How Meta Platform Plans to Win the AI Race

Motley Fool
2025.10.16 14:11
portai
I'm PortAI, I can summarize articles.

Meta Platforms 正在投資 600 億到 650 億美元用於人工智能基礎設施,目標是在 2025 年前運營超過 130 萬台 GPU。該公司正在招募頂尖的人工智能人才,並開發自己的人工智能芯片,以減少對 Nvidia 的依賴。Meta 在硬件、軟件及其生態系統的整合使其在人工智能發展中處於領先地位。擁有超過 30 億用户的 Meta 為人工智能應用提供了廣闊的測試場。投資者應關注 Meta,因為它正在為下一個計算時代奠定基礎,專注於耐用產品和長期增長

Meta Platforms(META 0.83%)不再僅僅是一個社交媒體巨頭。它正在構建全球最大的人工智能基礎設施之一,招募頂尖人才,並將人工智能嵌入其生態系統的每一個層面——從應用程序和廣告到增強現實眼鏡。

雖然 OpenAI 和谷歌佔據了聚光燈,Meta 卻在悄然構建引領下一個十年人工智能發展的基礎。以下是它的勝利計劃。

圖片來源:Getty Images。

構建基礎:一項巨大的基礎設施投資

Meta 的人工智能雄心寄託在科技歷史上最大的基礎設施建設之一。公司計劃在今年投入 600 億到 650 億美元的資本支出,其中大部分將用於數據中心和定製的人工智能硬件。到 2025 年底,Meta 預計將運營超過 130 萬塊 GPU——這一規模是少數公司能夠匹敵的。

這項鉅額投資不僅僅是簡單的資金投入。這是一個戰略舉措,旨在獲得控制權。Meta 已經在測試自己的人工智能芯片,旨在減少對 Nvidia 的依賴並優化訓練效率。與 Amazon 的內部硅芯片計劃類似,這一舉措使 Meta 能夠更好地控制成本、性能和創新速度。

該公司還在擴展一個全球數據中心網絡,這些數據中心配備了液冷和節能設計。這些設施將訓練大型語言模型,如 LLaMA 3 及未來的版本,同時為 Facebook、Instagram 和 WhatsApp 提供人工智能驅動的功能。

對 Meta 而言,基礎設施不僅僅是一種資源——它是一道護城河。每一次計算效率的提升都會在數十億用户和數萬億次互動中累積。這種規模賦予了 Meta 自我強化的基礎設施優勢。

投資於人才

科技變化迅速,但卓越的人才能夠適應並塑造未來。Meta 對此理解得比大多數公司都要深刻。在過去的一年裏,該公司積極招募來自 DeepMind、OpenAI 和 Anthropic 的頂尖人工智能研究人員和工程師。

在一項大膽的舉措中,Meta 聘請了 Scale AI 的創始人 Alexandr Wang 來領導其新的超級智能部門。而這還在於 Meta 對 Wang 創辦的人工智能公司 Scale AI 投資了 143 億美元。此舉表明 Meta 不僅打算在應用人工智能領域競爭,還要在更廣泛的人工通用智能競賽中佔據一席之地。

扎克伯格的理念很簡單:世界級的人才能像資本一樣複利增長。因此,重金招募頂尖人才是合理的。這一策略對 Meta 來説並不新鮮。多年前,它以高達 160 億美元的價格收購了 WhatsApp——主要是為了獲取人才和技術。

雖然這樣的策略並不能保證結果,但它有其優勢,特別是在確保最佳人才的同時消除潛在的未來競爭對手。這正是 Meta 在 WhatsApp 交易中所做的,而 WhatsApp 收購的經驗也幫助推動了 Meta 自己的消息應用 Messenger 的發展。

整合:硬件、軟件和生態系統

Meta 最大的優勢在於整合——將基礎設施、人才和產品統一在一個生態系統下。該公司的開源大型語言模型 LLaMA 已經為其在 Messenger 和 WhatsApp 上的實時翻譯和智能助手等人工智能驅動的功能提供支持。每次部署都會帶來新的數據,從而增強下一代模型。

但 Meta 並不止步於軟件。其 Reality Labs 部門通過 Ray-Ban Meta 智能眼鏡等設備將人工智能引入物理世界,這些設備包括對話助手、翻譯和圖像識別。扎克伯格設想了一個未來,人工智能將變得無處不在——隱形、直觀且始終可用。

隨着時間的推移,Meta 的生態系統可能涵蓋從運行在強大集羣上的 LLaMA 模型到直接在增強現實眼鏡或智能手機上運行的輕量級人工智能。憑藉超過 30 億用户,Meta 擁有一個巨大的測試場,可以在規模上完善這些系統。

這對投資者意味着什麼?

Meta 的人工智能戰略並不是為了爭奪發佈最炫目的模型,而是為了構建下一個計算時代的基礎。通過在硬件上進行大量投資,賦能世界級人才,並將人工智能整合到其生態系統的每一個層面,Meta 旨在成為人工智能時代的操作系統。

執行仍然是檢驗的真正標準。構建萬億參數模型和下一代芯片是一項挑戰;將其轉化為持久的產品則是另一項挑戰。但 Meta 在耐心構建、規模化和公開透明方面有着良好的歷史。這正是它目前正在做的。

希望投資人工智能公司的投資者應密切關注該股票。