2023年2月，Meta向?qū)W術界發(fā)布了Llama1模型，當時的硅谷并未預料到，這一舉動竟會掀起一場持續(xù)近三年的開源浪潮。這一系列參數(shù)規(guī)模從70億到650億不等的語言模型，雖以“研究用途”為名，卻在極短時間內(nèi)催生出一個龐大的開源生態(tài)系統(tǒng)，改寫了大型語言模型（LLM）的競爭規(guī)則。到2025年4月Llama4發(fā)布時，該系列已演進為支持千萬令牌上下文、具備原生多模態(tài)理解能力的行業(yè)標桿，被廣泛視為“AI時代的Linux”——一個由社區(qū)驅(qū)動、自由協(xié)作的數(shù)字基礎設施。

然而，七個月后，Meta在2025年11月宣布將中止Llama后續(xù)迭代的全面開源，轉(zhuǎn)而將全部資源投向代號“Avocado”的閉源企業(yè)級模型。幾乎同一時間，人工智能領域的標志性人物、Meta首席AI科學家楊立昆（YannLeCun）公開宣布離職，并創(chuàng)立了一家專注于“世界模型”研究的獨立機構。

▌由跟隨者變成引領者

回顧Llama系列的成功，核心秘訣來自其持續(xù)且大膽的技術更新。與OpenAI、谷歌等公司將核心模型細節(jié)當作機密不同，Meta走了一條完全相反的路，幾乎公開每一代模型的架構改進、訓練方法甚至數(shù)據(jù)配方。這種“在陽光下創(chuàng)新”的策略，為它贏得了全球開發(fā)者的共同助力。

Llama1（2023年2月）基于當時主流的純解碼器Transformer架構，它帶來了兩項重要改進，一是新的位置編碼方法，更好地處理長文本；二是用更高效的歸一化技術，在幾乎不影響效果的前提下降低了計算成本。雖然最初版本只能用于研究，但它用130億參數(shù)就達到了與1750億參數(shù)GPT-3相近的能力，向業(yè)界證明了一條更高效的訓練路徑是可行的。

Llama2（2023年7月）這是Meta從“開放研究”轉(zhuǎn)向“開放生態(tài)”的關鍵一步。模型推出了70億、130億和700億三種規(guī)模，并首次發(fā)布了經(jīng)過對話優(yōu)化和人類反饋訓練的聊天版本。更重要的是，它的許可政策允許大多數(shù)商業(yè)使用，直接點燃了開源社區(qū)的熱情。很快，基于Llama2開發(fā)的各類專業(yè)模型大量涌現(xiàn)，覆蓋醫(yī)療、法律、編程、教育等多個領域。技術上，Llama2優(yōu)化了注意力機制，提升了推理效率，訓練數(shù)據(jù)也大幅增加并做了更精細的清洗。

Llama3系列（2024年4月起）展現(xiàn)了Meta投入規(guī)模化競賽的決心。模型有80億、700億和4050億參數(shù)等多個版本，其中最大的版本采用了更高效的混合專家結構，在保持頂尖水平的同時顯著降低了運行成本。訓練數(shù)據(jù)規(guī)模達到空前的15萬億令牌，涵蓋高質(zhì)量代碼、論文和多語言文本。架構上全面升級了激活函數(shù)，支持更長的上下文，并采用了更寬松的開源許可，幾乎允許無限制的商業(yè)使用和修改。

Llama4（2025年4月）代表了這個系列的技術巔峰，也是一次開源路線的集中體現(xiàn)。它不再需要外接視覺模塊，而是在訓練初期就將圖像和文本一起處理，實現(xiàn)了真正的多模態(tài)理解與生成。其中一個版本支持高達1000萬令牌的上下文窗口，足以處理超長文檔，讓具有“記憶”的AI應用成為可能。同時，專為低成本部署設計的版本，可以在單張高性能GPU上流暢運行，將推理成本壓到極低。

Meta通過GitHub完全公開了訓練代碼、數(shù)據(jù)配方和參數(shù)設置，使Llama4不僅是一個強大模型，更是一份完整的“大模型制作指南”。截至2025年第三季度，基于Llama系列衍生出的模型超過151,739個，總下載量突破1億次，已成為開源大模型領域公認的標準。

▲Hugging Face中的Llama相關模型多達151,739個

▌突然轉(zhuǎn)向閉源“Avocado”

