Meta的AI之路，为何节节败退？_风闻

一周前，硅谷爆出消息：Meta以4年2亿美元的天价合约，从苹果挖走AI模型团队负责人庞若明，并组建超级智能实验室，誓要在AI竞赛中翻盘。然而，声势浩大的人才争夺战背后，却隐藏着一个残酷的现实——Meta，这家曾经的社交媒体霸主，在AI的路上，可以说节节落败。

Llama 4模型表现不及预期，被开发者质疑特调作弊；Behemoth大模型跳票，内部测试结果惨淡；为AI研发提供现金流的广告业务遭遇70亿美元缩水，Temu和Shein因特朗普关税政策大幅削减预算……

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，还是另一场预示失败的转型？

作为社交媒体时代的绝对霸主，Meta曾经坐拥着业内最顶级的资源。研究团队有着杨立昆这样的顶级科学家坐镇，资金上凭借广告业务每年千亿美元的现金流支撑。

但让人疑惑的是，它如何步步落败到了如今不得不重金抢人的局面？我们一起来回溯一下。

Meta曾引领2010年的AI研究，推出PyTorch等主流研究工具。然而，与谷歌TensorFlow和微软Azure AI不同，Meta研究长期停留在学术导向，错失了技术商业化的先机。

2022年，生成式AI兴起的前夜，比OpenAI早三月推出聊天机器人的Meta本有可能最先成为拿起火把的人。可惜，BlenderBot 3和Galactica因频繁输出虚假信息黯然下架。同期，杨立昆对大语言模型的公开质疑进一步加剧战略摇摆，让其错失ChatGPT风口。

2023—2024年，在其他公司都全力冲刺大模型时，扎克伯格的All in元宇宙战略分散了资源，导致算力布局落后。

前期失利累积的矛盾，在2025年全面爆发。Llama 4表现不佳，被开发者质疑“特调作弊”，核心人才流失；Behemoth大模型跳票，内部测试结果惨淡，被曝或将放弃；商业化上，Meta的AI应用日活仅45万，与其社交平台20亿日活的庞大体量形成鲜明对比，远低于ChatGPT；祸不单行，特朗普政府对华加征关税导致Temu、Shein等主要广告客户大幅削减预算，Meta的现金牛业务遭受重创。

面对危机，扎克伯格决定“用钱砸出一条路”：

在人才方面，不惜重金挖角，仅一个月就从OpenAI挖走七位核心研发人员；基础设施层面，豪掷千亿美元砸向算力，建设1GW的Prometheus和5GW的Hyperion超级集群，甚至自建200MW天然气发电厂保障供电；商业化上，考虑放弃开源模型Behemoth，转向闭源开发，以寻求更清晰的变现路径。

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，多节点的接连落败让Meta陷入了一种被双向挤压的夹心层困境：向上，无法突破谷歌、微软等老牌劲旅的技术壁垒；向下，被OpenAI、xAI等后来者赶超。

前有堵截，后有追兵的局面，让昔日巨头在这场AI时代的大战显中得愈发被动。

Meta在AI竞赛中的困境并非一日之寒，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。这些因素相互强化，让它一步错、步步错。

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，更名并投入数百亿美元建设虚拟世界。这一决策导致两个严重后果：

首先，错失生成式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已领先一年。内部备忘录显示，OpenAI早在2022年就已采用H100，Meta直到2024年才开始大规模部署，严重拖慢模型开发进度。

其次，资源分散，元宇宙业务Reality Labs持续巨额亏损，2025年第一季度达42亿美元，消耗了本可用于AI的现金流。当Meta终于转向AI时，又面临“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，研究团队的大洗牌更动摇了Meta一以贯之的开源立场，其苦心经营的开发者生态面临流失困境。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在前期直接累积了严重的技术债务。

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，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。比如，Meta与竟对在算力上存在显著差异。而即便现在投入130万块GPU建设1GW算力集群Prometheus，也需要时间消化吸收。竞争对手如xAI的Memphis集群已开始产出Grok4等成果，形成代际差距。

另一方面，重学术轻产品的特点阻碍了商业化。Meta每年在研究上投入数十亿美元，产出数百篇顶会论文，却没有将其落地为用户买单的商业产品，就好比只烧钱、不赚钱，在AI竞赛中负重赛跑。

除了战略和技术，组织文化的混乱特质也让其难以形成稳定的技术路线。

内部人员爆料，Meta内斗严重化、技术路线割裂、抢功主义盛行，末位淘汰催生的恐怖情绪让员工核心驱动力从技术创新异化为“避免被裁”，不少热衷研究的核心人才离职。收购Scale AI后，外来精英与原有团队产生摩擦，Alexandr Wang空降领导AI实验室，砍掉多个学术项目引发老团队不满。政策上，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、OpenAI的AGI口号形成鲜明对比，Meta的AI战略显得功利而短视，更多是应对竞争而非引领创新。而这某种层面，也源于扎克伯格领导的一言堂风格。

可见，Meta其实已经危机四伏，即便加码投入，也需要时间消化吸收。但同时，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，在哪？

历史表明，技术范式转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新贵颠覆的困境。

但它的核心问题不在于资源匮乏，而在持续摇摆带来的危机：既失去先发优势、又缺乏后来者的灵活与专注。

如今，Meta正试图用最野蛮的方式翻盘：砸钱、抢人、堆算力。短期内，它仍可依靠其规模优势维持一定地位。但长远来看，若不解决根本问题，很可能重蹈元宇宙的覆辙，巨额投入落空。

要扭转局面，Meta需要的不只是金钱攻势，而是从内部发力的几个变化。

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在上半年的丑闻频出一定程度上是因为心态崩了，眼看着各家大模型以神速迭代，DeepSeek等AI新秀刷新榜单，研究团队甚至不惜测试作弊向观众卖好。如今，Meta仍在开源与闭源之间犹豫，甚至可能放弃Behemoth模型。这种模糊立场或将引起更大争议。想要翻盘，Meta必须明确技术路线：若坚持开源，则强化Llama生态，绑定PyTorch开发者，成为AI基础设施提供商（类似Red Hat模式）；若转向闭源，则聚焦企业AI服务等高利润场景，但需承受社区反弹风险。

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研究长期偏学术，而竞争对手更注重工程化能力，需要设立“产品－研究”联合团队，打破传统壁垒。研究流程上，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；产品上线后，利用Meta庞大的用户行为数据（如20亿日活社交互动）训练模型，而非依赖纯学术数据集；未来，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。下一步，公司要赋予AI实验室更高自治权，类似Google DeepMind，让团队独立运作，减少管理层干预。同时，优化人才激励，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。需要注意的是，团队要吸取教训，在AI、元宇宙、硬件之间明确优先级，避免资源分散。

而至于它究竟能不能挺过转型阵痛，关键就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。

当然，如果继续自乱阵脚，Meta的AI黄昏或许将正式到来。