序列觀點 #896：Spark、計算與兩個Meta

上週四，馬克·扎克伯格三年來首次在X上發帖。這一舉動本身就能說明問題。其背景是Meta超級智慧實驗室釋出了第二個模型Muse Spark 1.1，這也是Meta首個帶有價格標籤的模型。它提供了公共API，定價為每百萬輸入tokens 1.25美元、每百萬輸出tokens 4.25美元，相容OpenAI的端點，並採用閉源權重。請再讀一遍最後一點。這家花了三年時間宣揚開源權重是AI道德和戰略高地的公司，剛剛透過付費API釋出了一個專有前沿模型，而CEO則從三年的社交媒體隱退中迴歸來宣佈這一訊息。這標誌著Meta AI戰略的徹底轉變，從開放研究轉向商業化產品。

Spark 1.1並非孤例。兩天前，Meta釋出了Muse Image，這是其新實驗室的首個影像生成模型。一週前，有報道稱Meta正在建設一項雲業務，內部稱為Meta Compute，旨在向外部客戶出售過剩的AI基礎設施。再加上正在走向量產的定製MTIA晶片，整體圖景已經清晰：在大約18個月內，Meta從一個附帶廣告業務的開源權重研究機構，轉變為一家組裝完整垂直堆疊的公司。晶片、資料中心、雲、模型、API、應用、裝置。此前只有谷歌同時擁有所有這些能力。Meta正在模仿谷歌的垂直整合模式，但目的並非僅僅成為另一個谷歌，而是為了在AI領域佔據主導地位。

因此，問題自然浮現：Meta真的能競爭過前沿實驗室嗎？誠實的答案是，這其實是兩個問題，答案各不相同。在模型與使用者互動的應用和代理層面，Meta憑藉其龐大的使用者基礎（Facebook、Instagram、WhatsApp）和產品整合能力，可能是最受歡迎的。但在模型構建層面，即訓練前沿基礎模型，證據薄弱，結構性論證也對Meta不利。大型語言模型的訓練需要鉅額資本支出、頂尖研究人才和大量的工程實驗，而Meta在這些方面尚未展現出與OpenAI、Anthropic和Google DeepMind同等的實力。此外，Meta的組織結構和文化是否適合長期、高風險的AI研究也存在疑問。本文對兩方面進行了充分論證，因為兩方面都值得探討。