Meta: สามารถซื้อพลังการคำนวณมูลค่าหลายแสนล้าน แต่ไม่สามารถรักษาบุคลากรสำคัญไว้ได้

เขียนโดย: Ada , Deep Tide TechFlow

Pang Ruoming ออกจากบริษัทก่อนที่เขาจะได้มีโอกาสจัดการโต๊ะทำงานของเขาที่ Meta

ในเดือนกรกฎาคม 2025 Zuckerberg ดึงวิศวกรชาวจีนที่เป็นที่ต้องการมากที่สุดในด้านโครงสร้างพื้นฐาน AI คนนี้จาก Apple ด้วยแพ็คเกจค่าตอบแทนหลายปีมูลค่ารวมกว่า 200 ล้านดอลลาร์ Pang Ruoming ได้รับมอบหมายให้ไปที่ Meta Superintelligence Lab เพื่อรับผิดชอบการสร้างโครงสร้างพื้นฐานสำหรับโมเดล AI รุ่นถัดไป

เจ็ดเดือนต่อมา OpenAI ก็แย่งตัวเขาไป

ตามรายงานของ The Information OpenAI ได้เปิดแคมเปญสรรหาบุคลากรสำหรับ Pang Ruoming เป็นเวลาหลายเดือน แม้ว่า Pang จะบอกเพื่อนร่วมงานว่าเขา "มีความสุขมากที่ทำงานที่ Meta" แต่ในที่สุดเขาก็เลือกที่จะลาออก Bloomberg รายงานว่าแพ็คเกจค่าตอบแทนของเขาที่ Meta ผูกกับเป้าหมาย และการออกก่อนกำหนดหมายถึงการสละสิทธิ์ออปชั่นหุ้นส่วนใหญ่ที่ยังไม่ได้รับ

200 ล้านดอลลาร์ซื้อความจงรักภักดี 7 เดือนไม่ได้

นี่ไม่ใช่เรื่องราวการเปลี่ยนงานธรรมดา

การจากไปของคนคนหนึ่ง ส่งสัญญาณถึงทั้งกลุ่ม

Pang Ruoming ไม่ใช่คนแรกที่จากไป

เมื่อสัปดาห์ที่แล้ว Mat Velloso หัวหน้าผลิตภัณฑ์สำหรับแพลตฟอร์มนักพัฒนาของ Meta's Superintelligence Labs ก็ประกาศลาออกเช่นกัน เขาเข้าร่วม Meta เมื่อเดือนกรกฎาคมปีที่แล้วจาก Google DeepMind และอยู่ไม่ถึง 8 เดือน ย้อนไปไกลกว่านั้น ในเดือนพฤศจิกายน 2025 ผู้ได้รับรางวัล Turing Award และนักวิทยาศาสตร์ AI หลัก Yann LeCun ที่อยู่กับ Meta มา 12 ปี ประกาศลาออกเพื่อเริ่มธุรกิจของตัวเอง ทำงานกับ "world model" ที่เขาสนับสนุนมานาน Russ Salakhutdinov ลูกศิษย์สำคัญของ Geoffrey Hinton และรองประธานฝ่ายวิจัย AI เชิงสร้างสรรค์ของ Meta ก็ประกาศลาออกเมื่อเร็วๆ นี้

เพื่อทำความเข้าใจการสูญเสียบุคลากรที่ Meta AI เราต้องเข้าใจก่อนว่า Llama 4 สร้างความเสียหายมากเพียงใด

ในเดือนเมษายน 2025 Meta ได้ประกาศเปิดตัวโมเดล Scout และ Maverick ในซีรีส์ Llama 4 อย่างเป็นทางการ สเปคอย่างเป็นทางการน่าประทับใจ อ้างว่าเหนือกว่า GPT-4.5 และ Claude Sonnet 3.7 อย่างสมบูรณ์ในการทดสอบเกณฑ์มาตรฐานหลักเช่น MATH-500 และ GPQA Diamond

