当前位置: 首页 > news >正文

从 Llama 到 Avocado:Meta 转向中的 AI 战略引发内部困惑

每周跟踪AI热点新闻动向和震撼发展 想要探索生成式人工智能的前沿进展吗?订阅我们的简报,深入解析最新的技术突破、实际应用案例和未来的趋势。与全球数同行一同,从行业内部的深度分析和实用指南中受益。不要错过这个机会,成为AI领域的领跑者。点击订阅,与未来同行! 订阅:https://rengongzhineng.io/

Zuckerberg 曾经对 Llama 充满信心,如今却只字未提

Meta CEO 马克·扎克伯格曾在去年高调宣称,公司的 Llama 大模型系列将成为“业界最先进的模型”,并“把 AI 的益处带给所有人”。

今年 1 月财报会议上,他仍大篇幅谈论 Llama,但在 10 月财报电话会上,Llama 仅被提及一次。公司内部原本对开源 Llama 的执着,如今已转向另一套截然不同的 AI 计划——包括以数十亿美元的代价从行业挖人,以对抗 OpenAI、Google 和 Anthropic。

随着 2025 年接近尾声,内部人士与行业专家表示,Meta 的 AI 战略变得支离破碎,进一步强化了外界对其落后于 AI 竞争对手的印象——尤其是在消费者与企业市场上,对手的模型迅速占领份额。


Meta 正秘密打造 Llama 的继任者——代号 Avocado

据 CNBC 获悉,Meta 正研发一款新的前沿 AI 模型,代号Avocado

知情人士表示:

  • 许多员工原本预计这款模型会在年底前发布;

  • 但现在计划推迟至2026 年第一季度

  • 模型仍在处理训练与性能测试,以确保正式亮相时能获得良好评价。

Meta 发言人回应称:

“我们的模型训练进展符合计划,没有出现重大时间调整。”


华尔街质疑 Meta:巨额投入后仍未看到回报

今年 Meta 股价表现不及科技大盘,落后于 Google 母公司 Alphabet。

今年 6 月,Meta 花费143 亿美元挖来了 Scale AI 创始人 Alexandr Wang 与其团队,并在随后提高了 2025 年资本支出预期(从 660–720 亿美元上调至 700–720 亿美元)。

KeyBanc 分析师评价:

“Meta 从年初的 AI 领跑者,变成了如今投资规模和回报皆受质疑的公司。”


Meta 的难题:广告业务太成功

Meta 的核心业务依然是数字广告。

  • 每年广告收入超过1600 亿美元

  • 依靠 Instagram 的增长与 AI 驱动的精准投放,广告收入仍以 **20%+**的速度成长

  • 投资者称赞 Meta 用 AI 提升效率、降低冗余

但扎克伯格的野心远不止广告,而负责推进未来 AI 蓝图的新团队,在广告领域毫无背景。

扎克伯格强调:

不进行大规模押注,就可能在 AI 时代被边缘化。


从“开源信徒”到谨慎收缩:Meta 正重新审视 Llama 开源策略

Meta 的独特优势原本是 Llama 的开源策略,让研究者和开发者能够自由下载模型权重并改进。

扎克伯格曾在 2024 年 7 月写道:

“虽然许多公司在研发封闭模型,但开源正在迅速缩小差距。”

但随着Llama 4 发布失败、开发者不买账,这种态度开始动摇。

7 月,扎克伯格表示:

必须更严谨看待风险,并慎重决定哪些部分继续开源。

知情人士透露:

  • 新模型 Avocado 很可能是封闭的,模型权重不会再被自由下载;

  • 部分员工对中国实验室 DeepSeek 在今年 R1 模型中采用 Llama 架构感到不满,这进一步强化了收紧开源策略的声浪。

此外,Meta 今年新成立的 Meta Superintelligence Labs(MSL)内部,也有领导者质疑开源路线,主张构建更强大的专有模型。


Llama 4 失利引发内部震动:20 年老臣不再负责 AI 单元

消息人士称,Llama 4 的失败是促使扎克伯格转向的重大转折点,并导致内部结构调整:

  • 20 年资深老将、首席产品官 Chris Cox 被撤出 AI 部门(GenAI 单元)的管理。

随后,扎克伯格展开了一场高价 AI 人才抢夺战


扎克伯格押注外部人才:Scale AI 创始人成 Meta 新 AI 负责人

扎克伯格相中 28 岁的Alexandr Wang(Scale AI 创始人),任命其为 Meta 首席 AI 官,并领导一个名为TBD Lab的精英团队。

Avocado 模型正由 TBD Lab 负责开发。

此外还有:

  • GitHub 前 CEONat Friedman(负责产品与应用研究)

  • ChatGPT 共同创造者Shengjia Zhao(赵昇佳)

这一批人带来了硅谷最先进的前沿模型研发方式,彻底颠覆了 Meta 内部原有的软件开发流程。


竞争对手全面提速,Meta 感受巨大压力

谷歌在上月发布了Gemini 3,获得良好评价。
OpenAI 刚更新了GPT-5
Anthropic 则在 11 月发布Claude Opus 4.5

分析师对 CNBC 表示:

没有绝对领先的模型,但要保持领先,每家公司都必须大量砸钱。

其中大部分资金最终流向了英伟达(Nvidia)

英伟达 CEO 黄仁勋在 11 月财报会上直接点名主要客户:

“我们运行 OpenAI、Anthropic、xAI、Gemini……我们运行所有人。”

