為什麼人們不買扎克伯格的AI未來帳

在 2026 年 8 月的最新一期 Equity 播客中，TechCrunch 团队深入剖析了一个在科技界引发广泛争议的现象：尽管 Meta Platforms 在人工智能领域投入了数千亿美元，并发布了多款具有竞争力的开源大语言模型，但资本市场和广大用户群体并未如预期般对马克·扎克伯格所描绘的“AI 未来”表现出狂热的信任。这一现象的核心矛盾在于，扎克伯格试图将 Meta 从一家以广告收入为绝对核心的社交媒体公司，重塑为一家以通用人工智能（AGI）为驱动力的科技巨头，但这一转型叙事与 Meta 长期积累的公众信任危机形成了尖锐对立。数据显示，尽管 Meta 的 AI 基础设施支出在财报中屡创新高，但其核心业务的增长率却未能同步加速，这种“高投入、低感知”的落差使得投资者开始重新评估其资本配置效率。更关键的是，扎克伯格在多次公开场合强调 AI 将彻底重塑社交互动方式，但用户在实际体验中并未感受到颠覆性的变化，这种预期与现实的错位成为了质疑声的主要来源。

从技术与商业模式的深层逻辑来看，Meta 的 AI 战略面临着独特的结构性困境。扎克伯格的愿景建立在 Meta 拥有全球最庞大、最细粒度的社交图谱数据这一假设之上，认为这些数据是训练“理解人类”的 AI 模型的终极燃料。然而，这种数据优势在转化为 AI 产品竞争力时遭遇了伦理与技术的双重壁垒。一方面，隐私监管机构对数据使用的限制日益严格，使得 Meta 无法像某些竞争对手那样无限制地利用用户行为数据来优化模型；另一方面，开源策略虽然为 Meta 赢得了开发者生态的支持，但也削弱了其通过专有技术获取超额利润的能力。与 OpenAI 或 Anthropic 等专注于构建封闭、高性能 API 服务的公司不同，Meta 试图通过免费或低价的 Llama 模型来换取用户粘性，但这在短期内难以形成清晰的变现路径。此外，Meta 内部在 AI 研发上的资源分散也是问题之一，其 AI 实验室虽然人才济济，但在基础模型架构创新上并未展现出绝对的领先优势，更多是在应用层进行快速迭代，这种“应用先行、基础滞后”的策略在 AI 技术快速迭代的背景下显得风险极高。

在行业竞争格局中，Meta 的 AI 战略正面临来自多个维度的挤压。在 B 端市场，微软凭借 Azure 和 Copilot 在企业级 AI 应用中的深度整合，已经占据了先发优势，使得 Meta 难以在商业软件领域突破；在 C 端市场，虽然 Meta 拥有庞大的用户基数，但用户对于 AI 功能的接受度更多停留在“辅助工具”层面，而非“核心依赖”。相比之下，苹果和谷歌正在通过硬件与操作系统的深度绑定，将 AI 能力无缝融入用户日常生活的各个角落，这种“无感化”的 AI 体验比 Meta 试图打造的独立 AI 助手更具吸引力。对于竞争对手而言，Meta 的巨额投入实际上抬高了整个行业的研发门槛，迫使其他公司不得不增加资本支出以维持竞争力，这在一定程度上加剧了行业的资本密集度，但也为 Meta 提供了通过规模效应挤压中小玩家的机会。然而，这种策略的有效性取决于 Meta 能否在短期内证明其 AI 投入能够带来显著的广告效率提升或新的收入来源，否则，其庞大的债务负担将成为悬在股价上方的达摩克利斯之剑。

展望未来，观察 Meta 的 AI 战略是否成功，需要关注几个关键信号。首先是其 AI 驱动的广告推荐系统能否显著提升广告主的 ROI，这是检验 AI 投入能否反哺核心业务的最直接指标。其次是 Llama 系列模型在开发者社区中的实际采用率，如果开源模型能够形成强大的生态壁垒，Meta 或许能建立起不同于闭源模型的商业护城河。此外，扎克伯格在监管层面的应对策略也至关重要，如果 Meta 能够通过与监管机构达成某种数据使用协议，缓解隐私争议，其 AI 数据的合法性基础将得到巩固。然而，如果公众对 Meta 数据利用的抵触情绪持续升温，其 AI 战略可能会因缺乏高质量训练数据而陷入停滞。最终，市场是否“买单”不取决于扎克伯格的愿景有多宏大，而取决于 Meta 能否在技术落地、商业变现和伦理合规之间找到平衡点，证明其 AI 投入不仅仅是资本游戏，而是真正能够创造长期价值的战略转型。