作为全球科技巨头，Meta正迎来其人工智能战略的关键转折点。面对OpenAI及DeepSeek等竞争对手在基础模型性能上的强劲挑战，Meta意识到传统的增量式人工智能策略已无法适应快速变化的行业格局。为了重新夺回领导地位，Meta CEO马克·扎克伯格果断进入“创始人模式”，亲自领导新的超级智能（Superintelligence）团队，从算力、人才和数据三大核心要素发起全面革新。 Meta令人震惊地收购了Scale AI的49%股份，估值约达300亿美元，这笔交易彰显了Meta日均1000亿美元现金流背后对未来AI技术的无上重视。扎克伯格不再满足于维持现状，放弃以往积累的传统数据中心设计，彻底推翻旧有框架，转而建设新型多亿元GPU集群即所谓的“帐篷”结构，追求极致的算力上线速度。 这些轻量化且模块化设计的“帐篷”式数据中心，抛弃了过去复杂冗余的设备和备份发电机，将重点放在快速部署和运行效率上。
借助附近的电网和创新型功耗管理系统，Meta能够最大程度利用每一瓦特电力甚至根据季节调控负载，令训练计算能力节节攀升。更令人瞩目的是，Meta在俄亥俄州打造的“普罗米修斯”集群结合自建园区和第三方租赁资源，辅以现场200兆瓦天然气发电设备，形成了所谓的“全包”基础设施战略，以确保算力的源源不断。 不仅算力布局大刀阔斧，Meta在人才抢夺战上更是力求突破常规。传统人工智能实验室的核心研究员和工程师如今纷纷收到Meta开出的震撼性薪酬报价——四年期间可高达2亿美元，这比同行业给出的待遇高出近百倍，甚至连OpenAI内的顶尖人才都不乏亿级报价却不为所动。扎克伯格本人亲自出马，建立极其紧凑且超密集的超级智能团队，吸引业内顶级人才加盟，形成了强大的“人才飞轮”，即顶尖人才的聚集吸引更多同级人才加入，攀升的新技术成果又进一步激励团队壮大。 在人员选拔和引进方面，Meta吸纳了如前GitHub CEO纳特·弗里德曼以及前Scale AI CEO亚历克斯·王等知名AI领域领导者，强化了从研究到产品落地的全链条实力。
此外，Meta还通过收购Scale进一步整合了高质量数据资源和评测技术，弥补了其数据质量方面的不足。 实际上，Meta此前的Llama模型家族虽然通过开源获得了广泛关注和应用，但Llama 4“Behemoth”版本在性能和训练过程中的诸多技术问题暴露出深层次的挑战。Meta在长序列上下文处理方面选择了“分块注意力”机制，这种设计虽然节省内存，但在跨块推理能力上存在盲点，限制了模型的链式思维与复杂推理能力。相比之下，行业主流采用滑动窗口注意力，能更好地维持上下文连续性和信息传播。此外，Meta在混合专家路由策略上经历了从“专家选择”到“令牌选择”的转换，造成训练和推理阶段效率阻碍。最为关键的是，模型的数据质量遭遇瓶颈，Llama 4训练所需数据量是Llama 3的三到四倍之多，但迈向内部爬虫数据的转型过程中，清洗与去重的工序未能经受考验，导致模型泛化和训练效果不如预期。
甚至与其他领先AI实验室广泛利用YouTube讲座等多模态数据不同，Meta此类多样化资源使用的缺失成为其技术成长的隐忧。 从另一个角度看，这一连串挑战凸显了超级智能的打造不仅依赖于资本和算力，更多在于数据策略和人才引进的协同创新。Meta已经深刻吸取教训，正在采用更加成熟的技术评估体系和训练验证机制。在产品方面，Llama 3中衍生出的Maverick和Scout中小模型通过知识蒸馏提升了运算效率，体现了Meta将弱点转为优势的能力，也预示着未来更高效模型迭代的可能。 宏观层面，Meta对应未来政策环境的利用同样精准。近期由美国政府推出的“一揽子美丽账单”（One Big Beautiful Bill）提供了针对大型云基础设施巨头的税收优惠，加速了Meta在AI基础设施扩展方面的投资决策。
对于超级智能的追求，已经具备类似“曼哈顿计划”般的战略高度，推动了技术之外的资本和政策双重利好。 对比OpenAI和Anthropic等纯AI实验室，Meta以广告业务稳定现金流为后盾，在资金投入与商业化平衡上具备独特优势。然而，正如Meta财报所述，过去主要侧重核心业务的资本配置，令其AI模型性能相较而言显得保守。扎克伯格的转变意味着Meta将加大资本开支比例向生成式AI倾斜，不仅限于产品迭代，更着眼于基础平台和超级智能底层技术的突破。 未来的几年，Meta计划在路易斯安那建设代号“Hyperion”的超级数据中心，预计总IT功率达2GW，届时将成为全球最大的单一数据中心园区。与此前Abilene的Stargate数据中心竞争，Meta意图以规模与技术优势实现弯道超车。
通过整合多处数据中心资源、高速互联网络以及最先进的硬件设计，Meta的算力边界正被不断推高。 总结来看，Meta超级智能战略是一场基于前沿科研、巨额资本和突破传统框架的全方位革新。算力架构从传统数据中心向快速部署的“帐篷”转变，人才引进进入顶峰竞赛状态，数据质量的重塑为模型迭代提供坚实保障，这三个核心环节形成了稳固的超级智能建设路径。扎克伯格的亲自主导更为项目注入决策效率和团队凝聚力。 站在全球AI技术竞争的风口浪尖，Meta的重启和再出发不仅是其自身商业模式的战略调整，也为AI产业发展提供了重要的观察样本。面对AI模型规模和复杂性的快速提升，未来亿级美元级别的人才安全和算力资源将成为赛场的新常态。
Meta能否最终重塑超级智能领域的领导地位，将取决于其能否在算力规模、人才密度和数据质量这三大天平上达到前所未有的平衡。 无论结局如何，Meta在超级智能领域的大胆试验和资源集中投入，已然成为全球科技行业最受瞩目的篇章之一。在这场AI的“ titanomachy”中，或许真正的胜利者将属于那些善于驾驭算力洪流、掌握人才引擎与数据资产的创新巨头。
