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。
免责声明：此文内容为第三方自媒体作者发布的观察或评论性文章，所有文字和图片版权归作者所有，且仅代表作者个人观点，与极客网无关。文章仅供读者参考，并请自行核实相关内容。投诉邮箱：editor@fromgeek.com。
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。
