写 Meta 的 AI 发展史，最容易犯的错，是把它写成“后来才追上来”

因为如果只从 Llama 或 Meta AI 开始看，它确实像是在生成式 AI 时代突然发力。但把时间线拉长，会发现 Meta 在 AI 上并不晚，甚至可以说很早。只是它长期选择的不是“把最强能力锁在封闭产品里”，而是更像在搭一套开放生态。

这家公司在 AI 上最稳定的个性，其实是开放研究。2013 年成立的 FAIR，让 Meta 很早就拥有了一套在学术界、工程界和开源社区都能持续输送影响力的组织机制。后来 PyTorch、Segment Anything、Llama，一路都能看见这条传统的影子。

所以 Meta 的 AI 公司史，最好不要写成“被 ChatGPT 逼出来的应激反应”，而该写成：一家长期做开放研究的公司，在闭源前沿模型时代，决定把开放进一步升级成自己的产业策略。

Mermaid 图一：Meta 的 AI 主线是一条开放飞轮

第一阶段：FAIR 让 Meta 很早就把 AI 当成长线组织能力

2023 年 11 月，Meta 在 FAIR 十周年文章里回顾得很明确：这支团队过去十年一直以开放研究方式推进 AI。这个回顾也反过来证明了一件事，Meta 的 AI 主线不是临时性的业务冲刺，而是很早就开始的组织建设。

FAIR 的重要性，不只是“做了很多研究成果”，而是它把 Meta 的 AI 路线定出了气质。很多公司会把研究视作产品附庸，Meta 则长期把论文、代码、模型、数据集和 responsible use guides 一起对外分享。这种做法当然不是纯公益，它背后其实有一套更现实的公司逻辑：只要你足够早地定义社区的工具与方法，后来整个生态都会在你设定的地基上长。

这就是为什么 FAIR 对 Meta 这么重要。它不一定总能带来立刻变现的产品，但它会不断积累行业中的基础影响力。

第二阶段：PyTorch 让 Meta 把研究影响力转成了工程现实

如果说 FAIR 解决的是研究合法性，PyTorch 解决的就是工程现实。

Meta 在 2022 年宣布 PyTorch Foundation 时回顾得很直接：PyTorch 是从 2016 年起与 AI 社区共同打造的框架，而且已经成为 AI 研究和生产的重要平台。这一点非常关键。因为 AI 行业里真正稀缺的，不只是某篇论文领先，而是你的工具链变成别人工作的默认选择。

PyTorch 做到的，正是这种“默认化”。它让 Meta 在工程生态里拥有了远超过单个模型发布的影响力。很多后来和 Meta 竞争模型的公司，底层训练和实验环境仍然受益于 PyTorch 生态。换句话说，Meta 也许不总掌握最终产品入口，但它长期掌握了不少人构建 AI 的工作台。

这其实已经预告了 Llama 路线会怎么展开。因为一旦你相信开放工具能形成网络效应，就很自然会进一步相信开放权重模型也能形成网络效应。

第三阶段：Llama 让 Meta 把“开放”从研究方法升级成公司战略

2023 年 7 月 18 日，Meta 与 Microsoft 联合发布 Llama 2。这是 Meta AI 公司史里最需要重写的一笔，因为它让“开放”第一次不只是研究传统，而成为面向产业竞争的明确选择。

Llama 2 的关键信息写得很清楚：免费用于研究和商业使用，模型权重开放，并通过 Azure、AWS、Hugging Face 等渠道扩散。它代表一种和闭源前沿模型不同的判断。Meta 似乎在说，如果自己不一定总能控制最强闭源界面，那就去控制最广泛采用的开放底座。

2024 年 4 月 18 日，Meta 又用 Llama 3 推动 Meta AI 进入更多国家和更多产品界面。再到 2024 年 7 月 23 日，Mark Zuckerberg 在《Open Source AI is the Path Forward》里把这个判断公开说透：Meta 认为开放源代码 AI 会成为行业标准，而 Llama 3.1 405B 这样的模型会让开放路线第一次足够接近前沿闭源能力。

Mermaid 图二：Meta 的两种野心如何合并

这一步非常重要。因为它说明 Meta 并不是只想做“大家都能下载的模型”，它还是想把这些模型重新接回自己的应用生态。开放和平台并不是二选一，而是两端一起押。

第四阶段：2025，Meta 终于把开放模型和自家 AI 助手更紧地捆到一起

2025 年 4 月 29 日，Meta 发布独立的 Meta AI app，并明确写出它由 Llama 4 驱动。这意味着 Meta 的路线开始从“开放模型提供方”更进一步，变成“开放模型加自家入口”的双线推进。

这里的变化很值得注意。过去 Meta 更像是在给整个行业输送开放底座；到 Meta AI app 这一步，它开始更主动地把开放路线转化为面向用户的产品资产。也就是说，Meta 不再满足于只在后台影响生态，它开始重新争夺前台交互界面。

这会让 Meta 的公司史变得更完整。FAIR 给了它研究身份，PyTorch 给了它工程影响力，Llama 给了它开放权重生态，而 Meta AI 则在尝试把这些能力收束成自己的用户入口。

结尾：Meta 押注开放，并不是因为不懂闭源，而是因为它想赢另一种标准

很多人理解 Meta 的开放策略时，会下意识把它看成“因为没有最强闭源模型，所以只好开源”。这种解释太浅了。

更准确的理解是：Meta 长期相信，AI 行业最终不会只由几个封闭接口定义，还会由谁提供最广泛可用、最容易二次开发、最容易成为行业默认件的底座来决定。FAIR、PyTorch、Llama，都是这个逻辑的不同阶段。

今天再看 Meta，会发现它的 AI 路线其实很连贯。

  • 它先用 FAIR 建立开放研究传统。
  • 再用 PyTorch 把传统变成工程事实。
  • 接着用 Llama 把开放升级成平台战略。
  • 最后又试图用 Meta AI 把开放模型重新收束进自家产品入口。

所以 Meta 的核心问题从来不是“能不能追上最强模型”，而是“能不能让开放生态最终反过来变成自己的平台优势”。这件事还没有盖棺定论，但它已经是今天 AI 行业里最清楚、也最持久的一条不同路线。