Meta 砸了几百亿美金在 AI 上真的毫无建树吗

最近看到一些媒体在唱衰 Meta，说它在 AI 领域几乎没东西可展示，这种观点其实是陷入了“Demo 崇拜”的误区。很多人习惯于看一个惊艳的视频演示或者一个能对话的机器人就判定谁是赢家，但如果把视角从产品 Demo 切换到资本开支、开源生态和商业闭环这三个维度，你会发现 Meta 正在构建一个极其恐怖的 AI 护城河。

首先，我们得聊聊那些被很多人忽略的真金白银。Meta 在 AI 上的资本支出是实打实的，而且规模之大令人心惊。根据最新的财报指引，Meta 2024 年的资本支出预算已经冲到了 370 亿到 400 亿美元这个区间。在商业世界里，董事会绝不是慈善机构，如果一个公司每年烧掉近 400 亿美金却真的“nothing to show”，管理层早就被踢出局了。这种规模的投入不仅是买 H100 显卡，更是对整个算力集群和数据管线的基建升级。

其次，最能体现 Meta 战略野心的是 Llama 系列。很多人习惯于对比 GPT-4 的全能性，却忽略了 Llama 3 在开源社区扮演的“底座”角色。在 HuggingFace 上，基于 Llama 3 微调的衍生版本多到数不过来。现在的局面是：绝大多数 AI 创业公司在做私有化部署或垂直领域微调时，首选的底座模型往往就是 Llama。Meta 实际上是在用开源策略定义行业标准，通过让全世界的开发者帮它优化模型、修 Bug，从而在事实上掌控了开源大模型的生态话语权。这种影响力是任何一个封闭式 API 接口无法比拟的。

但最核心、最能让 Meta 产生实际利润的 AI 成果，其实隐藏在它的广告推荐系统中。大多数人关注的是聊天机器人，但 Meta 真正赚钱的 AI 是那个每天为数十亿用户精准喂养内容的算法。AI 对信息流匹配度的提升，直接转化为了广告营收的增速。对于广告主来说，精准度提升 1% 带来的就是数以亿计的预算增加。做过投放的人都知道，Meta 现在的推荐算法效率极高，这背后正是其大规模 AI 基础设施在支撑。

很多媒体，比如 Futurism，习惯于盯着没有“惊艳 Demo”就判定失败，这就像是只看了餐厅的菜单还没上菜，就断言厨师不会做饭。Meta 确实还没有拿出一个能够定义 AGI 的终极答案，但它已经完成了从算力储备、生态布局到商业变现的完整闭环。

总结来看，Meta 的逻辑很清晰：用巨额资本开支构建算力底座，用 Llama 3 这种开源模型抢占开发者心智，最后将 AI 能力内化到广告推荐系统中实现商业收割。在这种深层的战略布局面前，几个花哨的 Demo 真的不重要。数据的姿势和媒体报道的姿势，总有一个是躺着的，而我更倾向于相信财报和下载量。