扎克伯格給AI行業上了一堂公開課

文 | 浪潮不癲

過去一年，在AI上，沒有人比扎克伯格遭遇更多的嘲笑。

在Llama 4刷榜造假、Meta被認為AI掉隊后，小扎確實急了。

先是花了143億美元收購Scale AI 49%的股份，直接把人家28歲的創始人Alexandr Wang給收編了，任命他為Meta有史以來第一位首席AI官，同時成立一個“超級智能實驗室”的新部門，開啟一個內部名為“牛油果”的項目。

接著又揮舞鈔票，到處天價挖人，從OpenAI挖來趙晟佳，從蘋果挖來龐若鳴，還有中科大少年班的余家輝，據說個個年薪過億美元，批量生產打工皇帝，直接把AI人才競爭的入場券抬到億級。

錢多人傻、內部宮斗，原來的AI大佬楊立昆出走，這一年來，Meta戲碼不斷，甚至傳出小王同學要被干掉，逼得小扎曬出倆人合影辟謠。

終于！九個月后，小王同學端出了這個“牛油果”——全新的AI模型Muse Spark。

談不上是一個“王者歸來”的故事，Muse Spark不是一個炸裂的模型，長處與短板都很明顯，在多模態理解、健康問答斷層第一、深思模式在前沿科學表現好，但在抽象推理、coding能力上，還是遠遠落后于Claude和Gemini這些老對手。

外界居然很買賬，Meta股價當天漲了9%，創下今年1月以來最大單日漲幅。對于Meta這次的誠懇態度，包括重構后的技術路線，也都挺認可的。

可以說，Meta這段經歷，其實是給整個大模型行業上了一堂公開課，關于翻盤的公開課。

糾錯速度比初始選擇更重要

大模型競賽最反直覺的一點是：你之前積累了什么，可能完全不重要。
Meta在Llama系列上投入了海量資源，但Llama 4翻車之后，扎克伯格并沒有在原有技術棧上修修補補，而是做了一件極其痛苦的事：推倒重來。換帥，換組織，換架構，換路線。九個月，從零開始，重建一整套技術棧。

這對行業的啟示很直接：在大模型時代，沉沒成本就是沉沒成本。你之前訓了多少參數、堆了多少算力，方向錯了就是錯了。很多團隊不缺GPU不缺人才，缺的是那個砍掉重來的決策魄力。錢能解決的問題，從來不是最難的問題。

小王在入職后的第一次全員會上說了一句話：“我們不會在別人的地基上蓋樓。”這話當時聽著像PR，現在看來他是認真的。Muse Spark是一個從底層重寫的原生多模態推理模型，跟Llama系列幾乎沒有代碼層面的繼承關系。

這種“敢歸零”的能力，本身就是一種稀缺競爭力。

執念是用來放下的

Meta做對的第二件事，是同時放下了兩個執念。

第一個，是對開源的執念。

Meta曾經是AI開源世界里頭號旗手，Llama系列的在開源社區至今都有很大影響力。但Muse Spark直接發布為閉源模型，以API形式開放。這個轉向讓很多人意外，甚至有人覺得背叛了開源社區。

但如果冷靜想一下就會明白：開源從來不是價值觀，是競爭策略。建生態的時候，用開源拉盟友，你的模型越多人用，你就越像標準。但當大模型行業從“技術布道期”進入“商業回報期”，研發成本飆升、技術保鮮期縮短，token經濟成為新敘事支點之后，旗艦模型的閉源幾乎是必然選擇。

Meta的切換說明一個趨勢：“開源即正義”的敘事，在AI競賽的白熱化階段開始松動了。未來更可能的格局是混合路線——8B、32B 等中輕量級模型繼續開源，數萬億參數的頂級旗艦模型轉向閉源，作為云端服務的獨家賣點。

第二個被放下的執念，是大模型對“全面碾壓”的追求。

Muse Spark的跑分成績單非常有趣：醫療推理斷層第一（HealthBench Hard得分42.8%，GPT-5.4只有40.1%），圖表視覺理解大幅領先（CharXiv Reasoning得分86.4），但編碼能力（SWE-Bench 77.4%）和抽象推理明顯落后于Claude和Gemini。

這不是一個“什么都行”的模型，而是一個“在特定方向上極其銳利”的模型。

為什么選醫療和視覺？因為這是Meta的產品生態最需要的能力。Meta AI眼鏡需要強大的視覺理解來識別現實世界；WhatsApp和Instagram上的30億用戶需要可信賴的健康建議。更關鍵的是，Meta把十億級的社交圖譜——Instagram的創作者內容、Facebook的社群數據——整合進了AI回答。這是Google、OpenAI和Anthropic都沒有的。

“全面碾壓”的時代已經過去了，適合自己的才是最好的模型。

當頭部模型的通用智力越來越接近，真正拉開差距的是你有什么別人沒有的。Meta找到了自己的不對稱優勢：獨有數據、獨有場景、獨有生態。

這對所有在做大模型的團隊都是一個靈魂拷問：你獨特的場景、生態和數據是什么？如果答不上來，光靠堆參數跑分是跑不出護城河的。

節奏感比完美度更值錢

Meta這次最聰明的一手棋，是沒有憋大招。

Muse Spark被Meta自己定義為“起步款”——用來驗證技術棧可行性的，不是性能天花板。用一個更直白的說法：這是一發信號彈，不是核彈。

但就是這發信號彈，達到了它需要達到的所有戰略目標：股價漲了9%，投資人信心回來了；團隊士氣回來了；行業敘事從“Meta掉隊”變成了“Meta回來了”。然后Meta可以沿著預訓練效率（算力需求減少90%）、強化學習、推理時計算三條軸線慢慢放大，一步一步出牌。

這反映了大模型競賽的一個深層變化：從“一發入魂”變成了“持續出牌”。

GPT-4發布的時候，整個行業被震撼，那是“一發入魂”時代。但現在，每家都有強模型，每個月都有新發布，用戶和投資人的閾值越來越高，注意力窗口越來越短。你藏著掖著等”完美時刻“再發布？對不起，市場不會等你。投資人要看季度進展，團隊要看方向確認，用戶要看實際產品。

先出牌，證明你還在牌桌上。再用路線圖告訴市場你會越來越強。節奏感，比完美度更有價值。

這可能也解釋了為什么Meta要把這個系列叫“Muse”——繆斯是靈感之神，不是宙斯。它代表的不是終極力量，而是持續創造的開始。

做錯的人還有機會，這讓人欣慰

把Meta這九個月的故事串起來，你會發現一個清晰的邏輯：

先敢歸零——這解決的是生存問題。方向錯了就認栽，別在爛地基上蓋樓。

再找到自己獨有的不對稱優勢——這解決的是定位問題。別追求什么都強，想清楚你有什么別人沒有的。

最后用節奏感持續出牌——這解決的是持久戰問題。先亮相，再加注，讓市場跟著你的節奏走。

這三層加在一起，其實就是一個在高度不確定環境下的生存公式。它不只適用于大模型競賽，適用于所有技術換代期的競爭。

當然，Muse Spark只是Meta翻盤故事的第一章。接下來小王能不能兌現“越來越強”的承諾，小扎能不能把2026年預計1150億到1350億美元的AI支出轉化成真正的護城河，這些都還是未知數。

但至少有一件事是確定的：在AI行業，“做對選擇”很重要，“做錯了之后還能站起來”，可能更重要。

畢竟我們都是人，都會犯錯。