1. 首頁 > 生活百科 > >

Meta的AI之路，為何節節敗退？

ai釘釘飛書

Meta的AI之路，為何節節敗退？

文章圖片

Meta的AI之路，為何節節敗退？

文章圖片

Meta的AI之路，為何節節敗退？

文章圖片

【Meta的AI之路，為何節節敗退？】Meta的AI之路，為何節節敗退？

文章圖片

Meta的AI之路，為何節節敗退？

文章圖片

Meta的AI之路，為何節節敗退？

文章圖片



一周前 ， 硅谷爆出消息：Meta以4年2億美元的天價合約 ， 從蘋果挖走AI模型團隊負責人龐若明 ， 并組建超級智能實驗室 ， 誓要在AI競賽中翻盤 。 然而 ， 聲勢浩大的人才爭奪戰背后 ， 卻隱藏著一個殘酷的現實——Meta ， 這家曾經的社交媒體霸主 ， 在AI的路上 ， 可以說節節落敗 。

Llama 4模型表現不及預期 ， 被開發者質疑特調作弊；Behemoth大模型跳票 ， 內部測試結果慘淡；為AI研發提供現金流的廣告業務遭遇70億美元縮水 ， Temu和Shein因特朗普關稅政策大幅削減預算……
Meta的AI之路 ， 為何越走越窄？扎克伯格的百億美元豪賭 ， 究竟是Meta的絕地反擊 ， 還是另一場預示失敗的轉型？

作為社交媒體時代的絕對霸主 ， Meta曾經坐擁著業內最頂級的資源 。 研究團隊有著楊立昆這樣的頂級科學家坐鎮 ， 資金上憑借廣告業務每年千億美元的現金流支撐 。
但讓人疑惑的是 ， 它如何步步落敗到了如今不得不重金搶人的局面？我們一起來回溯一下 。
Meta曾引領2010年的AI研究 ， 推出PyTorch等主流研究工具 。 然而 ， 與谷歌TensorFlow和微軟Azure AI不同 ， Meta研究長期停留在學術導向 ， 錯失了技術商業化的先機 。

2022年 ， 生成式AI興起的前夜 ， 比OpenAI早三月推出聊天機器人的Meta本有可能最先成為拿起火把的人 。 可惜 ， BlenderBot 3和Galactica因頻繁輸出虛假信息黯然下架 。 同期 ， 楊立昆對大語言模型的公開質疑進一步加劇戰略搖擺 ， 讓其錯失ChatGPT風口 。
2023—2024年 ， 在其他公司都全力沖刺大模型時 ， 扎克伯格的All in元宇宙戰略分散了資源 ， 導致算力布局落后 。
前期失利累積的矛盾 ， 在2025年全面爆發 。 Llama 4表現不佳 ， 被開發者質疑“特調作弊” ， 核心人才流失；Behemoth大模型跳票 ， 內部測試結果慘淡 ， 被曝或將放棄；商業化上 ， Meta的AI應用日活僅45萬 ， 與其社交平臺20億日活的龐大體量形成鮮明對比 ， 遠低于ChatGPT；禍不單行 ， 特朗普政府對華加征關稅導致Temu、Shein等主要廣告客戶大幅削減預算 ， Meta的現金牛業務遭受重創 。

面對危機 ， 扎克伯格決定“用錢砸出一條路”：
在人才方面 ， 不惜重金挖角 ， 僅一個月就從OpenAI挖走七位核心研發人員；基礎設施層面 ， 豪擲千億美元砸向算力 ， 建設1GW的Prometheus和5GW的Hyperion超級集群 ， 甚至自建200MW天然氣發電廠保障供電；商業化上 ， 考慮放棄開源模型Behemoth ， 轉向閉源開發 ， 以尋求更清晰的變現路徑 。
從早期的技術領先、到ChatGPT時代的猶豫不決、再到如今的瘋狂追趕 ， 多節點的接連落敗讓Meta陷入了一種被雙向擠壓的夾心層困境：向上 ， 無法突破谷歌、微軟等老牌勁旅的技術壁壘；向下 ， 被OpenAI、xAI等后來者趕超 。
前有堵截 ， 后有追兵的局面 ， 讓昔日巨頭在這場AI時代的大戰顯中得愈發被動 。

Meta在AI競賽中的困境并非一日之寒 ， 而是戰略誤判、技術債務和組織文化問題交織形成的系統性困境 。 這些因素相互強化 ， 讓它一步錯、步步錯 。
2021年 ， 當其他科技巨頭開始布局生成式AI時 ， Meta卻全力押注元宇宙 ， 更名并投入數百億美元建設虛擬世界 。 這一決策導致兩個嚴重后果：
首先 ， 錯失生成式AI的黃金發展期 ， 直到ChatGPT爆火后的2023年2月 ， Meta才如夢初醒般成立專門的生成式AI團隊 ， 而此時OpenAI已領先一年 。 內部備忘錄顯示 ， OpenAI早在2022年就已采用H100 ， Meta直到2024年才開始大規模部署 ， 嚴重拖慢模型開發進度 。

