Meta: Potrafi kupić setki miliardów mocy obliczeniowej, ale nie potrafi zatrzymać kluczowych pracowników.

Napisane przez: Ada, Deep Tide TechFlow

Pang Ruoming odszedł, zanim zdążył nawet zasiąść przy swoim stanowisku pracy w Meta.

W lipcu 2025 roku Zuckerberg zwerbował tego najbardziej poszukiwanego chińskiego inżyniera w dziedzinie infrastruktury AI z Apple, oferując wieloletni pakiet wynagrodzeń o łącznej wartości ponad 200 milionów dolarów. Pang Ruoming został przydzielony do Meta Superintelligence Lab, aby odpowiadać za budowę infrastruktury dla modeli AI kolejnej generacji.

Siedem miesięcy później zwerbowało go OpenAI.

Według The Information, OpenAI prowadziło kilkumiesięczną kampanię rekrutacyjną Panga Ruominga. Chociaż Pang powiedział kolegom, że jest „bardzo szczęśliwy pracując w Meta", ostatecznie zdecydował się odejść. Bloomberg poinformował, że jego pakiet wynagrodzeń w Meta był powiązany z kamieniami milowymi, a wcześniejsze odejście oznaczało rezygnację z większości jego nienabytych opcji na akcje.

200 milionów dolarów nie może kupić siedmiu miesięcy lojalności.

To nie jest prosta historia zmiany pracy.

Odejście jednej osoby sygnalizuje całą grupę.

Pang Ruoming nie był pierwszym, który odszedł.

W zeszłym tygodniu Mat Velloso, kierownik produktu platformy deweloperskiej w Meta's Superintelligence Labs, również ogłosił swoje odejście. Dołączył do Meta w zeszłym lipcu z Google DeepMind i został mniej niż osiem miesięcy. Cofając się dalej, w listopadzie 2025 roku laureat nagrody Turinga i główny naukowiec AI Yann LeCun, który był w Meta przez 12 lat, ogłosił swoje odejście, aby rozpocząć własną działalność, pracując nad „modelem świata", którego od dawna był zwolennikiem. Russ Salakhutdinov, kluczowy uczeń Geoffreya Hintona i wiceprezes ds. badań nad generatywną AI w Meta, również niedawno ogłosił swoje odejście.

Aby zrozumieć uciekanie talentów z Meta AI, musimy najpierw zrozumieć, jak szkodliwa była Llama 4.

W kwietniu 2025 roku Meta dokonała głośnego wydania modeli Scout i Maverick z serii Llama 4. Oficjalne specyfikacje były imponujące, twierdząc, że całkowicie przewyższają GPT-4.5 i Claude Sonnet 3.7 w podstawowych testach porównawczych, takich jak MATH-500 i GPQA Diamond.

Jednak ten flagowy model, który uosabia ambicje Meta, szybko ujawnił swoje prawdziwe oblicze w niezależnych testach ślepych przeprowadzonych przez strony trzecie w społeczności open-source, a jego rzeczywiste zdolności generalizacji i wnioskowania znacznie odbiegały od reklamowanej wydajności. W obliczu silnej krytyki ze strony społeczności, główny naukowiec AI Yann LeCun ostatecznie przyznał, że zespół „używał różnych wersji modelu do uruchamiania różnych zestawów testowych w fazie testowania w celu optymalizacji końcowego wyniku".

W rygorystycznych społecznościach akademickich i inżynieryjnych AI przekroczyło to niewybaczalną czerwoną linię. Innymi słowy, zespół wytrenował Llama 4 na „małomiasteczkowego zdającego egzaminy", który mógł tylko rozwiązywać przeszłe pytania egzaminacyjne, a nie naprawdę zaawansowanego „najlepszego ucznia" z najnowocześniejszą inteligencją. To jak pokazanie ci arkusza egzaminu z matematyki i arkusza egzaminu z programowania – każdy pojedynczy test wydaje się silny, ale w rzeczywistości nie są to ten sam model.

