Meta 的概率游戏：扎克伯格的 AI 豪赌为何是「稳赚不赔」的生意
Meta 的概率游戏：扎克伯格的 AI 豪赌为何是「稳赚不赔」的生意
引言
2022 年 11 月，ChatGPT 横空出世。大多数人还在讨论 AI 到底是泡沫还是未来的时候，马克·扎克伯格已经默默按下了一个按钮——一个让 Meta 在三年内投入超过两千亿美元的按钮。
他的策略其实非常简单：不断收购公司、不惜重金网罗全球顶级人才，因为只要其中有一次成功，就足以把过去所有的投入全部收回，甚至获得十倍、百倍的回报。
这不是赌博。这是一个精心计算过的概率游戏。
一、ChatGPT 之后，扎克伯格收购了哪些公司？
自 2022 年底以来，Meta 的收购动作并不算多，但每一笔都指向同一个方向——AI 与下一代计算平台。
公司收购
| 公司名称 | 收购时间 | 收购价格 | 业务方向 |
|---|---|---|---|
| Luxexcel | 2022 年 12 月 | 未披露 | 荷兰创业公司，专注 3D 打印处方镜片，用于智能眼镜/AR 设备 |
| Limitless（前身 Rewind） | 2025 年 12 月 | 未披露（此前融资约 3300 万美元） | AI 可穿戴设备，可录音/转录对话，Sam Altman 曾投资，团队并入 Reality Labs |
| Manus | 2025 年 12 月 | 约 20 亿美元 | 新加坡 AI 智能体创业公司（源自中国团队），构建自主 AI Agent，覆盖市场研究、编程、数据分析等场景 |
战略投资与人才收购（Acqui-hire）
| 项目 | 时间 | 投入金额 | 核心目的 |
|---|---|---|---|
| Scale AI（49% 无投票权股份） | 2025 年 6 月 | 143 亿美元 | 投资估值 290 亿以上的 Scale AI，真正目标是挖走其 28 岁创始人 Alexandr Wang 担任 Meta 首席 AI 官 |
| Meta 超级智能实验室（MSL）人才招募 | 2025 年 6 月至今 | 签约奖金最高 1 亿美元，4 年总包最高 2-3 亿美元/人 | 从 OpenAI、Google DeepMind、Anthropic 等公司大规模挖人 |
MSL 关键人才清单
| 姓名 | 来源 | 角色/专长 |
|---|---|---|
| Alexandr Wang | Scale AI 创始人 | MSL 负责人，直接向扎克伯格汇报 |
| Nat Friedman | 前 GitHub CEO | MSL 产品与应用研究负责人 |
| Shengjia Zhao | OpenAI | MSL 首席科学家 |
| Jiahui Yu、Shuchao Bi、Hongyu Ren | OpenAI | 核心研究员 |
| Lucas Beyer、Alexander Kolesnikov、Xiaohua Zhai | OpenAI 苏黎世 | 多模态研究 |
| Trapit Bansal | OpenAI | AI 推理模型 |
| Tim Brooks | Google DeepMind（曾共同领导 Sora） | 视频生成 |
| Jack Rae | DeepMind | 曾参与 Gopher、Chinchilla 语言模型 |
| Huiwen Chang | Google Research | 图像生成（MaskGIT、Muse） |
| Pei Sun | Waymo/DeepMind | 感知与推理模型 |
| Ke Yang | Apple（ML 高级总监） | 机器学习 |
Sam Altman 公开批评 Meta 的做法「令人不齿」（distasteful），称「传教士终将击败雇佣兵」。但扎克伯格的回应很简单——继续开支票。
二、基础设施投入：真正的天文数字
收购和挖人只是冰山一角。Meta 在 AI 基础设施上的投入才是真正让人瞠目结舌的数字。
年度资本支出（CapEx）
| 年份 | 资本支出 |
|---|---|
| 2023 年 | 273 亿美元 |
| 2024 年 | 392 亿美元 |
| 2025 年 | 722 亿美元 |
| 2026 年（预算） | 1150-1350 亿美元 |
关键基础设施交易
- NVIDIA 芯片协议（2026 年 2 月）：采购数百万颗 Grace CPU 和 Blackwell GPU，预估总价值高达 500 亿美元
- AMD 芯片协议（2026 年 2 月）：6 吉瓦的 AMD Instinct GPU 部署，预估 600-1000 亿美元（五年期）
- 自研 MTIA 芯片（2026 年 3 月）：四代芯片同时推进（MTIA 300/400/450/500），每 6 个月迭代一代
