Meta AI 的故事始於 2013 年 12 月，當時 Mark Zuckerberg 延攬了 Yann LeCun —— 與 Geoffrey Hinton、Yoshua Bengio 並稱「深度學習三巨頭」之一 —— 來領導 Facebook AI Research（FAIR）。LeCun 是紐約大學教授、卷積神經網路的先驅，他帶來了即時的學術公信力和明確的研究哲學：進行基礎研究、公開發表、不施加短期產品壓力。FAIR 迅速成為全球最多產且最受尊敬的 AI 實驗室之一，吸引頂尖人才，並在電腦視覺、自然語言處理和自監督學習等領域產出具有影響力的成果。對於企業研究部門而言，該實驗室擁有非比尋常的學術自由，而 LeCun 的存在為其帶來了少數業界實驗室能匹敵的影響力。
即便 Meta AI 什麼都沒做，光憑 PyTorch 就足以奠定其歷史地位。PyTorch 於 2016 年作為 Torch 框架的進化版發布，迅速成為研究界乃至生產環境中佔主導地位的深度學習框架。其「定義即執行」的動態計算圖比 TensorFlow 最初的靜態圖方式更直覺，開發者體驗也明顯更好。到了 2020 年代初期，絕大多數 AI 研究論文都使用 PyTorch，而你今天接觸到的大多數模型 —— 包括來自 OpenAI、Anthropic 和 Mistral 的模型 —— 都是在其上訓練的。Meta 將 PyTorch 開源，並於 2022 年將其捐贈給 Linux 基金會，使其真正成為社群治理的專案。這並非純粹的利他行為；透過讓 PyTorch 成為標準，Meta 確保了整個 AI 生態系統都建立在它深諳的基礎設施之上。
2023 年 2 月，Meta 發布了 LLaMA（Large Language Model Meta AI），一系列從 7B 到 65B 參數的模型，最初僅限研究人員使用。不到一週，權重就外洩到網路上。Meta 非但沒有對抗，反而順勢而為：Llama 2（2023 年 7 月）以寬鬆授權條款釋出，可同時用於研究和商業用途，而 Llama 3（2024 年 4 月）和 Llama 4（2025 年）則延續了開放權重策略，推出競爭力越來越強的模型。這一決策重塑了整個產業。在 Llama 之前，主流假設是前沿模型將持續保持專有封閉。在 Llama 之後，大量的微調版本、量化版本和衍生模型湧現，開放權重運動成為一股不可忽視的競爭力量。Meta 的動機部分出於策略考量 —— 如果 AI 模型被商品化，價值就會轉移到部署這些模型的平台上，而 Meta 在 Facebook、Instagram、WhatsApp 和 Threads 上擁有超過 30 億用戶 —— 但無論動機為何，其對 AI 普及化的實際影響是真實的。
Mark Zuckerberg 在 AI 上的個人投入既龐大又高調。在元宇宙轉型未能抓住公眾想像力（且耗資數百億美元）之後，Zuckerberg 在 2023 至 2024 年間將 Meta 重新定位為「AI 優先」公司。資本支出驚人：Meta 建造了全球最大的 GPU 叢集之一（最初超過 60 萬顆 H100 GPU，且計劃持續擴增），到 2025 年每年在 AI 基礎設施上的支出超過 300 億美元。Meta AI 這個由 Llama 驅動的消費者端助理被整合到 Meta 旗下所有應用程式中，單憑其龐大的分發能力就成為全球部署最廣泛的 AI 助理之一。Zuckerberg 也積極表達其哲學立場：AI 模型應該開放，AI 權力集中在封閉實驗室手中是危險的，Meta 的開放路線對生態系統更好。這究竟是真心信念還是針對 OpenAI 和 Google（Meta 可以用免費替代方案來削弱其封閉模型）的競爭策略，至今仍是熱議話題。
除了大型語言模型，Meta AI 的研究範疇之廣令人矚目。他們在電腦視覺（DINOv2、Segment Anything）、語音與翻譯（SeamlessM4T，涵蓋 100 多種語言）、影片生成以及具身 AI 等領域的研究成果均屬業界頂尖。2023 年發布的 Segment Anything Model（SAM）之於影像分割，就如同 AlphaFold 之於蛋白質折疊 —— 它讓一項原本困難的任務變得唾手可得且免費使用。FAIR 現由 Joelle Pineau 領導（LeCun 以首席 AI 科學家的諮詢身份留任），持續以驚人的速度發表研究。Meta 面臨的策略挑戰是整合：如何將所有這些研究轉化為使其社群平台更具吸引力、廣告更加精準的產品，同時避免引發監管反彈 —— 鑑於 Meta 在隱私方面的歷史紀錄，他們特別容易受到此類風險的影響。開放權重策略也有其限制 —— 當模型趨近 AGI 等級的能力時，是否應該公開釋出就成了更難回答的問題。