为什么要退后一步？

一周前，这一消息在硅谷爆炸：Meta偷猎Ruoming，AI模型团队负责人的负责人，在四年内高合同为2亿美元，并成立了一个超级聪明的实验室，并承诺重返AI竞赛。但是，在为人才大战的斗争背后，据说是一个苛刻的事实 - 据说梅塔（Meta）在通往AI的途中持续失去。 Llama 4模型的表现比预期的要差，并由开发人员要求作弊。庞然大物模型被延迟，内部测试的结果模糊。为AI R＆D提供现金流的广告业务的背景为70亿美元，Temu和Shein由于特朗普的关税政策而大大降低了预算...为什么元元的道路变得更狭窄，更狭窄？扎克伯格（Zuckerberg）的100亿美元是梅塔（Meta）的绝地反击或其他变化 - 我们预测失败？扩展全文 作为社会的完全霸主Al Media时期，Meta曾经分享了该行业中最高的资源。该研究团队由Yang Lakun等领先的科学家领导，资金由1000亿美元的广告业务提供支持。 但是，令人惊讶的是，在您不得不赚很多钱来接人的情况下，它在步骤步骤中失败了？让我们回去。 Meta在2010年领导了AI研究，并推出了Pytorch等主流研究工具。但是，与Google Tensorflow和Microsoft Azure AI不同，元研究已经在学院进行了很长时间，而不是获得了将技术商业化的机会。 2022年，在上升的生成AI的前夕，Meta于3月在Openai面前推出了聊天机器人，可能是第一个选择火炬的人。不幸的是，由于频繁的错误信息输出，Blenderbot 3和Galactica被从架子上删除。同时，杨·夸恩（Yang Likun）对大语言模型的公众怀疑进一步加剧了策略C秋千，这导致他错过了Chatgpt。 从2023年到2024年，当其他公司抗议大型模型时，扎克伯格的《元网络战略》（Metauniverse All Metauniverse Strategy）传播了资源，导致了落后的计算强度布局。 在2025年发生的失败的第一阶段累积的冲突。美洲驼4的表现不佳，开发商被要求进行“特殊作弊”，主要才能丢失了。大型庞然大物模型被延迟，内部测试的结果模糊，并宣布可以遗留下来。在商业化方面，META的太阳活跃用户仅为450,000，这与其大型社交平台的测量相比之下20亿日至日期活跃用户，小于Chatgpt；特朗普政府对中国的关税征收的征收并不是一回事，导致Temu和Shein等主要的广告商大大降低了预算，而元人的现金公牛遭受了重大打击。 fa扎克伯格（Zuckerberg 在才能方面，我们在短短一个月内花了很多钱才能从Openai的七名研发员工偷猎；在Infrastraktura的水平上，我们花费了数十亿美元的资金来投资计算能力，Prometheus的1GW建筑物和5GANG HYPERION SUPER w的W建造了自己的200MW天然气发电厂，以确保电力供应；在商业化方面，它考虑了放弃开放的庞然大物来源和封闭的资源开发，以寻找更清晰的货币化道路。 从早期的技术领导力到不情愿的Chatgpt，再到今天的疯狂目标，许多节点的连续失败导致Meta陷入了被Two-Tway挤压的困境三明治：向上挤压，不会破坏Google和Microsoft等旧Powerhouses的技术障碍；下来，它被诸如Openai和Xai之类的后来者抓住。 前面拦截的情况和追求造成的局势在AI期间，在这场战斗中，前巨人更加被动。 Meta在AI竞争中的困境并不是寒冷的一天，而是通过战略性虚假错误，技术债务以及组织和文化问题交织而产生的系统困难。这些因素互相加强，使一个步骤或一步错误。 2021年，当其他巨型技术人员开始部署生成性AI时，Meta充分估计了元评估，重命名和投资10亿美元，以形成虚拟世界。该决定有两个严重的后果： 首先，未获得生成AI的黄金时期。直到2023年2月在Chatgpt流行之后，Meta才建立了像Dream这样的特殊AI团队，Openai早年就早年就开始了。内部备忘录表明，OpenAI在2022年初采用了H100，直到2024年，Meta才开始大规模扩张，这严重降低了该模型发展的发展。 第二，拆卸资源，Metacosic Business Reality Labs的资源仍然遭受巨大损失，在2025年第一季度达到42亿美元，消耗可用于AI的现金流量。当Meta最终转向AI时，它面临着“不仅获得基础研究，而且还获得商业化”的双重压力，这导致了模糊的战略重点。 最近，研究团队改组更多地震撼了相同的开放式元资源，而痛苦的托管开发人员生态系统面临着损失的困境。从社交媒体到AI之后的Meta Universe Andande，Meta似乎正在寻找下一个增长点，但未能牢固地实施任何长期的方法。 这种犹豫的态度在第一阶段直接积累了严重的技术债务。 一方面，元是大约是AI的加法而不是变量，并且没有开放独立的商业化土壤，并且不断用于优化现有产品，例如广告。偏爱短TERM业务收益带来了一定数量的收入，但导致技术研发停滞不前，基础设施将被抛在后面。例如，元与对之间的计算强度存在显着差异。尽管有130万GPU投资用于建造1GW计算能力集群Prometheus，但要溶解和吸收需要时间。 