- 数据中心：规划建设 2GW 单体数据中心（全球最大），截至 2025 年底已部署 130 万颗 GPU
- 总体规划：到 2028 年在美国投入 6000 亿美元用于数据中心和基础设施
三、算一笔账：投入 vs. 市值
现在让我们做最关键的计算。
核心数据
| 指标 | 数值 |
|---|---|
| Meta 当前市值（2026 年 3 月） | 约 1.65 万亿美元 |
| 2023-2025 年累计 CapEx | 约 1387 亿美元 |
| Scale AI 投资 | 143 亿美元 |
| Manus 收购 | 约 20 亿美元 |
| 其他收购与人才投入 | 估计 30-50 亿美元 |
| 2023-2025 三年总投入 | 约 1580-1600 亿美元 |
关键比率
- 三年 AI 总投入 / 当前市值 ≈ 9.7%
- 收购+人才投入 / 当前市值 ≈ 1.2%
- 单笔最大投资（Scale AI）/ 当前市值 ≈ 0.87%
换一个角度看：
- 2022 年底 Meta 的市值约 3200 亿美元（当时正处于「元宇宙」溃败的最低谷）
- 2026 年 3 月 Meta 的市值约 1.65 万亿美元
- 三年市值增长约 1.33 万亿美元，增幅超过 400%
也就是说，Meta 在 AI 上的总投入（约 1600 亿美元），换来了 1.33 万亿美元的市值增长，投入回报比约 1:8.3。
四、从概率统计看：为什么这是「稳赚不赔」的策略？
期望值最大化
从概率论的角度看，扎克伯格的策略是经典的**「追求长期总体期望值最大化」**：
$$E[总收益] = \sum_{i=1}^{n} P(成功_i) \times R(成功_i) - \sum_{i=1}^{n} C(投入_i)$$
其中：
- 每次收购/投资的成功概率 $P$ 可能并不高（也许只有 20-30%）
- 但成功时的回报 $R$ 极其巨大（可能是投入的 10-100 倍）
- 单次投入 $C$ 相对于总资产来说微不足道
当成功回报的量级远超失败成本时，即使大部分投资失败，总体期望值仍然为正。
反脆弱性
更关键的是，扎克伯格拥有极强的反脆弱性：
- 现金流充裕：Meta 2025 年营收超过 1600 亿美元，利润率依然健康，这些投入不会伤及根本
- 失败成本有限：一笔 20 亿的收购失败，对于 1.65 万亿市值的公司来说，连零头都不算
- 成功回报无上限：如果 MSL 率先实现超级智能，或者 AI Agent 重新定义人机交互，回报将是现有投入的数百倍
- 时间站在他这边：AI 技术的发展是不可逆的，每一笔投入都在积累长期竞争壁垒
组合策略 vs. 单一押注
扎克伯格并没有把所有筹码押在一个方向上。他同时布局了：
- AI 模型研发（MSL + FAIR → Llama 系列开源模型）
- AI 基础设施（自建 + NVIDIA + AMD + 自研芯片，四条腿走路）
- AI Agent（Manus 收购 → 自主智能体）
- AI 可穿戴设备（Luxexcel + Limitless → Ray-Ban Meta 智能眼镜）
- AI 人才储备（从 OpenAI、Google、Apple 等大规模挖人）
这种多路径并行的策略，本质上是在买入一个看涨期权组合——每一条路径都是一张彩票，但买入足够多的彩票后，中奖几乎是必然的。
五、对比：如果他选择「稳妥」会怎样？
想象一下，如果扎克伯格选择保守策略——不收购、不挖人、不大规模投资基础设施——会怎样？
答案很明显：Meta 将沦为下一个 Yahoo 或 IBM。
在 AI 浪潮中，不下注本身就是最大的风险。当竞争对手（Google、Microsoft、OpenAI、Anthropic）都在全力以赴时，「稳妥」意味着落后，落后意味着被淘汰。
更重要的是，对于扎克伯格来说，不花钱才是浪费钱。Meta 手里有巨额现金流和庞大的用户基础（超过 30 亿月活用户），这些资源如果不转化为 AI 时代的竞争力，其价值将随时间迅速贬值。
结论：这不是豪赌，这是精算
回到最初的问题：扎克伯格疯狂收购公司、天价挖人的行为，到底划不划算？
答案是：不仅划算，而且是他所能做出的最理性的选择。
收购+人才投入占总市值仅 1.2%，这意味着即使所有收购全部失败（几乎不可能），Meta 也毫发无损。而只要有一个项目取得突破性成功——无论是 Llama 模型成为行业标准、AI Agent 改变工作方式、还是智能眼镜成为下一代计算平台——回报将是现有投入的数十倍甚至数百倍。
这就是扎克伯格的概率游戏：
他不追求每一次都赢。他追求的是，在足够多的尝试中，只需要赢一次大的，就足够了。
而以 Meta 的体量和资源来看，他输得起无数次小的，却只需要赢一次大的。
这不是赌博。这是数学。
If you read this far — thank you.
Come tell me what you thought on X.