Meta 首席执行官马克·扎克伯格在最近一次内部会议上，因公司 AI 开发速度问题而表达不满。该会议消息由 Reuters 报道，并被 TechCrunch 跟进。此前，Meta 承诺到 2026 年在 AI 上投入最高 1450 亿美元。相关背景是组织动荡，包括裁员 8,000 人，并将 7,000 名员工调往一个新的“Agent Transformation”（代理转型）小组。扎克伯格将不满归因于执行速度未达到预期，即便已进行了大量资本投入。上述表态反映出压力日益加剧，因为包括 OpenAI、Google 和 Microsoft 在内的竞争对手正在加速自身 AI 代理开发。过去两年里，Meta 将自己定位为“AI 优先”的公司，如今管理层要求在 3 到 6 个月的窗口内实现可衡量的进展，以验证战略转型并证明这笔前所未有的投资规模的合理性。
扎克伯格在内部会议上质疑 Meta AI 的执行速度
据 Reuters 和 TechCrunch 报道，马克·扎克伯格在最近一次内部会议上告诉员工，他对关键 AI 工作需要多久才能完成感到不满意。Meta 首席执行官表示，公司对一个日益由 AI 驱动的运营所主导的世界适应得不够快。扎克伯格将内部推动构建并部署 AI 代理的过程形容为比管理层预想得更费力。尽管 Meta 公开承诺要成为 AI 优先公司，并计划推出新的助手、广告工具以及软件代理，用于执行实质性任务，但这番直白评估仍然出现。扎克伯格据称也承认，组织层面的动能并未匹配金融承诺的强度，导致雄心与执行之间存在差距，而他认为这构成了战略风险。
Meta 在裁员 8,000 人和重组人力之际承诺 1450 亿美元投向 AI
预计 Meta 将在 2026 年前向 AI 开发与基础设施投入最高 1450 亿美元。这一支出水平使该公司与其他大型云服务商在规模化积累算力资源方面处于同一层级。此次投入伴随显著的人力变动：Meta 最近裁掉了 8,000 名员工，约占总裁员约 10% 的员工数，并将另外 7,000 名员工调入新岗位。许多被调岗的员工加入了名为 Agent Transformation（代理转型）的团队，该团队旨在加速 AI 代理的部署。扎克伯格据称承认此次重组并未如预期般“干净利落”，但辩护称这一举措是必要的，以降低组织惯性。此次重组旨在让人员与公司所称目标保持一致：交付能够处理现实世界任务的功能性 AI 代理，同时维持其核心广告业务，而该业务仍在持续贡献大部分收入。
扎克伯格为实现切实的 AI 进展设定 3 到 6 个月时间表
据会议报道，扎克伯格告诉员工，他预计在 3 到 6 个月内实现可衡量的进展。该特定时间窗口对通常需要经历更长研究与开发周期的工作而言，属于异常压缩的最后期限。该要求实际上是把长期的平台转型，转变为一项近端的执行测试，尤其是针对在最近组织调整中被重新分配到新团队的工程师。报道称，Meta 的 AI 部门部分业务正承受着高强度压力，这种模式与那些试图在扩张运营规模的同时加速产品交付的公司一致。该时间表凸显了管理层的观点：要想证明这笔资金投入以及伴随 AI 转型而产生的组织动荡是合理的，增量成果必须尽快落地。
OpenAI、Google 和 Microsoft 加剧对 Meta 的竞争压力
在会议上，扎克伯格提到了“红皇后”概念，称据 Reuters 和 TechCrunch 报道，公司必须不断奔跑才能维持其竞争地位。该提法反映了大科技领域的更广泛态势：OpenAI、Google 和 Microsoft 正同时竞相把 AI 模型演示转化为可靠系统，让客户采用并为之付费。Meta 面临双重挑战：在领导层层面进行高强度投入的同时，还要在重组中保持近似初创公司的敏捷性，并在压力下按期交付。竞争格局在行业层面压缩了时间表，每家主要参与者都希望在技术成熟并变成商品化供给之前，先行建立在 AI 代理领域的市场地位。
常见问题
马克·扎克伯格就 Meta 的 AI 开发进度说了什么？
据 Reuters 和 TechCrunch 报道，马克·扎克伯格在最近一次内部会议上告诉员工，他对关键 AI 工作需要多久才能完成感到不满意。他表示，Meta 对一个日益由 AI 驱动运营所主导的世界适应得不够快，并将内部推动构建 AI 代理的工作形容为比管理层预想得更费力。
Meta 到 2026 年要在 AI 上投入多少？
预计 Meta 将在 2026 年前向 AI 开发与基础设施投入最高 1450 亿美元。这笔支出伴随裁员 8,000 人，以及将 7,000 名员工调入一个新的 Agent Transformation（代理转型）小组，该小组旨在加速 AI 代理的部署。
扎克伯格为 Meta 的 AI 进展设定了什么时间表？
据会议报道，扎克伯格告诉员工，他预计在 3 到 6 个月内实现可衡量的进展。该特定时间窗口对通常需要经历更长研究与开发周期的工作而言，属于异常压缩的最后期限，实际上是把长期的平台转型转变为一项近端的执行测试。