唯独没有提到 Llama


Meta 内部工作强度飙升:70 小时工作周成常态,AI 部门裁员不断

为了重获竞争力,Meta 多个 AI 单位经历高压:

  • 工作周普遍70 小时

  • 多次裁员与重组

  • 10 月 MSL 裁撤600 个职位

裁员影响了 FAIR(基础 AI 研究部门)等团队,也促使 Meta 首席 AI 科学家Yann LeCun(杨立昆)离职创业。


Meta 的管理文化被彻底改造

扎克伯格此次大胆启用外部人才——而非传统的内部晋升路线——在 Meta 内部属于重大文化转折。

知情人士表示,Wang 和 Friedman 的工作风格与 Meta 传统开放、透明、内部社交平台 Workplace 的文化截然不同:

  • TBD Lab 成员不使用 Workplace

  • 甚至不在系统内

  • 团队运作方式如同一家独立初创公司

尽管如此,扎克伯格仍保留部分控制:

  • 元老级 VPAparna Ramani负责协调 MSL 的算力资源

  • 原元宇宙业务负责人Vishal Shah被调任为 AI 产品副总裁,与 Friedman 合作

Meta 已确认,将削减 VR 与元宇宙业务资源,转向支持与 EssilorLuxottica 合作的AI 眼镜


“Demo,别写备忘录”:Meta 的软件开发模式被全面重写

消息人士称,最突出的冲突发生在软件开发流程上。

Meta 传统开发方式需要多个团队协作,确保统一的用户体验。但内部许多工具并不支持基础模型的开发需求。

Friedman 认为这些是拖慢 AI 研发的瓶颈,并推动 MSL 使用能与多模型与 AI 编程智能体协作的新工具。

Lovable CEO Anton Osika 在一场峰会上表示:

“他们(Meta AI 团队)现在的口号是:‘Demo,不要 memo(演示,不要备忘录)’。”

Meta 的财务团队已用 Lovable 工具更快构建内部应用,用于员工统计与规划。


Meta 向外部云服务靠拢,同时筹建巨型数据中心

Meta 正与第三方云服务合作,例如:

  • CoreWeave

  • Oracle

同时继续建设大型数据中心。

今年 10 月,Meta 宣布与Blue Owl Capital成立合资企业,投资270 亿美元建设位于路易斯安那州的巨型Hyperion 数据中心。Meta 表示,这将提供建造速度与灵活性,以支持公司长期 AI 目标。


尽管面临重重挑战,扎克伯格仍信心满满

在 10 月财报会上,扎克伯格表示:

“我们已经建成行业中人才密度最高的实验室。”
“我们正全力开发下一代模型与产品,并将在未来几个月分享更多消息。”

http://www.cnnetsun.cn/news/1747.html

相关文章:

  • Seedream-4.0:新一代生成式 AI 框架的技术深度与实践落地
  • 快餐连锁大亨
  • AXI-A7.2 Multi-copy write atomicity
  • AXI-A7.3 Exclusive accesses
  • AXI-A7.3.2 Exclusive access from the perspective of the Manager
  • 保姆级教程:Anaconda+Cuda+Torch+Pycharm配置指南
  • MaixCAM学习(七)寻找色块
  • 物联网通信仿真:物联网应用案例_(19).物联网低功耗广域网仿真案例
  • 物联网通信仿真:物联网应用案例_(20).物联网机器学习与人工智能仿真应用
  • 物联网通信仿真:物联网应用案例_(21).物联网通信仿真的挑战与未来趋势
  • 通信系统仿真:多天线技术仿真_(1).多天线技术基础
  • 通信系统仿真:多天线技术仿真_(4).信道建模与仿真
  • 通信系统仿真:多天线技术仿真_11.多天线系统的性能评估指标
  • 通信系统仿真:多天线技术仿真_(18).多天线技术的最新进展
  • 通信系统仿真:多天线技术仿真_15.多天线技术的物理层安全增强
  • 通信系统仿真:光通信系统仿真_(4).光调制技术
  • 【网络安全工具】抓包工具 Wireshark vs Sniff Master:从功能差异到场景适配的超详细对比分析,新手必看
  • 【零基础学 CTF】网络安全 CTF 是什么?有何学习意义?新手入门必备指南与实战技巧
  • IT 技术人员转岗网络安全前景如何?零基础从入门到精通的学习路线 + 实战资源,收藏这一篇就够了
  • DNS 污染有多可怕?别让它悄悄毁掉你的网络安全!如何判断 DNS 是否被污染?
  • 十年安全人深扒:黑客不碰赌博网站的底层逻辑,怕报复只是借口,68% 反溯源率 + 双重罪名才是真正劝退点
  • 35 岁后运维工程师的出路究竟在哪?零基础从入门到精通的完整学习路径,这一篇收藏好就够用
  • 【程序员出路】开发岗位竞争激烈?转型网络安全渗透测试工程师:技能迁移方法 + 认证考取攻略,新手也能上手
  • 程序员 90 天转型黑客实战指南:从开发思维到网络安全攻防
  • Web 渗透测试全流程零基础入门:核心概念 + 实操步骤 + 工具使用,一篇文章搞定所有知识点
  • 【运维人转型忠告】别再头脑发热胡乱转行!血泪经验总结,能骂醒一个算一个
  • 项目总延期、资源总冲突?一套系统让项目从“失控”到“可控”,你信吗?
  • 3 小时搭个「轻量项目管理系统」,进度、责任、风险全看透
  • 3 小时搭建高效 OA 系统:打破繁琐魔咒,让管理回归简单
  • 质量管理:不止于 “挑错”,更在于 “筑基”