Meta AI的开源赌注刚刚击碎了竞争对手的商业模式

在门洛帕克一处庞大的办公园区内，一个研究团队正在重写人工智能的规则。他们在写着“Meta AI”的横幅下工作。短短三年内，这个部门已从企业AI实验室转变为全球最具影响力的开源AI组织。gpt-56-is-here-three-models-a-tiered-safety-doctrine-and-the-question-nobody-is-answering-yet

这一转变悄然开始。2023年2月，Meta发布了LLaMA-1，当时它是一个仅供研究使用的模型，采用非商业许可。技术社区，因渴望不附带OpenAI API限制的大型语言模型，对其进行了深入研究。数周内，泄露的权重催生了一个微调变体的定制化产业。该公司看到了它意外制造出的东西：一个平台。

如今，Meta AI是一项价值数十亿美元的业务，涵盖研究、产品和基础设施。其模型, , LLaMA-2、LLaMA-3以及最近泄露的LLaMA-4, , 已被下载了数亿次。但真正的故事不在于模型本身，而在于Meta AI的工作方式。

开源引擎内部

Meta AI的结构不同于任何其他主要AI实验室。Google DeepMind以准学术机构的形式运作，OpenAI则作为产品优先的公司运行，而Meta AI是一个混合体：一个嵌入社交巨头内部的研究实验室，既要产出同行评审的科学成果，也要产出可部署的模型。gemma-4-is-googles-quiet-answer-to-open-weight-reasoning

该团队由首席AI科学家、图灵奖得主Yann LeCun领导，他长期主张开源AI是实现安全和民主化发展的唯一途径。LeCun的影响力渗透到实验室的文化中。“我们不相信囤积知识，”一位高级研究员告诉我们。“如果我们解决了一个问题，世界理应看到是如何解决的。”

这一理念背后有惊人的计算资源支撑。摩根士丹利估计，Meta拥有的NVIDIA H100 GPU数量超过地球上任何其他组织，超过60万块，并且运营着多个定制构建的超算集群，包括RSC（研究超级集群）和新宣布的AI研究超级集群-2。每次模型训练运行消耗数兆瓦电力，耗时数周。

但最关键的还是人的因素。Meta AI雇佣了大约1200名研究人员，包括数十名来自顶尖机构的博士。许多领军人物来自学术界：LLaMA系列论文的作者、强化学习从人类反馈（RLHF）专家以及多模态系统专家。该实验室积极从Google Brain和DeepMind挖角，提供有竞争力的薪资，同时提供更罕见的东西：亲眼看到自己的工作被数百万人使用的机会。

实验室的产出不是以收入来衡量，而是以采用率来衡量。LLaMA系列模型的许可协议，自LLaMA-2起升级为商业友好许可，已使这些模型成为基础设施。初创公司、企业、甚至竞争对手的实验室都在它们之上构建。“我们不是在销售令牌，”LeCun曾表示。“我们在销售未来AI得以构建的平台。”the-specialization-revolution-how-smaller-models-are-redefining-ais-future

模型背后的人

Meta AI的研究组织分布在四个主要枢纽：门洛帕克（总部）、纽约、匹兹堡和巴黎。由LeCun联合创立的巴黎实验室主要专注于基础研究，包括自监督学习和计算机视觉。匹兹堡团队，源于卡内基梅隆大学Chris Manning教授的实验室，专攻自然语言处理和RLHF。

最引人注目的研究人员之一是法国工程师Louis Martin，他帮助领导了LLaMA项目。Martin的团队以其务实的方法著称：他们宁愿今天交付一个90%完美的模型，而不是等到明年交付一个完美的模型。这种速度得益于一项名为“一日政策”的规则：任何内部模型必须能在新想法提出后的24小时内被任何研究人员运行。

但并非每个人都能在这样的环境中蓬勃发展。前研究员描述了一种产品压力持续存在的文化。“每个研究项目都必须证明自己与下一个产品发布的关系，”一位前团队负责人说。“高层不会说‘不发表就灭亡’，他们会说‘不发布就解释。’”这种好奇心驱动的研究与商业紧迫性之间的紧张关系，是Meta AI内部唯一的、定义性的摩擦点。

实验室的产品层面

Meta AI不仅制造模型，还将它们集成到每个Meta产品中。Facebook的信息流排名、Instagram的推荐引擎、WhatsApp的翻译服务，全都运行在Meta AI的基础设施上。该实验室还开发了公司的AI助手，目前可在Facebook、Instagram和WhatsApp Messenger上使用。

