臉書母公司Meta，這兩年也積極加入ChatGPT引起的人工智慧競賽。但是今年年初遇上DeepSeek衝擊，逼得Meta成立戰情室因應；而Llama最強大的Behemoth遲未問世，放上LLM排行榜與對手競爭的模型又有作弊疑慮，Meta在AI大戰之中走得顛簸。上週砸下148億美元投資Scale AI、延攬創辦人汪韜（Alexandr Wang），能夠幫助Meta打贏AI戰爭嗎？
在生成式AI的戰局中，與其他科技公司相比，Meta的步調顯得獨特。
OpenAI、Anthropic等AI新創公司，目前仍仰賴銷售API以及訂閱收入，將AI變現的壓力甚巨；而Meta核心業務仍是數位廣告，AI用途主要是提升產品使用體驗，尚且不用擔心營收。
對Google與微軟來說，AI能夠和Workspace、365等產品緊密結合，若將模型開源等同放棄核心資產；而Meta以社群媒體為主體，AI沒有涉及商業核心，因此可以積極擁抱開源，圍繞Llama打造生態系，舉辦LlamaCon年會、推出Llama應用獎學金，
不過，今年初DeepSeek席捲社群以後，Meta也面臨衝擊。根據《The Information》報導，這波突如其來的壓力，逼得Meta內部緊急成立AI戰情室，仔細審視DeepSeek的訓練方法，也重新盤點自家模型研發進度。
內憂外患，讓Meta決定挖角搬救兵
與此同時，Meta自家研發模型的進度也出現延宕。
根據《華爾街日報》掌握到的消息，今年4月發表的Llama 4系列模型，其實已經數次推遲進度。另外，現在Meta只先端出Scout和Maverick兩款模型，遲遲無法推出模型規模最大的Behemoth模型。
不只如此，Meta還另外調校模型，以便在LLM排行榜上取得好成績，被發現提交版本與開放給公眾的模型不同以後，引來外界大肆批評，動搖開源社群對Meta的信任，也讓Meta在這場生成式AI的軍備競賽中顯得步履蹣跚。
Meta高層對於Llama 4團隊的表現失望，認為他們應該對Behemoth的進度延宕負起責任，因此也調整AI產品部門，把現有團隊拆成兩半，一個負責AI研究，另一個則專注於AI產品。
就在外界對Meta戰力產生疑問之際，上週Meta正式宣布投資資料標註與模型訓練新創Scale AI，同時延攬其創辦人汪韜（Alexandr Wang）進入人工智慧策略的核心決策圈。
Meta雖未公開具體金額，但根據《The Information》報導，本次投資金額高達148億美元，為Meta歷來第二大對外投資案，僅次於2014年以190億美元收購WhatsApp的紀錄。
不直接收購規避監管，已成科技巨頭常態
汪韜所創辦的Scale AI，客戶遍及各個行業，包含發展自駕車的汽車業、美國軍方與中情局、電商、發展AI的科技巨頭們，都向Scale AI採購資料標記（data label）服務，以資料為基石，進一步訓練模型。
（延伸閱讀：用血汗勞工被批，Scale AI憑什麼成資料標註界獨角獸？）
Meta沒有選擇直接收購Scale AI，而是以投資形式和Scale AI達成合作，這是近年技巨頭規避監管時常採取的作法。
過去亞馬遜延攬新創Adept AI員工、支付3.3億美元取得技術授權，還有微軟雇用Inflection AI大部分員工、支付6.5億美元取得技術授權，還有Google挖角Character.AI創辦人與一眾主管、並達成27億美元授權協議，都是相似情形。
《The Information》指出，祖克柏最近幾個月積極向外尋求AI人才，Google DeepMind技術長柯瑞（Koray Kavukcuoglu）、OpenAI前技術長穆拉提（Mira Murati）都在他的招募名單之內。
不過，與幾位頂尖AI科學家對照，汪韜更像是業務人員。他的確具有技術背景，熟悉電腦科學，創辦Scale AI之前也有擔任軟體工程師經驗，但在創業以後，他將大把時間放在推進公司的銷售上。
儘管如此，祖克柏仍選擇投資Scale AI，因為他和祖克柏以及幾位Meta高階主管相處融洽，而且能夠提供對產業觀察而得的洞見，又精通業務，而且倘若Scale AI能夠提供Meta高品質資料，的確有機會讓Meta取得優勢。
資料、演算法、運算三本柱，Scale AI佔其一
不管是資料科學還是人工智慧，最關鍵的三個要素都是資料（data）、演算法（algorithm）以及運算（compute）。汪韜認為，NVIDIA推動運算的進展，OpenAI一類的公司努力發展新的演算法，而資料層面就是Scale AI的天下。
接受a16z訪談時，汪韜強調，自家目標就是與所有大型實驗室合作，提供他們能夠驅動頂尖技術進步所需的前沿資料，藉此推動AI發展。「我們已經用盡所有唾手可得的資料，⋯⋯我們正撞上『資料牆』，所以下個階段的標誌之一，將會是生產資料。」
以Scale AI的業務來說，他們在標記資料下了不少工夫，投入資源改善標記與編輯流程，讓使用者能在平台上即時檢視、調整標籤內容，並比較不同模型所產出的標註結果，以提升整體資料品質。
除此之外，他們更試圖提供完整的資料解決方案，向資料生成端整合，例如針對部分產業先天資料稀缺的問題，利用統計方法自現有資料推演出新資料，協助補足模型訓練所需樣本。
在生成資料以後，汪韜也看重評估模型，因為唯有知道模型的不足之處，才能知道要加入哪些類型的資料。增加資料的豐富程度、增加產量、評估模型，這是他眼中「資料鑄造廠」的三大重點。
雖然Meta不若新創或者其他科技巨頭有著將人工智慧變現的急迫性，但也不代表可以就此掉以輕心。雖然累積起龐大使用者、具有強烈網絡效應，尚且不用憂慮熟人社交的消亡，但要擔心的是在自家平台上社交的吸引力與體驗逐漸下降。
新形態的AI陪伴服務如Character.AI、卿卿我我在內，讓部分使用者選擇轉向，尋找非真人社交的替代方案；其他社群平台則推出AI工具輔助創作，例如簡單拍攝短影音、加上AI濾鏡等。若無法及時導入相應功能、提供足夠的創作與社交加值服務，仍可能面臨被邊緣化的風險。
