ARTICLE · 1174064
扎克伯格的千亿美元AI豪赌:在看到模型之前,他先签了支票
扎克伯格的千亿美元AI豪赌：在看到模型之前，他先签了支票
“去年年底，我们还没见到模型，就要签一张大概1000亿、2000亿美元的支票。我当时问：Alex，你确定这能行吗？”
说这句话的人是马克·扎克伯格。坐在他旁边、被问的那个人，是29岁的亚历山大·王（Alexandr Wang），Meta超级智能实验室（MSL）的首席AI官。
2026年10月12日，Meta发布了号称“首个前沿级模型”的Muse Wonder。同一天，两人坐进Stripe联合创始人约翰·科里森（John Collison）的播客《Cheeky Pint》，一边喝着从都柏林带来的健力士，一边聊了两个多小时。这期节目，是外界第一次听到Meta高层如此直白地讲述这场豪赌：钱是怎么花的、团队是怎么推倒重来的、CFO是怎么在夏威夷把亚历山大·王拉到一边“警告”的，以及他们打算怎么把钱赚回来。
这篇文章，我们把视频里他们说了什么和我们怎么看分开写。前者尽量忠于原话，后者是笔者基于公开财报和报道的分析。
一、先交代背景：一年半里，Meta经历了什么
以下为公开资料梳理，非视频内容。
时间线并不长，但密度极高：
• 2025年4月：Llama 4发布，市场反应平平。 • 2025年6月：Meta向数据标注公司Scale AI投资143亿美元、拿下49%股权，创始人亚历山大·王加盟；6月30日，扎克伯格宣布成立Meta超级智能实验室（MSL），王出任首席AI官，前GitHub CEO纳特·弗里德曼（Nat Friedman）负责AI产品。同月，OpenAI CEO萨姆·奥尔特曼公开称Meta向OpenAI员工开出了高达1亿美元的签约奖金。 • 2025年10月：Meta与Blue Owl旗下基金成立合资公司开发路易斯安那州的Hyperion数据中心，双方承诺投入约270亿美元，Blue Owl持股80%，Meta持股20%并长期租用。 • 2026年4月8日：MSL发布首个模型Muse Spark，告别开源Llama路线，转向闭源。 • 2026年5月：Meta开始裁员约8000人（约占员工10%），同时把约7000人调往AI相关岗位。 • 2026年9月8日：个人AI智能体App“Muse”在美国上线。据Sensor Tower估算，它22天在美加地区下载量破500万，ChatGPT用了56天——但Sensor Tower也指出，Meta一度把多达50%的自家“站内广告”位让给了Muse。 • 2026年10月12日：Muse Wonder与Muse Wonder Full发布，API定价为每百万token输入4美元、输出20美元。
在模型战场的另一端，OpenAI在9月3日发布了GPT-6 Astra，谷歌9月30日宣布了仍限量开放的Gemini 4 Argon，Anthropic则有Claude Fable系列。Meta是在这样一个拥挤的牌桌上，补上自己的那份筹码。
二、视频里说了什么：六个最值得记住的片段
1. “模型就是产品”
扎克伯格说，MSL内部有句口头禅：the model is the product（模型就是产品）。产品越来越“薄”，模型越来越成为产品本身。负责产品的纳特·弗里德曼在思考“怎么让产品体验更好”时，讨论的往往是后训练，而不是界面。亚历山大·王补充说，Muse的人格、主动性、什么时候开口、怎么说话，这些产品决策最终都要落到“训练方法、数据和评测”上。
他们还吐槽了同行：AI产品往往由高度技术化的团队设计，“模型命名乱到离谱，有时候版本号还倒着走”，普通人根本不知道该选哪个。所以Muse没有模型选择器，也没有“思考强度”选择器。
2. Muse Wonder：一张“为个人智能体定制”的考卷