其次 ， 資源分散 ， 元宇宙業務Reality Labs持續巨額虧損 ， 2025年第一季度達42億美元 ， 消耗了本可用于AI的現金流 。 當Meta終于轉向AI時 ， 又面臨“既要追趕基礎研究 ， 又要商業化落地”的雙重壓力 ， 導致戰略焦點模糊 。
近期 ， 研究團隊的大洗牌更動搖了Meta一以貫之的開源立場 ， 其苦心經營的開發者生態面臨流失困境 。 從社交媒體到元宇宙 ， 再迅速轉向AI ， Meta似乎一直在尋找下一個增長點 ， 卻未能堅定執行任何一項長期戰略 。
這種猶疑不決的態度在前期直接累積了嚴重的技術債務 。
一方面 ， Meta將AI視為增量而非變量 ， 一直沒有開辟獨立的商業化土壤 ， 持續用于優化廣告等現有產品 。 短期商業回報的偏好帶來了一定收入 ， 卻讓技術研發停滯不前、基礎設施落后 。 比如 ， Meta與竟對在算力上存在顯著差異 。 而即便現在投入130萬塊GPU建設1GW算力集群Prometheus ， 也需要時間消化吸收 。 競爭對手如xAI的Memphis集群已開始產出Grok4等成果 ， 形成代際差距 。

另一方面 ， 重學術輕產品的特點阻礙了商業化 。 Meta每年在研究上投入數十億美元 ， 產出數百篇頂會論文 ， 卻沒有將其落地為用戶買單的商業產品 ， 就好比只燒錢、不賺錢 ， 在AI競賽中負重賽跑 。
除了戰略和技術 ， 組織文化的混亂特質也讓其難以形成穩定的技術路線 。
內部人員爆料 ， Meta內斗嚴重化、技術路線割裂、搶功主義盛行 ， 末位淘汰催生的恐怖情緒讓員工核心驅動力從技術創新異化為“避免被裁” ， 不少熱衷研究的核心人才離職 。 收購Scale AI后 ， 外來精英與原有團隊產生摩擦 ， Alexandr Wang空降領導AI實驗室 ， 砍掉多個學術項目引發老團隊不滿 。 政策上 ， Meta為頂尖人才提供的股權激勵多與短期股價掛鉤 ， 可能鼓勵冒險行為而非扎實研究 。
與硅谷傳統的使命驅動、OpenAI的AGI口號形成鮮明對比 ， Meta的AI戰略顯得功利而短視 ， 更多是應對競爭而非引領創新 。 而這某種層面 ， 也源于扎克伯格領導的一言堂風格 。
可見 ， Meta其實已經危機四伏 ， 即便加碼投入 ， 也需要時間消化吸收 。 但同時 ， 它的競爭對手還在加速前進 。 那么 ， 深陷困境的Meta到底有沒有破局之路？如果有 ， 在哪？

歷史表明 ， 技術范式轉往往伴隨著科技巨頭的洗牌 。 社交媒體時代的Meta成功顛覆了傳統媒體 ， 而現在 ， 它又面臨著被AI新貴顛覆的困境 。
但它的核心問題不在于資源匱乏 ， 而在持續搖擺帶來的危機：既失去先發優勢、又缺乏后來者的靈活與專注 。
如今 ， Meta正試圖用最野蠻的方式翻盤：砸錢、搶人、堆算力 。 短期內 ， 它仍可依靠其規模優勢維持一定地位 。 但長遠來看 ， 若不解決根本問題 ， 很可能重蹈元宇宙的覆轍 ， 巨額投入落空 。
要扭轉局面 ， Meta需要的不只是金錢攻勢 ， 而是從內部發力的幾個變化 。
變化一：明確技術路線 ， 放棄“既要又要”的搖擺策略 ， 停止跟風式創新 。

Meta在上半年的丑聞頻出一定程度上是因為心態崩了 ， 眼看著各家大模型以神速迭代 ， DeepSeek等AI新秀刷新榜單 ， 研究團隊甚至不惜測試作弊向觀眾賣好 。 如今 ， Meta仍在開源與閉源之間猶豫 ， 甚至可能放棄Behemoth模型 。 這種模糊立場或將引起更大爭議 。 想要翻盤 ， Meta必須明確技術路線：若堅持開源 ， 則強化Llama生態 ， 綁定PyTorch開發者 ， 成為AI基礎設施提供商（類似Red Hat模式）；若轉向閉源 ， 則聚焦企業AI服務等高利潤場景 ， 但需承受社區反彈風險 。
變化二：注重技術的價值轉化 ， 從論文導向轉向產品落地
Meta的AI研究長期偏學術 ， 而競爭對手更注重工程化能力 ， 需要設立“產品－研究”聯合團隊 ， 打破傳統壁壘 。 研究流程上 ， 借鑒谷歌Brain與DeepMind的融合模式 ， 讓研究員參與產品設計 ， 工程師介入模型優化 ， 縮短從論文到產品的周期；產品上線后 ， 利用Meta龐大的用戶行為數據（如20億日活社交互動）訓練模型 ， 而非依賴純學術數據集；未來 ， 超算集群等基礎設施應優先支持已確定商業化路徑的項目 ， 而非僅滿足學術需求 。

變化三：調整組織架構 ， 避免扎克伯格一言堂 。
Meta的決策過度依賴創始人 ， 導致戰略頻繁轉向 。 下一步 ， 公司要賦予AI實驗室更高自治權 ， 類似Google DeepMind ， 讓團隊獨立運作 ， 減少管理層干預 。 同時 ， 優化人才激勵 ， 建立長期績效體系 ， 將高管薪酬與AI產品商業化掛鉤 ， 而非短期股價波動 。 需要注意的是 ， 團隊要吸取教訓 ， 在AI、元宇宙、硬件之間明確優先級 ， 避免資源分散 。
而至于它究竟能不能挺過轉型陣痛 ， 關鍵就在于接下來能否明確技術路線、保持戰略定力、重建工程文化 。
當然 ， 如果繼續自亂陣腳 ， Meta的AI黃昏或許將正式到來 。

    推薦閱讀