อย่างไรก็ตาม โมเดลเรือธงที่รวบรวมความทะเยอทะยานของ Meta นี้ เปิดเผยสีหน้าที่แท้จริงอย่างรวดเร็วในการทดสอบแบบปกปิดอิสระที่ดำเนินการโดยบุคคลที่สามในชุมชนโอเพ่นซอร์ส โดยความสามารถในการสรุปทั่วไปและการอนุมานที่แท้จริงนั้นห่างไกลจากประสิทธิภาพที่โฆษณาไว้ เมื่อเผชิญกับการวิพากษ์วิจารณ์อย่างรุนแรงจากชุมชน นักวิทยาศาสตร์ AI หลัก Yann LeCun ในที่สุดก็ยอมรับว่าทีม "ใช้เวอร์ชันโมเดลที่แตกต่างกันเพื่อรันชุดการทดสอบที่แตกต่างกันในระหว่างขั้นตอนการทดสอบเพื่อเพิ่มประสิทธิภาพคะแนนสุดท้าย"

ในชุมชนวิชาการและวิศวกรรม AI ที่เข้มงวด สิ่งนี้ข้ามเส้นแดงที่ไม่อาจให้อภัยได้ กล่าวอีกนัยหนึ่ง ทีมได้ฝึก Llama 4 ให้เป็น "นักสอบเมืองเล็ก" ที่สามารถแก้ปัญหาข้อสอบเก่าเท่านั้น แทนที่จะเป็น "นักเรียนเก่งระดับท็อป" ที่มีสติปัญญาล้ำหน้าอย่างแท้จริง มันเหมือนกับการแสดงข้อสอบคณิตศาสตร์และข้อสอบการเขียนโปรแกรมให้คุณเห็น—แต่ละการทดสอบดูเหมือนแข็งแกร่ง แต่จริงๆ แล้วไม่ใช่โมเดลเดียวกัน

ในวงการวิชาการ AI นี่เรียกว่า "cherry picking" ในขณะที่ในการศึกษาที่เน้นการสอบนี่เรียกว่า "การสอบแทนผู้อื่น"

สำหรับ Meta ที่ประกาศตัวเองมาโดยตลอดว่าเป็น "ประภาคแห่งโอเพ่นซอร์ส" ความวุ่นวายนี้ทำลายทรัพย์สินอันมีค่าที่สุดของความไว้วางใจภายในระบบนิเวศนักพัฒนาโดยตรง ต้นทุนโดยตรงคือ Zuckerberg "สูญเสียความเชื่อมั่นอย่างสมบูรณ์" ในพื้นฐานทางวิศวกรรมของทีม GenAI เดิม จึงเป็นการวางรากฐานสำหรับการแต่งตั้งผู้บริหารระดับสูงและการทำให้แผนกโครงสร้างพื้นฐานหลักถูกกีดกันในภายหลัง

เขาใช้เงิน 14.3 พันล้านถึง 15 พันล้านดอลลาร์เพื่อซื้อหุ้น 49% ในบริษัทติดป้ายข้อมูล Scale AI นำ CEO ของ Scale AI วัย 28 ปี Alexandr Wang เข้ามาเป็น Chief AI Officer ของ Meta และจัดตั้ง Meta Superintelligence Lab (MSL) ผู้ได้รับรางวัล Turing Award LeCun ต้องรายงานต่อชายวัย 28 ปีคนนี้ในโครงสร้างใหม่ ในเดือนตุลาคม Meta เลิกจ้างประมาณ 600 ตำแหน่งที่ MSL รวมถึงสมาชิกของฝ่ายวิจัย FAIR ที่ LeCun ก่อตั้ง

โมเดลเรือธง Llama 4 Behemoth ที่วางแผนจะปล่อยในช่วงฤดูร้อน 2025 เดิม ถูกเลื่อนซ้ำแล้วซ้ำเล่า จากฤดูร้อนถึงฤดูใบไม้ร่วง และสุดท้ายก็ถูกระงับไว้ไม่มีกำหนด