据两人介绍，Muse Spark系列（内部代号Avocado，牛油果）基于去年12月左右完成的预训练；Muse Wonder（代号Watermelon，西瓜）是“明显更大”的新一代预训练。“水果用完了，”王开玩笑说，“比西瓜更大的只剩榴莲，你可不想用榴莲。”
他们强调的能力有四项：
• 主动记忆（Active Memory）：跨天、跨周、跨月记住你说过的事，并在后续任务里调用。王直言，很多人用开源智能体OpenClaw时会发现“记忆很容易出bug”，而Meta把记忆压缩等能力训练进了模型本身，不只是外挂框架。 • 主动专注（Active Focus）：在长周期任务中坚持到底，遇到挫折会换路子。 • 领域专业：法律、金融、健康、税务等“个人咨询”类问题。王的说法是，最好的个人智能体应该像“站在你身后的一支专家团队”。 • 前沿编程：他们称其在DeepSWE、SWE-Marathon上达到业内最佳。
王还提到一个有意思的指标——“大模型味儿”（big model smell）：比较模型在后训练覆盖的任务（分布内）和没覆盖的任务（分布外）上的表现差距，以此衡量是不是“刷榜刷出来的”。Meta官方博客也用同一思路对比了Muse Spark 1.3与Muse Wonder Full。
商业安排上，扎克伯格说Wonder“更大、服务成本更高”，所以在Muse里会先给付费订阅用户，免费用户继续用Spark；Wonder Full则只对Muse Code订阅用户开放。
3. “先把筹码全推上去，再看发什么牌”
这是整期节目信息量最大的一段。
亚历山大·王说，做前沿AI是“困难模式的创业”，是“精益创业的反面”——你不能先跑通、再加码，因为等你看到结果，你已经落后得无可救药。
他回忆，去年年底Meta高管团队在夏威夷开会，CFO苏珊·李（Susan Li）多次把他拉到一边：“我得让你明白，这个模型必须成功。成了，一切都好；要是不行，在财务上会非常、非常糟糕。”
科里森追问到底要多少钱。扎克伯格给了一个“行业常见的估算”：运营一个1吉瓦（GW）集群一年，大约150亿美元；如果算上前期建设的资本开支，大约500亿到600亿美元。而这只是训练的一部分，研究阶段每做一次改动都要在不同规模上反复验证，还有推理服务。他认可“训练一个前沿模型需要数百亿美元”是个不错的估计。
最难的还不是训练，而是为一个还不存在的产品提前几年建推理算力。王说，当时有人提议“是不是保守一点”，扎克伯格的回答是：“不，我们就这么干，破釜沉舟。”
4. 算力：看“最大的那台计算机”
扎克伯格说，衡量一个AI实验室的算力实力，要看它最大的单体超级计算机有多大，因为大规模训练必须在单一集群上完成。Meta在俄亥俄州建了Prometheus集群，规模“超过1吉瓦”；正在路易斯安那州建设的Hyperion，将扩展到5吉瓦。他特别强调，这两个项目的规划早于MSL，是2023到2024年Llama时代就开始布局的，“现在才陆续上线，路易斯安那那个还要几年”。王补充说，外界以为模型是“发一个、再想下一个”，实际上是多条长周期工作流在最后一刻汇合——Muse Wonder从去年8月就开始规划了。
5. 扎克伯格的“兜底逻辑”
扎克伯格不认为这场赌博像看上去那么危险，他给了两层理由：
第一，如果AI整体是成功的，别人会抢着要Meta的算力，按每吉瓦150亿美元的成本，“我们能卖得比这贵得多”。所以要让这笔投资失败，不只是Meta失败，而是“整个AI都失败”。
第二，即便AI整体失败，Meta还有大量其他方式消化这些算力——比如核心的广告和推荐业务。
他还点出一个财务细节：数据中心是资本开支，可以分多年折旧；而很多AI成本其实是研究员薪酬，产出的模型同样能用很多年，却通常不能资本化。自建数据中心相比租用云服务的公司更有优势——“如果算力持续紧张，一块H100今天的价值甚至比去年还高。”
