Meta平台公司正式推出名为Meta Compute的新基础设施部门,专门负责监督其激进的人工智能数据中心建设计划。
据路透社报道,Meta计划部署新的基础设施,这些设施在本十年内将消耗数十千兆瓦的电力,长期来看规模将扩展到数百千兆瓦。这些工作现在将由Meta Compute组织负责,该组织将由Meta全球基础设施负责人兼工程联合负责人Santosh Janardhan与前Safe Superintelligence Inc.联合创始人Daniel Gross共同领导。
"我们正在建立一个名为Meta Compute的新顶级计划,"Meta创始人兼首席执行官马克·扎克伯格在Threads上发帖写道。"Meta计划在本十年内建设数十千兆瓦,随着时间推移将达到数百千兆瓦或更多。我们如何设计、投资和合作建设这一基础设施将成为战略优势。"
Meta Compute的主要目标是系统性地扩展公司的AI基础设施,其规模远远超出传统数据中心的增长。尽管Meta已经运营着一个庞大的全球数据中心网络,但它目前尝试做的事情是前所未有的。
由于先进的AI模型需要以数十千兆瓦计量的计算能力,公司需要获取更先进的硬件并建造数百座建筑来容纳这些设备。通过创建专门的组织来处理这件事,公司希望能够主动获取所需的土地、硬件和能源,而不是被动地努力跟上需求。
根据扎克伯格的说法,Janardhan将专注于Meta建设的技术方面,包括公司的整体系统架构策略、内部芯片研发工作、软件栈、开发工具以及全球数据中心的日常运营。
至于Gross,他将负责运营一个新创建的团队,专注于长期产能规划和开发供应链,确保公司拥有填满新数据中心所需的所有芯片、服务器和网络设备。作为他职责的一部分,他必须提前定义Meta的未来计算需求,管理战略供应商关系,及时了解最新的行业动态,并开发和规划新的商业模式以支持公司在多千兆瓦规模上的扩张。
扎克伯格表示,这一新计划还将集中Meta技术栈的所有权,从软件和系统架构到芯片、网络和数据中心,确保任何投资决策都以最大效率为目标。它还允许Meta将运营执行与长期产能规划和供应链创建分开。
Janardhan和Gross将与今天加入公司的新任总裁兼副主席Dina Powell McCormick密切合作。她的职责之一是确保Meta数十亿美元的基础设施投资与公司战略目标保持一致,并在其运营的地区提供切实的经济效益。她还被委托领导公司建立新战略资本联盟的工作,以增强其长期投资能力。
Meta Compute的创建可能还会改善公司大规模数据中心建设的问责制。在2025财年,公司在资本支出上花费了720亿美元,其中绝大部分用于为AI建设新数据中心。
然而,这些投资尚未为Meta带来回报,其最先进的AI模型Llama 4收到的反响相对平淡。尽管Meta在开源AI领域已经树立了名声,但Llama 4被广泛认为不如谷歌和OpenAI等公司的领先基础模型那样强大。
Q&A
Q1:Meta Compute是什么组织?
A:Meta Compute是Meta平台公司新成立的基础设施部门,专门负责监督公司激进的人工智能数据中心建设计划。该组织由Meta全球基础设施负责人Santosh Janardhan和前Safe Superintelligence Inc.联合创始人Daniel Gross共同领导。
Q2:Meta计划建设多大规模的AI基础设施?
A:据Meta创始人扎克伯格透露,公司计划在本十年内建设数十千兆瓦的基础设施,长期来看规模将扩展到数百千兆瓦或更多。这一规模远远超出传统数据中心的增长范围。
Q3:Meta在AI基础设施上投入了多少资金?
A:在2025财年,Meta在资本支出上花费了720亿美元,其中绝大部分用于为AI建设新数据中心。然而这些巨额投资尚未为公司带来相应回报。
好文章,需要你的鼓励
近期数据显示,2026年5月前企业已宣布约9万个与AI相关的裁员岗位,部分预测称未来五年美国15%的工作将被AI取代。然而,Ramp与Revelio Labs追踪近2.2万家企业的最新报告显示:重度投入AI的企业反而实现了更快的人员增长,包括初级岗位在内的各职能人数均有上升。但这一数据主要来自技术型企业,能否普遍适用仍存疑。报告同时指出,资源匮乏的企业可能在AI浪潮中持续落后。
港科大与快手联合提出NormGuard,针对流匹配模型强化学习训练中速度范数膨胀问题,通过训练时单向惩罚约束,在保留奖励的同时改善图像真实感。
AI数据中心开发商向多家电力公司同时提交大负荷接入申请以确定选址,导致区域需求预测虚高、电网投资失衡。美国联邦能源监管委员会(FERC)及ERCOT、PJM、SPP等机构正推动"承诺优先"规划机制,要求项目具备实质性商业承诺方可纳入长期传输规划。谷歌、亚马逊、微软、OpenAI等科技巨头支持建立标准化的项目成熟度评估体系,但各方在具体机制上仍存分歧。发电建设问题尚未被纳入联邦传输改革议程。
谷歌研究院开发的论文助手工具PAT,利用分阶段深度推理流水线自动审查学术论文,在真实错误检测任务上达到89.7%召回率,并已在STOC和ICML两大顶会完成超4700篇论文的真实部署。