AI大戰慘輸！全因被「元宇宙」耽誤，Ｍeta還有哪些燙手山芋？|數位時代 BusinessNext

AI大戰慘輸！全因被「元宇宙」耽誤，Ｍeta還有哪些燙手山芋？

Meta在近期的人工智慧版面上幾乎沒有聲音，除了把未來押在虛擬世界「元宇宙」導致錯失了先機，同時在軟硬體設備都難以與微軟、Google匹敵。

Meta追趕AI，趕得上嗎？

人工智慧（AI）在去年成為科技界的戰場，科技巨頭與新創的相關產品百花齊放，試圖佔據AI市場的一席之地。但有個在AI大戰中沉寂許久的科技巨頭，把未來押在虛擬世界「元宇宙」導致錯失了先機，同時在軟硬體設備都難以與最新技術匹敵──那就是Meta。

根據路透社報導的Meta內部備忘錄，首次揭露了Meta近期難以迎頭趕上的內部細節。報導指出，在去年9月20日執行長馬克．祖克柏（Mark Zuckerberg）召集了高層探討Meta使用最新人工智慧技術的可能性以及問題。儘管Meta在AI的投資相當高調，但仍難以跟上微軟、Google的腳步，再加上ChatGPT在去年11月橫空出世，Meta整頓AI基礎設施迫在眉睫。

但他們還面臨許多問題，不只是軟硬體，還包括產能緊縮、領導層變動和放棄的自產AI晶片計畫。

延伸閱讀： 元宇宙依然是Meta發展重點！為何虧損連連，祖克柏還是不放棄？

📍邀請您加入Web3+ Line社群，持續關注最重要的網路變革
👉 https://lin.ee/kItnyTh

軟硬體落後一大截，Meta跟不上人工智慧浪潮

微軟支持的OpenAI在去年11月30日首次公開ChatGPT，爾後就飆升成為歷史上使用次數成長最快的消費者應用程式。科技巨頭之間的軍備競賽正式開打，生成式AI（Generative AI）產品百花齊放。人工智慧識別資料中的模式，到根據提示詞創造全新的文字或圖像內容，都需要大量的演算能力。

根據路透社報導，五位消息人士表示，生成式人工智慧需要如此大量的演算能力，加劇了Meta增加數據處理與容量的緊迫性，而問題的根源可以追溯到Meta遲遲沒有接受圖形處理器（GPU）用於人工智慧。

GPU非常適合用於人工智慧，因為它們可以同時執行大量任務，來減少處理數十億條數據所需的時間。但直到去年，Meta主要還是使用大量的普通CPU來運行AI工作。雖然CPU多年來已經稱霸資料中心幾十年，是許多資料中心的主力，但在人工智慧工作方面表現不佳。

先前Meta也有在內部設計屬於自己的晶片來訓練人工智慧，但到了2021年，他們才發現這樣雙管齊下（普通CPU加自家設計的晶片）的方法比GPU更慢、效率更低。在運行各種人工智慧模型時，Meta所設計的晶片也比不上GPU的彈性與靈活度。

因此，有消息人士指稱，Meta在2022年取消了推出大規模訂製晶片的計畫，轉而訂購價值數十億美元的 Nvidia GPU。這時Meta已經落後Google了，Google早在2015年就已經開始部屬訂製的GPU，並稱之為TPU。

在2022年初，Meta也著手開始重組AI部門以及數據中心，除了要容納更多GPU，也是在這時有十幾位高層離開了Meta。而後，Meta也重新制定了新的內部計劃，來開發更具野心的訂製GPU，能用以訓練AI模型。消息人士指出，這個項目尚未公開過，預計2025年可以完成。

沒加入生成式AI戰局，是為了社群廣告和短影音，還是只是來不及？

著手更新數據中心的GPU的同時，Meta目前幾乎沒有什麼大展身手的空閒，只能任由微軟和Google等競爭對手不斷發布商用生成人工智慧產品。

Meta財務長Susan Li在今年2月份表示，Meta並沒有把目前的大部分的計算能力投入到生成式AI，並表示，「基本上我們所有的AI能力都用於廣告、動態消息（Feeds）和Reels。」Reels指的是類似於TikTok的短影音動態內容。

但根據消息人士表示，直到去年11月ChatGPT推出之後，Meta才把生成式AI列入優先事項。他們表示，儘管Meta的研究實驗室FAIR（Facebook AI Research）自2021年底以來一直在發布AI技術的原型，但Meta似乎沒有成功這些研究成果轉化為膾炙人手的產品。

