متا: سرمایه‌گذاری ۱۴۵ میلیارد دلاری برای عبور از بن‌بست عامل‌ها

۱۴۵ میلیارد دلار؛ این تمام مبلغی است که متا روی میز هوش مصنوعی گذاشته است، اما باز هم مارک زاکربرگ در جلسه داخلی ۳ جولای ۲۰۲۶ اعتراف کرد که پیشروی به سمت عامل‌های هوشمند طبق برنامه پیش نرفته است. طبق یک فایل صوتی که خبرگزاری رویترز به دست آورده، زاکربرگ تأکید کرد که شرط‌بندی‌ها روی یک ساختار شرکتی جدید «هنوز به نتیجه نرسیده است». او خاطرنشان کرد که بازسازی سازمانی آن‌قدر که قصد داشتند دقیق و تمیز پیش نرفته و مدیران ارشد در تخمین زمان توسعه قابلیت‌های عامل‌محور (Agentic) طی چهار ماه گذشته اشتباه کرده‌اند.

این تلاطم داخلی در حالی رخ می‌دهد که رقابت برای خلق عامل‌های خودمختار در کل صنعت به اوج رسیده است. همان‌طور که در تحلیل قبلی ما درباره‌ی ابزارهای تخصصی مدل‌های زاینده اشاره کردیم، متا پیش از این با پلتفرم Meta Pocket (که یک پلتفرم تبدیل متن به بازی است) وارد این میدان شده بود، اما اکنون بازی بسیار خطرناک‌تر شده است: یک چرخش کامل سازمانی به سمت «ابر‌هوش» (Superintelligence).

بازسازی استراتژیک

برای پیشبرد این هدف، زاکربرگ بخش هوش مصنوعی را به آزمایشگاه‌های ابرهوش متا (Meta Superintelligence Labs) تبدیل کرد و الکساندر وانگ را به ریاست آن گماشت. او برای جذب برترین پژوهشگران جهان، حقوق‌های نه رقمی (صد میلیون دلاری) پیشنهاد داده است. زاکربرگ تمرکز خود را بر جبران عقب‌ماندگی از طریق شکار تهاجمی استعدادها و تغییرات ساختاری گسترده گذاشته است.

در مه ۲۰۲۶، این شرکت حدود ۱۰ درصد از نیروی کار جهانی خود — یعنی تقریباً ۸۰۰۰ نفر — را اخراج کرد و در مقابل، ۷۰۰۰ کارمند را به تیم‌های هوش مصنوعی منتقل نمود. این جابجایی‌های گسترده با واکنش‌های تندی روبرو شد و برخی کارکنان این بازسازی سازمانی را به دلیل حجم بالای کارهای تکراری، به «گولاگ» تشبیه کردند. هدف از این بازسازی عظیم، تأمین بودجه لازم برای زیرساخت‌های گران‌قیمت و استخراج بهره‌وری از گردش‌های کاری که توسط هوش مصنوعی مدیریت می‌شوند، بود.

قمار زیرساختی

به گزارش رویترز، متا در سال جاری تا ۱۴۵ میلیارد دلار روی زیرساخت‌های هوش مصنوعی هزینه می‌کند. این رقم بخش قابل توجهی از سرمایه‌گذاری جمعی ۷۰۰ میلیارد دلاری غول‌های فناوری (Big Tech) را تشکیل می‌دهد. متا همچنین در حال ساخت یک کسب‌وکار ابری (Cloud Business) است تا ظرفیت‌های محاسباتی اضافی AI — که شبیه اجاره‌ی یک آشپزخانه‌ی صنعتی برای پخت دستورهای سنگین است — را از طریق فروش به مشتریان خارجی مانیتایز کند.

زاکربرگ به یاد آورد که وقتی برنامه‌ریزی در ژانویه و فوریه آغاز شد، رهبران ارشد نگران این بودند که سرعت حرکت آن‌ها بیش از حد کند است. در آن بازه زمانی، مدیران نسبت به ابزارهایی مانند Claude Code شرکت آنتروپیک «بسیار خوش‌بین» بودند و تصور می‌کردند پیشرفت سریع‌تری را تجربه کنند.

