Meta推出閉源AI模型Muse Spark：汪滔花9個月從零重做，為何不再免費開源了？|數位時代 BusinessNext

Meta推出閉源AI模型Muse Spark：汪滔花9個月從零重做，為何不再免費開源了？

砸 143 億美元挖來汪滔，Meta 九個月交出 Muse Spark，坦言不是最強但夠快——真正的賭注是把超級智慧塞進 40 億人口袋。

重點一：Meta 超級智慧實驗室推出 Muse Spark 模型，由前 Scale AI 執行長汪滔領軍，九個月內從零重建 AI 技術堆疊，已部署於 Meta AI 助理。

重點二：Muse Spark 定位非頂尖模型，而是以效率見長的「科學式擴展」第一步，Meta 坦承在程式撰寫等領域仍落後 OpenAI 與 Anthropic。

重點三：Meta 2026 年 AI 資本支出上看 1,150 至 1,350 億美元，同時首度試水溫 API 付費模式，為開源路線開闢新營收可能。

Meta 週三發表 Muse Spark，這是超級智慧實驗室（Meta Superintelligence Labs）推出的第一款模型，也是 Muse 系列的起點。

據 Axios 報導，該模型內部代號為「Avocado」，由 Meta 去年六月以 143 億美元（約合新台幣 4,542 億元）投資 Scale AI 後延攬的汪滔（Alexandr Wang）帶隊，九個月內從底層重建 AI 技術堆疊。

Meta 官方表示，Muse Spark 刻意設計為「小而快」，以科學化、逐代驗證的方式擴展，下一代模型已在開發中。

CNBC 指出，這是 Meta 在去年四月 Llama 4 系列反應不如預期後，策略轉向的關鍵產物。Llama 4 未能吸引開發者社群的熱情，促使執行長馬克·祖克柏（Mark Zuckerberg）改變路線。消息公布當日，Meta 股價上漲 6.5%。

不爭最強，但要最有用

Meta 高層向 Axios 坦承，Muse Spark 並非業界最頂尖模型，但在多模態理解與健康資訊處理等特定任務上，已可與 OpenAI、Anthropic、Google 等領先實驗室的最新模型競爭。在程式撰寫等領域，Meta 承認仍有差距。

功能面上，Muse Spark 已部署於 Meta AI 應用程式與 meta.ai 網站，支援文字、語音與圖片輸入，但目前僅產出文字。

模型提供快速回應與深度推理兩種模式，使用者可依任務切換。其中「沉思模式」（Contemplating mode）能啟動多個子代理平行推理，Meta 稱其目標是與 Google 的 Gemini Deep Think 及 OpenAI 的 GPT Pro 等極端推理模式競爭。

另一亮點是「購物模式」，結合大型語言模型與使用者行為資料，從 Instagram、Facebook、Threads 上的創作者內容與社群推薦中，為使用者提供穿搭、居家布置與購物建議。

Meta AI 透過 Muse Spark 的多模態能力，直接看懂照片中的便當內容，替每一格食物標出預估熱量，並自動彙整成清單，讓使用者不用查表或數字轉換，就能快速掌握整餐的卡路里組成與大致總量。

圖／ Meta

Meta 計畫在未來數週將 Muse Spark 擴展至 Facebook、Instagram、WhatsApp、Messenger 及 Ray-Ban Meta AI 眼鏡。

不過 Axios 提醒，消費者應留意 Meta 的隱私政策對 AI 系統所蒐集資料的使用限制相當寬鬆。

燒錢競賽與營收新路線

根據 Meta 最新財報，2026 年 AI 相關資本支出將落在 1,150 億至 1,350 億美元（約合新台幣 3.65 兆至 4.29 兆元），幾乎是去年的兩倍。

Grand View Research 估計，全球生成式 AI 市場將以每年逾 40% 的速度成長，從 2025 年約 220 億美元（約合新台幣 6,987 億元）攀升至 2033 年近 3,250 億美元（約合新台幣 10.3 兆元）。

Muse Spark 打破了 Meta 過去以 Llama 系列為代表的純開源路線。這款模型目前為閉源，僅向特定合作夥伴開放 API 私人預覽，未來計畫推出付費 API 服務，並「希望」將後續版本開源。這是 Meta 首度在 AI 模型上試探付費營收模式。

