Setahun selepas Meta menyusun semula organisasi AI: Cita-cita kepintaran super dengan tiga kelebihan data, bakat dan pengiraan

Latar Belakang Industri: Tahun Pertama Pembinaan Semula AI Meta

Pada pertengahan 2025, pelancaran Llama 4 menjadi satu kemunduran besar dalam sejarah AI Meta. Prestasi model tidak seperti yang dijangka, menyebabkan CEO Mark Zuckerberg memutuskan untuk menyusun semula sepenuhnya organisasi AI dan menubuhkan Makmal Superintelligence Meta (Meta Superintelligence Lab, MSL). Sepanjang tahun berikutnya, MSL melalui peralihan daripada penubuhan kepada hasil awal. Model terbarunya, Muse Spark, dikeluarkan pada April 2026. Walaupun ia ketinggalan dalam penanda aras utama berbanding model sumber terbuka sezaman seperti DeepSeek v4 Pro dan Kimi K2.6, para penilai secara umumnya berpendapat bahawa prestasi semasa mencerminkan "pembayaran hutang" pada peringkat awal pembinaan semula, bukannya had keupayaan jangka panjang.

Kesan Pasaran: Daripada "Juara Sumber Terbuka" kepada "Mengejar Secara Tertutup"

Meta sebelum ini terkenal dengan model sumber terbuka siri Llama; Llama 3 70B dan 3.1 405B adalah SOTA sumber terbuka pada masa pelancaran. Tetapi Muse Spark MSL memilih laluan sumber tertutup, dan prestasinya tidak mencapai tahap teratas. Perubahan ini menghantar isyarat jelas kepada pasaran: Meta buat sementara waktu meninggalkan kedudukan utama sumber terbuka dan sebaliknya menumpukan sumber untuk mengejar keupayaan perintis. Pelabur dan pelanggan perlu memberi perhatian kepada kecerunan, bukannya pintasan—iaitu kadar peningkatan keupayaan MSL dalam tempoh 6 bulan akan datang, bukan prestasi penanda aras semasa.

Landskap Persaingan: Duopoli OpenAI vs Anthropic, Meta Menjadi Pengacau Berpotensi

Perlumbaan AI perintis semasa jelas tertumpu antara OpenAI dan Anthropic. Gemini 3 Pro dan Nano Banana Google kehilangan momentum dengan cepat selepas bersinar sebentar; pengambilalihan Windsurf mereka gagal diterjemahkan kepada produk pengekodan Agent yang kompetitif; Microsoft juga tidak mengekalkan kelebihan penggerak pertamanya dalam GitHub Copilot. Menurut analisis SemiAnalysis, MSL mempunyai tiga kelebihan yang sukar ditiru oleh makmal lain:

1. Data: Dengan menjejaki aktiviti skrin, papan kekunci dan tetikus pekerja, Meta memperoleh salah satu data persekitaran RL paling berharga di dunia. Lebih kritikal lagi, dalam penyusunan semula Meta pada Mei 2026, kira-kira 3000 jurutera (termasuk 70% graduan baru dan ramai kakitangan kanan) telah ditempatkan ke dalam "Organisasi Kejuruteraan AI Gunaan" yang baru ditubuhkan, bekerja sepenuh masa untuk mencipta tugas dan persekitaran RL. Skala ini jauh melebihi mana-mana syarikat data luaran—contohnya, syarikat persekitaran RL terkemuka Mercor hanya merekodkan 4800 jam setara sepenuh masa jam pakar pada suku kedua 2026.

2. Bakat: MSL secara substansial "melabur" AS$1.43 bilion untuk merampas CEO Alexandr Wang dari Scale AI dan pasukan teras makmal keselamatan, penilaian dan penjajaran (SEAL), serta menawarkan pakej gaji bernilai puluhan hingga ratusan juta dolar untuk menarik penyelidik AI teratas.3. Kuasa Pengkomputeran: Meta menggunakan reka bentuk pusat data "khemah" yang inovatif, membolehkan pengembangan kuasa pengkomputeran yang agresif. Menurut model Tokenomics baharu SemiAnalysis, kadar pertumbuhan pelaburan pengkomputeran AI Meta adalah yang terpantas dalam kalangan pengeluar utama.

Pengajaran untuk Perusahaan: Data Persekitaran RL Menjadi Sumber Daya Baru yang Jarang

Bagi pembuat keputusan perusahaan, strategi Meta mendedahkan kunci persaingan seterusnya dalam keupayaan AI: persekitaran RL berkualiti tinggi dan data rakaman skrin. Data SFT dan penanda aras tradisional semakin cepat menyusut nilainya, manakala data rakaman skrin yang mencerminkan aliran kerja sebenar (terutamanya dalam bidang profesional seperti kewangan, undang-undang, pengiklanan) menjadi aset strategik untuk melatih sistem ejen. Perusahaan harus menilai potensi nilai data aliran kerja mereka sendiri dan mempertimbangkan untuk menjalin kerjasama data dengan makmal AI.

Selain itu, pendekatan Meta dalam membentuk pasukan persekitaran RL sepenuh masa seramai 3000 orang menunjukkan bahawa walaupun dengan sumber pengkomputeran am yang banyak, pembinaan persekitaran RL tersuai masih memerlukan pelaburan tenaga kerja yang besar. Ini memberi petunjuk kepada perusahaan: kesesakan dalam penerapan AI telah beralih daripada kuasa pengkomputeran kepada kejuruteraan data dan keupayaan reka bentuk tugas.

Tinjauan Masa Depan: Bolehkah MSL Mengatasi Google dalam Tempoh 12-24 Bulan?

SemiAnalysis percaya bahawa MSL berkemungkinan besar mengatasi keupayaan AI Google dalam tempoh 6 bulan. Pemboleh ubah utama adalah: kematangan gelung data (kitaran maklum balas data rakaman skrin ke dalam latihan model), kecekapan output tugas pasukan 3000 orang, dan pelaksanaan pengembangan kuasa pengkomputeran mengikut perancangan. Jika semuanya berjalan lancar, MSL akan berada dalam kelompok tiga teratas (OpenAI, Anthropic, Meta) menjelang 2027, manakala Google mungkin jatuh ke peringkat kedua.

Dalam jangka panjang (3 tahun), jika MSL terus mengekalkan tahap dunia dalam data, bakat, dan pengkomputeran, ia berpeluang mencabar kedudukan utama OpenAI dan Anthropic. Namun syarat utamanya adalah: bolehkah budaya dalaman bertolak ansur dengan fasa pelaburan tinggi dan nama rendah selama bertahun-tahun, dan sama ada kontroversi privasi data akan mempengaruhi kerjasama pekerja.