Meta ได้เปลี่ยนโฟกัสไปที่การพัฒนาโมเดลข้อความรุ่นถัดไปที่มีชื่อรหัสว่า "Avocado" และโมเดลภาพ/วิดีโอที่มีชื่อรหัสว่า "Mango" มีรายงานว่า Avocado ได้รับการออกแบบมาเพื่อแข่งขันกับ GPT-5 และ Gemini 3 Ultra เดิมกำหนดจะปล่อยเมื่อสิ้นปี 2025 แต่ถูกเลื่อนไปยังไตรมาสแรกของปี 2026 เนื่องจากการทดสอบประสิทธิภาพและการเพิ่มประสิทธิภาพการฝึกไม่เป็นที่น่าพอใจ Meta กำลังพิจารณาปล่อยเป็นแบบปิด ละทิ้งประเพณีโอเพ่นซอร์สของซีรีส์ Llama

Meta ทำความผิดพลาดร้ายแรงสองอย่างกับโมเดล AI ของตน ประการแรก ปลอมแปลงข้อมูลเกณฑ์มาตรฐาน ซึ่งทำลายความไว้วางใจของชุมชนนักพัฒนาโดยตรง ประการที่สอง ยัดเยียดแผนกวิจัยพื้นฐานอย่าง Fair ที่ต้องการการทุ่มเทงานสิบปี เข้าไปในองค์กรผลิตภัณฑ์ที่เน้น KPI รายไตรมาส ทั้งสองการกระทำนี้รวมกันเป็นสาเหตุรากของการสูญเสียบุคลากรในปัจจุบัน

ชิปที่พัฒนาเอง: ขาที่หักอีกข้าง

บุคลากรกำลังจากไป และยังมีปัญหากับชิป

ตามรายงานของ The Information Meta ยกเลิกโครงการชิปการฝึก AI ที่ทันสมัยที่สุดซึ่งกำลังอยู่ระหว่างการพัฒนาภายใน เมื่อสัปดาห์ที่แล้ว

โครงการชิปที่พัฒนาเองของ Meta เรียกว่า MTIA (Meta Training and Inference Accelerator) แผนงานเริ่มต้นของบริษัทมีความทะเยอทะยาน: MTIA v4 ชื่อรหัส "Santa Barbara" v5 ชื่อรหัส "Olympus" และ v6 ชื่อรหัส "Universal Core" วางแผนจะส่งมอบระหว่างปี 2026 ถึง 2028 โดยเฉพาะ Olympus ได้รับการออกแบบให้เป็นชิปแรกของ Meta ที่ใช้สถาปัตยกรรม chiplet 2nm โดยมีเป้าหมายที่จะครอบคลุมทั้งการฝึกโมเดลระดับสูงและการอนุมานแบบเรียลไทม์พร้อมกัน และในที่สุดแทนที่บทบาทของ NVIDIA ในคลัสเตอร์การฝึกของ Meta

ตอนนี้ ชิปการฝึกล้ำสมัยนี้ถูกยกเลิกแล้ว

Meta ไม่ได้ปราศจากความคืบหน้า MTIA ประสบความสำเร็จบางอย่างในการอนุมาน ชิปการอนุมาน MTIA v3 ชื่อรหัส "Iris" ถูกนำไปใช้ในระดับใหญ่ในศูนย์ข้อมูลของ Meta โดยหลักสำหรับ Facebook Reels และระบบแนะนำของ Instagram มีรายงานว่าลดต้นทุนความเป็นเจ้าของทั้งหมดลง 40% ถึง 44% อย่างไรก็ตาม การอนุมานและการฝึกเป็นสองสิ่งที่แตกต่างกัน การอนุมานรันโมเดล ในขณะที่การฝึกฝึกฝนมัน Meta สามารถทำชิปอนุมานของตัวเองได้ แต่ไม่สามารถสร้างชิปการฝึกที่สามารถแข่งขันกับ Nvidia โดยตรงได้

นี่ไม่ใช่ครั้งแรกในประวัติศาสตร์ ในปี 2022 Meta พยายามพัฒนาชิปอนุมานของตัวเอง แต่ละทิ้งโครงการหลังจากล้มเหลวในการนำไปใช้ในขนาดเล็ก และสั่งซื้อจำนวนมากจาก Nvidia แทน

