撰文：Ada，深潮 TechFlow
Pang Ruoming hadn't even settled into his seat at Meta before leaving.
在 2025 年 7 月，扎克伯格以總價超過 2 億美元的多年薪酬方案，從蘋果手中搶下這位 AI 基礎設施領域最搶手的華人工程師。龐若鳴被安排至 Meta 超級智能實驗室，負責搭建下一代 AI 模型的基礎設施。
7 個月後，OpenAI 將他挖走。
據 The Information 報導，OpenAI 對龐若鳴展開了長達數月的招募攻勢。儘管龐若鳴曾告訴同事「自己在 Meta 工作得非常愉快」，但最終還是選擇了離開。據彭博社報導，他在 Meta 的薪酬方案與里程碑掛鉤，提前離職意味著放棄大部分未兌現的股權。
2 億美元，買不了 7 個月的忠誠。
這不是一個簡單的跳槽故事。
一個人的離開，一群人的訊號
Pang Ruoming 不是第一個離開的。
上週，Meta 超級智能實驗室開發者平台產品負責人 Mat Velloso 也宣布離職，此人於去年 7 月從谷歌 DeepMind 離職加入 Meta，待了不到 8 個月。再往前推，2025 年 11 月，在 Meta 待了 12 年的圖靈獎得主、首席 AI 科學家 Yann LeCun 宣布離職創業，從事他一直鼓吹的「世界模型」。Geoffrey Hinton 的核心弟子、Meta 生成式 AI 研究副總裁 Russ Salakhutdinov 也在近期官宣離開。
要理解 Meta AI 的人才流失，得先理解 Llama 4 到底有多傷。
2025 年 4 月，Meta 高調發布 Llama 4 系列的 Scout 和 Maverick 模型。官方的紙面數據堪稱華麗，聲稱在 MATH-500 和 GPQA Diamond 等核心基準測試（Benchmark）中，全面壓制了 GPT-4.5 和 Claude Sonnet 3.7。
然而，這款承載著 Meta 野心的旗艦模型，在開源社區的第三方獨立盲測中迅速「現了原形」，實際泛化與推理能力與宣傳出現了斷崖式落差。面對社區的強烈質疑，首席 AI 科學家 Yann LeCun 最終承認，團隊在測試階段「使用了不同的模型版本來跑不同的測試集，以優化最終得分」。
在嚴謹的 AI 學術界與工程界，這觸碰了不可饒恕的紅線。換句話說，團隊把 Llama 4 訓練成了一台只會做往年真題的「小鎮做題家」，而非真正擁有前沿智能的「優等生」。考數學就給你看數學卷王，考編程就給你看編程卷王，每個單項測試看起來都很強，但實際上這不是同一個模型。
這在 AI 學術界叫「摘櫻桃」，在應試教育界叫「替考」。
對於一向自稱為「開源燈塔」的 Meta 而言，這場風波直接摧毀了其在開發者生態中最具價值的信任資產。其直接代價是，扎克伯格對原有 GenAI 團隊的工程底線「徹底失去信心」，並由此拉開了後續空降高層、架空核心基建部門的序幕。
他花費 143 億至 150 億美元收購數據標註公司 Scale AI 49% 的股份，並將 28 歲的 Scale AI 執行長 Alexandr Wang 晉升為 Meta 首席 AI 官，成立 Meta 超級智能實驗室（MSL）。圖靈獎得主 LeCun 在新架構中需向這位 28 歲的年輕人報告。10 月，Meta 裁撤 MSL 約 600 個職位，包括 LeCun 創立的 FAIR 研究部門成員。
而原計劃於 2025 年夏天發布的旗艦模型 Llama 4 Behemoth 也被一再推遲，從夏天延至秋天，最終無限期擱置。
Meta 轉而開發代號為「Avocado」的下一代文本模型和代號為「Mango」的圖像/視頻模型。據報導，Avocado 的目標是與 GPT-5 和 Gemini 3 Ultra 媲美。原定於 2025 年底交付，因性能測試和訓練優化未達標，已推遲至 2026 年第一季。Meta 正考慮以閉源方式發布，放棄 Llama 系列一貫的開源傳統。
Meta 在 AI 模型上犯了兩個致命錯誤。第一是對 benchmark 造假，這直接摧毀了開發者社區的信任；第二是把 FAIR 這種需要十年磨一劍的基礎研究部門，硬塞進一個追求季度 KPI 的產品組織裡。這兩件事加起來，就是現在人才流失的根本原因。
自研晶片：另一條斷掉的腿
人才在流失，晶片也出現了問題。
據 The Information 報導，Meta 上週砍掉了其內部正在開發的最先進 AI 訓練晶片項目。
Meta 的自研晶片計畫稱為 MTIA（Meta Training and Inference Accelerator）。公司的初始路線圖雄心勃勃：MTIA v4 代號「Santa Barbara」、v5 代號「Olympus」、v6 代號「Universal Core」計劃於 2026 至 2028 年間陸續交付。其中 Olympus 被設計為 Meta 首款基於 2nm chiplet 架構的晶片，目標是同時覆蓋高端模型訓練和實時推理，最終取代 NVIDIA 在 Meta 訓練叢集中的角色。
Now, this most advanced training chip has been discontinued.