與此同時，競爭對手也未停下腳步。Anthropic 本週公布了名為 Mythos 的新模型，初期僅限少數科技公司用於網路安全防禦；OpenAI 也正完成代號「Spud」的新模型開發，據信將帶來重大性能躍進。

Meta 將 Muse Spark 定位為通往「個人超級智慧」願景的第一步，但在這場競賽中，它仍是追趕者。

延伸閱讀：用Claude Code管理100篇研究筆記！前OpenAI共同創辦人公開LLM知識庫系統，貼一段指令就能建起來

資料來源：Meta 官方部落格、Axios、CNBC

本文初稿為AI編撰，整理．編輯/ 李先泰

一家來自台灣的 AI 新創，如何讓美國上千家速食餐廳，都用它的 AI「看」得來速車道？

這家公司就是專注於 AI 影像辨識技術的 Berry AI (華捷智能)，透過攝影機蒐集匿名數據並轉化為多項營運指標，協助速食品牌找出流程瓶頸、提升現場營運效率與整體顧客滿意度。以美國連鎖炸雞品牌 Zaxby’s 為例，在全面導入 Berry AI 解決方案後，服務速度提升 13%-20%，業績表現最好與最差的門市，每週營收差距從 2.4 萬美元縮小至約 9,000 美元。另一家連鎖速食品牌 Culver’s 在導入後，得來速車道的服務時間也立刻改善，進而提升整體吞吐量。

然而，支撐 Berry AI 解決方案的，不只有前端看得見的攝影機與影像辨識技術，還有後端穩定且具彈性的雲端平台。Berry AI 結合 Amazon Web Services (AWS) 全球雲端資源及博弘雲端顧問服務，打造兼顧即時性、穩定性與成本效益的雲地混合架構，成為推動 Berry AI 持續擴大北美市場版圖的重要關鍵。

從台灣 PoC 走向北美千店規模，Berry AI 面臨架構升級新挑戰

Berry AI 執行長林逸中表示，團隊成立初期投入近2年半的時間，探索最適合影像辨識技術的應用場景，最終將目光鎖定高度標準化的速食餐飲業（Quick Service Restaurant；QSR），推出得來速計時器、餐廳計數器等解決方案，運用 AI 影像分析技術，辨識顧客進入得來速車道或餐廳後的狀態，例如：排隊、點餐、候餐等。

同時，Berry AI 也進一步將現場蒐集到的數據轉化為可量化的營運指標，例如：不同門市、日期或時段的顧客等候時間，協助管理者從數據中找出流程瓶頸與可以優化的環節，進而提升服務效率及顧客滿意度。

在確立發展方向並於台灣完成 PoC (概念驗證)後，Berry AI 決定前進全球最大、也是 QSR 最核心的北美市場。然而，隨著合作客戶與部署門市持續增加，資料量快速攀升，加上服務範圍橫跨不同區域，既有以地端為主的架構開始面臨規模化挑戰。

林逸中補充指出，尤其 QSR 業者在選擇 AI 解決方案時，格外重視技術效能與穩定性，包括 AI 辨識精準度、能否因應突發狀況、系統能否穩定運作，以及網路發生問題時能否維持服務等。在這樣的要求下，若將所有運算與資料都留在地端，不僅難以因應日益增加的部署門市與資料量體，設備建置與維運成本也會隨之增加。

BerryAI 攜手博弘雲端打造高可用性 AWS 雲地混合架構，突破北美規模化部署挑戰

如何確保系統的即時性、穩定性與成本效益，成為 Berry AI 進軍北美後必須解決的新課題。為此，Berry AI 選擇與博弘雲端合作，取得穩定且高可用的 AWS 運算與資料庫服務架構，將即時運算留在地端，同時在雲端環境整合資料庫處理大量資料與後續分析工作，形成兼顧地端即時運算與雲端彈性擴充的雲地混合架構。

Berry AI研發同仁汪楚剛說明，包括車輛偵測、追蹤與狀態辨識等需要即時反應的工作，會先在地端完成；再將辨識結果傳送至 AWS 雲端，計算各項營運指標，提供後續分析與決策使用。透過這套架構，Berry AI 至今已處理超過 2 億筆車輛狀態資料。

