扎克伯格那篇 AI 宣言读完，我只想问一句
一、权重开放 ≠ 生态开放
Llama 3.1 405B 参数量摆在那，单卡 H100 跑不动，量化到 4bit 还得 200GB 显存。普通开发者拿到权重能干嘛？微调？全参数微调起步 8 张 H100，LoRA 虽然省钱，但上下文窗口一拉长、任务一复杂，效果立马打折。Meta 自己内部跑推理用的是定制版 MTIA 芯片加推理优化栈，这些工程红利有多少回馈给社区？vLLM、TensorRT-LLM、SGLang 这些真正让模型跑起来的东西，哪个是 Meta 主导维护的？
二、数据护城河才是核心，模型只是副产品
扎克伯格在信里反复强调「数据优势」，这才是实话。Instagram、WhatsApp、Facebook 每天产生的多模态交互数据，才是 Meta 真正的护城河。模型架构早晚会被复现，Transformer 变体也就那么几种改法；唯有持续不断的高质量人类反馈数据，能让下一代模型在 RLHF 阶段拉开差距。开源模型权重，本质上是在用「免费基座」换取全球开发者帮忙做红队测试、发现边缘 case、贡献微调数据——这笔账算得精着呢。
三、商业化路径依然模糊
宣言里提到「AI 将成为新的计算平台」，可 Meta 至今没拿出一个像样的 ToC 入口。Ray-Ban Meta 智能眼镜出货量勉强过百万，Quest 头显更是小众中的小众。没有硬件入口锚定用户心智，再强的模型也只是云端 API 的一环。反观 OpenAI 虽闭源，但 ChatGPT 已经成了「AI」的代名词；Anthropic 靠 Claude 在编码场景建立口碑。Meta 现在的处境很尴尬：既想做基础设施供应商，又缺乏直接面向用户的产品抓手。
四、真正的开源样板在别处
想看真·开源生态，去看看 Qwen2.5 系列、Nemotron 3 Ultra、甚至 DeepSeek-V2.5。阿里、英伟达、深度求索不仅开权重，还开训练代码、开数据处理管线、开评测基准、开部署方案。Qwen2.5-72B-Instruct 量化后单张 3090 就能跑，推理速度配合 vLLM 能到 50+ token/s，这才是给普通开发者留活路。Meta 的「开源」更像是战略防御姿态——防止被闭源巨头垄断话语权，顺便压低行业准入门槛，让广告业务多喘几年气。
写到这不想再展开了。扎克伯格的宣言写得再漂亮，改不了一个事实：Meta 在 AI 时代最缺的不是模型权重，而是把技术变成用户日常刚需的产品能力。开源可以是战术，不能是战略全部。
