“今天，我们一起发起了一场运动。”
2007年5月24日下午3点，在Facebook*次开发者大会上，年轻的扎克伯格向台下上千名开发者发出一则“革命宣言”。这是扎克伯格*次在公众场合上台演讲，他在台下把这句开场白练习了无数遍。
当时，Facebook已经从校园走向社会，面向所有互联网用户开放，一举站上社交媒体金字塔尖的宝座。但扎克伯格不满于此，他开始尝试触达计算机世界更高的宝座——操作系统。
Facebook将其开发者大会命名为F8，指代Facebook经常会举办的“通宵黑客马拉松活动”——将工程师们聚在一起，用8个小时完成一个不切实际的想法。同时，F8的英文发音和fate（命运）相似，仿佛暗藏了扎克伯格认为Facebook命中注定将成为时代霸主的野心。
但遗憾的是，决定开发操作系统后的十几年里，Facebook定下的大计划几乎没有一次能圆满完成——社交媒体操作系统折戟；错过移动互联网的先机；在元宇宙的一片虚火中全力押注，最终血本无归。这家曾经的社交媒体巨头在一次又一次误判中跌落尘埃。
今天，Meta又找到了“AI”这根救命稻草，并已经开始看到曙光。
7月，Meta发布了2023年Q2季度财报，多项数据超市场预期。财报显示，Meta在2023年Q2季度中，总营收为320亿美元，同比增长11%；Q2季度每股收益为2.98美元，同比增长21%，创2021年四季度以来新高；净利润为77.88亿美元，同比增长16%。这是Meta自2021年四季度以来，营收增长幅度首次达到两位数。
但坏消息是，元宇宙给公司带来的亏损仍在扩大。据财报显示，元宇宙所在的Reality Labs（现实实验室）部门，在2023年Q2季度亏损达到37.3亿美元，Q1季度亏损额达39.92亿美元。 Meta的元宇宙部门已经连续两年亏损百亿美元以上，2022年共计亏损137.17亿美元，2021年亏损101.93亿美元。Facebook改名Meta之后，已经在元宇宙项目里亏损了约316亿美元，股价直接性损失了约三分之二。
Meta也在尝试将其大模型整合至原先的社交媒体产品矩阵中，但将AI植入社交媒体由此带来的财务增长或许并不是大模型*的商业模式。可以说，此时此刻无论巨头还是创业者，都没有为大模型找到一个长久且行之有效的商业模式。
那么，Meta究竟能否凭借LLaMA重回*？
1.“羊驼热潮”
一场来自Meta的反击
经过半年发酵，人们对大模型的狂热终于逐渐冷却，开始考虑“下一步”该怎么走。
学术界依然“岁月静好”，继续探索如何治好大模型胡说八道的毛病，以及大模型之外，人工智能还有哪些更值得想象的未来。
而商业世界就是另一番景象了。巨头们打得面红耳赤，生怕错过定义下一个时代的机会；创业者们削尖脑袋，拼命寻找尚未被巨头占领的处女地，试图出奇制胜。
但在围绕大模型的新一轮商业竞争中，Meta作为科技巨头却显得颇为“佛系”。
OpenAI去年11月底发布ChatGPT，但当时的Meta还因元宇宙血亏而身陷裁员阵痛。今年1月，Meta似乎才反应过来，着手训练更轻巧的语言模型LLaMA。
2月25日，Meta“不小心泄露”了LLaMA模型（英文中，llama译为“羊驼”）。LLaMA模型有70亿、130亿、330亿和650亿四种参数规模，训练语言高达20种。
在对比测试中，LLaMA模型在仅130亿参数规模上，就已经可以“在大多数基准上”胜过参数量高达1750亿的GPT-3，且能在单块V100 GPU上运行；而其650亿参数的模型已经可以媲美谷歌的Chinchilla-70B和PaLM-540B。
整个训练数据集在token化之后大约包含1.4万亿个token。其中，LLaMA-65B和LLaMA-33B是在1.4万亿个token上训练的，而最小的模型LLaMA-7B是在1万亿个token上训练的。
