Meta: Купить за сотни миллиардов вычислительных мощностей, удержать ключевых людей не удается

Написано: Ada, Deep Tide TechFlow

Понг Жо Минг еще не успел полностью освоиться на рабочем месте в Meta, как уже ушел.

В июле 2025 года Цукерберг предложил ему многолетний контракт с общей стоимостью свыше 200 миллионов долларов, чтобы вырвать этого китайского инженера, одного из самых востребованных специалистов в области инфраструктуры ИИ, из Apple. Понг Жо Минг был назначен в супер-интеллектуальную лабораторию Meta, отвечая за создание инфраструктуры для следующего поколения моделей ИИ.

Через 7 месяцев его переманили в OpenAI.

По информации The Information, OpenAI в течение нескольких месяцев активно вело кампанию по его найму. Несмотря на то, что Понг Жо Минг говорил коллегам, что «работа в Meta ему очень нравится», в итоге он все же решил уйти. Согласно данным Bloomberg, его компенсационный пакет в Meta был связан с достижением определенных целей, и досрочный уход означал бы отказ от большей части невыплаченных акций.

2 миллиарда долларов — это не деньги, чтобы купить 7 месяцев лояльности.

Это не просто история о смене работы.

Один человек уходит — сигнал для всей команды

Понг Жо Минг не первый, кто покидает компанию.

На прошлой неделе руководитель платформы разработчиков супер-интеллекта Meta, Мат Вельозо, тоже объявил о своем уходе. Он перешел в Meta в июле прошлого года из Google DeepMind и проработал там менее 8 месяцев. Еще раньше, в ноябре 2025 года, Yann LeCun, лауреат премии Тьюринга и главный ученый по ИИ в Meta, объявил о своем уходе, чтобы заняться собственным проектом «мировая модель», которую он давно продвигал. Также недавно ушел вице-президент по исследованиям генеративного ИИ в Meta, Russ Salakhutdinov, один из ключевых учеников Хинтона.

Чтобы понять утечку талантов из Meta AI, нужно понять, насколько сильно пострадала Llama 4.

В апреле 2025 года Meta громко представила серии моделей Llama 4 — Scout и Maverick. Официальные данные выглядят впечатляюще: в тестах MATH-500 и GPQA Diamond, ключевых бенчмарках, модель превосходит GPT-4.5 и Claude Sonnet 3.7.

Однако, эта модель, являющаяся флагманом амбиций Meta, быстро «раскрылась» в сторонних независимых тестах открытого сообщества, где ее общее качество и способность к обобщению и рассуждению оказались значительно ниже заявленных. В ответ на сильную критику главный ученый по ИИ Yann LeCun признал, что команда в процессе тестирования использовала разные версии модели для разных тестовых наборов, чтобы улучшить итоговые показатели.

В строгой академической и инженерной среде это считается неприемлемым. Иными словами, команда натаскала Llama 4 на решение старых тестов, превращая ее в «домашнего заданияшника», а не в настоящего передового интеллектуального ассистента. Модель, которая показывает отличные результаты на математике или программировании, — это не значит, что она обладает универсальными интеллектуальными способностями. Это разные модели, просто под одной «личиной».

В научных кругах это называют «собирать вишню», в системе образования — «подделывать экзамен».

Для Meta, которая позиционирует себя как «маяк открытого исходного кода», этот скандал разрушил самое ценное доверие в экосистеме разработчиков. Его цена — потеря доверия к инженерной базе оригинальной команды, что привело к последующим кадровым чисткам, назначению новых руководителей и ослаблению ключевых инфраструктурных подразделений.

Цукерберг потратил от 14,3 до 15 миллиардов долларов на покупку 49% акций компании Scale AI, а 28-летнего CEO этой компании, Александра Ванга, назначил на должность главного специалиста по ИИ в Meta, создав лабораторию Meta Superintelligence Lab (MSL). В новой структуре LeCun, лауреат премии Тьюринга, должен отчитываться перед этим молодым руководителем. В октябре Meta уволила около 600 сотрудников MSL, включая членов исследовательского подразделения FAIR, созданного LeCun.

А запланированная на лето 2025 года презентация флагманской модели Llama 4 Behemoth была отложена несколько раз — с лета на осень, а затем и вовсе отложена на неопределенный срок.

Meta переключилась на разработку следующего поколения текстовой модели под кодовым названием «Avocado» и модели для изображений/видео под кодовым названием «Mango». По сообщениям, цель «Avocado» — конкурировать с GPT-5 и Gemini 3 Ultra. Изначально планировалось выпустить к концу 2025 года, но из-за недостаточной производительности и проблем с оптимизацией обучение было перенесено на первый квартал 2026 года. Meta рассматривает возможность закрытого релиза, отказавшись от традиционной открытости серии Llama.