此外，AWS 也是 Berry AI 持續優化 AI 模型的重要基礎。Berry AI 將整套資料蒐集流程建構於 AWS 上，透過完整且多樣化的資料，持續訓練與優化模型，進一步提升地端影像辨識的準確度。

Berry AI 鎖定高度標準化的速食餐飲業（Quick Service Restaurant；QSR），推出得來速計時器、餐廳計數器等解決方案，運用 AI 影像分析技術，辨識顧客進入得來速車道或餐廳後的狀態，例如：排隊、點餐、候餐等，協助管理者從數據中找出流程瓶頸與可以優化的環節，進而提升服務效率及顧客滿意度。

圖／ Berry AI網站圖

成為企業技術團隊的延伸，博弘雲端助 BerryAI 把 AWS 用得更好、更省

隨著北美業務持續成長，Berry AI 也迎來新的課題：如何把雲端資源用得更有效率、更省成本，這也成為 Berry AI 與博弘雲端合作的重要契機。

對此，可能有很多人好奇，像 Berry AI 這類技術能力成熟、具備自行建置架構能力的企業，為什麼還需要與博弘雲端合作？「關鍵在於，博弘雲端長期深耕 AWS，對相關服務與技術架構更加熟悉，可以成為企業內部技術團隊的延伸。」博弘雲端技術長宋青雲說。

當 Berry AI 遇到特定 AWS 服務或技術問題時，可以直接尋求博弘雲端協助；若需要進一步與 AWS 原廠確認，博弘雲端也能協助溝通與處理，減少 Berry AI 自行研究與排除問題所需投入的時間，讓內部研發團隊可以將更多心力和資源集中在核心產品開發。

更重要的是，博弘雲端不只提供技術支援，還能從 Berry AI 實際用量與成長需求出發，客製化設計最適合的節費方案，這對 Berry AI 降低營運成本有很大的幫助。宋青雲說明，博弘雲端根據 Berry AI 既有的 AWS 用量，推估未來 1-3 年內的使用需求，並以此為基礎規劃合適的長期雲端資源用量；同時考量 Berry AI 所屬飛捷集團旗下還有 3 家子公司同樣使用 AWS，進一步整合集團需求進行評估，放大整體採購規模，爭取更大的節費空間。

宋青雲強調，雲端採取隨需即付的計價模式，雖然具備彈性優勢，但若缺乏持續管理，仍可能出現資源配置不符商務規劃，或費用超出預期等情況。而博弘雲端不只能從使用現況出發、建議適合的節費方案，也會從效能、資安與成本等面向進行架構健檢，提出相應的優化建議；同時還會提供相關管理介面，讓企業隨時查看帳戶使用狀況、預估未來用量，在業務規模持續成長的同時，也能兼顧雲端架構的效能、安全與成本效益。

而架構健檢與成本優化，只是博弘雲端服務的一環。從企業準備上雲開始，博弘雲端便能協助將應用程式與資料從地端搬遷至雲端，或直接在雲端完成部署；進一步還能協助建置數據平台、數據中台，進行資料分析及導入 AI 應用，讓企業資料發揮更大價值。當服務正式上線後，博弘雲端也能接續提供維運服務。換言之，從前期 PoC、雲端建置到後續維運，博弘雲端都能依據企業需求，提供相應的服務與支援。

對 Berry AI 來說，藉由與博弘雲端合作，深化 AWS 雲端資源使用，不只是突破規模化挑戰，更重要的是能把有限的資源集中在核心業務，持續優化解決方案、開發更多貼近餐飲營運需求的應用，進一步爭取更多品牌合作，擴大北美市場版圖。目前，Berry AI 正全力拓展北美市場，也持續尋找對 AI 技術與餐飲產業應用充滿好奇心、重視團隊協作的人才加入。徵才方向涵蓋機器學習與電腦視覺、Platform & System（DevOps、Infrastructure），以及 Full Stack 軟體開發。從門市邊緣裝置上運行的 AI 模型、串連雲端與數千家門市的系統平台，到協助餐飲品牌提升營運效率的分析產品，每個環節都還有發揮的空間。期待匯聚更多優秀夥伴，一起用 AI 解決真實的營運問題，讓來自台灣的技術走進更多全球 QSR 門市。

職缺詳情：https://www.cake.me/companies/berryai/jobs

在 Instagram 查看這則貼文

數位時代（@bnext_official）分享的貼文