序列观点 #896：Spark、计算与两个Meta

上周四，马克·扎克伯格三年来首次在X上发帖。这一举动本身就能说明问题。其背景是Meta超级智能实验室发布了第二个模型Muse Spark 1.1，这也是Meta首个带有价格标签的模型。它提供了公共API，定价为每百万输入tokens 1.25美元、每百万输出tokens 4.25美元，兼容OpenAI的端点，并采用闭源权重。请再读一遍最后一点。这家花了三年时间宣扬开源权重是AI道德和战略高地的公司，刚刚通过付费API发布了一个专有前沿模型，而CEO则从三年的社交媒体隐退中回归来宣布这一消息。这标志着Meta AI战略的彻底转变，从开放研究转向商业化产品。

Spark 1.1并非孤例。两天前，Meta发布了Muse Image，这是其新实验室的首个图像生成模型。一周前，有报道称Meta正在建设一项云业务，内部称为Meta Compute，旨在向外部客户出售过剩的AI基础设施。再加上正在走向量产的定制MTIA芯片，整体图景已经清晰：在大约18个月内，Meta从一个附带广告业务的开源权重研究机构，转变为一家组装完整垂直堆栈的公司。芯片、数据中心、云、模型、API、应用、设备。此前只有谷歌同时拥有所有这些能力。Meta正在模仿谷歌的垂直整合模式，但目的并非仅仅成为另一个谷歌，而是为了在AI领域占据主导地位。

因此，问题自然浮现：Meta真的能竞争过前沿实验室吗？诚实的答案是，这其实是两个问题，答案各不相同。在模型与用户交互的应用和代理层面，Meta凭借其庞大的用户基础（Facebook、Instagram、WhatsApp）和产品整合能力，可能是最受欢迎的。但在模型构建层面，即训练前沿基础模型，证据薄弱，结构性论证也对Meta不利。大型语言模型的训练需要巨额资本支出、顶尖研究人才和大量的工程实验，而Meta在这些方面尚未展现出与OpenAI、Anthropic和Google DeepMind同等的实力。此外，Meta的组织结构和文化是否适合长期、高风险的AI研究也存在疑问。本文对两方面进行了充分论证，因为两方面都值得探讨。