社交媒體巨頭Meta傳出在AI競爭中發(fā)力的最新消息，反映其在戰(zhàn)略重心從開源模式轉(zhuǎn)向追求前沿盈利模型的轉(zhuǎn)變。

美東時間18日周四媒體報道，Meta的首席AI官Alexandr Wang在上周四的內(nèi)部問答會上披露，Meta正在開發(fā)代號為Mango的新一代圖像和視頻AI模型，以及代號為Avocado的下一代大語言模型（LLM），預(yù)計將于2026年上半年發(fā)布。

Wang表示，Avocado模型的重點之一是提升編程能力，同時公司正處于研究開發(fā)世界模型的早期階段。世界模型是一種通過吸收視覺信息來學(xué)習(xí)環(huán)境的AI技術(shù)。

這一消息進(jìn)一步印證了Meta在AI領(lǐng)域的戰(zhàn)略調(diào)整。上周華爾街見聞就提到，有報道稱，Meta正在開發(fā)新的前沿AI模型Avocado，訓(xùn)練模型時采用了使用了阿里巴巴的通義千問（QWEN）等第三方模型進(jìn)行優(yōu)化，且可能采用專有而非開源模式。這與Meta此前主推的開源Llama系列形成鮮明對比。

為推動AI研發(fā)，Meta在今年夏天重組了AI團(tuán)隊，聘請Alexandr Wang領(lǐng)導(dǎo)新成立的超級智能部門Superintelligence Labs。CEO扎克伯格還親自從OpenAI挖走了20多名研究人員，組建了一支超過50人的AI專家團(tuán)隊。

雙模型布局：圖像生成與語言能力并進(jìn)

據(jù)本周四的報道，Meta正在同步推進(jìn)兩個核心AI模型的開發(fā)。圖像和視頻模型Mango旨在增強Meta在生成式AI領(lǐng)域的競爭力，而文本模型Avocado則專注于提升編程等關(guān)鍵能力。

圖像生成已成為大型AI公司競爭的關(guān)鍵戰(zhàn)場。

谷歌今年8月末推出了基于Gemini 2.5 Flash模型的AI圖像生成及編輯工具——Nano Banana，推動Gemini月活躍用戶從7月的4.5億增至10月底的超6.5億。

Meta9月25日推出了與Midjourney合作開發(fā)的AI視頻生成器Vibes，不到一周，OpenAI就發(fā)布了自己的視頻生成應(yīng)用Sora。

OpenAI CEO Sam Altman在上周與記者會面時強調(diào)了AI圖像生成對消費者的重要性，稱這是許多用戶的主要興趣點，也是讓他們持續(xù)回訪的"粘性"功能。

戰(zhàn)略轉(zhuǎn)向：從開源到專有模式

據(jù)上周的報道，Meta的AI戰(zhàn)略正在發(fā)生重大轉(zhuǎn)變。公司內(nèi)部許多人原本預(yù)計Avocado模型會在今年年底前發(fā)布，但計劃已推遲至2026年第一季度。

報道稱，Avocado可能采用專有模式，這意味著外部開發(fā)者無法自由下載其權(quán)重和相關(guān)軟件組件。此舉若最終實施，將標(biāo)志著該公司長期以來堅持的開源戰(zhàn)略發(fā)生顯著轉(zhuǎn)變，其做法將更接近谷歌與OpenAI等主要競爭對手的模式。

報道稱，這一轉(zhuǎn)變的催化劑之一是Llama 4在4月發(fā)布后未能贏得開發(fā)者青睞。此外，中國AI新星DeepSeek發(fā)布的R1模型采用了Llama架構(gòu)的部分內(nèi)容，這讓Meta部分員工感到不滿，進(jìn)一步凸顯了開源策略的風(fēng)險。

扎克伯格去年曾預(yù)測Llama系列將成為"業(yè)內(nèi)最先進(jìn)"的模型，并在今年1月的財報電話會議上專門討論了Llama。但在10月的最新財報會議上，他僅提及該品牌一次。

Meta今年6月豪擲143億美元投資Scale AI，挖來了這家獨角獸的創(chuàng)始人汪韜（Alexandr Wang），并在10月末公布三季報時將今年的公司資本支出指引上調(diào)至700億至720億美元。

世界模型：AI理解物理世界的新前沿

澎湃新聞此前介紹，世界模型的靈感源于人類的世界心智模型，人類通過感官獲取的抽象信息在大腦中被轉(zhuǎn)化為對周圍世界的具象理解，基于這些模型，大腦對世界進(jìn)行預(yù)測，從而影響感知和行動。

英偉達(dá)指出，世界模型是用于理解現(xiàn)實世界動態(tài)的神經(jīng)網(wǎng)絡(luò)，包括物理屬性和空間屬性。它們可以使用文本、圖像、視頻和運動等輸入數(shù)據(jù)來生成模擬實際物理環(huán)境的視頻，能夠為人工智能提供理解真實三維物理世界的能力，對具身智能的實現(xiàn)具有重大意義。

不過，世界模型面臨顯著的技術(shù)挑戰(zhàn)。與目前用于生成式模型的計算量相比，訓(xùn)練和運行世界模型需要龐大的算力。世界模型也存在幻覺問題，并會內(nèi)化訓(xùn)練數(shù)據(jù)中的偏見。如果這些障礙被克服，世界模型可以為機(jī)器人技術(shù)和AI決策帶來突破，使AI能夠?qū)λ幥榫承纬衫斫獠⑼评沓隹赡艿慕鉀Q方案。