Meta 砸錢九個月後 說自己又行了

Meta 上週宣布推出新的 AI 模型 Muse Spark，專攻創意內容生成。這是該公司在去年大幅調整 AI 戰略後，九個月來的第一個重大產品發布。Mark Zuckerberg 在內部會議中表示，經過「昂貴的全面改造」，Meta 已經重新回到 AI 競賽的第一梯隊（來源：Platformer）。

但老實說，這個時間點很微妙。就在 Meta 宣布「回歸」的同一週，Anthropic 發布了被網路安全專家稱為「最危險」的新模型，OpenAI 又開始了新一輪的怪招，AI 賽道的節奏比去年快了不只一倍。Meta 說自己追上了，但跑道本身已經換了好幾圈。

從社群巨頭轉向 AI 創作工具，這不只是技術路線的調整，而是整個商業模式的重新定位。問題是，當 OpenAI、Anthropic 都在拼底層能力的時候，Meta 選擇專攻「創意生成」是明智的差異化，還是被迫的降維攻擊？

這讓我想到當年 Facebook 錯過移動端，後來花 190 億買 WhatsApp 的操作 — 有錢能解決問題，但時機永遠是最大的變數。

商業模式拆解

Meta 這次的策略很明確：不跟 GPT-4、Claude 3.5 硬碰底層推理能力，而是專攻創意內容生成這個垂直場景。Muse Spark 主要針對三個客群：內容創作者、行銷團隊、還有 Meta 自家的廣告生態系統。

從定價策略來看，Meta 採用了典型的 B2B SaaS 模式。基礎版免費，但有生成次數限制；Pro 版月費 29.99 美金，無限生成加上商業授權；Enterprise 版客製化定價，主要賣給大型廣告代理商和品牌方（來源：官方部落格）。這個價位很明顯是對標 Midjourney（10-60 美金/月）和 Adobe Firefly（22.99 美金/月起）。

護城河在哪？第一是數據優勢 — Meta 掌握全球最大的視覺內容資料庫，Instagram、Facebook 上每天產生的圖片、影片都是訓練材料。第二是分發渠道，Muse Spark 直接整合進 Instagram、Facebook 的創作工具，用戶不用跳出平台就能生成內容。第三是廣告閉環，生成的內容可以一鍵轉成廣告素材。

不過說實話，這個商業模式有個明顯的問題：Meta 的核心營收還是廣告（2023 年廣告收入 1179 億美金），AI 創作工具更像是為了維持廣告競爭力的防禦性投資，而不是新的成長引擎。市場估計整個 AI 創作工具市場規模約 15-20 億美金，對 Meta 這種體量來說根本不算什麼（來源：CB Insights）。

競爭格局

AI 創作工具這塊現在主要是四強爭霸：

OpenAI（DALL-E 3）：技術領先，但主要當作 ChatGPT 的附加功能在賣，沒有獨立的商業化策略。優勢是 GPT 的用戶基數，劣勢是不夠專注。

Midjourney：純粹的 B2C 產品，用戶體驗做得很好，月活估計 1000 萬左右。但缺乏企業級功能，商業化天花板明顯。

Adobe Firefly：整合進 Creative Cloud 生態系統，針對專業設計師。收費模式是訂閱制加點數，年營收估計 2-3 億美金。優勢是既有客戶黏性，劣勢是創新速度慢。

Stability AI：開源策略，Stable Diffusion 的底層技術供應商。但商業化一直是問題，據報導去年燒了超過 1 億美金還沒找到可持續的營收模式。

Meta 的進入改變了什麼？最大的變數是分發能力。其他玩家都要花錢買流量，Meta 可以直接把 Muse Spark 推給 30 億用戶。這是典型的平台優勢，就像當年 Google 靠搜索流量推 Chrome、YouTube 推 Google Pay 一樣。

但問題是用戶會買單嗎？Instagram 用戶習慣的是拍照、修圖、發文，突然多了個 AI 生成功能，會不會顯得突兀？這跟微信小程序的邏輯不太一樣，微信是工具平台，Instagram 更像是展示平台。

Meta 判讀

用電競的角度來看，這個操作很像是 Meta Shift — 當你發現當前版本玩不過別人，就換個賽道重新定義遊戲規則。

Meta 這九個月的「昂貴改造」，實際上是意識到在底層 LLM 競爭中已經落後太多。GPT-4 出來的時候，Meta 的 LLaMA 還在追 GPT-3.5 的水準；Anthropic 的 Claude 在推理能力上又超車一圈；就連 Google 的 Gemini 都比 Meta 的模型表現更好。

所以 Meta 做了策略性的 pivot：不跟你們拼通用智能，我專攻創意生成這個垂直場景。這個選擇很聰明，因為創意生成的評估標準比較主觀，而且跟 Meta 的既有業務（內容平台）有天然的結合點。

歷史上類似的案例是 AMD 當年拼不過 Intel 的單核性能，就轉向多核心架構，最後反而在伺服器市場翻盤。或者 Netflix 發現拼不過有線電視的內容採購，就自己做原創內容，結果重新定義了整個產業。

但關鍵是執行。Netflix 的成功不只是策略對，而是內容質量真的好。Meta 能不能在創意生成這個細分市場做出足夠好的產品，還要看技術實力和產品設計。

從目前的 demo 來看，Muse Spark 的質量還可以，但談不上驚豔。跟 Midjourney 的最新版本比起來，細節處理和藝術風格的多樣性還有差距。Meta 的優勢不在技術領先，而在整合能力和分發渠道。

工程師該怎麼看

對工程師來說，Meta 這個動作釋放了幾個信號：

第一，垂直 AI 應用的機會窗口還在。大廠都在搶底層模型，但應用層的創新空間還很大。如果你有特定領域的 domain knowledge，現在做垂直 AI 工具可能比做通用 AI 更有機會。

第二，平台整合能力變得更重要。單純的 AI 技術已經不夠，你需要考慮怎麼跟現有的工作流程結合。Meta 的 Muse Spark 最大賣點不是技術，而是跟 Instagram、Facebook 的無縫整合。

第三，開源 vs 閉源的競爭還在繼續。Meta 之前推 LLaMA 的開源策略，現在 Muse Spark 又走回閉源路線。這說明開源不是萬能藥，關鍵還是要找到合適的商業模式。

如果你在考慮 AI 相關的 side project，建議往兩個方向思考：要麼做非常垂直的應用（比如專門給律師寫合約的 AI、給醫生寫病歷的 AI），要麼做工具鏈的某個環節（比如 AI 生成內容的版本控制、多模型的 A/B testing 平台）。

Meta 這次的動作證明，AI 賽道還遠沒有定型，每個玩家都在找自己的 niche。關鍵是動作要快，因為這個市場的迭代週期真的太短了。