Meta押注未来六个月，冲击AI第三极

SemiAnalysis最新报告指出，尽管Meta目前发布的Muse Spark 1.1模型仍未达到行业前沿水平，但公司正通过大规模组织调整与技术资源集中，全力推进代号Watermelon的下一代大模型。若人才、强化学习数据与算力扩张三条路径在六个月内实现协同突破，Meta有望在AI竞争格局中超越Google，成为最具潜力的追赶者。

143亿美元Scale AI交易：补足核心能力短板

Meta以143亿美元收购Scale AI，不仅获得数据标注资源，更引入其创始人Alexandr Wang及旗下安全、评估与对齐团队SEAL。此举被视为补强评测、对齐与后训练能力的关键一步。SemiAnalysis指出，这一交易反映出Meta已将超级智能定位为公司级战略优先事项，而非普通产品迭代。高薪酬包也表明其正在吸引顶尖人才，推动组织向AGI目标靠拢。

3000名工程师转向强化学习任务生成

Meta正将约3000名工程师重新配置为全职强化学习任务创建者。不同于外部采购人工数据，该策略旨在将内部工程流程转化为高质量训练数据源。屏幕录制、工具调用记录、日常工作流等真实场景数据，更贴近白领工作实际需求，有助于训练具备自动化处理能力的智能体。这一做法使Meta在数据质量与场景真实性上形成独特优势。

多GW算力扩张：构建训练基础设施优势

2024年以来，Meta已签约近10GW算力容量，上半年新增超5GW，主要用于支持超级智能实验室的模型训练与强化学习循环。这些算力并非服务于常规云服务，而是专用于内部大模型迭代。相比之下，Google虽拥有TPU与云业务优势，但其新增算力可能被第三方客户消耗，资源集中度或低于预期。因此，算力部署速度正成为影响模型迭代效率的核心变量。

最大风险仍在于未见前沿模型落地

尽管各项条件已就位，但目前所有投入仍属追赶准备阶段。Muse Spark 1.1尚未证明其具备进入顶级模型行列的能力，下一代Watermelon模型仍在训练中，实际性能、成本控制与开发者反馈尚待验证。若新模型未能实现显著突破，巨额资本开支或将带来压力。真正的胜负手，仍取决于未来六个月内模型是否能完成从“筹备”到“成果”的跨越。