Meta допустила две критические ошибки в области ИИ. Первая — фальсификация бенчмарков, которая разрушила доверие разработчиков. Вторая — попытка встроить фундаментальные исследования, такие как FAIR, в продуктовые команды, ориентированные на квартальные показатели. Эти две ошибки — корень текущей утечки кадров.

Самостоятельное производство чипов — еще одна сломанная нога

Люди бегут, а с чипами тоже проблемы.

По информации The Information, на прошлой неделе Meta отказалась от разработки своих самых передовых тренировочных чипов.

Проект Meta по созданию собственных чипов называется MTIA (Meta Training and Inference Accelerator). Изначальный план был амбициозен: к 2026–2028 годам планировалось выпустить версии v4 («Santa Barbara»), v5 («Olympus») и v6 («Universal Core»). Olympus предполагался как первый чип Meta на базе 2-нм архитектуры, предназначенный для высокопроизводительных тренировок и реального времени — он должен был заменить NVIDIA в кластерах Meta.

Однако, этот самый передовой тренировочный чип был отменен.

Meta не стоит на месте: в области inference уже есть успехи. Чип MTIA v3 под кодовым названием «Iris», предназначенный для inference, уже широко развернут в дата-центрах Meta и используется в рекомендациях Facebook Reels и Instagram, снизив общие издержки на 40–44%. Но inference — это одно, а тренировка — другое. Inference — запуск модели, тренировка — ее создание. Meta может делать inference-чипы, но не способна самостоятельно создать полноценный тренировочный чип уровня NVIDIA.

Это не первый случай. В 2022 году Meta пыталась создать собственные inference-чипы, но после неудач в небольшом масштабе отказалась и перешла к закупкам у NVIDIA.

Провал в разработке собственных чипов ускорил закупочную гонку Meta.

Паника на 135 миллиардов долларов

В январе 2026 года Meta объявила, что в этом году расходы на капитальные вложения составят от 1150 до 1350 миллиардов долларов — почти вдвое больше, чем в прошлом году (722 миллиарда). Основная часть этих средств пойдет на чипы.

За 10 дней было заключено три крупные сделки:

17 февраля Meta подписала многолетнее стратегическое соглашение с NVIDIA. Компания планирует развернуть «миллионы» GPU Blackwell и нового поколения Vera Rubin, а также CPU Grace. Аналитики оценивают сумму сделки в сотни миллиардов долларов, и Meta стала первым в мире крупным заказчиком, внедрившим массовое использование CPU Grace.

24 февраля Meta подписала контракт с AMD на сумму от 600 до 1000 миллиардов долларов. В рамках сделки Meta закупит последние GPU серии MI450 и шестое поколение CPU EPYC. В качестве части сделки AMD предоставила Meta опционы на покупку до 160 миллионов обычных акций по цене 0,01 доллара за акцию, что примерно равно 10% акций AMD, с выплатой поэтапно по достижении определенных этапов.

26 февраля, по данным The Information, Meta заключила многолетний контракт с Google на сотни миллиардов долларов, арендуя TPU-чипы Google Cloud для обучения и запуска своих новых больших языковых моделей. Также обсуждается возможность покупки у Google TPU-чипов для размещения в собственных дата-центрах начиная с 2027 года.

Одна социальная сеть за 10 дней разместила заказы у трех поставщиков чипов на сумму, превышающую триллион долларов.

Это не диверсификация — это паника.

Трехуровневая логика вычислительных мощностей

Почему Meta так спешит?

Первое — надежды на собственные чипы рухнули. Проект по созданию передовых тренировочных чипов отменен, значит, в обозримом будущем Meta сможет только закупать оборудование у сторонних производителей. В то время как для inference достаточно собственных решений, для тренировки моделей уровня GPT-5 нужны чипы уровня NVIDIA или аналогичные.

Второе — конкуренты не ждут. OpenAI уже получила огромные ресурсы от Microsoft, SoftBank и суверенного фонда ОАЭ. Anthropic закупает у Google и Amazon по миллиону TPU и Trainium чипов. Gemini 3 полностью обучается на TPU. Если Meta не получит достаточного количества вычислительных ресурсов, она не сможет даже войти в гонку.

Третье — возможно, самое важное. Цукерберг пытается компенсировать недостаток R&D мощностей за счет «покупательной способности». Провал с Llama 4, утечка кадров, неудачи с собственными чипами — все это делает AI-историю Meta уязвимой на Уолл-стрит. Поэтому он делает крупные закупки у NVIDIA, AMD и Google — чтобы послать сигнал: у нас есть деньги, мы покупаем, мы не сдаемся.