Meta 並非毫無進展，MTIA 在推理端已取得一些成果。代號「Iris」的 MTIA v3 推理晶片已於 Meta 的資料中心大規模部署，主要用於 Facebook Reels 和 Instagram 的推薦系統，據稱將總擁有成本降低了 40% 到 44%。但推理和訓練是兩回事。推理是運行模型，訓練是訓練模型。Meta 能自行開發推理晶片，但無法製造出能與英偉達正面競爭的訓練晶片。
歷史上這不是第一次。2022 年，Meta 曾嘗試自研推理晶片，在小規模部署中失敗後直接放棄，轉頭給英偉達下了大單。
自研晶片受挫，直接加速了 Meta 的外購狂潮。
1350 億美元的恐慌性採購
在 2026 年 1 月，Meta 宣布今年的資本支出預算為 1150 億至 1350 億美元，幾乎是去年 722 億美元的兩倍。這筆錢的大部分都將用於晶片。
10 天內，三筆大單接連落地：
於 2 月 17 日，Meta 與英偉達簽署了多年期、跨代際戰略合作協議。Meta 將部署「數百萬顆」英偉達 Blackwell 和新一代 Vera Rubin GPU，外加 Grace 獨立 CPU。分析師估計交易規模達數百億美元級別，Meta 成為全球首家大規模部署英偉達 Grace 獨立 CPU 的超算客戶。
2 月 24 日，Meta 與 AMD 簽署了一項價值 600 億至 1000 億美元的多年期晶片協議。Meta 將採購 AMD 最新的 MI450 系列 GPU 和第六代 EPYC CPU。作為交易的一部分，AMD 向 Meta 發行了最多 1.6 億股普通股的認股權證，相當於 AMD 約 10%的股份，每股價格為 0.01 美元，並按交付里程碑分批歸屬。
於 2 月 26 日，據 The Information 報導，Meta 與谷歌簽署了一份價值數十億美元的多年期協議，租用谷歌雲的 TPU 芯片以訓練和運行其下一代大語言模型。同時，雙方還在討論 Meta 從 2027 年起直接購買 TPU 並部署至自身的數據中心。
一家社交媒體公司，在 10 天內同時向三家晶片供應商下達了可能總計超過 1000 億美元的訂單。
這不是多元化佈局。這是恐慌性採購。
算力焦慮的三層邏輯
Meta 為什麼這麼急？
第一，自研芯片指望不上了。最先進的訓練晶片項目被砍，意味著 Meta 在可預見的未來只能靠外購來滿足 AI 訓練需求。推理端的 MTIA 晶片能處理推薦系統這類成熟業務，但要訓練 Avocado 這種對標 GPT-5 的前沿模型，必須用英偉達或同等級別的硬體。
第二，競爭對手不會等。OpenAI 已經獲得來自微軟、軟銀到阿聯酋主權基金的海量資源。Anthropic 已鎖定谷歌和亞馬遜各 100 萬顆 TPU 和 Trainium 芯片的供應。谷歌 Gemini 3 完全在 TPU 上訓練完成。Meta 如果無法獲得足夠的算力，連賽道的入場券都保不住。
第三，可能也是最根本的，扎克伯格需要用「購買力」來彌補「研發力」的不足。Llama 4 翻車、核心人才流失、自研晶片受挫，這三件事疊加在一起，讓 Meta 的 AI 叙事在華爾街面前變得脆弱。此刻簽下英偉達、AMD、谷歌三家的大單，至少釋放一個信號：我們有錢，我們在買，我們沒有放棄。
Meta 目前的策略是：搞不定軟體就砸硬體，留不住人就買晶片。但 AI 競賽不是一場靠開支票就能贏的遊戲。算力是必要條件，不是充分條件。沒有頂級的模型團隊和清晰的技術路線，再多的晶片也只是倉庫裡昂貴的庫存。
買家的困境
回顧 Meta 在 2 月份的三筆交易，一個有趣的細節被大多數人忽略了。
Meta 向英偉達購買的是當前的 Blackwell 和未來的 Vera Rubin；與 AMD 的交易，購買的是 MI450 和未來的 MI455X；向谷歌租用的是當前的 Ironwood TPU，計劃明年直接購買。
