扎克伯格内部承认 AI 智能体进展慢于预期，Meta 战略遭到冷水

扎克伯格内部承认 AI 智能体进展慢于预期,Meta 战略遭到冷水

扎克伯格在一次内部全员会议上告诉 Meta 员工,公司的 AI 智能体研发进度慢于他此前预期。这是过去半年里 Meta 高层第一次在内部承认智能体路径遇阻,与外界营销宣传的乐观基调形成明显落差。

Meta 过去一年在人工智能上的投入极其激进。这家社交巨头公开宣布年度资本开支上限提高到六百亿美元,新招募了包括前苹果首席人工智能科学家在内的大批人才,并在开源大模型 Llama 上投入海量算力。扎克伯格反复对外强调,智能体将替代大量白领工作。

但从技术层面看,通用型智能体距离可靠交付仍有相当距离。当前基于大模型的智能体在长链条任务中容易出错,一旦执行超过十步以上的操作,累积错误率会迅速攀升。企业客户在实测阶段普遍反馈,能真正解放人力的场景比预期窄很多。

更棘手的是估值和资本市场的压力。华尔街已经把大量 AI 收入预期计入了 Meta 的股价,如果智能体的商业化落地推迟一到两年,广告以外的第二增长曲线就无法成立。这也是扎克伯格必须在内部及时管理预期的现实原因。

技术团队的组织问题同样浮出水面。Meta 今年从对手公司挖来的高管中,已经有几位在半年内选择离开,内部文化冲突和资源分配矛盾成为公开秘密。新组建的超级智能实验室在项目优先级上和现有的 Reality Labs、GenAI 团队反复摩擦。

横向对比,谷歌的 Gemini 已经在企业和消费者端建立起相对稳定的用户基础,微软借助与 OpenAI 的深度绑定拿下了大量企业订单,亚马逊也把智能体的重心放在了自家云服务的具体工作流上。Meta 缺乏一个明确的分发通道,这是它推进智能体商业化的结构性短板。

扎克伯格的坦白某种程度上也是一次预期管理。承认进度慢,可以为下半年推迟发布新产品和减少激进承诺留下缓冲空间,避免像去年元宇宙业务那样在大量投入后陷入舆论被动。

Meta 拒绝对内部会议内容置评。这家公司此前透露,将在下半年推出面向普通用户的智能体消费级应用,同时把 Llama 系列开源模型继续升级为通用智能体平台的基础层。

更深层的矛盾在于,智能体的可靠性问题短期内没有明确解法。当前的大模型本质上是概率生成系统,无法保证每一步操作都严格符合预期,而企业级应用恰恰要求高度确定的执行结果。这种技术特性与商业需求之间的鸿沟,不是靠增加算力和参数规模就能填平的,它需要在架构层面出现新的突破,而这类突破的时间表无法预测。