Стратегия Meta — если не получается софта, покупаем железо; если не удерживаем кадры — покупаем чипы. Но AI — это не игра, где можно выиграть, просто заплатив. Вычислительные мощности — необходимое условие, но не достаточное. Без топовой команды и ясной технологической стратегии любые чипы — лишь дорогие запасы на складе.

Проблемы покупателя

Обратимся к трем сделкам Meta в феврале — и к одному интересному нюансу, который большинство упустило.

Meta покупает у NVIDIA текущие Blackwell и будущие Vera Rubin; у AMD — MI450 и будущий MI455X; у Google — арендует текущие TPU и планирует в будущем покупать их напрямую.

Три поставщика — три совершенно разные архитектуры и экосистемы.

Это означает, что Meta придется постоянно переключаться между CUDA от NVIDIA, ROCm от AMD и XLA/JAX от Google. Многопоставочная стратегия помогает снизить риски цепочки поставок и снизить цену, но увеличивает сложность разработки в разы.

Это — самая уязвимая точка Meta. Чтобы обучить модель с миллиардом параметров на трех разных платформах, нужны не просто инженеры, знающие CUDA, а архитекторы, способные с нуля построить кроссплатформенные системы обучения.

Таких специалистов в мире, вероятно, не более 100. Понг Жо Минг — один из них.

Потратить 100 миллиардов долларов на самые сложные аппаратные комплексы и при этом терять мозги, способные управлять этим железом — вот что делает этот рискованный проект Цукерберга по-настоящему фантастическим.

Риск Цукерберга

Если посмотреть шире, стратегия Цукерберга за последние 18 месяцев по AI очень похожа на его подход к метавселенной:

видит тренд, вкладывает огромные деньги, нанимает много людей, сталкивается с неудачами — меняет стратегию, снова вкладывает.

2021–2023 — метавселенная, которая обходилась в сотни миллионов убытков ежегодно, а цена акций упала с 380 до 88 долларов. 2024–2026 — AI, тоже с безрассудными затратами, частыми реорганизациями, с нарративом «верю, у меня есть видение».

Разница в том, что сейчас AI кажется более реальным и перспективным, чем метавселенная. У Meta есть деньги — рекордные денежные потоки от рекламы, квартальный доход за Q4 2025 — 59,9 миллиардов долларов, рост 24%.

Проблема в том, что деньги можно купить чипы, инфраструктуру и даже людей, но нельзя купить тех, кто останется.

Понг Жо Минг выбрал OpenAI, Russ Salakhutdinov — ушел, LeCun — создал свой стартап.

Стратегия Цукерберга — купить достаточно чипов, построить большие дата-центры, потратить много денег — и найти или вырастить талантливых специалистов, способных использовать эти ресурсы.

Возможно, это сработает. Meta — одна из самых богатых технологических компаний мира, с операционным денежным потоком свыше 100 миллиардов долларов, что является ее надежной защитой. По данным источников, около 40% из 44 человек в команде супер-интеллекта Meta пришли из OpenAI.

Но в жесткой конкуренции в AI все открыто: показатели моделей, утечки кадров, фальсификация бенчмарков — все это показывает, что нельзя выиграть, просто заплатив или сделав PR. В конечном итоге рынок ценит только одно — насколько хороша ваша модель.

Положение в цепочке

К 2026 году в гонке AI уже сложилась примерно следующая иерархия:

На вершине — OpenAI и Google. У них самые мощные модели, самая большая база пользователей и самые агрессивные инвестиции. Google обладает полным вертикальным интегрированием: собственные чипы, собственные модели, собственная облачная инфраструктура. Anthropic — рядом, благодаря продуктам на базе Claude и двойной поддержке Google и Amazon, занимает лидирующие позиции.

Meta? Она потратила больше всех, подписала самые крупные контракты, провела самые частые реорганизации, но пока не представила убедительный передовой продукт.

История Meta похожа на 2005 год — когда Yahoo тоже был одним из богатейших интернет-компаний, активно скупал активы, но так и не смог создать поисковую систему уровня Google. Деньги — не все. Цукерберг должен понять, что именно он хочет делать в AI, а не просто гоняться за модными трендами.

Конечно, рано списывать Meta со счетов. 3,58 миллиарда активных пользователей в месяц, квартальный доход в 599 миллиардов долларов, крупнейшая в мире социальная база данных — это активы, которые трудно повторить.

Если проект «Avocado» удастся запустить в 2026 году и он вернется в первую линию, все вложения и перестройки Цукерберга можно будет представить как «стратегию спасения». Но если снова не оправдает ожиданий, то эти 135 миллиардов долларов превратятся в просто нагретые кремниевые пластины.

В конце концов, в гонке вооружений в сфере AI Кремниевая долина всегда славилась щедрыми инвесторами. Но не хватает тех, кто умеет превращать вычислительные мощности в будущее.