Meta: In staat om honderden miljarden aan rekenkracht te kopen, maar niet in staat om kernpersoneel te behouden.

Geschreven door: Ada, Deep Tide TechFlow

Pang Ruoming vertrok voordat hij zelfs maar de kans had gehad om zich op zijn werkplek bij Meta te vestigen.

In juli 2025 ronselde Zuckerberg deze meest gewilde Chinese ingenieur op het gebied van AI-infrastructuur van Apple met een meerjarig compensatiepakket van in totaal meer dan $200 miljoen. Pang Ruoming werd toegewezen aan het Meta Superintelligence Lab om verantwoordelijk te zijn voor het bouwen van de infrastructuur voor nextgeneratie AI-modellen.

Zeven maanden later ronselde OpenAI hem.

Volgens The Information lanceerde OpenAI een maandenlange wervingscampagne voor Pang Ruoming. Hoewel Pang collega's vertelde dat hij "heel gelukkig was met werken bij Meta," koos hij uiteindelijk om te vertrekken. Bloomberg meldde dat zijn compensatiepakket bij Meta gekoppeld was aan mijlpalen, en vroeg vertrekken betekende dat hij het grootste deel van zijn nog niet verworven aandelenopties moest opgeven.

$200 miljoen kan geen zeven maanden loyaliteit kopen.

Dit is niet een simpel verhaal van jobhoppen.

Het vertrek van één persoon signaleert een hele groep.

Pang Ruoming was niet de eerste die vertrok.

Vorige week kondigde Mat Velloso, productleider voor het ontwikkelaarsplatform bij Meta's Superintelligence Labs, ook zijn vertrek aan. Hij kwam vorig juli bij Meta vanuit Google DeepMind en bleef minder dan acht maanden. Nog verder teruggaand, in november 2025, kondigde Turing Award-winnaar en chief AI-wetenschapper Yann LeCun, die 12 jaar bij Meta was geweest, zijn vertrek aan om zijn eigen bedrijf te starten, werkend aan het "wereldmodel" dat hij al lang voorstond. Russ Salakhutdinov, een belangrijke protegé van Geoffrey Hinton en vice-president van generatief AI-onderzoek bij Meta, kondigde onlangs ook zijn vertrek aan.

Om het talentlek bij Meta AI te begrijpen, moeten we eerst begrijpen hoe schadelijk Llama 4 was.

In april 2025 deed Meta een publiciteit zoekende lancering van de Scout- en Maverick-modellen in de Llama 4-serie. De officiële specificaties waren indrukwekkend en beweerden dat ze GPT-4.5 en Claude Sonnet 3.7 volledig overtroffen in kernbenchmarktests zoals MATH-500 en GPQA Diamond.

Dit vlaggenschipmodel, dat Meta's ambities belichaamt, onthulde echter snel zijn ware aard in onafhankelijke blindtests uitgevoerd door derden in de open-sourcegemeenschap, waarbij zijn werkelijke generalisatie- en redeneervermogens ver achterbleven bij de geadverteerde prestaties. Geconfronteerd met sterke kritiek van de gemeenschap, gaf chief AI-wetenschapper Yann LeCun uiteindelijk toe dat het team "verschillende modelversies gebruikte om verschillende testsets uit te voeren tijdens de testfase om de eindscore te optimaliseren."

In de strenge AI-academische en technische gemeenschappen overschreed dit een onvergeeflijke rode lijn. Met andere woorden, het team trainde Llama 4 tot een "provinciale examenkandidaat" die alleen oude examenvragen kon oplossen, in plaats van een echt geavanceerde "topstudent" met geavanceerde intelligentie. Het is alsof je een wiskundeexamen en een programmeerexamen laat zien—elke individuele test lijkt sterk, maar ze zijn eigenlijk niet hetzelfde model.

In de AI-academische wereld wordt dit "cherry picking" genoemd, terwijl het in examengerichte educatie "examen afleggen namens anderen" wordt genoemd.

Voor Meta, dat zichzelf altijd heeft aangeprezen als een "baken van open source," vernietigde deze turbulentie direct zijn meest waardevolle bezit van vertrouwen binnen het ontwikkelaarsecosysteem. De directe kosten waren dat Zuckerberg "volledig het vertrouwen verloor" in de technische fundamenten van het oorspronkelijke GenAI-team, waarmee de basis werd gelegd voor de daaropvolgende benoeming van hooggeplaatste leidinggevenden en het buitenspel zetten van kern infrastructuurafdelingen.

