另一方面，Meta重学术轻产品的特点，阻碍了商业化进程。Meta每年在研究上投入数十亿美元，产出大量顶会论文，却没有将其转化为用户愿意买单的商业产品。这种只烧钱、不赚钱的模式，让Meta在AI竞赛中负重前行。
除了战略和技术问题，组织文化的混乱也让Meta难以形成稳定的技术路线。内部人员透露，Meta内部斗争严重，技术路线割裂，抢功主义盛行，末位淘汰机制导致员工的核心驱动力从技术创新异化为“避免被裁”。收购Scale AI后，外来精英与原有团队产生摩擦，导致老团队不满。此外，Meta为顶尖人才提供的股权激励，多与短期股价挂钩，可能鼓励冒险行为而非扎实研究。
与硅谷传统的使命驱动和OpenAI的AGI口号相比，Meta的AI战略显得功利而短视，更多是为了应对竞争而非引领创新。这种现象，在某种程度上也源于扎克伯格的“一言堂”领导风格。
Meta的破局之路：内生变革是关键
Meta目前危机四伏，即便加大投入，也需要时间消化吸收。然而，与此同时，它的竞争对手还在加速前进。那么，深陷困境的Meta到底有没有破局之路？如果有，又在哪里？
历史表明，技术范式转变往往伴随着科技巨头的洗牌。社交媒体时代的Meta成功颠覆了传统媒体，而现在，它又面临着被AI新贵颠覆的风险。但Meta的核心问题并非资源匮乏，而是持续摇摆带来的危机：既失去了先发优势，又缺乏后来者的灵活与专注。
如今，Meta正试图用最直接的方式翻盘：砸钱、抢人、堆算力。短期内，它或许能够依靠其规模优势维持一定地位。但长远来看，如果不能解决根本问题，很可能重蹈元宇宙的覆辙，导致巨额投入落空。
要扭转局面，Meta需要的不仅仅是金钱攻势，更需要从内部发力的几个关键变化：
**变化一：明确技术路线，放弃“既要又要”的摇摆策略，停止跟风式创新。**Meta在上半年接连爆出负面新闻，一定程度上是因为心态失衡。眼看着各家大模型以惊人速度迭代，Meta的研究团队甚至不惜测试作弊。如今，Meta仍在开源与闭源之间犹豫，甚至可能放弃Behemoth模型。这种模糊立场，可能会引发更大的争议。想要翻盘，Meta必须明确技术路线：如果坚持开源，则应强化Llama生态，绑定PyTorch开发者，成为AI基础设施提供商；如果转向闭源，则应聚焦企业AI服务等高利润场景，但需承受社区反弹的风险。
**变化二：注重技术的价值转化，从论文导向转向产品落地。**Meta的AI研究长期偏重学术，而竞争对手更注重工程化能力。因此，Meta需要设立“产品－研究”联合团队，打破传统壁垒。在研究流程上，Meta可以借鉴谷歌Brain与DeepMind的融合模式，让研究员参与产品设计，工程师介入模型优化，缩短从论文到产品的周期；在产品上线后，Meta可以利用其庞大的用户行为数据训练模型，而非仅仅依赖纯学术数据集；未来，Meta的超算集群等基础设施，应优先支持已确定商业化路径的项目，而非仅满足学术需求。
**变化三：调整组织架构，避免扎克伯格“一言堂”。**Meta的决策过度依赖创始人，导致战略频繁转向。因此，Meta应赋予AI实验室更高的自治权，类似于Google DeepMind，让团队独立运作，减少管理层干预。同时，Meta应优化人才激励机制，建立长期绩效体系，将高管薪酬与AI产品商业化挂钩，而非短期股价波动。此外，Meta还需要吸取教训，在AI、元宇宙、硬件之间明确优先级，避免资源分散。
至于Meta能否挺过转型阵痛，关键在于接下来能否明确技术路线、保持战略定力、重建工程文化。如果Meta继续自乱阵脚，那么它的AI黄昏或许将正式到来。
