目錄

• 您可能想知道
• 主要話題
• 關鍵見解表
• 後續...

您可能想知道

• 為什麼 Meta 的關鍵高管從 Scale AI 如此迅速地離職？
• Meta 如何與外部供應商適應其 AI 數據策略？

主要話題

在六月，Meta 與 Scale AI 展開了一場規模高達 143 億美元的投資，期待此合作能引領它們在 AI 開發方面達到新高度。這個合作引入了 Scale AI 的 CEO Alexandr Wang 及多位高管進入 Meta，特別是移交來帶領 Meta 的超智能實驗室（MSL）。然而，這個聯盟似乎正在迅速出現裂痕。

Ruben Mayer，前 Scale AI 的生成式 AI 產品與運營的高級副總裁，僅在 Meta 任職兩個月就草草離職，凸顯初期的緊張跡象。Mayer 在 Meta 短暫的任期內負責管理 AI 數據運營團隊，儘管他不在 Meta 推動 AI 發展的核心 TBD 實驗室中。Mayer 問題角色的敘述，主張他從一開始就參與了實驗室的建立。

除了人事變動外，Meta 的 AI 策略似乎正在發展。消息人士說，TBD 實驗室開始與其他第三方數據標籤供應商合作，不再只依賴 Scale AI。像 Mercor 和 Surge 這樣的著名競爭者現在也進入了這個圈子，即使 Meta 對 Scale AI 的投資已經非常重。這種情況突顯了一個不尋常的舉動，即 Meta 為了獲得優越的數據質量，分散投資於多個合作夥伴。

數據來源的戰略多樣化從根本上質疑了 Scale AI 產品的效能。 隨著 AI 複雜度增加，市場對專業領域的數據標籤需求激增，促使 Scale AI 通過像 Outlier 這樣的平台吸引領域專家。然而，像 Surge 和 Mercor 這樣的公司以專業高薪為基礎的商業模式佔了上風。

值得注意的是，即使有 Meta 的重大支持，TBD 實驗室還是認為 Scale AI 的數據質量不足，更喜歡替代品。在 Meta 宣布合作後，Scale AI 經歷了一些高調的客戶流失，包括 OpenAI 和 Google，導致裁員。

有很多猜測說 Meta 對 Scale AI 的興趣主要是出於 Wang 的專業知識和他在 AI 人才獲取中的影響力。然而，Meta 在其 AI 團隊內部組織調整下對 Scale 的價值存在不確定性。

內部來看，Meta 的 AI 部門在接納新的人才後面臨混亂，特別是來自 OpenAI 這樣的實體，導致不滿情緒來自於應對公司結構和重新調整的優先事項。以前的生成式 AI 團隊成員角色被減少，反映出新領導竟視和舊領導願景的動盪融合。

關鍵見解表

後續...

隨著 Meta 繼續重新定義其 AI 策略，重點落在如何有效融合頂尖人才和多樣化資源，以穩定和提升其 AI 能力。平衡內部和外部合作以最大化 AI 發展效率是關鍵。最近推出的重大數據中心計劃，包括位於路易斯安那的令人印象深刻的 Hyperion 中心，展示了 Meta 在擴展其基礎設施上的承諾。

展望未來，Meta 旨在調和領導願景與運營現實，確保流暢的流程和明確的方向目標。隨著下一代 AI 模型努力的進展，這一焦點將尤為重要。超越單純投資，組織戰略和適應性供應鏈之間的化學反應仍然至關重要。

在迅速變革的 AI 形勢中，最大的風險在於自滿。Meta 主動組建多樣化的人才庫和優化數據來源的方式將決定其演進的道路及保持競爭優勢的能力。