Hij gaf $14,3 miljard tot $15 miljard uit om een belang van 49% te verwerven in datalabelbedrijf Scale AI, en haalde de 28-jarige Scale AI CEO Alexandr Wang binnen als Meta's Chief AI Officer en richtte het Meta Superintelligence Lab (MSL) op. Turing Award-winnaar LeCun moest rapporteren aan deze 28-jarige in de nieuwe structuur. In oktober ontsloeg Meta ongeveer 600 banen bij MSL, inclusief leden van de FAIR-onderzoeksafdeling die LeCun had opgericht.

Het vlaggenschipmodel Llama 4 Behemoth, oorspronkelijk gepland voor lancering in de zomer van 2025, is herhaaldelijk uitgesteld, van zomer naar herfst, en uiteindelijk voor onbepaalde tijd opgeschort.

Meta heeft zijn focus verlegd naar het ontwikkelen van een nextgeneratie tekstmodel met de codenaam "Avocado" en een beeld-/videomodel met de codenaam "Mango." Avocado is naar verluidt ontworpen om te concurreren met GPT-5 en Gemini 3 Ultra. Oorspronkelijk gepland voor lancering eind 2025, is het uitgesteld tot het eerste kwartaal van 2026 vanwege onbevredigende prestatietests en trainingsoptimalisatie. Meta overweegt het als closed source uit te brengen, waarmee de open-sourcetraditie van de Llama-serie wordt verlaten.

Meta maakte twee fatale fouten met zijn AI-modellen. Ten eerste vervalste het benchmarkgegevens, wat direct het vertrouwen van de ontwikkelaarsgemeenschap vernietigde. Ten tweede propte het een fundamentele onderzoeksafdeling zoals Fair, die een decennium toegewijd werk vereist, in een productorganisatie gericht op kwartaal-KPI's. Deze twee acties gecombineerd zijn de grondoorzaak van het huidige talentlek.

Zelfgemaakte chips: Het andere gebroken been

Talent vertrekt, en er zijn problemen met de chips.

Volgens The Information annuleerde Meta vorige week zijn meest geavanceerde AI-trainingschipproject, dat intern in ontwikkeling was.

Meta's zelfgemaakte chipproject heet MTIA (Meta Training and Inference Accelerator). Het oorspronkelijke roadmap van het bedrijf is ambitieus: MTIA v4, met codenaam "Santa Barbara," v5, met codenaam "Olympus," en v6, met codenaam "Universal Core," zijn gepland voor levering tussen 2026 en 2028. Olympus is ontworpen om Meta's eerste chip te zijn gebaseerd op een 2nm chiplet-architectuur, met als doel tegelijkertijd high-end modeltraining en realtime inferentie te dekken, en uiteindelijk NVIDIA's rol in Meta's trainingscluster te vervangen.

Nu is deze ultramoderne trainingschip geschrapt.

Meta is niet zonder vooruitgang geweest; MTIA heeft enig succes geboekt in inferentie. De MTIA v3-inferentiechip, met codenaam "Iris," is op grote schaal ingezet in Meta's datacenters, voornamelijk voor Facebook Reels en Instagram's aanbevelingssystemen, wat naar verluidt de total cost of ownership met 40% tot 44% heeft verlaagd. Inferentie en training zijn echter twee verschillende zaken. Inferentie voert het model uit, terwijl training het oefent. Meta kan zijn eigen inferentiechips maken, maar het kan geen trainingschip creëren dat direct kan concurreren met Nvidia.

Dit is niet de eerste keer in de geschiedenis. In 2022 probeerde Meta zijn eigen inferentiechip te ontwikkelen, maar stopte het project na een mislukte kleinschalige implementatie en plaatste in plaats daarvan een grote bestelling bij Nvidia.

De tegenslag in het ontwikkelen van eigen chips versnelde Meta's uitbestedingsgolf direct.

$135 miljard aan paniekinkopen

In januari 2026 kondigde Meta aan dat zijn kapitaaluitgavenbudget voor het jaar tussen $115 miljard en $135 miljard lag, bijna het dubbele van vorig jaar's $72,2 miljard. Het grootste deel van dit geld zal worden besteed aan chips.

Binnen 10 dagen werden drie grote bestellingen succesvol geplaatst:

Op 17 februari tekende Meta een meerjarige, cross-generationele strategische samenwerkingsovereenkomst met NVIDIA. Meta zal "miljoenen" NVIDIA Blackwell- en nextgeneratie Vera Rubin GPU's implementeren, plus Grace discrete CPU's. Analisten schatten de deal op tientallen miljarden dollars, waardoor Meta 's werelds eerste supercomputerklant wordt die NVIDIA Grace discrete CPU's op grote schaal implementeert.

Op 24 februari tekenden Meta en AMD een meerjarige chipovereenkomst ter waarde van $60 miljard tot $100 miljard. Meta zal AMD's nieuwste MI450-serie GPU's en zesde generatie EPYC CPU's kopen. Als onderdeel van de deal gaf AMD warrants uit aan Meta voor maximaal 160 miljoen gewone aandelen, wat ongeveer 10% van AMD's aandelen vertegenwoordigt, die in schijven worden verworven tegen $0,01 per aandeel op basis van leveringsmijlpalen.