但隨著投資者對人工智慧的興趣增加，祖克柏在今年2月份宣布組成了新的生成人工智慧團隊，並表示將「加速」Meta在該領域的工作。

延伸閱讀： Instagram、Facebook關閉NFT功能！Meta為了元宇宙，還放棄了什麼？

被「元宇宙」耽誤，AI部門資源不足

Meta難以快速趕上，另一個更被大眾所知的關鍵因素大概就是「元宇宙」了。這個由擴增實境為主要技術的虛擬社交平台，在Meta投入百億開發以後，仍不見用戶的廣泛接受，同時，這也分散了Meta在人工智慧的資源，導致無法從容應對競爭對手TikTok的崛起、以及蘋果主導的廣告隱私變化。

但也不是沒有Meta高層注意到這個問題。前Meta董事會成員Peter Thiel於 2022年初辭職，沒有給出任何解釋，但知情人士透露，在Thiel離開前的一次董事會會議上，他告訴執行長祖克柏以及其他高層，他們對於Meta的核心社群媒體業務感到過於自滿，同時又過於關注元宇宙，讓Meta更容易受到TikTok等新的競爭對手挑戰。

改革重組、更新設備導致財務緊繃，裁員還不會停下來！

據Meta披露，在設備、團隊等改革使Meta每季度的資本支出增加了約40億美元，這幾乎是其2021年支出的兩倍。

這段時間也恰逢科技公司在疫情後最低迷的一段時期。他們因此暫停或取消了先前在四個地點建設數據中心的計劃，同時，也是大眾所知的，他們啟動一輪又一輪的裁員計畫，去年11月大量裁員1.1萬人，預計未來幾個月還會再裁1萬多人。

資料來源：路透社、Business Insider、Fortune

責任編輯：蘇祐萱

「代理式 AI 」（Agentic AI）的創新服務正在重新塑造企業對AI的想像：成為內部實際運行的數位員工，提升關鍵工作流程的效率。代理式AI的技術應用清楚指向一個核心趨勢：2025 年是 AI 邁向「代理式 AI」的起點，讓 AI 擁有決策自主權的技術轉型關鍵，2026 年這股浪潮將持續擴大並邁向規模化部署。

面對這股 AI Agent 浪潮，企業如何加速落地成為關鍵，博弘雲端以雲端與數據整合實力，結合零售、金融等產業經驗，提出 AI 系統整合商定位，協助企業從規劃、導入到維運，降低試錯風險，成為企業佈局 AI 的關鍵夥伴。

避開 AI 轉型冤枉路，企業該如何走對第一步？

博弘雲端事業中心副總經理陳亭竹指出，AI 已經從過去被動回答問題、生成內容的智慧助手，正式進化為具備自主執行能力、可跨系統協作的數位員工，應用場景也從單一任務延伸至多代理協作（Multi-Agent）模式。

「儘管 AI 前景看好，但這條導入之路並非一帆風順。」博弘雲端技術維運中心副總經理暨技術長宋青雲綜合多份市場調查報告指出，到了 2028 年，高達 70% 的重複性工作將被 AI 取代，但同時也有約 40% 的生成式 AI 專案面臨失敗風險；關鍵原因在於，企業常常低估了導入 GenAI 的整體難度——挑戰不僅來自 AI 相關技術的快速更迭，更涉及流程變革與人員適應。

博弘雲端事業中心副總經理陳亭竹指出，AI 已經從過去被動回答問題的智慧助手，正式進化為具備自主執行能力、可跨系統協作的數位員工。面對這樣的轉變，企業唯有採取「小步快跑、持續驗證」的方式，才能在控制風險的同時加速 AI 落地。

圖／數位時代

正因如此，企業在導入 AI 時，其實需要外部專業夥伴的協助，而博弘雲端不僅擁有導入 AI 應用所需的完整技術能力，涵蓋數據、雲端、應用開發、資安防禦與維運，可以一站式滿足企業需求，更能使企業在 AI 轉型過程中少走冤枉路。

宋青雲表示，許多企業在導入 AI 時，往往因過度期待、認知落差或流程改造不全，導致專案停留在測試階段，難以真正落地。這正是博弘雲端存在的關鍵價值——協助企業釐清方向，避免踏上產業內早已被證實「不可行」的方法或技術路徑，縮短從概念驗證到正式上線的過程，讓 AI 真正成為可被信賴、可持續運作的企業戰力。

轉換率提升 50% 的關鍵：HAPPY GO 的 AI 落地實戰路徑

博弘雲端這套導入方法論，並非紙上談兵，而是已在多個實際場域中驗證成效；鼎鼎聯合行銷的 HAPPY GO 會員平台的 AI 轉型歷程，正是其最具代表性的案例之一。陳亭竹說明，HAPPY GO 過去曾面臨AI 落地應用的考驗：會員資料散落在不同部門與系統中，無法整合成完整的會員輪廓，亦難以對會員進行精準貼標與分眾行銷。

