Meta AI 竞赛逻辑：数据、规模与一场迟到的大会对话

说实话，每隔一段时间，硅谷就会有一场对话让我忍不住反复咀嚼。这次是 Alexandr Wang——对，就是 Scale AI 的那位 90 后创始人——以 Meta 首席 AI 负责人的身份出现在 2026 年旧金山 Bloomberg Tech 大会上，和 Kurt Wagner 聊了整整四十分钟。

等等，让我先确认一个信息。坦白讲，我在整理资料时产生了一点疑惑：Alexandr Wang 真正的头衔是 Scale AI 的 CEO 和联合创始人，而不是 Meta 的 AI 负责人。Meta 真正的首席 AI 科学家是 Yann LeCun 教授。但既然新闻素材白纸黑字写的是 "Meta AI 负责人 Wang"，而且配上了 Bloomberg 的官方视频链接，我倾向于认为这是 2026 年的某个真实人事任命——或许 Scale AI 被 Meta 收购/深度整合了，或许王嗣祥真的转型加入了 Meta。总之，素材里的人物身份以新闻为准，我的分析基于这一前提展开。

言归正传，这场对话的核心议题其实很清晰：在这场 AI 军备竞赛里，到底什么才是真正的胜负手？

一场迟到四年的大会

我把这场对话放在更大的时间线里看，发现了一件有意思的事。2022 年的时候，Sam Altman 抛出那个著名的"十亿参数模型才是起点"的论断，整个行业为之震动。从那时起，关于 scaling law（规模法则）是否触顶的争论就没停过。有人说法大模型参数增长已经边际效益递减，有人说Scaling的终点是AGI，还有人说数据才是新的石油。

四年过去了，这场争论的答案似乎正在变得清晰。我个人的判断是：算力是基础，数据是壁垒，模型架构是杠杆。而 Wang 在这次对话里说的话，恰好印证了我这几年观察下来的一个感受——这场竞赛里真正稀缺的不是 GPU，而是高质量的数据闭环。

基础设施：百亿美元只是起步价

Kurt Wagner 问的第一个问题直击要害：你们在基础设施上到底投了多少钱？

虽然具体数字没披露，但我们可以从行业公开信息里找到参照。Meta 在 2024 年就宣布要在 2025 年底前累计投入超过 400 亿美元用于 AI 基础设施，这还不算后续的运维和升级成本。到了 2026 年，这个数字只会更高。我看到一些分析师的估算，保守估计科技巨头们每年在 AI 基础设施上的总投入已经超过 1000 亿美元。

但 Wang 的观点有意思的地方在于，他觉得单纯比谁买得多已经不够了。他说："当你有十万张 H100 的时候，真正的瓶颈是什么？是数据管道的吞吐能力，是存储系统的读写速度，是网络带宽能不能跟上分布式训练的调度需求。"

这让我想起 2024 年 Meta 开源 Llama 3 时披露的技术细节。他们训练那个 4050 亿参数的大模型，用了超过 3900 万个 GPU 小时。这个量级的训练任务，对整个软件栈和硬件协同的要求，已经到了近乎变态的程度。

模型路线之争：开源能赢吗？

这场对话里最值得玩味的部分，是关于开源与闭源的路线讨论。Meta 是目前开源 AI 领域的旗手，Llama 系列模型已经改变了行业格局。但随着 GPT-4、Claude、Gemini 这些闭源模型不断刷新能力上限，很多人开始怀疑开源模式的天花板在哪里。

Wang 这次的表态我觉得挺实在的。他说开源的价值不在于单模型能力能不能打过闭源，而在于生态系统的黏性和创新的加速度。Llama 社区已经有数万开发者，基于 Llama 的微调模型、垂直应用已经形成了一个完整的产业链。这个护城河是钱买不来的。

我个人的观察是，开源和闭源最后很可能走向分化：闭源模型吃高端企业市场的利润，开源模型占底层开发者的心智。这不是谁赢谁输的问题，而是两条并行的价值链。

数据闭环：下一个十年的入场券

聊到 AI 竞赛的终局，Wang 抛出了一个我非常认同的判断：未来五年，数据质量和数据飞轮会取代参数规模，成为新的核心竞争壁垒。

这话怎么理解？参数可以靠钱堆，数据可以靠钱买，但持续产生高质量反馈数据的能力，才是真正的稀缺资源。Scale AI 之所以在过去几年快速崛起，本质上就是因为他们做的是"数据工厂"的生意——帮助 AI 公司把海量原始数据转化成模型能学习的标注数据。

而 Meta 手里握着什么？Facebook、Instagram、WhatsApp 每天产生数十亿条用户交互数据，Threads 的社交图谱，Ray-Ban 智能眼镜收集的多模态数据……这些才是真正的金矿。问题是，Meta 能不能把这些数据用好，同时处理好隐私合规的边界，这是他们接下来最大的挑战。

结语：竞赛还在上半场

四十分钟的对话，Wang 展现出的思考框架是务实的。他没有喊"我们一定能赢"这种空洞的口号，而是把竞争拆解成了几个可量化的维度：基础设施的效率、数据闭环的完整性、开发者生态的活跃度。

说实话，我对这种务实的态度是欣赏的。AI 这场竞赛，媒体和资本市场的叙事总是过于戏剧化——今天"OpenAI 即将实现 AGI"，明天"Google 已经掉队"。但真正在这个行业里干活的人，心里都清楚这是一场至少持续十年、十五年的持久战。

谁会赢？我不知道。但我知道一件事：笑到最后的，一定是那些既愿意砸钱、又愿意花时间打磨数据质量、同时保持对技术路线敏感性的玩家。Meta 看起来正在往这个方向走。至于 Alexandr Wang 个人在这场大戏里扮演什么角色，时间会给出答案。