LLaMA给出了一条独立于GPT路线的新思路——更大规模的训练数据+更精巧的算法能够降低模型对参数和算力的依赖。
2022年3月，来自DeepMind的Jordan Hoffmann等人在论文《Training Compute-Optimal Large Language Models》中提出“Hoffmann定律”：用20倍于模型参数规模的训练数据来训练大模型，效果*。而LLaMA模型的训练数据量正好约为参数规模的22倍。
LLaMA的出现已经让外界对Meta刮目相看。但所有人都没想到，Meta的大招还在后面。
时隔5个月，7月19日，Meta携手微软推出开源大语言模型LLaMA2。发布当天，扎克伯格在Facebook上传了一张和微软CEO萨蒂亚·纳德拉的合照。照片中二人面带微笑，甜蜜相拥，背后蓝天白云、绿草茵茵，一派祥和。有网友调侃道：“我想知道OpenAI感觉如何？”
图片来源：扎克伯格Facebook主页
Meta还发布了一篇长达76页的论文，详细说明了LLaMA2诞生的全过程，包括模型详细信息、训练阶段、硬件、数据管道和注释过程。NVIDIA高级人工智能科学家Jim Fan称赞这篇论文是“一部杰作”。至少从行动上看，Meta的开源很有诚意。
LLaMA2将“大模型应该开源还是闭源”的争论推向了高潮。
开源与闭源之争几乎伴随了整个计算机技术的发展历程。从PC时代的Windows与Linux之争，到移动互联网时代，苹果iOS与谷歌安卓二分天下，每一次开源生态崛起，都会带来一场市场的重新洗牌。
在美国大模型厂商中，谷歌是闭源阵营，OpenAI前期开源，后期迫于商业压力也转向闭源，以API付费的方式向开发者提供服务。
种种迹象表明，Meta发布的开源模型已经开始冲击闭源玩家。
LLaMA2发布一周内，Meta就收到了超过15万次的下载请求，开源社区star数量直逼3万颗，基于LLaMA2微调的模型与插件也如雨后春笋般冒出。
同时，LLaMA2也降低了大模型私有化部署的门槛，很受企业欢迎。LLaMA2构建在Meta自己开发的PyTorch框架上，PyTorch可以大幅减小模型的体积，让模型变得更轻巧，极大降低了运行大模型的硬件门槛，个人用户甚至在普通电脑上也可以部署运行LLaMA2。
以上均得益于Meta对模型本身的精巧构思，而比模型设计更“精巧”的，是Meta对开源社区的深刻理解。
Meta聚拢了很多合作伙伴共同向客户及开发者提供LLaMA2模型，阿里云、Amazon Sagemaker、Databricks、Microsoft Azure以及IBM的WatsonX都已支持LLaMA2使用，开发人员可以在单个GPU上微调70B的模型，采用成本被大大降低。
最近一项题为 “大型语言模型的挑战和应用”的研究指出，经过微调的闭源模型和开源模型之间存在能力差距。但借助LLaMA2，社区可以缩小差距，开发出可与OpenAI的GPT模型相较量的竞争对手。
值得注意的是，Meta给LLaMA2的“免费商用”设置了一个意味深长的限制条件。根据LLaMA2的授权政策，如果企业的月活用户数超过7亿，必须从Meta申请许可证，Meta会对此类授权严格设限。
Meta并未明确解释设置这项政策的实际原因，但从“月活7亿“的门槛来看，基本上把现在的巨头挡在了门外。产品月活超7亿的公司有YouTube（25亿）、苹果 （18亿）、微软（14亿）、三星（10亿）、领英（9亿）、Snapchat（7.5亿）等，而这些正是Meta的主要竞争对手。
通常意义上，开源和闭源有着明确的“分工”。开源承担推动技术繁荣的理想与信念；闭源则负责为商业公司构筑技术壁垒，谋取更多利润。但Meta似乎试图在开源的理想主义和闭源的利益为先之间寻找一个平衡点——一边高举开源大旗，繁荣创新；一边和竞争对手划清界限。