XAI孟菲斯集群等MGA竞争对手开始产生Grok4和其他结果，形成了世代相传的差距。 另一方面，专注于学院和忽略产品的特征阻止了商业化。 Meta每年投资数十亿美元的研究，并生产数百份前季论文，但它并没有实施用户支付的商业产品，就像饮料一样，不赚钱，没有赚钱，并且在AI竞争中进行比赛。 除了方法和技术外，组织文化的混乱性还使得这很难稳定的技术路线。 内部人员宣布，元数据之间的怀孕变得更加严重，技术路线被分割了，由于最后一个地方的去除而造成的恐怖主义改变了主要的驱动力NG员工从现代技术到“避免被淘汰”，许多重要的人才也被抛弃了。在获得规模AI之后，外国精英与原始团队发生了争议。 Alexandr Wang机载领导AI实验室并削减了许多学术项目，这给旧团队带来了不愉快。根据该政策，对顶级人才的元股权激励措施通常与短期股票价格有关，这可能会鼓励风险获取而不是可靠的研究。 与硅谷任务和Openai Agi口号驱动的传统任务形成鲜明对比的是，AI的AI方法似乎是功利主义和短暂的，而更多地是关于应对竞争而不是领导变化。这个级别也来自一个男人的风格。 可以看出，元数据确实充满了危险，即使它增加了投资，也需要时间来溶解和吸收。但与此同时，其竞争对手仍在加速。那么，在问题深处的元元素中有什么办法可以打破僵局？如果是这样，在哪里？ 历史表明，技术范式的转变通常伴随着巨型技术的改组。社交媒体期间的Meta成功推翻了传统媒体，现在面临着成为AI Upstarts倒塌的困境。 但是它的主要问题不是缺乏资源，而是由不断的挥杆造成的危机：第一移动的优势是失去，以及后来者的灵活性和重点。 现在，Meta试图以最残酷的方式在桌子上 - 花钱，偷钱和存储计算能力。在短期内，它仍然可以维持证书通过依靠规模优势来ain位置。但是从长远来看，如果没有解决主要问题，它很可能会重复元宇宙错误，并使大笔投资失败。 为了旋转情况，元不仅需要进攻性的财务，而且需要从内部进行一些变化。 更改1：澄清技术路线，将“既有和期望”的方法留在秋千上，然后停止遵循变化的风格。 梅塔（Meta）在今年上半年的经常丑闻是由于精神崩溃。看到了基本模型的快速重复，诸如Deptseek之类的AI新秀刷新了列表，研究团队甚至尝试尝试将Tosell正确作弊。如今，在开放资源和封闭资源之间仍然有疑问，甚至可能离开庞然大物模型。这个不清楚的立场可能会引起更大的争议。为了创造卷土重来，元数据必须阐明这条技术路线：如果它坚持开放资源，它将加强骆驼生态系统，束缚pytorcH开发人员，并成为AI基础设施提供商（类似于红帽模型）；如果它打开了封闭的资源，它将重点关注诸如Enterprise AI Enterprise Services之类的高利润场景，但需要带来社区反弹风险。 更改2：专注于技术价值的转换，并从以产品为中心的纸转移到产品的实施 Meta's AI research has long been academic, while competitors provideAttention to engineering abilities and need to establish "production" the product research "joint team to break traditional barriers. In terms of the research process, we draw the Google and Deepmind's brain integration model, so that researchers can participate in product design, engineers interfere with optimization of the model, and eliminating the model's optimization, and eliminating the model, and eliminating the model, and eliminating the模型，消除模型，消除模型，并消除模式l，消除模型，消除模型，消除模型，消除模型，消除模型，消除模型，消除模型，消除模型，并消除模型向模型的旋转；超级计算集群等基础架构应优先考虑支持商业化路径的项目，而不仅仅是满足学术需求。 更改3：调整组织的结构，以避免扎克伯格的演出。 梅塔（Meta）对创始人的巨大希望导致了频繁的转弯技术。在下一步中，该公司将提供与Google DeepMind类似的自主权的Theai实验室，这使团队可以独立工作并减少管理干预。同时，我们可以优化人才激励措施，建立长期绩效系统，并将高管薪酬与AI产品的商业化相关联，而不是短期股票价格波动。应当指出的是团队ULD请注意这些课程，并阐明AI，Metavers和硬件之间的优先级以防止资源分散。 好像它可以在转型的疾病中生存下来，关键在于它可以澄清技术路线，保持战略决心并重建未来的工程文化。 当然，如果我们继续失去立场，AI的AI黄昏可能会正式到达。 回到Sohu看看更多