然而，讓市場驚訝的是2025年12月11日，Meta Platforms在開發(fā)其備受期待的閉源AI模型“Avocado”（預計2026年春季發(fā)布）時，竟以阿里巴巴開源的Qwen系列模型作為關鍵的“教師模型”，通過知識蒸餾技術進行優(yōu)化。這遠非尋常的技術協(xié)作，而是Meta從開源領軍者轉(zhuǎn)向閉源商業(yè)化道路上一個重大轉(zhuǎn)折。不禁讓人感嘆，昔日被譽為“開源燈塔”的Meta，如今卻要借助中國的開源框架，來助力自己閉源產(chǎn)品的發(fā)展。

我們都知道，在AI模型訓練的“黑箱”中，知識蒸餾是一種高效的“師徒傳承”技術，通過將龐大“教師模型”的知識提煉并注入輕量“學生模型”，實現(xiàn)性能壓縮與部署優(yōu)化。Meta的TBD Lab正是利用這一方法，將阿里巴巴的開源旗艦模型“通義千問”（Qwen）作為“教師”，蒸餾出Avocado的核心推理能力。

Qwen2.5（2025年最新版本）在多語言理解、長文本推理與多模態(tài)融合等方面已處于行業(yè)領先水平，其MMLU（多任務語言理解）得分達85.2%，GPQA（研究生級問題解答）為78.6%，顯著優(yōu)于Llama4的80.5%與69.8%。通過蒸餾技術，Meta得以將Qwen的這些優(yōu)勢“內(nèi)化”進Avocado，省去從頭預訓練可能耗費的數(shù)月時間。Qwen在復雜任務上的5-10%領先，正是Meta急需的“蒸餾養(yǎng)分。

為直觀對比，以下圖表展示Qwen2.5與Llama4在關鍵性能指標上的差異：

▲數(shù)據(jù)來源于HuggingFace基準庫

這一選擇背后，算是Meta的“開源后遺癥”。盡管Llama系列公開了完整權重與代碼，但其泛化瓶頸（例如在邊緣案例中失敗率高達30%）在企業(yè)級部署中日益凸顯。Avocado本意是作為閉源模型，專為Meta自有社交數(shù)據(jù)等場景做深度優(yōu)化，然而內(nèi)部訓練延遲已超過三個月，迫使團隊尋求外部“捷徑”。Qwen的開源屬性使其成為理想“教師”——不僅免費、可修改，其高效的MoE（混合專家）架構還能幫助Avocado將推理成本降至每百萬令牌0.15美元。

▌Llama實操中萎靡

在2025年中期之前，Llama項目在Meta的財報中始終以“研發(fā)投資”的形式存在，其巨大的成本被社交媒體業(yè)務（Facebook、Instagram、WhatsApp）持續(xù)產(chǎn)生的充沛現(xiàn)金流所覆蓋。2024財年，Meta營收達到1532億美元，運營利潤約550億美元。市場普遍將每年超過300億美元的資本支出，視作為未來AI機遇進行的必要投資。

管理層在多次財報電話會議中，將Llama描繪為一項戰(zhàn)略基礎設施投資，其回報將是長遠的、生態(tài)性的。扎克伯格本人多次將這一戰(zhàn)略類比為“AI時代的安卓系統(tǒng)”，通過免費提供核心能力，吸引整個產(chǎn)業(yè)在其上構建應用，最終Meta將通過增值服務、硬件銷售（如Ray-Ban智能眼鏡、Quest頭顯）和云合作伙伴關系（與微軟Azure、AWS的深度整合）實現(xiàn)盈利。

然而，這份看似完美的戰(zhàn)略藍圖，從2025年第二季度開始，出現(xiàn)了第一道深刻的裂痕。Llama4在2025年4月發(fā)布時，其在MMLUPro、GPQADiamond、LiveCodeBench等一系列嚴格基準測試中取得了耀眼成績，部分多模態(tài)任務得分甚至超越了Google的Gemini2.0Flash。媒體頭條歡呼“開源模型的全面勝利”。但僅僅幾個月后，在實際的企業(yè)級部署與應用中，光環(huán)迅速褪色。