6. 不到200人，与一次“彻底重启”
扎克伯格回忆：Llama 4在2025年4月初发布，大约4月20日前后，他开始四处打电话请教下一步该怎么做。他第一次联系亚历山大·王，聊了44分钟；两天后，王发来一份长文——“如果我是你，我会这么做”。第一条就是：你不需要很多人，人才密度才是关键。
于是有了后来“非常激进的招聘和筛选”。两人透露，研究团队不到200人，“更接近100人”，此外还有大量基础设施人员；每个训练阶段都是“几十人对别人家的几百人”。扎克伯格说，他们不把算力“像抹花生酱一样摊到许多相互竞争的项目上”，而是集中给关键的人，人均算力极高。
其他“反常规”的安排包括：
• 彻底重启：最初并没决定推倒重来，是在和顶尖研究者聊的过程中发现，“让它感觉是从零开始”才最有吸引力。 • 极度扁平：扎克伯格说王一度有“近200个直接下属”（王笑称实际没那么极端）——扎克伯格解释，重点不在汇报关系，而在于“没有不懂技术的管理者”，人人都要保持技术敏感、亲自用智能体、写代码。 • 没有截止日期：在投入巨资后，Meta明确告诉团队“没有deadline”。 • CEO清空日历：扎克伯格说自己几乎清空了一两个月的日程，专门见研究员。
王还讲了一个让他“心里一沉”的故事：入职后第一次开会，他说当务之急是训练一个好的推理模型，结果原团队一位关键负责人反问：“我们的用户需要推理模型吗？”他当场给弗里德曼打电话：“我可能来错公司了。”
三、我们的分析：这笔账，到底怎么算
以下为笔者分析，基于公开财报与报道，不代表视频观点。
1. “千亿”不是修辞，而是正在发生的现金流
先看财报。Meta 2025年全年资本开支（含融资租赁本金）为722亿美元；2026年1月给出的全年指引是1150亿至1350亿美元，到7月二季度财报时，指引已经收窄为1300亿至1450亿美元——差不多是一年翻一倍。
代价同样清晰地写在报表上。2026年二季度：
• 营收608亿美元，同比增长28%，增长依然强劲； • 但总成本费用同比增长55%，研发费用从129亿美元涨到217亿美元； • 营业利润率从43%降到31%； • 单季资本开支311亿美元，自由现金流只剩7.84亿美元（去年同期为85亿美元）； • 长期债务从2025年底的587亿美元升至837亿美元，当季发债约249亿美元；上半年没有回购股票（2025年上半年回购约229亿美元）。
换句话说，扎克伯格口中的“我们是一家非常赚钱、信用很好的公司，可以承担这些投资”，是真的——但这台“世界第八大奇迹”般的广告机器，已经开始把几乎全部的现金都喂给算力。节目里科里森抛出的问题很直接：AI基建要花的钱只会越来越多，钱从哪里来？扎克伯格的回答是订阅、电商、企业服务和核心业务加速“多管齐下”，亚历山大·王的版本更简短：“答案最好是能。”——这句玩笑话，恰恰点出了问题的分量。
2. 算力：时间差才是真正的护城河
Meta官方博客确认，Muse Wonder是在吉瓦级的Prometheus数据中心训练的。这说明一个常被忽略的事实：这次“重启”之所以能在14个月内追到前沿，很大程度上吃的是两三年前的老本——数据中心选址、电力、土地，都是在MSL成立之前就定下的。
这也解释了为什么前沿AI越来越像重工业。人可以在几个月内挖来，模型可以在一年内重训，但一座吉瓦级数据中心从规划到上线要以年计，而且受制于电网、燃气发电和供应链。据公开报道，Hyperion预计2028年起逐步上线。对后来者而言，这种时间差几乎无法用钱在短期内抹平；对Meta而言，它意味着2027年之后的算力瓶颈，仍然取决于今天的决策。
3. 扎克伯格的“兜底逻辑”站得住吗？
他的第一层逻辑——“AI成功，算力就有人要”——在当下大体成立。二季度电话会上苏珊·李说，Meta在可预见的未来都处于“供给受限”状态，核心业务里仍有大量“ROI为正”的地方等着算力。