W akademii AI nazywa się to „cherry picking", podczas gdy w edukacji nastawionej na egzaminy nazywa się to „zdawaniem egzaminów w imieniu innych".

Dla Meta, która zawsze głosiła się jako „latarnia open source", to zamieszanie bezpośrednio zniszczyło jej najcenniejszy zasób zaufania w ekosystemie deweloperów. Jej bezpośrednim kosztem było to, że Zuckerberg „całkowicie stracił wiarę" w podstawy inżynieryjne oryginalnego zespołu GenAI, przygotowując grunt pod późniejsze mianowanie wysokiej rangi kadry kierowniczej i zepchnięcie na bok głównych działów infrastruktury.

Wydał od 14,3 miliarda do 15 miliardów dolarów na nabycie 49% udziałów w firmie etykietowania danych Scale AI, sprowadzając 28-letniego CEO Scale AI Alexandr Wanga jako Chief AI Officer Meta i zakładając Meta Superintelligence Lab (MSL). Laureat nagrody Turinga LeCun był zobowiązany raportować do tego 28-latka w nowej strukturze. W październiku Meta zwolniła około 600 miejsc pracy w MSL, w tym członków działu badawczego FAIR, który założył LeCun.

Flagowy model Llama 4 Behemoth, pierwotnie planowany do wydania latem 2025 roku, był wielokrotnie opóźniany, od lata do jesieni, i ostatecznie wstrzymany na czas nieokreślony.

Meta przeniosła uwagę na rozwój modelu tekstowego nowej generacji o kryptonimie „Avocado" oraz modelu obrazu/wideo o kryptonimie „Mango". Avocado jest podobno zaprojektowane do konkurowania z GPT-5 i Gemini 3 Ultra. Pierwotnie zaplanowane do wydania pod koniec 2025 roku, zostało opóźnione do pierwszego kwartału 2026 roku z powodu niezadowalających testów wydajności i optymalizacji treningu. Meta rozważa wydanie go jako zamkniętego źródła, porzucając tradycję open-source serii Llama.

Meta popełniła dwa fatalne błędy ze swoimi modelami AI. Po pierwsze, sfabrykowała dane porównawcze, co bezpośrednio zniszczyło zaufanie społeczności deweloperów. Po drugie, wepchnęła fundamentalny dział badawczy jak Fair, który wymaga dziesięciu lat poświęconej pracy, do organizacji produktowej skoncentrowanej na kwartalnych KPI. Te dwa działania razem są źródłem obecnego odpływu talentów.

Chipy własnego rozwoju: Druga złamana noga

Talenty odchodzą, a z chipami są problemy.

Według The Information, Meta anulowała w zeszłym tygodniu swój najbardziej zaawansowany projekt chipu treningowego AI, który był rozwijany wewnętrznie.

Projekt chipu własnego rozwoju Meta nazywa się MTIA (Meta Training and Inference Accelerator). Początkowa mapa drogowa firmy jest ambitna: MTIA v4 o kryptonimie „Santa Barbara", v5 o kryptonimie „Olympus" i v6 o kryptonimie „Universal Core" są planowane do dostarczenia między 2026 a 2028 rokiem. Wśród nich Olympus ma być pierwszym chipem Meta opartym na architekturze chiplet 2nm, mającym na celu jednoczesne pokrycie treningu modeli wysokiej klasy i wnioskowania w czasie rzeczywistym, i ostatecznie zastąpienie roli NVIDIA w klastrze treningowym Meta.

Teraz ten najnowocześniejszy chip treningowy został złomowany.

Meta nie była bez postępu; MTIA osiągnęła pewien sukces w wnioskowaniu. Chip wnioskowania MTIA v3 o kryptonimie „Iris" został wdrożony na dużą skalę w centrach danych Meta, głównie dla systemów rekomendacji Facebook Reels i Instagram, podobno zmniejszając całkowity koszt posiadania o 40% do 44%. Jednak wnioskowanie i trening to dwie różne rzeczy. Wnioskowanie uruchamia model, podczas gdy trening go ćwiczy. Meta może tworzyć własne chipy wnioskowania, ale nie może stworzyć chipu treningowego, który może bezpośrednio konkurować z Nvidia.

