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。

審核編輯 黃宇