Op 26 februari meldde The Information dat Meta een meerjarige overeenkomst ter waarde van meerdere miljarden dollars tekende met Google om TPU-chips van Google Cloud te leasen om zijn nextgeneratie grote taalmodellen te trainen en uit te voeren. De twee bedrijven bespreken ook dat Meta vanaf 2027 TPU's rechtstreeks koopt voor implementatie in zijn eigen datacenters.

Een socialemediabedrijf plaatste binnen 10 dagen bestellingen bij drie chipleveranciers, mogelijk in totaal meer dan $100 miljard.

Dit is geen diversificatie. Dit is paniekinkopen.

De drielaagse logica van rekenkrachtangst

Waarom heeft Meta zo'n haast?

Ten eerste zijn zelfgemaakte chips niet langer een haalbare optie. De annulering van het meest geavanceerde trainingschipproject betekent dat Meta voor de afzienbare toekomst moet vertrouwen op externe aankopen om aan zijn AI-trainingsbehoeften te voldoen. Hoewel de MTIA-chip voor inferentie volwassen applicaties zoals aanbevelingssystemen aankan, vereist het trainen van geavanceerde modellen zoals Avocado, dat GPT-5 evenaart, NVIDIA of gelijkwaardige hardware.

Ten tweede zullen concurrenten niet wachten. OpenAI heeft al enorme middelen veiliggesteld van Microsoft, SoftBank en het staatsinvesteringsfonds van de VAE. Anthropic heeft leveringen van elk 1 miljoen TPU's en Trainium-chips veiliggesteld van Google en Amazon. Google's Gemini 3 werd volledig getraind op TPU's. Als Meta niet voldoende rekenkracht kan verkrijgen, zal het niet eens zijn deelname aan de race kunnen veiligstellen.

Ten derde, en misschien het meest fundamenteel, moet Zuckerberg "koopkracht" gebruiken om het gebrek aan "O&O-capaciteiten" te compenseren. Het Llama 4-debacle, het verlies van sleuteltalent en tegenslagen in zelfgemaakte chips—deze drie gebeurtenissen gecombineerd hebben Meta's AI-narratief kwetsbaar gemaakt in de ogen van Wall Street. Het ondertekenen van grote deals met Nvidia, AMD en Google op dit moment zendt op zijn minst één signaal uit: We hebben het geld, we kopen, en we hebben niet opgegeven.

Meta's huidige strategie is om in hardware te investeren als ze de softwareproblemen niet kunnen oplossen, en chips te kopen als ze talent niet kunnen behouden. Maar de AI-race is geen spel dat je kunt winnen door simpelweg cheques uit te schrijven. Rekenkracht is een noodzakelijke voorwaarde, maar niet voldoende. Zonder een eersteklas modelteam en een duidelijk technisch roadmap, zal geen enkele hoeveelheid chips iets anders veranderen dan dure voorraad in een magazijn.

Koperdilemma

Terugkijkend op Meta's drie transacties in februari, is een interessant detail door de meeste mensen over het hoofd gezien.

Meta kocht de huidige Blackwell en de toekomstige Vera Rubin van Nvidia; in zijn deal met AMD kocht het de MI450 en de toekomstige MI455X; en het leasede de huidige Ironwood TPU van Google, met plannen om het volgend jaar rechtstreeks te kopen.

Drie leveranciers, drie volledig verschillende hardware-architecturen en software-ecosystemen.

Dit betekent dat Meta zal moeten navigeren tussen drie volledig verschillende onderliggende ecosystemen: NVIDIA's CUDA, AMD's ROCm en Google's XLA/JAX. Hoewel een multi-vendorstrategie supply chain-risico's kan verminderen en hardware-aankooppremies kan verlagen, zal het ook leiden tot een exponentiële toename van de technische complexiteit.

Dit is precies Meta's meest fatale zwakte. Om een model met biljoenen parameters efficiënt te laten trainen op deze drie volledig verschillende onderliggende programmeermodellen op verschillende hardware, zijn niet alleen ingenieurs nodig die CUDA begrijpen, maar ook architecten die vanaf nul een cross-platform trainingsframework kunnen bouwen.

Er zijn waarschijnlijk niet meer dan 100 mensen zoals dit ter wereld. Pang Ruoming is er een van.

$100 miljard uitgeven om 's werelds meest complexe hardwareportfolio te verwerven terwijl tegelijkertijd de hersenen verloren gaan die het kunnen besturen—dit is het meest surrealistische aspect van Zuckerberg's gok.