泛化能力不足的問題集中爆發(fā)。盡管在標準測試集上表現(xiàn)優(yōu)異，但當Llama4被應用于復雜的商業(yè)場景——例如理解長達數(shù)百頁的法律合同細節(jié)并進行風險歸納、在實時對話中保持對用戶個性化偏好的長期記憶、或處理跨文檔的復雜推理任務時——其性能出現(xiàn)了顯著且不穩(wěn)定的衰減。多家早期采用Llama4構建企業(yè)解決方案的科技公司（如客戶服務自動化平臺、法律科技初創(chuàng)公司）向硅谷媒體透露，他們不得不將至少30%的流量回退到GPT-4或Claude3.5，因為Llama在處理邊緣案例時的失敗率“高得無法接受”。

多模態(tài)融合的“半成品”困境。Llama4雖號稱原生多模態(tài)，但其視覺理解能力與真正的視覺專家模型（如專門用于醫(yī)療影像分析的模型）相比仍有差距。更重要的是，其多模態(tài)能力在開源版本中依賴于社區(qū)維護的視覺編碼器與融合模塊，這些組件在更新速度、穩(wěn)定性和兼容性上無法與閉源廠商的端到端優(yōu)化方案競爭。對于要求高可靠性的企業(yè)客戶而言，這種不確定性是致命的。

效率優(yōu)勢被架構復雜度抵消。盡管Llama4 Maverick在單卡推理上表現(xiàn)出色，但要充分發(fā)揮其千萬令牌上下文或高級多模態(tài)能力，仍需復雜的分布式部署與優(yōu)化。這要求客戶擁有專業(yè)的MLOps團隊。相比之下，OpenAI或Anthropic提供的API服務，將所有這些復雜性完全隱藏。對于絕大多數(shù)企業(yè)，尤其是非科技行業(yè)的傳統(tǒng)公司，“總擁有成本”遠不止每百萬令牌的計價，還包括了部署、維護、監(jiān)控和調(diào)試的人力與時間成本。當把這些隱性成本計入后，Llama的成本優(yōu)勢大幅縮水。

問題的本質(zhì)在于，開源模式在技術追趕期是利器，但在技術深水區(qū)卻可能成為桎梏。閉源廠商可以基于未公開的專有數(shù)據(jù)、不計成本的計算集群和高度協(xié)同的內(nèi)部團隊，進行快速、定向的迭代與優(yōu)化。而開源模型的改進，嚴重依賴社區(qū)貢獻的廣度與方向，這個過程是分散的、非定向的，難以集中資源攻克最艱深的核心瓶頸。

▌算力成本的不可持續(xù)

Llama系列的成功證明了開源社區(qū)在復現(xiàn)與優(yōu)化前沿AI技術上的能力，但對Meta而言，這一成就逐漸顯現(xiàn)出其經(jīng)濟層面的深層矛盾。

首先，持續(xù)的投入規(guī)模巨大。以Llama3.1405B模型為例，其訓練所需的算力估計高達10^25FLOPs，相當于數(shù)萬張H100GPU連續(xù)運行數(shù)月，而這僅是一次訓練的成本。為維持技術競爭力，模型需要持續(xù)快速迭代，并同時維護從70億到4050億參數(shù)的全系列版本。此外，數(shù)據(jù)準備、安全對齊、測試維護及社區(qū)支持等衍生成本同樣顯著。根據(jù)內(nèi)部估算，到2025年底，Llama項目的累計直接支出與資源投入已接近百億美元。

其次，開源策略導致顯著的價值外溢。Meta公開的模型權重與訓練成果，實質(zhì)上為全球競爭對手提供了高水平的研發(fā)起點。多家科技公司，包括中國的阿里巴巴、百度，歐洲的MistralAI等，都在基于Llama構建或優(yōu)化自身模型，而無需承擔同等級別的訓練成本。這在某種程度上相當于Meta以自身資本補貼了全球競爭對手的研發(fā)。

更值得關注的是，這種價值流失具有結構性特征，并隨著模型能力提升而加劇。當模型性能達到較高水平后，其開源反而可能催生與Meta直接競爭的商業(yè)產(chǎn)品。例如，2025年第三季度已出現(xiàn)多家基于Llama4微調(diào)的初創(chuàng)公司，以低于Meta官方合作渠道20%-30%的價格爭奪中型企業(yè)客戶。這反映出Meta所培育的生態(tài)，正在逐步侵蝕其瞄準的高價值市場。