三家供應商，三套完全不同的硬體架構和軟體生態。
這意味著 Meta 需要在 NVIDIA 的 CUDA、AMD 的 ROCm 和 Google 的 XLA/JAX 這三套截然不同的底層生態中反覆橫跳。多供應商策略固然能分散供應鏈風險、壓低硬體採購溢價，但這將帶來指數級攀升的工程複雜度。
這正是 Meta 目前最致命的弱點，要讓一個萬億參數的模型在這三套底層編程模型完全不同的硬體上都能高效訓練，需要的不只是懂 CUDA 的工程師，而是能從零搭建跨平台訓練框架的架構師。
全世界可能不超過 100 個這樣的人。龐若鳴是其中之一。
花 1000 億美元買入全球最複雜的硬體組合，同時卻在流失能駕馭這些硬體的大腦，這才是扎克伯格這場豪賭中最魔幻的畫面。
扎克伯格的賭局
把鏡頭拉遠一點看，扎克伯格過去 18 個月對 AI 的操作路徑，和他當年 All In 元宇宙的節奏驚人地相似：
看到趨勢，重金投入，大舉招人，遇到挫折，戰略急轉，再重金投入。
2021 年至 2023 年是元宇宙，結果每年虧損上百億，最終股價從 380 美元跌至 88 美元。2024 年至 2026 年是 AI，同樣是不計代價地砸錢、頻繁的組織重組，同樣是「相信我，我有遠景」的敘事。
不同的是，這次 AI 的風口確實比元宇宙實在得多。而 Meta 有錢燒，其廣告業務產生了充沛的現金流，2025 年第四季度 Meta 营收 599 億美元，同比增長 24%。
問題在於：錢能買到晶片，買到算力，甚至是坐在工位上的人，但買不到留下來的人。
龐若鳴選擇了 OpenAI，Russ Salakhutdinov 選擇了離開，LeCun 選擇了創業。
扎克伯格現在的賭注是，只要買到足夠多的晶片、建好足夠大的數據中心、花足夠多的錢，總能找到或培養出能使用這些資源的人。
這個賭注可能成立。Meta 畢竟是世界上最富有的科技公司之一，超過 1000 億美元的經營現金流是其最堅固的護城河。從 OpenAI 到 Anthropic、從谷歌到其他競爭對手，Meta 都在持續挖角。據量子位報導，Meta 超級智能團隊 44 人中，近 40% 來自 OpenAI。
但 AI 競賽的殘酷之處在於，算力儲備、人才名單、模型表現都是公開的，Llama 4 的 benchmark 造假事件證明，在這個行業裡，你沒有辦法靠 PPT 和公關來維持領先。
市場最終只認一樣東西：你的模型夠不夠好。
食物鏈的位置
AI 軍備競賽進入 2026 年，食物鏈的排序已經初步清晰：
頂端是 OpenAI 和谷歌。OpenAI 擁有最強的模型、最大的用戶基數和最積極的融資。谷歌擁有自研晶片、自研模型以及自研雲基礎設施的完整垂直整合。Anthropic 緊隨其後，憑藉 Claude 模型的產品力，以及谷歌和亞馬遜的雙線算力供應，穩居第一梯隊。
Meta? 它砸了最多的錢、簽了最多的晶片合約、做了最頻繁的組織重組，但到目前為止，還沒有拿出一個能讓市場信服的前沿模型。
Meta 的 AI 故事有點像 2005 年的雅虎。當時雅虎也是互聯網最有錢的公司之一，也在瘋狂收購和砸錢，但就是做不出谷歌那樣的搜尋引擎。錢不是萬能的。扎克伯格需要想清楚的是，Meta 到底要在 AI 上做什麼，而不是看到什麼熱就買什麼。
當然，寫 Meta 的訃告還為時過早。35.8 億月活用戶、599 億美元的季度營收、全球最大的社交數據集，這些是任何競爭對手都難以複製的資產。
如果代號 Avocado 的下一代模型能於 2026 年如期交付並重返第一梯隊，扎克伯格所有的砸錢與重組都會被包裝成「力挽狂瀾的戰略魄力」。但如果再次不及預期，那這 1350 億美元換來的，將只是一座座通電發熱的矽晶圓倉庫。
畢竟，矽谷的 AI 軍備競賽從不缺揮舞支票的超級買家。缺的是，知道如何用這些算力煉出未來的人。