ความล้มเหลวในการพัฒนาชิปของตัวเองเร่งการจ้างงานภายนอกของ Meta โดยตรง

การซื้อด้วยความตื่นตระหนกมูลค่า 135 พันล้านดอลลาร์

ในเดือนมกราคม 2026 Meta ประกาศงบประมาณค่าใช้จ่ายทุนสำหรับปีนี้อยู่ระหว่าง 115 พันล้านถึง 135 พันล้านดอลลาร์ เกือบเท่าตัวจาก 72.2 พันล้านดอลลาร์ของปีที่แล้ว เงินส่วนใหญ่จะใช้ไปกับชิป

ภายใน 10 วัน คำสั่งซื้อใหญ่สามรายการถูกวางสำเร็จ:

เมื่อวันที่ 17 กุมภาพันธ์ Meta ลงนามข้อตกลงความร่วมมือเชิงกลยุทธ์หลายปีและข้ามรุ่นกับ NVIDIA Meta จะนำ GPU Blackwell และรุ่นถัดไป Vera Rubin ของ NVIDIA จำนวน "หลายล้าน" ตัว บวกกับ Grace discrete CPUs นักวิเคราะห์ประเมินว่าข้อตกลงนี้มีมูลค่าหลายหมื่นล้านดอลลาร์ ทำให้ Meta เป็นลูกค้าซูเปอร์คอมพิวเตอร์รายแรกของโลกที่นำ NVIDIA Grace discrete CPUs ไปใช้ในระดับใหญ่

เมื่อวันที่ 24 กุมภาพันธ์ Meta และ AMD ลงนามข้อตกลงชิปหลายปีมูลค่า 60 พันล้านถึง 100 พันล้านดอลลาร์ Meta จะซื้อ GPU ซีรีส์ MI450 และ CPU EPYC รุ่นที่หกล่าสุดของ AMD เป็นส่วนหนึ่งของข้อตกลง AMD ออกใบสำคัญแสดงสิทธิให้กับ Meta สำหรับหุ้นสามัญสูงสุด 160 ล้านหุ้น ซึ่งคิดเป็นประมาณ 10% ของหุ้นของ AMD โดยมีการ vest เป็นงวดที่ $0.01 ต่อหุ้นตามเป้าหมายการส่งมอบ

เมื่อวันที่ 26 กุมภาพันธ์ The Information รายงานว่า Meta ลงนามข้อตกลงหลายปีมูลค่าหลายพันล้านดอลลาร์กับ Google เพื่อเช่าชิป TPU จาก Google Cloud เพื่อฝึกและรันโมเดลภาษาขนาดใหญ่รุ่นถัดไปของตน ทั้งสองบริษัทยังกำลังหารือเกี่ยวกับการที่ Meta ซื้อ TPUs โดยตรงเพื่อนำไปใช้ในศูนย์ข้อมูลของตัวเองตั้งแต่ปี 2027

บริษัทโซเชียลมีเดียวางคำสั่งซื้อกับซัพพลายเออร์ชิปสามรายภายใน 10 วัน อาจมีมูลค่ารวมมากกว่า 100 พันล้านดอลลาร์

นี่ไม่ใช่การกระจายความเสี่ยง นี่คือการซื้อด้วยความตื่นตระหนก

ตรรกะสามชั้นของความวิตกกังวลพลังคอมพิวติ้ง

ทำไม Meta ถึงรีบร้อนขนาดนี้?

ประการแรก ชิปที่พัฒนาเองไม่ใช่ตัวเลือกที่เป็นไปได้อีกต่อไป การยกเลิกโครงการชิปการฝึกที่ทันสมัยที่สุดหมายความว่า Meta จะต้องพึ่งพาการซื้อจากภายนอกเพื่อตอบสนองความต้องการการฝึก AI ในอนาคตอันใกล้ แม้ว่าชิป MTIA สำหรับการอนุมานสามารถจัดการกับแอปพลิเคชันที่เป็นผู้ใหญ่เช่นระบบแนะนำ แต่การฝึกโมเดลล้ำสมัยเช่น Avocado ที่แข่งขันกับ GPT-5 ต้องการ NVIDIA หรือฮาร์ดแวร์ที่เทียบเท่า