最后，開源的商業(yè)化路徑并不清晰。Meta曾設想類似移動操作系統(tǒng)“安卓”的盈利模式，但在AI領域，模型權重一旦開放下載，企業(yè)即失去對下游使用場景的控制。與云廠商的分成協(xié)議僅能覆蓋部分官方分發(fā)的用量，而對大量本地化部署及二次分發(fā)難以追蹤和收費。同時，任何試圖通過高級功能或企業(yè)服務變現(xiàn)的嘗試，都可能因開源代碼的可修改性而被社區(qū)復現(xiàn)，從而削弱其商業(yè)化潛力。這使得Llama項目在實現(xiàn)大規(guī)模商業(yè)化價值轉(zhuǎn)化上面臨持續(xù)挑戰(zhàn)。

▌轉(zhuǎn)向Avocado的生存博弈

宣布中止Llama開源迭代、全力轉(zhuǎn)向閉源項目Avocado，是Meta在內(nèi)外壓力下的一次戰(zhàn)略豪賭。

閉源首先意味著Meta能重新掌控技術的完整價值鏈，建立真正的商業(yè)壁壘。Avocado的能力細節(jié)、訓練數(shù)據(jù)與優(yōu)化方法將成為公司機密，競爭對手無法再免費獲取其核心知識產(chǎn)權。Meta計劃通過分層API、企業(yè)定制方案，以及與自身生態(tài)產(chǎn)品如Workplace、廣告系統(tǒng)的深度集成，構建一個排他性的商業(yè)閉環(huán)，從而在高利潤的企業(yè)級市場與Microsoft+OpenAI、GoogleCloud+Gemini展開正面競爭。

與此同時，轉(zhuǎn)向閉源也將為Meta帶來可預測的現(xiàn)金流。與開源模式下間接且模糊的收益不同，閉源API和訂閱服務將產(chǎn)生直接、可計量的收入。公司為Avocado設定了激進目標：在2026年實現(xiàn)年化收入50億美元，并在2028年將其發(fā)展為百億美元級業(yè)務。這不僅能為持續(xù)投入的AI研發(fā)提供明確的財務支撐，也將有效安撫投資者的情緒。

此外，這一轉(zhuǎn)變也使Meta能更集中資源，攻克關鍵瓶頸。擺脫開源社區(qū)的兼容性約束與倫理審查后，公司可以更自由地利用未公開數(shù)據(jù)——如Instagram和WhatsApp的匿名交互信息——開展更大規(guī)模的秘密訓練，并采用尚未廣泛驗證卻可能更有效的專有算法。其根本目標，是在復雜推理與可靠性上迅速縮短甚至反超與GPT-5、Claude4等頂尖模型的差距。

▌不可忽視的現(xiàn)金流壓力

然而，這場豪賭也使得Meta面臨更大的現(xiàn)金流壓力。根據(jù)其2025年第三季度財報及2026至2028年的財務預測模型。

為訓練和部署Avocado，Meta已將未來三年的AI基礎設施資本支出承諾上調(diào)至600億美元，其2025年全年資本支出指導上限更是提高至720億美元。這筆巨額投入將主要用于向英偉達、AMD采購最新AI芯片以及大規(guī)模擴建數(shù)據(jù)中心。與此同時，盡管廣告收入仍保持增長，但其15%的同比增速已難以覆蓋AI與元宇宙兩大“吞金獸”的聯(lián)合消耗。在全球經(jīng)濟不確定性加劇，以及來自TikTok、YouTube等平臺持續(xù)競爭的壓力下，廣告業(yè)務的“現(xiàn)金?！苯巧媾R挑戰(zhàn)。

在基線情景下（營收年增20%，運營利潤率降至36%），Meta在2026至2028年的年度自由現(xiàn)金流預計將分別為-131億、-118億和-101億美元。這意味著公司將不得不持續(xù)消耗存量現(xiàn)金儲備或大幅增加債務。即便在樂觀情景中（30%增長），其AI投資的凈現(xiàn)值在10%的折現(xiàn)率下仍為負值。資產(chǎn)負債表也因此承受越來越大的壓力，截至2025年第三季度，Meta持有的現(xiàn)金及等價物約為600億美元。若按當前速度持續(xù)投入，這筆儲備可能在兩年內(nèi)被大量消耗。市場上已開始出現(xiàn)猜測，認為Meta或需進行大規(guī)模債務融資——而在利率環(huán)境可能長期高企的背景下，這勢必進一步侵蝕股東回報。