To nie jest pierwszy raz w historii. W 2022 roku Meta próbowała opracować własny chip wnioskowania, ale porzuciła projekt po niepowodzeniu w małej skali wdrożenia i zamiast tego złożyła duże zamówienie w Nvidia.

Niepowodzenie w opracowaniu własnych chipów bezpośrednio przyspieszyło szał outsourcingu Meta.

135 miliardów dolarów w panicznym zakupie

W styczniu 2026 roku Meta ogłosiła, że jej budżet wydatków kapitałowych na rok wynosi od 115 miliardów do 135 miliardów dolarów, prawie dwukrotnie więcej niż 72,2 miliarda dolarów w zeszłym roku. Większość tych pieniędzy zostanie wydana na chipy.

W ciągu 10 dni pomyślnie złożono trzy główne zamówienia:

17 lutego Meta podpisała wieloletnią, międzygeneracyjną strategiczną umowę o współpracy z NVIDIA. Meta wdroży „miliony" GPU NVIDIA Blackwell i następnej generacji Vera Rubin, plus dyskretne CPU Grace. Analitycy szacują wartość umowy na dziesiątki miliardów dolarów, czyniąc Meta pierwszym na świecie klientem superkomputerowym wdrażającym na dużą skalę dyskretne CPU NVIDIA Grace.

24 lutego Meta i AMD podpisały wieloletnią umowę chipową o wartości od 60 miliardów do 100 miliardów dolarów. Meta kupi najnowsze GPU serii MI450 i szóstej generacji CPU EPYC od AMD. W ramach umowy AMD wyemitowało warranty dla Meta na do 160 milionów akcji zwykłych, stanowiących około 10% akcji AMD, nabywane w transzach po 0,01 dolara za akcję w oparciu o kamienie milowe dostaw.

26 lutego The Information poinformował, że Meta podpisała wielomiliardową wieloletnią umowę z Google na wynajem chipów TPU z Google Cloud do treningu i uruchamiania swoich modeli językowych nowej generacji. Obie firmy również rozmawiają o tym, aby Meta kupowała TPU bezpośrednio do wdrożenia we własnych centrach danych począwszy od 2027 roku.

Firma mediów społecznościowych złożyła zamówienia u trzech dostawców chipów w ciągu 10 dni, potencjalnie na łączną kwotę ponad 100 miliardów dolarów.

To nie jest dywersyfikacja. To jest paniczny zakup.

Trójwarstwowa logika niepokoju mocy obliczeniowej

Dlaczego Meta tak się spieszy?

Po pierwsze, chipy własnego rozwoju nie są już realną opcją. Anulowanie najbardziej zaawansowanego projektu chipu treningowego oznacza, że Meta będzie musiała polegać na zakupach zewnętrznych, aby zaspokoić swoje potrzeby treningowe AI w dającej się przewidzieć przyszłości. Podczas gdy chip MTIA do wnioskowania może obsługiwać dojrzałe aplikacje, takie jak systemy rekomendacji, trening najnowocześniejszych modeli, takich jak Avocado, który konkuruje z GPT-5, wymaga NVIDIA lub równoważnego sprzętu.

Po drugie, konkurenci nie będą czekać. OpenAI już zabezpieczyło ogromne zasoby od Microsoft, SoftBank i funduszu majątkowego ZEA. Anthropic zabezpieczyło dostawy po 1 milionie chipów TPU i Trainium każdy od Google i Amazon. Gemini 3 Google został wytrenowany całkowicie na TPU. Jeśli Meta nie może uzyskać wystarczającej mocy obliczeniowej, nie będzie nawet w stanie zabezpieczyć swojego wejścia do wyścigu.