ประการที่สอง คู่แข่งจะไม่รอ OpenAI ได้รับทรัพยากรมหาศาลจาก Microsoft, SoftBank และกองทุนความมั่งคั่งของรัฐบาล UAE แล้ว Anthropic ได้รับการจัดหา TPUs และชิป Trainium อย่างละ 1 ล้านชิปจาก Google และ Amazon Gemini 3 ของ Google ได้รับการฝึกทั้งหมดบน TPUs หาก Meta ไม่สามารถได้รับพลังคอมพิวติ้งเพียงพอ มันจะไม่สามารถรับประกันการเข้าสู่การแข่งขันได้

ประการที่สาม และบางทีเป็นพื้นฐานที่สุด Zuckerberg ต้องใช้ "อำนาจการซื้อ" เพื่อชดเชย "ความสามารถในการวิจัยและพัฒนา" ที่ขาดหายไป หายนะของ Llama 4 การสูญเสียบุคลากรสำคัญ และความล้มเหลวในชิปที่พัฒนาเอง—สามเหตุการณ์นี้รวมกันทำให้เรื่องเล่าของ AI ของ Meta เปราะบางในสายตาของ Wall Street การลงนามข้อตกลงใหญ่กับ Nvidia, AMD และ Google ในขณะนี้ส่งสัญญาณอย่างน้อยหนึ่งอย่าง: เรามีเงิน เรากำลังซื้อ และเราไม่ได้ยอมแพ้

กลยุทธ์ปัจจุบันของ Meta คือการลงทุนในฮาร์ดแวร์หากพวกเขาไม่สามารถแก้ปัญหาซอฟต์แวร์ และซื้อชิปหากพวกเขาไม่สามารถรักษาบุคลากร แต่การแข่งขัน AI ไม่ใช่เกมที่คุณสามารถชนะได้โดยเพียงแค่เขียนเช็ค พลังคอมพิวติ้งเป็นเงื่อนไขที่จำเป็น แต่ไม่เพียงพอ หากไม่มีทีมโมเดลชั้นนำและแผนงานทางเทคนิคที่ชัดเจน ชิปจำนวนเท่าใดก็ไม่เปลี่ยนแปลงอะไรนอกจากสินค้าคงคลังราคาแพงในคลังสินค้า

ภาวะที่กลืนไม่เข้าคายไม่ออกของผู้ซื้อ

เมื่อมองย้อนกลับไปที่ธุรกรรมสามรายการของ Meta ในเดือนกุมภาพันธ์ รายละเอียดที่น่าสนใจถูกมองข้ามโดยคนส่วนใหญ่

Meta ซื้อ Blackwell ปัจจุบันและ Vera Rubin อนาคตจาก Nvidia; ในข้อตกลงกับ AMD ซื้อ MI450 และ MI455X อนาคต; และเช่า Ironwood TPU ปัจจุบันจาก Google โดยวางแผนที่จะซื้อโดยตรงในปีหน้า

ซัพพลายเออร์สามราย สถาปัตยกรรมฮาร์ดแวร์และระบบนิเวศซอฟต์แวร์ที่แตกต่างกันสามอย่างอย่างสมบูรณ์

นี่หมายความว่า Meta จะต้องนำทางระหว่างสามระบบนิเวศพื้นฐานที่แตกต่างกันอย่างสมบูรณ์: CUDA ของ NVIDIA, ROCm ของ AMD และ XLA/JAX ของ Google แม้ว่ากลยุทธ์หลายผู้ขายสามารถลดความเสี่ยงของห่วงโซ่อุปทานและลดพรีเมียมการจัดซื้อฮาร์ดแวร์ แต่ก็จะนำไปสู่การเพิ่มขึ้นแบบเลขชี้กำลังของความซับซ้อนทางวิศวกรรม

นี่คือจุดอ่อนที่ร้ายแรงที่สุดของ Meta เพื่อให้โมเดลที่มีพารามิเตอร์หลายล้านล้านสามารถถูกฝึกอย่างมีประสิทธิภาพบนโมเดลการเขียนโปรแกรมพื้นฐานที่แตกต่างกันสามอย่างนี้บนฮาร์ดแวร์ที่แตกต่างกัน มันต้องการไม่เพียงแค่วิศวกรที่เข้าใจ CUDA แต่ยังต้องการสถาปนิกที่สามารถสร้างเฟรมเวิร์กการฝึกข้ามแพลตฟอร์มตั้งแต่เริ่มต้น

