Meta 超级智能的未来：一年进展更新 -

SemiAnalysis这篇报告本质上是给Meta投了一张"追赶者彩票"，但作为买方视角必须把乐观叙事拆开看。核心前提有三个：①团队重建已完成且执行力恢复——这个前提本身有Llama 4前车之鉴，Muse Spark基准跑不过DeepSeek/Kimi开源模型已经打了折扣，"斜率>截距"的论述是必要但不充分的辩护；②RL环境供应链的可持续性——Mercor/Surge/Handshake三家ARR过10亿美元说明需求真实，但Fleet/Mechanize等新进入者年仅1岁ARR就到1亿美元，这种陡峭增长往往意味着客单价虚高或客户集中度过高，一旦Anthropic/OpenAI自建数据飞轮（如Anthropic的Claude Code实际使用数据回流），市场化采购的边际价值会快速衰减；③Tent数据中心+2000公里互联的算力叙事——激进扩张的另一面是Capex吞噬利润，Meta 2026年Capex指引已经冲到800亿美元量级，AI算力如果不能转化为广告业务或新业务线的收入增量，资本市场不会无限买单。报告最被低估的风险其实是"追赶者陷阱"：OpenAI和Anthropic的领先不是静态的，报告自己也承认SpaceXAI每年向Anthropic/Google输送260亿美元GPU，说明算力军备仍在升级，Meta用6个月追平Google的同时，Anthropic和OpenAI的领先差距可能又拉大了一截，最终Meta可能从"落后谷歌"变成"落后Anthropic更远"。敏感性最高的变量其实是下一代Muse系列模型的发布时间和基准表现——任何延期或跑分不及预期都会直接证伪"斜率>截距"的论述。横向参照看，Google拥有Gemini 3 Pro/Nano Banana的历史性突破但被报告判定为"迅速黯然失色"，说明前沿AI竞争中单点突破无法锁定胜局，Meta需要的是连续两三代的稳定输出，这恰恰是其历史上最薄弱的能力。建议读者重点跟踪三个指标：①MSL每季度发布的模型在SWE-bench、TerminalBench等真实编码基准上的绝对分数与同比斜率；②Meta Capex占收入比和AI相关收入披露（如Reels推荐效率提升、WhatsApp Business AI代理收入）；③Scale AI被收购后核心研究者（特别是SEAL团队）的人员留存率——人才流失是这种挖角式战略最大的尾部风险。