Po trzecie, i być może najbardziej fundamentalnie, Zuckerberg musi użyć „siły nabywczej", aby zrekompensować brak „zdolności badawczo-rozwojowych". Debakl Llama 4, utrata kluczowych talentów i niepowodzenia w chipach własnego rozwoju – te trzy wydarzenia razem sprawiły, że narracja AI Meta stała się krucha w oczach Wall Street. Podpisanie głównych umów z Nvidia, AMD i Google w tym momencie wysyła co najmniej jeden sygnał: Mamy pieniądze, kupujemy i nie poddaliśmy się.

Obecna strategia Meta polega na inwestowaniu w sprzęt, jeśli nie mogą rozwiązać problemów z oprogramowaniem, i kupowaniu chipów, jeśli nie mogą zatrzymać talentów. Ale wyścig AI nie jest grą, którą można wygrać po prostu wypisując czeki. Moc obliczeniowa jest warunkiem koniecznym, ale nie wystarczającym. Bez najwyższej klasy zespołu modelowego i jasnej mapy drogowej technicznej, żadna liczba chipów nie zmieni niczego poza drogim zapasem w magazynie.

Dylemat kupującego

Patrząc wstecz na trzy transakcje Meta w lutym, interesujący szczegół został przeoczony przez większość ludzi.

Meta kupiła obecny Blackwell i przyszły Vera Rubin od Nvidia; w swojej umowie z AMD kupiła MI450 i przyszły MI455X; i wynajęła obecny Ironwood TPU od Google, z planami bezpośredniego zakupu w przyszłym roku.

Trzech dostawców, trzy całkowicie różne architektury sprzętowe i ekosystemy oprogramowania.

To oznacza, że Meta będzie musiała poruszać się między trzema całkowicie różnymi ekosystemami bazowymi: CUDA NVIDIA, ROCm AMD i XLA/JAX Google. Podczas gdy strategia wielu dostawców może złagodzić ryzyko łańcucha dostaw i zmniejszyć premie za zamówienia sprzętowe, doprowadzi również do wykładniczego wzrostu złożoności inżynieryjnej.

To jest właśnie najbardziej fatalna słabość Meta. Aby umożliwić modelowi z bilionami parametrów efektywne trenowanie na tych trzech całkowicie różnych bazowych modelach programowania na różnym sprzęcie, wymaga to nie tylko inżynierów, którzy rozumieją CUDA, ale także architektów, którzy mogą zbudować międzyplatformowy framework treningowy od podstaw.

Prawdopodobnie jest na świecie nie więcej niż 100 takich ludzi. Pang Ruoming jest jednym z nich.

Wydanie 100 miliardów dolarów na nabycie najbardziej złożonego portfolio sprzętowego na świecie, jednocześnie tracąc mózgi, które mogą go kontrolować – to najbardziej surrealistyczny aspekt zakładu Zuckerberga.

Zakład Zuckerberga

Powiększając perspektywę, podejście Zuckerberga do AI w ciągu ostatnich 18 miesięcy jest uderzająco podobne do jego strategii all-in eksploracji metaverse lata temu:

Widząc trend, inwestują ciężko i rekrutują dużą liczbę ludzi; gdy napotykają niepowodzenia, dokonują nagłej zmiany strategicznej i inwestują ciężko ponownie.

Okres od 2021 do 2023 roku to był metaverse, który skutkował stratami dziesiątek miliardów dolarów każdego roku, a cena akcji ostatecznie spadła z 380 do 88 dolarów. Okres od 2024 do 2026 roku to AI, który również wiązał się z wydawaniem pieniędzy bez względu na koszty, częstymi reorganizacjami organizacyjnymi i tą samą narracją „Zaufaj mi, mam wizję".

Różnica polega na tym, że ten trend AI jest rzeczywiście znacznie bardziej namacalny niż metaverse. Meta z drugiej strony ma dużo gotówki do spalenia; jej biznes reklamowy generuje znaczny przepływ gotówki. W czwartym kwartale 2025 roku przychody Meta osiągnęły 59,9 miliarda dolarów, wzrost rok do roku o 24%.