คนแบบนี้อาจมีไม่เกิน 100 คนในโลก Pang Ruoming เป็นหนึ่งในนั้น

การใช้เงิน 100 พันล้านดอลลาร์เพื่อซื้อพอร์ตโฟลิโอฮาร์ดแวร์ที่ซับซ้อนที่สุดในโลกในขณะที่สูญเสียสมองที่สามารถควบคุมมันไปพร้อมกัน—นี่คือแง่มุมที่เหนือจริงที่สุดของการเดิมพันของ Zuckerberg

การเดิมพันของ Zuckerberg

เมื่อซูมออก วิธีการของ Zuckerberg กับ AI ในช่วง 18 เดือนที่ผ่านมามีความคล้ายคลึงกับกลยุทธ์ออลอินของเขาในการสำรวจ metaverse เมื่อหลายปีก่อนอย่างน่าทึ่ง:

เห็นแนวโน้ม พวกเขาลงทุนอย่างหนักและรับสมัครคนจำนวนมาก เมื่อพบอุปสรรค พวกเขาทำการเปลี่ยนแปลงเชิงกลยุทธ์อย่างกะทันหันและลงทุนอย่างหนักอีกครั้ง

ช่วงเวลาจากปี 2021 ถึง 2023 เป็น metaverse ซึ่งส่งผลให้ขาดทุนหลายหมื่นล้านดอลลาร์ในแต่ละปี และราคาหุ้นในที่สุดก็ลดลงจาก $380 เหลือ $88 ช่วงเวลาจากปี 2024 ถึง 2026 เป็น AI ซึ่งก็เกี่ยวข้องกับการใช้เงินโดยไม่คำนึงถึงต้นทุน การปรับโครงสร้างองค์กรบ่อยครั้ง และเรื่องเล่าเดียวกันของ "เชื่อฉัน ฉันมีวิสัยทัศน์"

ความแตกต่างคือว่าแนวโน้ม AI นี้จับต้องได้มากกว่า metaverse อย่างแน่นอน ในทางกลับกัน Meta มีเงินสดมากมายให้เผา ธุรกิจโฆษณาของมันสร้างกระแสเงินสดที่เป็นรูปธรรม ในไตรมาสที่สี่ของปี 2025 รายได้ของ Meta ถึง 59.9 พันล้านดอลลาร์ เพิ่มขึ้น 24% จากปีก่อน

ปัญหาคือ: เงินสามารถซื้อชิป พลังคอมพิวติ้ง และแม้กระทั่งคนที่นั่งที่โต๊ะทำงาน แต่มันซื้อคนที่อยู่ไม่ได้

Pang Ruoming เลือก OpenAI, Russ Salakhutdinov เลือกที่จะจากไป และ LeCun เลือกที่จะเริ่มธุรกิจของตัวเอง

การเดิมพันปัจจุบันของ Zuckerberg คือว่า ตราบใดที่เขาซื้อชิปเพียงพอ สร้างศูนย์ข้อมูลเพียงพอ และใช้เงินเพียงพอ เขาก็สามารถหาหรือฝึกคนที่สามารถใช้ทรัพยากรเหล่านี้ได้ในที่สุด

การเดิมพันนี้อาจเป็นจริง หลังจากนั้น Meta เป็นหนึ่งในบริษัทเทคโนโลยีที่ร่ำรวยที่สุดในโลก โดยมีกระแสเงินสดจากการดำเนินงานกว่า 100 พันล้านดอลลาร์เป็นความได้เปรียบทางการแข่งขันที่แข็งแกร่งที่สุด จาก OpenAI ถึง Anthropic จาก Google ถึงคู่แข่งอื่น ๆ Meta ได้แย่งชิงบุคลากรอย่างต่อเนื่อง ตาม Qubit เกือบ 40% ของสมาชิก 44 คนในทีม Superintelligence ของ Meta มาจาก OpenAI