為此，博弘雲端先協助 HAPPY GO 進行會員資料的邏輯化與規格化，完成建置數據中台後，再依業務情境評估適合的 AI 模型，並且減少人工貼標的時間，逐步發展精準行銷、零售 MLOps（Machine Learning Operations，模型開發與維運管理）平台等 AI 應用。在穩固的數據基礎下，AI 應用成效也開始一一浮現：首先是 AI 市場調查應用，讓資料彙整與分析效率提升約 80%；透過 AI 個性化推薦機制，廣告點擊轉換率提升 50%。

左、右為博弘雲端事業中心副總經理陳亭竹及技術維運中心副總經理暨技術長宋青雲。宋青雲分享企業導入案例，許多企業往往因過度期待、認知落差或流程改造不全，導致專案停留在測試階段，難以真正落地。這正是博弘雲端存在的關鍵價值——協助企業釐清方向，避免踏上產業內早已被證實「不可行」的方法或技術路徑，縮短從概念驗證到正式上線的過程，讓 AI 真正成為可被信賴、可持續運作的企業戰力。

圖／數位時代

整合 Databricks 與雲端服務，打造彈性高效的數據平台

在協助鼎鼎聯合行銷與其他客戶的實務經驗中，博弘雲端發現，底層數據架構是真正影響 AI 落地速度的關鍵之一，因與 Databricks 合作協助企業打造更具彈性與擴充性的數據平台，作為 AI 長期發展的基礎。

Databricks 以分散式資料處理框架（Apache Spark）為核心，能同時整合結構化與非結構化資料，並支援分散式資料處理、機器學習與進階分析等多元工作負載，讓企業免於在多個平台間反覆搬移資料，省下大量重複開發與系統整合的時間，從而加速 AI 應用從概念驗證、使用者驗收測試（UAT），一路推進到正式上線（Production）的過程，還能確保資料治理策略的一致性，有助於降低資料外洩與合規風險；此對於金融等高度重視資安與法規遵循的產業而言，更顯關鍵。

陳亭竹認為，Databricks 是企業在擴展 AI 應用時「進可攻、退可守」的重要選項。企業可將數據收納在雲端平台，當需要啟動新型 AI 或 Agent 專案時，再切換至 Databricks 進行開發與部署，待服務趨於穩定後，再轉回雲端平台，不僅兼顧開發效率與成本控管，也讓數據平台真正成為 AI 持續放大價值的關鍵基礎。

企業強化 AI 資安防禦的三個維度

隨著 AI 與 Agent 應用逐步深入企業核心流程，資訊安全與治理的重要性也隨之同步提升。對此，宋青雲提出建立完整 AI 資安防禦體系的 3 個維度。第一是資料治理層，企業在導入 AI 應用初期，就應做好資料分級與建立資料治理政策（Policy），明確定義高風險與隱私資料的使用邊界，並規範 AI Agent「能看什麼、說什麼、做什麼」，防止 AI 因執行錯誤而造成的資安風險。

第二是權限管理層，當 AI Agent 角色升級為數位員工時，企業也須比照人員管理方式為其設定明確的職務角色與權限範圍，包括可存取的資料類型與可執行的操作行為，防止因權限過大，讓 AI 成為新的資安破口。

第三為技術應用層，除了導入多重身份驗證、DLP 防制資料外洩、定期修補應用程式漏洞等既有資安防禦措施外，還需導入專為生成式 AI 設計的防禦機制，對 AI 的輸入指令與輸出內容進行雙向管控，降低指令注入攻擊（Prompt Injection）或惡意內容傳遞的風險。

博弘雲端技術維運中心副總經理暨技術長宋青雲進一步說明「AI 應用下的資安考驗」，透過完善治理政策與角色權限，並設立專為生成式 AI 設計的防禦機制，降低 AI 安全隱私外洩的風險。

圖／數位時代

此外，博弘雲端也透過 MSSP 資安維運託管服務，從底層的 WAF、防火牆與入侵偵測，到針對 AI 模型特有弱點的持續掃描，提供 7×24 不間斷且即時的監控與防護。不僅能在系統出現漏洞時主動識別並修補漏洞，更可以即時監控活動，快速辨識潛在威脅。不僅如此，也能因應法規對 AI 可解釋性與可稽核性的要求，保留完整操作與決策紀錄，協助企業因應法規審查。

「AI Agent 已成為企業未來發展的必然方向，」陳亭竹強調，面對這樣的轉變，企業唯有採取「小步快跑、持續驗證」的方式，才能在控制風險的同時，加速 AI 落地。在這波變革浪潮中，博弘雲端不只是提供雲端服務技術的領航家，更是企業推動 AI 轉型的策略戰友。透過深厚的雲端與數據技術實力、跨產業的AI導入實務經驗，以及完善的資安維運託管服務，博弘雲端將持續協助企業把數據轉化為行動力，在 AI Agent 時代助企業實踐永續穩健的 AI 落地應用。

>>掌握AI 應用的新契機，立即聯繫博弘雲端專業顧問