Finews
台灣最好懂得財經、科技新聞網！
帶給你最有用的新聞資訊。
“`html
Meta 的 AI 巨額豪賭：百億投資 Scale AI 卻遇逆風，科技巨頭陷內部與供應鏈雙重困境
你或許聽過科技巨頭 Meta Platforms（以下簡稱 Meta）在人工智慧（AI）領域的雄心壯志，不僅砸下數百億美元蓋資料中心，更在去年大手筆投資了數據標註公司 Scale AI。但這場轟轟烈烈的 AI 競賽，開局似乎有些出師不利。這筆百億美元的投資，竟然在短短幾個月內就出現了裂痕，Meta 內部團隊對合作夥伴的數據品質表達不滿，高階主管也頻繁離職。究竟是怎麼回事？今天，我們就來好好拆解這起事件，看看 Meta 在 AI 時代面臨哪些挑戰，以及這對整個 AI 產業又有哪些啟示。
這篇文章將帶你了解 Meta 與 Scale AI 合作關係動盪的來龍去脈、Meta 內部 AI 部門的人才競逐與摩擦，以及這背後牽涉的關鍵產業：AI 數據標註。同時，我們也會探討 Meta 那天文數字般的 AI 基礎設施投入，究竟意味著什麼。
百億投資難解品質焦慮：Meta 內部團隊轉向競爭對手
還記得嗎？在 2025 年 6 月，Meta 斥資 143 億美元對 Scale AI 進行了巨額投資。當時，這筆交易震撼了整個科技界，因為 Scale AI 的執行長 Alexandr Wang（亞歷山大·王）甚至被延攬加入 Meta 的 Superintelligence Labs (MSL)，負責帶領 Meta 的核心 AI 研發。外界普遍認為，Meta 是想透過這筆投資和人才招募，確保其在訓練大型語言模型（LLM）所需數據上的領先地位。
然而，這場看似完美的聯姻，很快就出現了雜音。據了解，Meta 內部核心 AI 研發單位 TBD Labs，對 Scale AI 提供的數據品質表達了強烈不滿。這聽起來有點諷刺，畢竟 Meta 都砸了這麼多錢。當 AI 模型越來越複雜，對訓練數據的品質要求也越來越高，如果數據不夠精準，模型學到的東西就可能出錯。最終，TBD Labs 竟然轉而尋求 Mercor 和 Surge 等其他第三方供應商的服務，來為他們即將推出的 AI 模型提供訓練數據，這無疑是對 Scale AI 的一大打擊，也讓這樁合作案的戰略基礎產生動搖。
以下是此次合作出現問題的主要原因：
- 數據品質不達標，影響模型準確性
- 內部團隊對合作夥伴的不滿情緒增加
- 高階主管頻繁離職，影響團隊穩定性
雪上加霜的是，Meta 的這項投資也讓 Scale AI 付出了巨大的代價。由於 Meta 同時是 OpenAI 和 Google 的重要競爭對手，在 Meta 投資 Scale AI 後，這兩大 AI 巨頭隨即終止了與 Scale AI 的合作。失去了這些重量級客戶，Scale AI 在 2025 年 7 月被迫裁員 200 人，並將業務重心轉向政府銷售，甚至成功獲得了美國陸軍 9900 萬美元的合約。這一切都說明，在 AI 供應鏈中，選擇合作夥伴可能是一場豪賭，稍有不慎就可能牽一髮而動全身。
| 影響項目 | 細節 |
|---|---|
| 主要客戶終止合作 | OpenAI 和 Google 取消與 Scale AI 的合作 |
| 員工裁員 | 2025 年 7 月裁員 200 人 |
| 業務重心轉移 | 轉向政府銷售，獲得美國陸軍合約 |
重金招募反成內耗：Meta AI 人才流失與組織整合困境