อย่างไรก็ตาม ความจริงที่โหดร้ายของการแข่งขัน AI คือการสำรองพลังคอมพิวติ้ง รายชื่อบุคลากร และประสิทธิภาพของโมเดลล้วนเป็นข้อมูลสาธารณะ เหตุการณ์การฉ้อโกงเกณฑ์มาตรฐาน Llama 4 พิสูจน์ว่าในอุตสาหกรรมนี้ คุณไม่สามารถรักษาความนำของคุณโดยอาศัยการนำเสนอ PPT และการประชาสัมพันธ์

ในท้ายที่สุด ตลาดยอมรับเพียงสิ่งเดียว: โมเดลของคุณดีแค่ไหน

ตำแหน่งในห่วงโซ่อาหาร

เมื่อการแข่งขันอาวุธ AI เข้าสู่ปี 2026 ลำดับของห่วงโซ่อาหารเริ่มชัดเจนขึ้น:

ที่ด้านบนสุดคือ OpenAI และ Google OpenAI มีโมเดลที่แข็งแกร่งที่สุด ฐานผู้ใช้ที่ใหญ่ที่สุด และการระดมทุนที่ก้าวร้าวที่สุด Google มีการบูรณาการแนวตั้งที่สมบูรณ์ของชิป โมเดล และโครงสร้างพื้นฐานคลาวด์ของตัวเอง Anthropic ตามมาอย่างใกล้ชิด ยึดตำแหน่งในระดับแรกอย่างมั่นคงด้วยความแข็งแกร่งของผลิตภัณฑ์ของโมเดล Claude และการจัดหาพลังคอมพิวติ้งคู่จาก Google และ Amazon

Meta ใช้เงินมากที่สุด ลงนามสัญญาชิปมากที่สุด และปรับโครงสร้างบ่อยที่สุด แต่จนถึงตอนนี้ยังไม่ได้คิดโมเดลล้ำสมัยที่สามารถโน้มน้าวตลาดได้

เรื่องราว AI ของ Meta คล้ายกับของ Yahoo ในปี 2005 เล็กน้อย ในสมัยนั้น Yahoo เป็นหนึ่งในบริษัทที่ร่ำรวยที่สุดบนอินเทอร์เน็ต ซื้อและใช้เงินอย่างก้าวร้าว แต่มันก็สร้างเครื่องมือค้นหาเหมือน Google ไม่ได้ เงินไม่ใช่ทุกอย่าง Zuckerberg ต้องคิดให้ออกว่า Meta ต้องการทำอะไรกับ AI แทนที่จะแค่ซื้ออะไรก็ตามที่กำลังเป็นที่นิยม

แน่นอน ว่ายังเร็วเกินไปที่จะเขียนชี้ความตายของ Meta ผู้ใช้ที่ใช้งานรายเดือน 3.58 พันล้านคน รายได้รายไตรมาส 59.9 พันล้านดอลลาร์ และชุดข้อมูลโซเชียลที่ใหญ่ที่สุดในโลกเป็นสินทรัพย์ที่คู่แข่งไม่สามารถทำซ้ำได้ง่าย

หากโมเดลรุ่นถัดไปที่มีชื่อรหัสว่า Avocado สามารถส่งมอบตามกำหนดในปี 2026 และกลับสู่ระดับท็อป การใช้จ่ายและการปรับโครงสร้างทั้งหมดของ Zuckerberg จะถูกบรรจุเป็น "ความกล้าหาญเชิงกลยุทธ์ในการกลับสถานการณ์" แต่ถ้าไม่เป็นไปตามความคาดหวังอีกครั้ง 135 พันล้านดอลลาร์ก็จะได้แค่แถวของคลังเก็บเวเฟอร์ซิลิกอนที่ร้อน

ท้ายที่สุด การแข่งขันอาวุธ AI ของ Silicon Valley ไม่เคยขาดผู้ซื้อซูเปอร์ที่โบกเช็คอยู่ สิ่งที่มันขาดคือคนที่รู้วิธีใช้พลังคอมพิวติ้งนั้นเพื่อหล่ออนาคต