不得不说，和2021年“All in”元宇宙相比，Meta这次的战术显得更加明智。某种程度上，这更像是蛰伏已久的Meta，向所有人发出的一次“反击”。
一直以来，以社交媒体起家的Meta常被人诟病缺乏科技基因。在今年5月举办的“白宫AI峰会”甚至没有邀请Meta。有记者询问原因时，一名匿名官员回应道：“目前在该领域处于*地位的公司，才会收到邀请”。
LLaMA2发布后，Meta和背后的扎克伯格或许终于能扬眉吐气一回。毕竟，为了这一天，扎克伯格已经带着公司在AI这条路上跑了10年。
2.Meta AI的十年
研究的巨人，产品的矮子
2013年，谷歌、微软、百度、DeepMind四家公司为一场竞拍争红了脸。
竞拍对象是一家名为DNNResearch的公司，这家公司没有任何产品，也没有生产计划，全公司甚至只有3名员工和几篇论文。
而这3名员工，就是真正让大厂们垂涎已久的对象。他们分别是多伦多大学教授Geoffrey Hinton（杰弗里·辛顿）与他的学生Alex Krizhevsky（亚历克斯·克里泽夫斯基）、llya Sutskever（伊尔亚·苏茨克维）。
彼时，师徒三人已经是人工智能领域传奇版的存在——他们合作设计了卷积神经网络（CNN）架构AlexNet。AlexNet在LeNet（LeNet-5，最早的卷积神经网络之一）的基础上加深了网络的结构，结合GPU强大性能直接横扫2012年ImageNet挑战赛，一举打破深度学习的寒冬。
最终，谷歌以4400万美元拿下了DNNResearch。如今回看，这场竞拍正是即将到来的深度学习革命的前奏。
错过杰弗里·辛顿这张王牌后，扎克伯格开始带领Facebook着手组建自己的AI王牌部队。他找到了另一位出色的AI梦想家——Yann LeCun（杨立昆）。
上世纪80年代，Yann LeCun就创造了卷积神经网络，被誉为“卷积神经网络之父”。上文所说的AlexNet，便是在他的研究成果LeNet之上发展而来。
2013年10月，扎克伯格亲自给Yann LeCun打了一通电话：“我们公司已经走过了十年，需要考虑下一个十年。我们认为人工智能将会扮演一个非常重要的角色。”他诚挚邀请Yann LeCun帮助Facebook建立一个世界*的人工智能实验室。
Yann LeCun同样提出了很多要求——实验室必须独立开放，研究成果完全开源，他本人要继续在纽约大学任教等等。二人一拍即合，Facebook入局AI已是箭在弦上。
2013年末，由Yann LeCun主导的FAIR实验室（Facebook's Artificial Intelligence Research）宣告成立。
Yann LeCun一直提倡产学合作制度，这也让FAIR有着浓厚的学术氛围。根据实验室华人成员田渊栋介绍，FAIR实验室目标就是发高质量文章、做有力的前沿工作，且研究氛围非常自由，没有产品压力。自由包容的研究氛围也为FAIR吸引了大量的学术大牛，诸如何恺明、田渊栋、Edward Grefenstette等。
之后几年，Yann LeCun携手一众学者将FAIR打造成与DeepMind、OpenAI齐名的全球*AI实验室。
FAIR将相当一部分研究精力都集中于攻克推理、预测、计划、无监督学习等基础问题，开发了诸如深度学习框架PyTorch、深度卷积生成对抗网络（DCGANs）等技术工具。
以深度学习框架为例，2017年，FAIR实验室陆续开发学习框架PyTorch、Caffe2，一举打破了谷歌在框架领域称王的局面。仅在发布一年后，PyTorch的论文提及数量猛增194%，份额直逼TensorFlow 。
