Meta豪擲143億美元押注AI主管王亞歷山大 首年挑戰重重

距離Meta以143億美元押注王亞歷山大（Alexandr Wang）已過去一年，該公司終於推出首款自研AI模型——但在這場「第二名就要付出真實代價」的競賽中，仍落後於OpenAI、Anthropic和Google。

Meta於2025年中任命王亞歷山大為AI主管，這是科技業史上最昂貴的高管聘用案。這筆巨額薪酬反映了馬克·祖克柏（Mark Zuckerberg）在多年優先發展元宇宙之後，急欲追趕生成式AI浪潮的迫切心態。十二個月過去，該公司終於推出了第一款自研大型語言模型，但根據Edgen審閱的基準測試比較，與前沿實驗室之間的差距並未顯著縮小。

「Meta在一個領先者不但沒有停下、反而在加速的賽局中奮力追趕，」Conviction Capital創辦人、前Greylock合夥人Sarah Guo表示，她自2022年起便持續追蹤AI投資週期。「問題在於，143億美元買到的是入場券，還是僅僅一張參賽門票。」

內部的動盪局勢相當嚴峻。祖克柏在6月的一份內部備忘錄中承認，Meta在轉向AI導向的勞動力結構過程中犯下了錯誤，其中包括全球裁員10%，以及將7,000名員工重新分配至AI相關工作。公司新成立的應用AI工程部門實施了扁平化管理結構，管理幅度高達每位經理對應50名個別貢獻者，前員工形容這種配置相當混亂。此外，Meta積極從競爭對手的實驗室高薪挖角，包括來自Google Brain和DeepMind的研究人員，但隨後多位高層離職，進一步打擊了團隊士氣。

模型差距依然巨大

據知情人士透露，Meta首款尚未公開命名的自研模型，在MMLU基準測試中得分約在85分左右。相比之下，OpenAI的GPT-5、Anthropic的Claude 4以及Google的Gemini 2.5 Ultra得分均超過90分。在HumanEval等程式編寫基準測試上，差距更為明顯，Meta的模型落後約10個百分點。

性能落後並非純粹技術問題。OpenAI和Anthropic在2025年各自募資逾100億美元，其中大部分用於運算基礎設施。Google DeepMind部門則受益於Alphabet透過2027年、規模超過500億美元的資料中心建設計畫。Meta雖然承諾每年投入超過400億美元的資本支出用於AI基礎設施，但其運算資源必須同時分配給訓練前沿模型以及為其社群平台提供推理服務——這些平台每天處理Facebook、Instagram和WhatsApp數十億次請求。

訓練成本進一步加劇了挑戰。單次前沿模型訓練可能需要25,000塊Nvidia H100 GPU連續運行90天，耗電量相當於數千戶家庭的年用電量。Meta的資料中心容量雖然快速擴張，但據三位前員工表示，仍無法滿足研究團隊的需求，導致內部排隊爭議，使訓練週期延誤數週。

祖克柏的轉向與勞動力衝擊

祖克柏在6月12日的內部備忘錄中承認，圍繞AI進行重組的複雜性「不可避免地導致了錯誤」。他強調Meta將優先進行內部調動而非進一步裁員，並將縮減經理監督職責的擴張。公司還計劃增加團隊建設活動的投資，包括7月的大型黑客松活動以及更高的企業活動預算。

裁員對中階經理和軟體開發人員的打擊尤為嚴重，他們是2026年初宣布裁減8,000個職位的主要受影響群體。Meta已在AI相關職能部門開設新職位以吸納被裁員工，但過渡過程並不均衡。部分團隊流失了經驗豐富的工程師，換來的是具備AI專長的初階員工，這種技能錯配拖慢了專案進度。

更廣泛的背景是，Meta的AI戰略承擔著異常高的風險。該公司核心廣告業務去年創造超過1,600億美元營收，祖克柏已將公司下一階段增長押注於AI驅動的功能——從自動化廣告創作到AI生成內容推薦。如果Meta的模型無法匹敵競爭對手的品質，風險不僅是技術上的邊緣化，更可能侵蝕支撐整個企業的廣告收入。

Meta AI願景的下一步

祖克柏表示，Meta今年預計不會再進行大規模的全公司裁員，但他也警告，科技產業瞬息萬變的本質使得任何保證都難以兌現。該公司下一個重要里程碑是7月的黑客松活動，屆時將展示內部AI專案，這可能預示Meta將優先推動哪些產品方向。

對投資人而言，計算方式相當直接。Meta本益比約為預期獲利的23倍，低於Alphabet的26倍，但高於整體標普500指數。投入王亞歷山大的143億美元約占Meta年度自由現金流的9%——這項押注尚未產出具競爭力的模型，但已消耗了本可部署於其他領域的資源。微軟與OpenAI的合作以及Google的內部開發，都提供了不同的AI競爭模式，而這兩種模式都不需要花費數百億美元聘用單一高階主管。

未來六個月將決定王亞歷山大的任期是被視為一項大膽且成功的押注，還是一次代價高昂的偏離。Meta的首款自研模型只是概念驗證，而非產品。該公司需要在基準測試、每次Token推理成本以及開發者採用率上都拿出具有競爭力的產品——而且必須在OpenAI和Google的下一代模型將當前的差距變成一條鴻溝之前做到。

本文僅供資訊參考，不構成投資建議。