Zuckerberg's gok

Uitzoomen, Zuckerberg's benadering van AI in de afgelopen 18 maanden vertoont een opvallende gelijkenis met zijn all-in-strategie voor het verkennen van de metaverse jaren geleden:

Een trend zien, zwaar investeren en een groot aantal mensen werven; bij tegenslagen een plotselinge strategische verschuiving maken en opnieuw zwaar investeren.

De periode van 2021 tot 2023 was de metaverse, wat resulteerde in verliezen van tientallen miljarden dollars per jaar, en de aandelenkoers daalde uiteindelijk van $380 naar $88. De periode van 2024 tot 2026 was AI, wat ook inhield geld uitgeven zonder rekening te houden met kosten, frequente organisatorische herstructureringen en hetzelfde narratief van "Vertrouw me, ik heb visie."

Het verschil is dat deze AI-trend inderdaad veel tastbaarder is dan de metaverse. Meta heeft daarentegen genoeg geld om te verbranden; zijn advertentiebedrijf genereert aanzienlijke cashflow. In het vierde kwartaal van 2025 bereikte Meta's omzet $59,9 miljard, een jaar-op-jaar stijging van 24%.

Het probleem is: geld kan chips kopen, rekenkracht, en zelfs mensen die aan werkplekken zitten, maar het kan geen mensen kopen die blijven.

Pang Ruoming koos voor OpenAI, Russ Salakhutdinov koos ervoor om te vertrekken, en LeCun koos ervoor om zijn eigen bedrijf te starten.

Zuckerberg's huidige gok is dat zolang hij genoeg chips koopt, genoeg datacenters bouwt en genoeg geld uitgeeft, hij uiteindelijk mensen kan vinden of trainen die deze middelen kunnen gebruiken.

Deze gok zou waar kunnen zijn. Meta is immers een van 's werelds rijkste technologiebedrijven, met meer dan $100 miljard aan operationele cashflow als zijn sterkste concurrentievoordeel. Van OpenAI tot Anthropic, van Google tot andere concurrenten, Meta heeft continu talent geronseld. Volgens Qubit kwam bijna 40% van de 44 leden van Meta's Superintelligence-team van OpenAI.

De wrede realiteit van de AI-race is echter dat rekenkrachtreserves, talentenlijsten en modelprestaties allemaal openbare informatie zijn. Het Llama 4-benchmarkfraude-incident bewijst dat je in deze industrie je voorsprong niet kunt behouden door te vertrouwen op PPT-presentaties en public relations.

Uiteindelijk erkent de markt maar één ding: hoe goed je model is.

Positie in de voedselketen

Nu de AI-wapenwedloop 2026 ingaat, begint de volgorde van de voedselketen duidelijk te worden:

Bovenaan staan OpenAI en Google. OpenAI beschikt over de sterkste modellen, de grootste gebruikersgroep en de meest agressieve financiering. Google heeft een volledige verticale integratie van zijn eigen chips, modellen en cloudinfrastructuur. Anthropic volgt op de hielen, en houdt zijn positie in de eerste tier stevig vast dankzij de productkracht van zijn Claude-model en de dubbele rekenkrachtvoorziening van Google en Amazon.

Meta heeft het meeste geld uitgegeven, de meeste chipcontracten getekend en het vaakst gereorganiseerd, maar heeft tot nu toe geen geavanceerd model voortgebracht dat de markt kan overtuigen.

Meta's AI-verhaal lijkt enigszins op dat van Yahoo in 2005. Destijds was Yahoo een van de rijkste bedrijven op internet, agressief bezig met acquisities en geld uitgeven, maar het kon gewoon geen zoekmachine zoals Google creëren. Geld is niet alles. Zuckerberg moet precies uitzoeken wat Meta met AI wil doen, in plaats van alleen te kopen wat trendy is.

Natuurlijk is het te vroeg om Meta's overlijdensbericht te schrijven. 3,58 miljard maandelijks actieve gebruikers, $59,9 miljard aan kwartaalomzet en 's werelds grootste sociale dataset zijn activa die geen enkele concurrent gemakkelijk kan repliceren.

Als het nextgeneratie-model, met codenaam Avocado, zoals gepland in 2026 kan worden geleverd en terugkeert naar de top tier, zullen alle uitgaven en herstructureringen van Zuckerberg worden verpakt als een "strategische durf om het tij te keren." Maar als het opnieuw niet aan de verwachtingen voldoet, dan zal de $135 miljard alleen resulteren in rijen verwarmde siliciumwafermagazijnen.

Silicon Valley's AI-wapenwedloop heeft immers nooit een tekort gehad aan superkopers die hun cheques zwaaien. Wat het ontbreekt zijn mensen die weten hoe ze die rekenkracht kunnen gebruiken om de toekomst te smeden.