此外，FAIR也始终保持着开放的态度，坚持对外发布前沿的研究成果，并尽可能地对外开源研究代码、数据集和工具。据Hugging Face创始人Clement Delangue介绍，截至2023年8月，在Hugging Face上，Meta共有689个存储库，相比之下，谷歌有591个，微软只有252个。
可以说，Meta是目前为止开源数量贡献最多的科技大厂。
“Facebook在FAIR之前没有任何研究实验室，这是*个，在那之前，该公司非常专注于短期工程项目，期限为6个月，甚至更短，”Yann LeCun曾回忆道。
“在Facebook的头五年里，我对创建研究实验室说‘不’，”首席技术官Mike Schroepfer在Facebook的一篇帖子中写道。“2013年，人们发现人工智能对于 Facebook的长期未来至关重要，所以我们必须想办法解决这个问题。”
成立五年后，FAIR的影响力已渗透到整个公司。该小组在门洛帕克、纽约、巴黎、蒙特利尔、特拉维夫、西雅图、匹兹堡和伦敦设有实验室。他们与学术机构合作，发表了无数论文和研究，该小组在五周年时间表中列举了其中的许多内容。
然而，尽管FAIR给Facebook在AI学术领域带来无数高光时刻，但在如何把AI变成产品的问题上，Facebook却闹了不少笑话。
Facebook改名Meta后，也发布过类似的聊天机器人BlenderBot3（简称“BB3”）。当有记者向BB3提问：“你如何看马克·扎克伯格这个人？”BB3毫不犹豫地回答：“他在国会作证时的表现太差了，让我对美国的未来感到担忧。” “我不喜欢他，他好诡异，并且控制欲很强。”“他冷漠无情。”
这些狂踩老板的发言，吸引了大量网友纷纷涌向BB3一探究竟。但很多人发现，BB3不仅喜欢狂踩自己老板，还会一本正经地胡说八道，并不时生成诸如反犹主义、种族歧视等偏见。
最终，被寄予厚望的BB3不仅没有强化Meta的 “科技”标签，反而深化了其煽动仇恨的恶名。相似的尴尬在2022年11月再次上演，定位在“科研助手”的大模型卡拉狄加（Galactica），却意外成了“科学造假发动机”，在发布仅3天后便匆忙下架。
至此，Meta在AI产品上的两次尝试均以失败告终。“如何将AI变成产品”，成为全公司共同的待解命题。
Facebook在AI产品上的失败，很大程度上来源于FAIR类似学术研究的项目驱动模式。研究人员推进各自议程、追求独立的项目，这给了研究人员很高的自由度，但并不利于制定一个有凝聚力的全公司战略。
这种模式也让Meta内部资源分配过于分散，不够聚焦。Facebook会给每个项目划分独立的硬件资源池，但并非每个项目研究都能完全消耗分配到的芯片，一旦有所剩余，研究人员为保证项目组得到充分的算力资源，就会将多余的芯片投入一些并不重要的研究中。
长此以往，劣币驱逐良币，最终结果只能由整个Meta来买单。
反复出丑的AI产品，不断消耗公众的热情。BB3发布时，还有公众认为“Meta内部有更好的AI，但选择发布一个糟糕的聊天机器人”。但当大模型卡拉狄加（Galactica）发布后，用户已经攒够了失望，“Meta只能发布一个糟糕的AI”似乎成为了一种共识。
更致命的是，对Meta产生怀疑的不只是用户。在今年4月末的内部调查中，只有26%的Meta受访员工表示仍对公司的领导层充满信心。而已经失去信心的人，也选择了“用脚投票”。据《华尔街日报》报道，去年Meta至少有三分之一曾参与LLaMA、OPT项目的研究人员因筋疲力尽或对Meta缺乏信心而流失。
公众则延续了对Facebook的严厉审判，没有人想为一个侵犯隐私、散播偏见的社交巨头，买单另一个喜欢胡说八道的语言模型。
不过，尽管Meta已经陷入内忧外患的境地，但Meta依然没有离场。Meta斥巨额资金押注AI，接连发布SAM、LLaMA2，Meta正在用自己的方式，重回人工智能的赛道。
