但仅仅数日，风口浪尖的 Meta 就上演了一出叙事反转。7 月 9 日至 7 月 10 日，Meta 接连传出多个消息，今年计划部署 7GW 算力基建，明年计划翻倍扩张；发布自家最强模型，且首次向开发者及企业收费；自研 AI 芯片 Iris 量产在即；之后扎克伯格更公开直言 " 我不知道业内有谁觉得自己算力过剩 "。
一系列动作下，Meta 股价本周大涨近 15%，其中周四涨 4.7%，周五涨 6%。
同时，研究机构 SemiAnalysis 在最新报告中，又将 Meta 捧上了一个全新的叙事高度——Meta 是唯一一家在数据、人才和算力都达到世界一流水平的超大规模数据中心厂商 /AI 实验室，也最有希望赶上 Anthropic 和 OpenAI。
一时间，这家曾经被诟病模型落后、人才管理混乱的科技巨头，又站到了聚光灯下。
▌算力过剩 ×，算力扩张√
针对不久前甚嚣尘上的 " 算力过剩 " 论调，扎克伯格日前受访时明确否认。
他解释称，出租算力的原因绝非 " 闲置 "，毕竟 Meta 需要尽可能多的算力。但在当前 AI 产品运行与开发所需算力资源极度紧缺的市场环境下，外部报价实在很高，出租算力比起内部使用更划算合理。" 我不知道业内有谁觉得自己的算力过剩，" 他表示，Meta 目前正在充分利用其所有的计算资源。
随后的媒体报道也佐证了扎克伯格的 " 算力不过剩 " 不是嘴上说说而已。
Meta 计划今年部署总计 7W 的算力基建。为实现这一目标，公司今年上半年已新增 1GW 算力，预计年底前将再新增 5.5GW。Meta 明年将进一步推动算力规模扩张，届时总算力将达到 14GW。
为了扩张算力，Meta 还签署了多个多年期长约，包括和三星签订存储芯片供应协议、与闪迪签下闪存供应协议，以及与住友电工签下光纤设备供应协议。
此外，Meta 计划最早今年 9 月启动生产自研 AI 芯片 Iris。该芯片的测试仅耗时六周，且未发现重大问题。而该项目自五年多前启动以来，一直推进不顺，直到现在终于取得重要积极进展。这款芯片的目的主要在于在英伟达和 AMD 的芯片供应之外做出补充，而不是取代这些 GPU。
SemiAnalysis 认为，比起 OpenAI 和 Anthropic，Meta 的资产负债表更符合一家超大规模云服务商的体量；而相比谷歌，Meta 又没有一个急于对外出租算力的云业务。再加上扎克伯格愿意接受自由现金流转负，Meta 很可能能够建设全球规模最大的内部 AI 算力。
据其预测，到今年年底，Meta 拥有的 AI 算力将超过 OpenAI 和 Anthropic。虽说其中相当一部分算力将用于推荐系统及生成式广告，但即便采用最保守的估算，Meta 训练算力在 2026 年和 2027 年也能与 OpenAI 和 Anthropic 媲美。
▌新模型首设付费商业模式
一年多以前，Meta 发布了 Llama 4，但延期、跑分造假争议、实际体验远不及预期的负面评价铺天盖地。此后 Meta 的 AI 大模型在用户心中的定位一降再降。
当地时间 7 月 9 日，其旗下最先进 AI 模型 Muse Spark 1.1 亮相。
Meta 官方介绍中反复强调一个关键词：代理化（Agentic），能真正能自主替用户完成完整工作流，可编写代码、调试漏洞、跨软件操作、能处理超长文档。Meta AI 负责人 Alexandr Wang 称，Muse Spark 1.1 多项智能体能力评测成绩可媲美 GPT-5.5、Opus-4.8。
这款模型的另一个重点在于商业化。本次 Muse Spark 1.1 面向开发者推出付费版本，这也是 Meta 首次为 AI 模型设立付费商业模式。扎克伯格表示，这款模型将成为市场上价格最低的选择之一，其 API 定价仅为 OpenAI 和 Anthropic 顶级模型的约 25%。" 由于这不是开源模型，我认为这是我们第一次真正认真推出 API，其定价将极具竞争力，也非常有吸引力。"
为了 Muse Spark 1.1，扎克伯格甚至时隔 3 年重新回到 X 平台发文宣传。他还透露，" 很快还会有更多内容发布 "，暗示 Meta 计划继续推出更多模型。
Meta 近期还推出了 Muse Image 图像生成模型和 Muse Video 视频生成模型预览版，后者已进入文生视频排行榜第一梯队。
▌数据与人才
如今在围绕科技巨头 AI 大战的讨论中，数据已是鲜少被提及的一项内容。
回顾 2024 年，彼时还在 OpenAI 担任首席科学家的 Ilya Sutskever 曾说过一句在业内广为流传的话：" 数据就是 AI 的化石燃料。" 这句话一方面强调了数据对大模型训练的重要性，另一方面也是在暗示高质量数据是有限资源。这种认知也一度引发市场对合成数据等概念的追逐。
但时至今日，一条全新的 " 人类数据供应链 " 已经出现。
SemiAnalysis 指出，强化学习已成为提升 AI 能力最重要的扩展规律（Scaling Law），如今几乎所有数据公司都在寻找另一种更宝贵的资源：真实工作的屏幕操作记录。
一方面，只有持续获得最新的真实屏幕录制数据，才能保证训练数据始终贴近现实；另一方面，如果能收集到足够多（通常是数千条）不同人在略有差异的场景下完成同一类任务的操作轨迹，那么最终几乎能覆盖这项任务的整个动作空间（action space）。
结合这些背景，就更容易理解 Meta 此前为何跟踪员工屏幕、键盘和鼠标操作。各类数据公司都在与投行、律所、广告公司等合作，希望记录它们的工作流程，但 Meta 是全球少数几家在内部就拥有足够庞大团队、覆盖这些行业的人才储备的公司之一。虽然这项追踪遭到了员工强烈抵制后，Meta 作出了让步，但都只是非常有限的妥协。
在 SemiAnalysis 看来，在购买编程数据方面，Anthropic 一直是所有 AI 实验室中最积极的一家，大量采购 RL 环境创业公司的数据，这也是其模型编程能力极为突出的重要原因之一。而对于 Meta 而言，数据也是其一个被市场严重低估的优势。
人才层面，扎克伯格此前砸下重金四处挖人的事早已不是秘密。从斥资 143 亿美元收购 Scale AI，到为顶尖研究员开出数亿乃至超 10 亿美元的薪酬包，再到从 OpenAI、Anthropic 接连挖走关键研发与算力架构人才，又请来曾担任特朗普和小布什政府顾问 Dina Powell McCormick 担任总裁兼副董事长，Meta 展现出了职业体育的 " 买人 " 魄力。
当然，追上 Anthropic 和 OpenAI 并非易事，从谷歌被落下又被寄予厚望，到现在 Meta 重回舞台中央，AI 竞争定局远未到来。不论是算力过剩还是算力紧缺，在 AI 叙事上市场已有如惊弓之鸟，Meta 能否崛起成为 AI" 第三极 "，还有待时间观察。