但这层逻辑有两个隐含前提，值得读者警惕：
• 第一，算力是同质的、可转卖的。事实上，Meta并没有像亚马逊、微软、谷歌那样成熟的公有云业务。“别人愿意出更高价”需要一套对外出租的商业基础设施，这恰恰是Meta过去的短板。节目里提到的新建“Meta企业平台”、引入CJ Desai，可以理解为在补这块短板。 • 第二，硬件的经济寿命足够长。扎克伯格说H100今天比去年更值钱，这是“算力紧缺”状态下的现象。一旦供需反转，GPU的折旧速度就会成为财报上的一颗雷。
至于“折旧优势”，这是一个真实存在的会计差异，但它改变的是利润的呈现时点，不改变现金的流出事实。对于判断Meta能撑多久，自由现金流比利润表更诚实。
还有一点：Hyperion采用了与Blue Owl合资、Meta持股20%再长期租回的结构。这让巨额建设投入不必全部压在Meta自己的资产负债表上，但也意味着长期的租赁承诺。所谓“轻资产化”，本质上是把风险在时间和主体上重新分配，而不是消灭风险。
4. 人才：用“稀缺”对冲“规模”
“不到200人的研究团队”是这期节目里最反直觉的数字。把它和1300亿美元以上的年度资本开支放在一起看，你会得到一个惊人的比例：Meta在用一家巨头的资本，养一个创业公司规模的大脑。
这是有道理的。前沿模型训练本质上是“样本极少的科学”——王说预训练“你根本没有多少样本”，每一次大规模训练都是高风险决策。这种决策质量高度依赖少数人的判断，人多反而会稀释算力、增加协调成本。
但风险同样集中：
• 关键人物风险：团队越小，每一个人离开的冲击越大。外界报道Meta曾开出最高4年3亿美元的薪酬包，用钱买来的忠诚，也最容易被更多的钱买走。 • 组织张力：同一时期，Meta一边裁员约8000人，一边给少数研究员开出天价。这种“二元结构”能否长期稳定，是管理上的真问题。节目里王也承认，MSL的需求“相当庞大”，基础设施、数据中心都要全公司配合，“只有创始人CEO才能做到全局优化”——这既是优势，也意味着整个体系高度依赖扎克伯格个人的意志。
5. 商业模式：Meta押的不是聊天机器人，而是“替你花钱”
视频里扎克伯格列了好几条收入路径：订阅、电商抽成、小企业“盒子里的公司”、API、企业平台，以及最容易被忽视的一条——用模型让核心广告业务再快几个百分点。
笔者认为，最有想象力的是“智能体电商”。扎克伯格自己的例子很说明问题：为了让Muse帮他和三岁的女儿准备周末烘焙材料，他专门注册了Instacart账号，从一年用两次变成一周用一两次。他提出的问题是：“这个账号到底是给我的，还是给Muse的？”如果智能体成为新的“消费者”，整个电商的可服务市场都可能被重新定义。
这对Meta意味着什么？过去二十年，Meta靠“注意力”赚钱——你在信息流里停留，它卖广告。如果未来大量消费由智能体完成，广告位的价值可能被重新分配。Muse既是Meta开拓新收入的武器，某种程度上也是它对自身旧模式的“自我革命”。这是一个比“能不能赚回千亿”更深层的战略问题。
但也要冷静看到：Muse目前只在美国、加拿大上线，500万下载的成绩有自家流量的大力加持；Wonder要先给付费用户，免费用户用的还是更小的Spark。“十亿用户”还是目标，不是现实。
6. 竞争格局：Meta押的是“个人”这条赛道
把Meta放回整个行业看，据第三方机构汇总的2026年资本开支指引：Alphabet约1950亿至2050亿美元，亚马逊约2200亿美元，微软约1750亿美元，Meta为1300亿至1450亿美元。四家合计超过7000亿美元。Meta并不是花钱最多的，但它是唯一一家没有大型公有云业务来直接变现算力的。
这决定了它的差异化路线：