為了在 AI 領域迎頭趕上 OpenAI 和 Google，Meta 執行長 Mark Zuckerberg（馬克·祖克柏）可謂不惜血本。他不僅積極從各方網羅頂尖 AI 研究人員，包括從 OpenAI、Google DeepMind 和 Anthropic 等公司挖角，甚至收購了 Play AI、WaveForms AI 等 AI 語音新創公司，並與 Midjourney 合作開發 AI 圖像和視訊模型。馬克·祖克柏甚至提出「個人超級智能」的宏大願景，希望透過 AI 提升每個人的生活，主要載體就是智能眼鏡與虛擬實境（VR）頭戴裝置。
然而，高速擴張和人才的快速引進，也為 Meta 的 Meta Superintelligence Labs (MSL) 帶來了巨大的內部動盪。想想看，當一個部門突然湧入大量來自不同公司、擁有不同文化背景的人才，磨合的陣痛是在所難免的。內部變得日益混亂，許多新加入的員工，尤其是那些習慣新創公司彈性文化的專家，對於大型企業的官僚體制感到不滿。結果就是，多位資深研究人員相繼離開或宣布離職，其中最引人注目的，就是 Scale AI 的前 GenAI 產品與營運資深副總裁 Ruben Mayer，他在加入 Meta 僅僅兩個月後便選擇離職。
以下是 Meta 在人才招募上的挑戰：
- 高技能人才的快速流失
- 不同公司文化的衝突
- 大型企業官僚體制的不適應
| 原因 | 描述 |
|---|---|
| 文化衝突 | 新加入員工與現有團隊文化不合 |
| 組織結構 | 大型企業的官僚體制導致決策緩慢 |
| 職業發展 | 員工對於職業發展路徑的不滿意 |
從「數量」到「品質」：AI 數據標註的變革與市場新貴崛起
說到這裡，你可能會想，到底什麼是「數據標註（Data Labeling）」？為什麼它對 AI 這麼重要？簡單來說，數據標註就是為機器學習模型提供訓練數據的過程。想像一下，你要教電腦辨識貓咪，你就需要給它看成千上萬張圖片，並告訴它哪些是貓咪、哪些不是。這個「告訴它」的過程，就是數據標註。
過去，許多數據標註公司，包括 Scale AI 早期，主要依賴「眾包模式」，也就是透過大量的兼職人力來進行標註。這種模式的優勢是成本低、速度快，適合處理大量標準化的數據。但隨著 生成式 AI 模型和大型語言模型（LLM）的日益複雜，對訓練數據的品質要求也水漲船高。現在的 AI 不僅需要辨識貓狗，還可能需要理解法律文件、醫學影像、複雜的科學報告等等，這就需要具備高技能的領域專家（例如醫生、律師、科學家）來進行高品質的數據標註。
這場從「數量」到「品質」的轉變，正在重塑整個數據標註產業。原本以眾包模式為主的 Scale AI 面臨挑戰，而那些一開始就建立在高薪人才基礎上的競爭對手，例如 Mercor 和 Surge AI，反而因此獲得了優勢。它們能夠提供更精準、更符合 AI 模型訓練需求的數據。有趣的是，Surge AI 目前正在尋求 10 億美元的融資，估值甚至已達到至少 250 億美元，這也證明了高品質數據標註市場的巨大潛力。此外，合成數據（Synthetic Data）也逐漸被應用於 AI 模型訓練，雖然它能輔助人類專家，但在處理複雜的「邊緣案例」上，人類的專業判斷仍然是不可或缺的。
| 時期 | 數據標註模式 | 需求特性 |
|---|---|---|
| 早期 | 眾包模式 | 大量標準化數據，成本低，速度快 |
| 現代 | 專家驅動模式 | 高品質專業數據，適用複雜任務 |
| 未來 | 合成數據結合專家標註 | 處理複雜邊緣案例，提升模型精確度 |
千億級資本支出：Meta AI 算力軍備競賽的經濟與環境代價
除了在數據標註領域的波折，Meta 在 AI 基礎設施上的投入，更是天文數字。馬克·祖克柏曾明確表示，Meta 計畫在 2025 年投入 660 億至 720 億美元用於 AI 基礎設施，這比前一年增加了約 300 億美元，並預計 2026 年將持續大規模投資。這個數字在全球科技巨頭中可說是獨樹一幟，凸顯了 Meta 不惜成本爭奪 AI 領先地位的戰略決心。