跳出Meta本身回看这段历程，一个朴素的问题浮出水面：社交媒体起家的Meta为什么要“死磕”AI？
事实上，从Facebook到Meta，这家公司的一举一动都和扎克伯格的思想动态深度绑定。因此，要研究这家公司做一件事的动机，最终还是要在扎克伯格本人身上寻找答案。
3.野心家扎克伯格的三次“误判”
扎克伯格是一个不折不扣的野心家。自始至终，他都梦想能创造一个完全平行于现实的虚拟世界。只是，扎克伯格定下的每一个“小目标”，几乎都没能圆满完成。
2004年，扎克伯格带着“连接世界”的梦想，创办Facebook。Facebook团队陆续创造了动态讯息（News Feed）、点赞（Like）等功能，成功吸引了更多用户，将Facebook从校园应用转变为开放应用。
不过，规模增长远不是扎克伯格真正的野心——他想打造一个专属于Facebook的操作系统（平台）。
扎克伯格开始将Facebook想象成与Windows相当的社交网络操作系统，像微软拥有桌面世界一样，Facebook将拥有社交世界，成为*一家掌握社交图谱全貌的公司。
很快，扎克伯格醉心于平台的研发中，努力寻找各类创业者开发应用。Facebook甚至举办了一场黑客马拉松，邀请开发者发挥自己的奇思妙想。不久后，音乐、游戏、互动等各类应用接连上线，成千上万的开发者涌向Facebook，准备开启新一轮“淘金热”。
但此时，移动化浪潮来袭，让扎克伯格乱了阵脚。
当扎克伯格带领团队埋头打造开发者平台时，乔布斯正将世界带入“iPhone时刻”。眼看着人们使用桌面电脑的时间越来越少，一直痴迷于在PC端建立开发者平台的扎克伯格幡然醒悟——Facebook赖以生存的PC系统将很快被颠覆。
似乎一夜之间，Facebook这家社交媒体时代的“变革者”，摇身变成了移动互联网时代的“跟随者”，他们要重新学习移动时代的新规则。
移动平台不像桌面电脑，它不是直接将内容分发给用户，而是在由苹果或谷歌这类硬件设计厂商运营的应用商店中上架。想要上架，就要遵守对方的规则，这对一个想要掌控未来的野心家而言，显然是不情愿的。但此时的Facebook已经无心思考了，范式更迭中，生存才是最重要的。
在接下来的几个月里，扎克伯格重新学习移动生态经济学，Facebook团队则针对iOS、安卓系统重新开发原生应用。直到2012年3月，Facebook移动生态才终于稳定下来。
但扎克伯格不满于仅在上层应用做些“皮毛”工作。错过PC时代的扎克伯格开始卯足力气，想和移动互联网时代的软硬件巨头谷歌、苹果搏一搏，打造自己的手机并开发配套的手机操作系统。
扎克伯格快速行动，与同样错失移动浪潮的芯片公司英特尔（苹果和安卓都选择了其竞争对手的芯片）合作开发了一款Facebook手机。这部手机配备时尚的曲面屏，甚至已经有了一部样机。
但随着预定日期临近，Facebook愈加发现这笔生意不划算：Facebook没有硬件生产的相关经验，而制作一个操作系统又需要高额的资金投入。加上此时的移动生态已经由两大平台——谷歌的安卓与苹果的iOS系统所把持，Facebook的挣扎可能不会激起什么水花。
至此，扎克伯格只好搁置自己的野心，重新踏上寻找未来的征途。
2014年，扎克伯格寻找到一个新的可能性：虚拟现实。
尽管这时距离扎克伯格认为的“濒死体验”仅仅过去两年，但他还是觉得Facebook想要拥有未来，就需要为下一次范式转变做好准备。
在多次会见虚拟现实头显制造商Oculus后，扎克伯格更加笃定地认为：“虚拟现实是下一代平台，错过这个机会就像错过移动互联网一样。” 终于，在2014年7月，扎克伯格以20亿美元的价格收购了这家初创公司，正式开启了虚拟现实之路。
扎克伯格一直对虚拟现实的未来充满信心。在他的设想中，Oculus将在21世纪30年代成为主导平台，所有的平台都将置于更为紧密的控制之下。在2017年Oculus开发者大会的主题演讲中，扎克伯格就设立了“10亿人使用虚拟现实产品”的目标。而对当时Oculus的高管来说，这是他们直到彩排才知道的预测数字。
