Meta正在向规模如曼哈顿岛般庞大的GPU数据中心投入数百亿美元,然而这家社交网络公司在与OpenAI或Anthropic等竞争对手的较量中仍显吃力。
因此,CEO马克·扎克伯格正在转移目标,将注意力重新聚焦在一个模糊的新目标上:AI超级智能。
"在过去几个月里,我们开始看到AI系统自我改进的迹象,"他在周三的博客文章中写道。"改进速度目前还很缓慢,但不可否认正在发生。开发超级智能现在已经触手可及。"
关于AI超级智能的确切定义并没有太多共识,尽管扎克伯格诗意地描述了它将如何改善一切并改变我们创造和发现的方式,但这篇文章在这个问题上几乎没有提供任何明确性。
无论超级智能究竟是什么,Meta不仅计划构建它,更希望为每个人提供个人专属的超级智能来丰富生活——毕竟,当你可以和你的伙伴Llama对话时,谁还需要朋友呢。
与其他所有超级智能不同,扎克伯格坚持认为Meta的超级智能不是要让你失业,而是要赋能用户追求个人抱负。
"深度了解我们、理解我们目标并能帮助我们实现目标的个人超级智能,将是最有用的,"这位曾创建社交网络来评价哈佛同学吸引力的创始人写道。
通往超级智能的道路铺满了数据中心
这篇充满炒作的博客文章发布时间恰好在Meta即将公布第二季度财报前几小时,此时扎克伯格正面临投资者和分析师对公司基础设施支出以及新成立的"超级智能"团队丰厚薪酬包的日益严格审查和担忧。
正如我们在6月报道的那样,Meta向一名AI研究人员提供了八位数的薪酬来加入扎克伯格的AI精英团队。其他报告称,这些offer要高出一到两个数量级。
Meta还在推进一些真正庞大的基础设施项目。包括在路易斯安那州里奇兰教区建设一个2.2吉瓦的AI超级集群,将在未来五年左右分阶段部署。
本月早些时候,扎克伯格宣布了在未来几年部署多个"多吉瓦"数据中心的计划,第一个名为Prometheus的数据中心将于2026年上线。据报道,这个数据中心将消耗超过1吉瓦的电力。
到年底,Meta计划拥有超过130万块英伟达和AMD GPU不断运转,生成Token并训练模型。
当然,这些都不便宜。仅在2025年,扎克伯格的公司就计划向资本支出投入高达720亿美元,主要用于建设新的数据中心——随着第二季度财报的公布,这个数字可能还会增长。
投资规模惊人,AI表现平平
然而,尽管有这些投资,Meta仍难以与OpenAI或Anthropic等更成熟的参与者竞争。今年4月,Meta发布了备受瞩目的Llama 4大语言模型系列。你可能还记得,在发布前,扎克伯格预测2025年Meta AI将"服务超过10亿人",Llama 4将成为"领先的最先进模型"。
不幸的是,对Meta来说,这些模型中的前两个——代号Scout和Maverick——反响平平,更糟糕的是还被指控在基准测试中偷换概念。
这些模型显然表现如此令人失望,以至于Meta据报道已经放弃了其最大、据说最强大的Behemoth模型,该模型原本应该拥有2万亿参数,能够与OpenAI和谷歌的最大模型竞争。
在周三的财报电话会议上,分析师无疑会寻找扎克伯格AI支出狂潮合理性的迹象,确认超级智能不会重蹈元宇宙的覆辙。
在ChatGPT于2022年底掀起AI热潮之前,你可能还记得扎克伯格曾确信虚拟现实将征服世界。截至第一季度,公司的Reality Labs团队已经烧掉了约600亿美元试图让元宇宙成为现实。
好文章,需要你的鼓励
随着谷歌搜索和亚马逊主页在电商领域影响力下降,AI助手如ChatGPT、Claude等成为消费者新的购物入口。品牌必须掌握生成式引擎优化(GEO)技术才能保持可见性。传统SEO策略已失效,AI系统更青睐结构化、问答式的高质量内容。研究显示,来自AI助手的流量转化率比其他渠道高9倍。品牌需要基于真实客户问题创建内容,采用结构化问答格式,并建立信任度,才能在这个新的电商秩序中脱颖而出。
阿姆斯特丹大学与Salesforce合作开发的奖励引导推测解码(RSD)技术,通过让小模型处理简单任务、大模型解决复杂问题的智能分工,在保持推理准确率的同时大幅提升计算效率。该技术在数学推理等任务中表现出色,计算量最多可减少75%,为AI应用的普及和成本降低提供了重要技术支撑。
2025年第一季度网络攻击激增126%,英国新法案要求数据中心强制报告网络安全事件。现代威胁已演变为同时攻击IT和OT系统,而许多数据中心的备用电源系统仍使用90年代的过时技术。电池储能系统(BESS)通过分布式架构、加密通信和自主运行能力提供网络弹性防护。BESS即服务模式将网络安全维护转移给专业提供商,同时通过需求响应和能源套利创造收益。随着全球法规要求将网络安全与能源安全相结合,数据中心需要现代化基础设施来应对日益严峻的威胁环境。
微软研究院开发出LongRoPE2技术,能让大型语言模型的记忆容量扩展64倍至12.8万字,同时保持98.5%的原有性能。该方法通过发现AI位置编码训练不均衡问题,采用智能搜索和混合训练策略,仅用传统方法八十分之一的资源就实现突破。这项技术将使AI能完整处理长文档、进行复杂对话,为文档分析、代码开发、内容创作等领域带来重大改进。