簡言之，Meta正在動用其社交媒體帝國過去十年積累的財富，進行一場“All-in”式的戰(zhàn)略賭局。其賭注在于，Avocado必須在足夠短的時間內(nèi)取得商業(yè)成功，并產(chǎn)生足夠龐大的現(xiàn)金流，以填平巨額投入所形成的黑洞。一旦失敗，公司將面臨嚴重的財務緊縮、信用評級下調(diào)，甚至被迫進行大規(guī)模戰(zhàn)略收縮。

▌開源生態(tài)玩家的重新洗牌

Meta的戰(zhàn)略轉(zhuǎn)向，讓開源生態(tài)面臨重新洗牌。阿里巴巴的通義千問（Qwen）系列憑借其基準性能與寬松協(xié)議，正成為最有力的接替者，這一變化可能顯著增強中國在開源AI領域的影響力。同時，如法國MistralAI等參與者有望吸納原有生態(tài)資源，鞏固自身地位。更深層的趨勢在于，開源創(chuàng)新或?qū)⑥D(zhuǎn)向更加分散的格局——更多針對垂直領域或特定需求的專項模型將獲得發(fā)展空間。

在企業(yè)級市場，Avocado的加入使微軟/OpenAI與谷歌的雙強競爭轉(zhuǎn)變?yōu)槿浇侵?。預計API定價壓力將增大，功能迭代會加速，最終降低企業(yè)客戶的采用成本。競爭維度也將從模型能力擴展到生態(tài)整合，各巨頭依托其現(xiàn)有的產(chǎn)品矩陣（如微軟的Office與云服務、谷歌的Workspace、Meta的社交應用）構建差異化的捆綁優(yōu)勢。

產(chǎn)業(yè)鏈的受益環(huán)節(jié)則更為明確。算力供應商（如英偉達、AMD）將持續(xù)獲得大規(guī)模資本投入；云基礎設施平臺的需求將與AI開發(fā)深度綁定；而主導新興開源生態(tài)的公司，其戰(zhàn)略價值可能面臨市場重估。

▌理想主義黃昏與現(xiàn)實主義生存

Meta對Llama與Avocado的戰(zhàn)略選擇，本質(zhì)上反映了在資本高度密集的前沿技術領域，開源模式面臨的現(xiàn)實挑戰(zhàn)。盡管開源在技術擴散和生態(tài)構建方面具有顯著優(yōu)勢，但當創(chuàng)新成本攀升至數(shù)百億美元級別時，其商業(yè)可持續(xù)性便受到嚴峻考驗。

Meta的轉(zhuǎn)型并非源于技術路線的失敗，而是其在探索商業(yè)化路徑過程中的主動調(diào)整。公司正從開放生態(tài)的主導者，轉(zhuǎn)向更為聚焦閉環(huán)變現(xiàn)的商業(yè)實體。這一過程不可避免地伴隨戰(zhàn)略重心轉(zhuǎn)移、資源配置調(diào)整以及市場預期的重新管理。

從行業(yè)影響來看，由單一巨頭主導大規(guī)模開源項目的階段可能已經(jīng)過去。開源生態(tài)的發(fā)展將更趨多元化，參與者可能更加分散。與此同時，企業(yè)級AI市場的競爭格局因新進者而更趨復雜，這將加速技術迭代與產(chǎn)品化進程。

長遠來看，AI行業(yè)的發(fā)展將繼續(xù)由技術突破與商業(yè)實踐共同驅(qū)動。無論Avocado的最終結果如何，Meta的這一戰(zhàn)略轉(zhuǎn)向都為行業(yè)提供了關于大規(guī)模AI創(chuàng)新中資源分配、路徑選擇與風險管理的現(xiàn)實參照。

喜歡本文的朋友，歡迎【收藏】+【點贊】+【關注】

看懂好公司，我們下篇見！

免責聲明?? 本文數(shù)據(jù)和圖片來源于網(wǎng)絡公開信息，內(nèi)容僅供參考學習，市場動態(tài)瞬息萬變，讀者請自行核實并理性判斷，如有疑問或侵權，請私信運營官。