一周多前，一则Meta考虑对外租售算力的消息，引爆了全球市场对“算力过剩”的恐慌。

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。