شکاف عملکرد مدل‌ها

با این حال، نتایج فعلی با وجود هزینه‌های کلان، ضد و نقیض است:

• مدل Muse Spark (با نام کد Avocado) که در آوریل ۲۰۲۶ عرضه شد، در محک‌های فنی (Benchmarks) نتایج استواری ثبت کرد، اما در نهایت نتوان است با مدل‌های OpenAI یا Anthropic برابری کند.
• الکساندر وانگ، رئیس بخش هوش مصنوعی، همچنان خوش‌بین است و مدعی است مدل نسل بعدی با نام کد Watermelon در حال حاضر در مرحله آموزش است.
• وانگ ادعا می‌کند مدل Watermelon از مقدار محاسبات (Compute) یک مرتبه بزرگتر (Order of Magnitude) نسبت به Avocado استفاده می‌کند و ظاهراً به سطح GPT-5.5 رسیده است، هرچند او جزئیات و معیارهای دقیق محک‌های مورد استفاده را فاش نکرد.

وانگ در شبکه اجتماعی X وارد حالت «مدیریت بحران» شد و استدلال کرد که زاکربرگ در واقع درباره پیشرفت کل صنعت صحبت می‌کرده است، نه لزوماً فقط شرکت متا. او وعده داد که به‌زودی به‌روزرسانی Muse Spark با قابلیت‌های کدنویسی و عامل‌محور بهبودیافته منتشر شود و پس از آن، یک مدل کدنویسی عرضه گردد که هم‌تراز با Claude Opus شرکت آنتروپیک باشد.

تنش در محیط کار

به دور از بحث مدل‌ها، متا با تنش‌های داخلی شدید بر سر جمع‌آوری داده‌ها دست‌ و پنجه نرم می‌کند. اندرو بوسورث، مدیر فناوری (CTO) متا، به موضوع استفاده از نرم‌افزارهای جنجالی ردیابی مکان‌نما (Mouse-tracking) پرداخت که برای تولید داده‌های آموزشی AI به کار می‌روند. این ابزار تمامی فعالیت‌های دیجیتال و حرکات موس کارکنان را ثبت می‌کند.

بوسورث اعلام کرد که این برنامه پس از توقفی که به دلیل افشای داده‌های حساس رخ داد، اکنون تنها بر اساس سیستم «رضایت کاربر» (Opt-in) دوباره فعال می‌شود. نکته قابل توجه این است که او پیش‌تر در آوریل به کارکنان آمریکایی گفته بود که هیچ راهی برای خارج شدن (Opt-out) از این برنامه وجود ندارد. با این حال، یک بررسی داخلی تأیید کرد که تا این لحظه هیچ داده‌ای از کارکنان وارد مجموعه‌های آموزشی هوش مصنوعی نشده است.

بوسورث در این باره گفت: «برای افرادی که با این موضوع راحت هستند، عالی است؛ آن‌ها می‌توانند در این نوع نظرسنجی انسانی بزرگ مشارکت کنند. برای کسانی که راحت نیستند، این موضوع مشکلی ایجاد نمی‌کند».

این اصطکاک‌ها نشان می‌دهد که جایگزینی گردش‌های کاری انسانی با هوش مصنوعی، سخت‌تر از پیش‌بینی‌های «بسیار خوش‌بینانه» اوایل سال ۲۰۲۶ است. با این حال، زاکربرگ انتظار دارد طی سه تا شش ماه آینده نتایج ملموس‌تری را مشاهده کند.

برای یک کاربر تجاری معمولی، این تأخیر به معنای آن است که اکوسیستم «عامل‌محور» متا — جایی که هوش مصنوعی تکالیف پیچیده را به‌طور کاملاً خودمختار مدیریت می‌کند — دیرتر از موعد به دست کاربران خواهد رسید. شکاف بین احتیاط زاکربرگ و خوش‌بینی وانگ، نشان‌دهنده یک تعادل متزلزل بین واقعیت‌های شرکتی و جاه‌طلبی‌های مهندسی است.

منتظر انتشار رسمی مدل Watermelon باشید، زیرا عملکرد آن در برابر GPT-5.5 تعیین می‌کند که آیا شرط‌بندی ۱۴۵ میلیارد دلاری متا در نهایت سودبخش خواهد بود یا خیر.

گام بعدی شما

• اگر از ابزارهای کدنویسی AI استفاده می‌کنید، منتظر به‌روزرسانی Muse Spark باشید تا قدرت واقعی آن را در برابر Claude Opus بسنجید.
• تحولات زیرساختی متا را دنبال کنید؛ ورود این شرکت به بازار Cloud Compute می‌تواند قیمت‌های پردازش AI را تغییر دهد.
• انتشار مدل Watermelon را رصد کنید، زیرا عملکرد آن در برابر GPT-5.5 تعیین می‌کند که آیا شرط‌بندی ۱۴۵ میلیارد دلاری متا سودبخش بوده یا خیر.

اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.