Problem polega na tym: pieniądze mogą kupić chipy, moc obliczeniową, a nawet ludzi siedzących przy stanowiskach pracy, ale nie mogą kupić ludzi, którzy zostają.

Pang Ruoming wybrał OpenAI, Russ Salakhutdinov zdecydował się odejść, a LeCun zdecydował się rozpocząć własną działalność.

Obecny zakład Zuckerberga polega na tym, że o ile kupi wystarczająco dużo chipów, zbuduje wystarczająco dużo centrów danych i wyda wystarczająco dużo pieniędzy, ostatecznie może znaleźć lub wytrenować ludzi, którzy mogą korzystać z tych zasobów.

Ten zakład może być prawdziwy. W końcu Meta jest jedną z najbogatszych firm technologicznych na świecie, z ponad 100 miliardami dolarów przepływu gotówki operacyjnej będącej jej najsilniejszą przewagą konkurencyjną. Od OpenAI do Anthropic, od Google do innych konkurentów, Meta nieustannie kusi talenty. Według Qubit prawie 40% z 44 członków zespołu Superintelligence Meta pochodziło z OpenAI.

Jednak okrutna rzeczywistość wyścigu AI polega na tym, że rezerwy mocy obliczeniowej, listy talentów i wydajność modeli to wszystko publiczne informacje. Incydent oszustwa benchmarku Llama 4 dowodzi, że w tej branży nie można utrzymać przewagi, opierając się na prezentacjach PPT i public relations.

Ostatecznie rynek rozpoznaje tylko jedną rzecz: jak dobry jest twój model.

Pozycja w łańcuchu pokarmowym

W miarę jak wyścig zbrojeń AI wchodzi w 2026 rok, kolejność łańcucha pokarmowego zaczęła się wyjaśniać:

Na szczycie są OpenAI i Google. OpenAI może pochwalić się najmocniejszymi modelami, największą bazą użytkowników i najbardziej agresywnym finansowaniem. Google ma pełną pionową integrację własnych chipów, modeli i infrastruktury chmurowej. Anthropic podąża tuż za nim, mocno trzymając swoją pozycję w pierwszej lidze dzięki sile produktowej swojego modelu Claude i podwójnemu zasilaniu mocy obliczeniowej od Google i Amazon.

Meta wydała najwięcej pieniędzy, podpisała najwięcej umów na chipy i reorganizowała się najczęściej, ale jak dotąd nie wymyśliła najnowocześniejszego modelu, który może przekonać rynek.

Historia AI Meta jest nieco podobna do Yahoo z 2005 roku. Wtedy Yahoo była jedną z najbogatszych firm w internecie, agresywnie przejmując i wydając pieniądze, ale po prostu nie mogła stworzyć wyszukiwarki jak Google. Pieniądze to nie wszystko. Zuckerberg musi dokładnie ustalić, co Meta chce zrobić z AI, zamiast kupować wszystko, co jest w trendzie.

Oczywiście jest za wcześnie, aby pisać obituarium Meta. 3,58 miliarda miesięcznych aktywnych użytkowników, 59,9 miliarda dolarów kwartalnych przychodów i największy na świecie zbiór danych społecznościowych to aktywa, których żaden konkurent nie może łatwo powielić.

Jeśli model następnej generacji o kryptonimie Avocado może zostać dostarczony zgodnie z planem w 2026 roku i powrócić do najwyższej ligi, wszystkie wydatki i reorganizacje Zuckerberga zostaną zapakowane jako „strategiczna śmiałość odwrócenia sytuacji". Ale jeśli znowu nie spełni oczekiwań, wtedy 135 miliardów dolarów zaowocuje tylko rzędami podgrzewanych magazynów płytek krzemowych.

W końcu wyścig zbrojeń AI w Dolinie Krzemowej nigdy nie brakowało super kupujących machających czekami. Brakuje ludzi, którzy wiedzą, jak wykorzystać tę moc obliczeniową do kucia przyszłości.