這些巨額投資主要用於建設多個大型 AI 資料中心。例如，他們在俄亥俄州的 Prometheus（普羅米修斯）資料中心，預計在 2026 年將達到 1 吉瓦（Gigawatt）的算力，這是個非常驚人的數字。而在路易斯安那州的 Hyperion（海柏利昂），更是規劃了可能達到 5 吉瓦規模的資料中心，其建設成本據傳高達 500 億美元。這些超級資料中心，正是驅動未來 AI 模型運算和訓練的「心臟」。
但這場前所未有的「算力軍備競賽」不僅帶來巨大的經濟影響，也引發了對環境的擔憂。想想看，這麼龐大的資料中心需要多少電力來運作？它將對能源消耗和環境永續性帶來巨大的挑戰。例如，喬治亞州牛頓郡就因為 Meta 資料中心對水資源的巨大需求，引發了水資源短缺的爭議。這些都是我們在享受 AI 帶來便利的同時，必須面對的代價。
- 巨額資本投入加劇市場競爭
- 資料中心建設導致環境壓力增加
- 能源消耗與永續性的挑戰
| 地點 | 資料中心名稱 | 預計算力 | 建設成本 |
|---|---|---|---|
| 俄亥俄州 | Prometheus（普羅米修斯） | 1 吉瓦 | 未公布 |
| 路易斯安那州 | Hyperion（海柏利昂） | 5 吉瓦 | 500 億美元 |
| 加州 | Neptune（海王星） | 2 吉瓦 | 300 億美元 |
值得一提的是，儘管 Meta 的 Reality Labs 部門（負責元宇宙和虛擬實境業務）在 2025 年第二季度虧損了 45 億美元，但 Meta 整體營收仍表現亮眼，第二季度達到 475 億美元，第三季度預期營收更上看 475 億至 505 億美元。這主要得益於廣告業務在 AI 工具的推動下表現良好。財報公布後，Meta 股價甚至上漲了 10%。這也說明，即使在多重挑戰下，市場對 Meta 在 AI 領域的潛力仍然抱有高度信心。
結論：AI 豪賭的下一步？挑戰與前瞻
從 Meta 與 Scale AI 合作的動盪、內部人才的頻繁流動，到那千億級的基礎設施投資，我們看到 Meta 在 AI 領域的每一步都充滿了挑戰與變數。這場「AI 豪賭」的規模和決心，都令人印象深刻。Meta 如何有效整合其龐大資源，穩定人才團隊，並確保關鍵技術供應鏈的品質與獨立性，將是決定其 AI 願景能否實現的關鍵。
同時，這起事件也為整個 AI 產業敲響了警鐘。合作夥伴的選擇、數據品質的管理，以及隨之而來的反壟斷審查（多個公民倡議團體已呼籲聯邦貿易委員會 FTC 調查 Meta-Scale AI 交易），都將成為未來 AI 產業發展中不可忽視的議題。AI 的未來，不僅僅是技術的競爭，更是戰略、人才和監管等多方力量的綜合角力。
【投資免責聲明】本文所提及之任何資訊，僅供教育與知識性說明之用，不構成任何投資建議或誘使買賣之要約。在做出任何投資決策前，請務必諮詢專業財務顧問。
常見問題（FAQ）
Q：Meta 為什麼選擇投資 Scale AI？
A：Meta 投資 Scale AI 主要是為了確保在訓練大型語言模型所需的高品質數據上保持領先地位，並通過人才招募加強其核心 AI 研發能力。
Q：Meta 的巨額 AI 投資對環境有哪些影響？
A：Meta 建設的大型資料中心需要大量電力，增加了能源消耗，對水資源的需求也引發了地方的水資源短缺問題，對環境造成壓力。
Q：數據標註模式的轉變對 AI 產業有何影響？
A：從以成本低、速度快的眾包模式轉向高品質的專家驅動模式，提升了訓練數據的精準度，促進了更複雜 AI 模型的發展，但也增加了成本和運營難度。
“`