扎克伯格在虚拟现实领域持续投入，也在寻找一个适当的机会向前突破，将它带到公众面前。 2021年，扎克伯格找到了自认为对的时机。
2021年，随着游戏平台Roblox以“元宇宙*股”的概念上市，元宇宙迅速引爆资本市场。随后游戏开发公司英佩估值快速上升、元宇宙ETF基金上线，全世界掀起了一股元宇宙风潮。
火热的元宇宙让扎克伯格看到了虚拟现实的可落地性，加上此时TikiTok对Facebook社交媒体份额的蚕食，2021年10月，Facebook改名Meta，正式押注元宇宙。
这一次，扎克伯格终于先人一步。可惜的是，扎克伯格并没有找准时机。
从押注元宇宙开始，Meta就将FAIR实验室并入元宇宙核心部门Reality Labs，并加大人员扩充。据The Verge报道显示，Reality Labs在一年时间里增长了约7000名员工，总员工已超过17000人，已经占整个公司的五分之一。在资金上，Meta也在继续加码，2021年Meta全年在Oculus上的投资超过100亿美元，2022年这一数额上升至158.8亿美元。
然而，庞大的资金、精力、人员投入并没有获得相等的回报。截止2022年2月，Meta开发的元宇宙社交平台Horizon Worlds，只有30万左右的用户量。从Meta发布的财报来看，Reality Labs在一年半内亏损达210多亿美元，Meta股价更暴跌了近60%。
转型受挫的Meta急需回血，尽管扎克伯格依旧为元宇宙热情辩护，但现实的资金压力还是让扎克伯格调转方向，回到现实轨道的中来。
正巧的是，2022年11月，OpenAI发布ChatGPT，带来一场愈演愈烈的生成式AI热潮。
比起大力投注元宇宙，利用人工智能曲线救国，显然更加现实。在衡量公司状况、发展前景等多方状况下，扎克伯格选择及时止损，开启“效率年”，将目光投向生成式AI。
扎克伯格他率先从元宇宙项目着手，叫停了VR设备生产并停止为Quest Pro订购新的零部件。另外，扎克伯格继续严控成本，削减中层管理人员和一些表现不佳项目。自去年11月裁掉1.1万员工之后，很快，Meta又宣布了第二轮裁员。
在一系列调整后，Meta继续加注生成式AI。据Meta首席财务官Susan Li 介绍，Meta在2023年会斥资330亿美元来支持“人工智能能力的持续建设”，研究成果也将会被集成到Meta产品中来。
目前，Meta已经在尝试将大模型集成到原有产品上。随着AI推荐加入社交产品中，用户在Instagram上花费的时间增加了24%，Instagram的季度增幅超过30%，Meta2023年第二季度总营收同比增长11%，数额达320亿美元。这也是Meta自2021年四季度以来，营收涨幅首次达到两位数。
但更严峻也更现实的问题是，Meta缓慢增长的营收，还能否支撑得起大模型混战后续所需要的巨额投入？显然，现在不是回答这个问题的*时机。毕竟，在“如何用大模型赚到钱”这件事上，所有人都还在摸着石头过河。
至少目前为止，在扎克伯格“连接世界”的野心之下，AI是*一个看到回报，并有望让Meta在商业的丛林世界中重新站起来的计划。
2017年，扎克伯格回到哈佛，进行毕业典礼演讲。他说：“让我告诉你们一个秘密，‘没有人一开始就知道（Facebook）该怎么做，想法不会在最初就完全成型。只有当你开始行动时，事情的脉络才会逐渐清晰，你只需要开始行动。如果从一开始我就要完全弄明白‘如何连接人’，我永远做不出Facebook。”
尽管现在依然没人能看到这轮大模型混战的终局，但已经对时代浪潮误判三次的扎克伯格或许可以松一口气——Meta终于没有错过大模型。