• OpenAI和微软更多押注知识工作与企业场景； • Anthropic在编程智能体上建立了口碑——扎克伯格在节目里也承认“Anthropic让编程智能体跑通了”； • 谷歌有搜索、云和自研芯片的全栈； • Meta则选择了“个人超级智能”：多模态、记忆、隐私和“分寸感”。扎克伯格举例说，智能体帮你订餐厅，要知道你过敏或怀孕，却不该把这些透露给餐厅。
亚历山大·王对“AI为何没有赢家通吃”的解释也值得一记：各家执行力有起伏；蒸馏技术是一股“反霸权”的力量，让小模型迅速追上大模型；以及很多人才主动选择不想要“一家公司赢下一切”的未来。这套说法当然对后来者Meta最有利，但它和过去两年行业多强并立的现实是吻合的。
7. 一个必须指出的“利益相关”
最后提醒读者：这期节目的主持人科里森是Stripe联合创始人。节目中，扎克伯格称赞Stripe为Muse做的集成“非常棒”；Stripe已于2026年8月宣布收购模型路由平台OpenRouter，而节目中Meta表示Muse Wonder也将通过OpenRouter提供，节目里还插播了OpenRouter的广告。这并不意味着内容不可信，但它是一场合作伙伴之间的友好对谈，不是质询式采访。比如“Muse Wonder是最好的个人智能体模型”“在多项基准上达到业内最佳”，目前都是Meta自己的测量结果，有待第三方验证。
四、风险清单：这场豪赌可能输在哪里
笔者分析。
1. 财务风险：资本开支增速远超营收增速，自由现金流已逼近零，未来需要更多依赖发债和合资融资。如果广告业务增长放缓，压力会迅速放大。2027年资本开支至今未给指引，苏珊·李称规划“高度动态”。 2. 技术风险：Muse Wonder是Meta首个“前沿级”模型，但前沿是移动的靶子。竞争对手的下一代模型发布周期以月计。 3. 产品风险：智能体会替用户花钱、读邮件、操作电脑，一次严重的隐私或误操作事故，都可能摧毁信任。连两位受访者自己都承认，Muse的魔力很大程度来自“它就是能用”——可靠性稍差一点，用户就会直接删掉App。 4. 监管与法律风险：Meta二季度确认了24亿美元法律相关费用，并在财报中提示青少年相关诉讼可能带来重大损失。一家同时掌握社交关系、私信和“替你行动”能力的公司，必然会面临更严格的审视。 5. 组织风险：小团队、高薪酬、强依赖创始人意志，这种结构的上限很高，下限也很低。
五、这对我们意味着什么
对行业：Meta用实际行动证明，前沿AI的“入场券”已经从十亿美元级抬到了数百亿美元级。按扎克伯格的说法，衡量一个实验室实力，看的是它“最大的单体超级计算机有多大”。能玩这个游戏的公司，全球屈指可数。
对创业者：模型越强，产品越“薄”。如果你的产品只是“在大模型外面套一层界面”，护城河会越来越浅。真正的机会，可能在模型做不好的地方：行业数据、信任关系、线下履约，以及为“智能体用户”重新设计的服务接口。
对普通读者：如果扎克伯格的判断对了，未来你和互联网的交互方式会发生变化——你不再自己搜索、比价、填表，而是交给一个“认识你”的智能体。随之而来的问题是：你愿意把多少关于自己的信息交给它？它在替你做决定时，到底站在谁的一边？
结语：赌的不是模型，是下一个十年的入场资格
整期节目里，亚历山大·王反复说扎克伯格“非常贝叶斯”：一旦接受新证据，就彻底更新世界观，并且立刻按新世界观行动。
这也许是理解这场千亿豪赌最好的钥匙。在扎克伯格看来，这甚至“不是一个选择题”——Meta当然可以不做，也照样能存在下去；但如果想继续做一家“发明对人们重要的新东西”的公司，就必须拥有端到端构建超级智能的能力。
从元宇宙到AI，扎克伯格已经不止一次在“还没看到牌”的时候押上全部筹码。上一次，Reality Labs至今仍在亏损（2026年二季度单季亏损约46亿美元）；这一次，Muse的开局明显更好。但开局只是开局。
用节目最后一句话收尾再合适不过：“很容易就会掉队。你得留在前沿。”
对Meta来说，留在前沿的门票是每年上千亿美元。这张支票已经签了，接下来，就看牌了。