这种集成非常深入。每次用户滚动Instagram Reels时，一个轻量版的LLaMA-3会在毫秒内对候选内容进行评分。这种实时推理发生在Meta的定制“AI超级集群”数据中心内，这些数据中心每天共同执行百亿亿次浮点运算。microsofts-bet-on-small-models-for-agentic-ai-is-about-orchestration-not-knowledge

这种双重身份, , 研究实验室与产品部门, , 创造了独特的优势。产品团队为实验室提供了世界上最大的反馈循环：每天数十亿次交互，每一次都是模型正误的信号。没有其他AI实验室能够接触到如此规模的数据。

但这也带来了限制。研究项目必须与产品路线图保持一致，一些最激进的想法，如完全无监督系统或脑机接口，有时会被撤资或重新导向。LeCun对类似LangSmith的监控工具的公开批评, , 他称之为“死胡同”, , 部分正是这种紧张关系的表现。

开放性的微妙平衡

Meta AI的开源策略并非没有批评者。安全研究人员指出，完全开放的模型可能被武器化，而Meta的内部文件，在“Meta Papers”争议中泄露，显示该公司曾就是否包含防止恶意使用的护栏进行辩论。最终，公司选择发布没有安全过滤的模型，认为“开放性才是唯一有效的安全措施”，因为它允许社区识别并修复缺陷。

商业影响同样备受争议。通过免费提供模型，Meta有效地将基础模型层商品化，损害了按token收费的竞争对手如OpenAI和Anthropic的利益。“我们可以免费提供，因为我们的商业模式不依赖它，”Meta的首席技术官Andrew Bosworth在2024年的一次播客中表示。“我们的竞争对手做不到这一点。”anthropic-public-record-survey-reveals-widespread-bipartisan-fear-of-ai-job-loss-and-demand-for-government-regulation

这是一个悖论：Meta AI的慷慨也正是它的武器。该实验室的研究成果，发表在NeurIPS、CVPR和EMNLP等顶级会议上，为公司带来了学术信誉，而开源模型则削弱了竞争对手的收入。这一策略正在奏效：根据2024年11月GitHub的一项调查，LLaMA衍生品驱动的商业AI应用比任何其他开放模型都多。

路线图：接下来是什么

根据公开的招聘信息、专利申请以及对现有员工的采访，Meta AI的路线图包含三个主要赌注：

• 多模态LLaMA：一个能够同时处理文本、图像、音频和视频的统一模型，计划于2025年第二季度发布。早期测试显示，它在某些多模态基准测试上优于GPT-4V。
• 智能体系统：一个用于构建能够浏览网页、使用API并自主执行任务的AI智能体的平台。Meta已经发布了一个开源智能体框架的开发者预览版。why-parallel-agents-are-the-next-battleground-for-ai-orchestration
• 下一代硬件：代号“Artemis”的定制AI芯片，旨在减少对NVIDIA的依赖。首款芯片设计已定稿，预计于2025年底发布。

该实验室还在大力投资机器人技术，从波士顿动力和特斯拉招聘研究人员。LeCun认为机器人技术是AI的“终极测试”，而Meta AI正在构建一个名为Habitat-R的模拟环境，旨在虚拟环境中训练机器人，然后再部署到物理世界。

但真正的焦点仍是开源模型生态系统。根据内部文件，LLaMA-5将是一个拥有1.2万亿参数的稠密模型，使用超过100万亿个token进行训练。预计其性能将接近或超过GPT-5，同时保持免费和开放。

永不消退的争论

随着Meta AI加速发展，围绕其方法的争论也愈演愈烈。实验室的研究人员告诉我们，他们深感使命重大，但也意识到他们为一家主营业务是监控广告的公司工作。“我们为所有人构建工具，”一位研究员说。“人们用它们做什么是他们自己的责任。但是，是的，我考虑过这个问题。”

这种担忧不仅仅是哲学层面的。2024年，一个基于LLaMA-2构建的开源模型被用于在多个新兴市场的选举中生成虚假信息。Meta的回应, , 一份声称“开放性有助于更快检测”的声明, , 未能让许多批评者满意。该公司后来增加了一个“负责任AI”审查流程，但开放性与安全性之间的紧张关系仍未解决。

目前，Meta AI正以惊人的速度前进。该实验室发布、交付并免费提供其他实验室收费数百万美元才能使用的模型。它通过提供科学自由和世界级的影响力来招募最优秀的人才。它在一个单一、持续的问题下运作：一家盈利性的社交媒体公司能否成为开源智能的最佳管理者？

没有简单的答案。但在实验室内部，研究人员继续工作，模型不断改进，开源社区持续构建。这个实验本身，就是一种正在进行中的模型，一个旨在生产更多AI系统的AI系统，并附带了所有相关的潜力和风险。no-ai-is-not-a-rival-mind-it-is-an-extension-of-ours