شکاف ها و چالش های همکاری متا با Scale AI؛ سرمایه گذاری 14.3 میلیارد دلاری و آینده هوش مصنوعی

سرمایه گذاری تاریخی متا در Scale AI

متا از ژوئن 2025 مبلغ 14.3 میلیارد دلار در Scale AI سرمایه گذاری کرده است. هدف این سرمایه گذاری، جذب الکساندر وانگ و تیم اجرایی او برای راه اندازی و مدیریت Meta Superintelligence Labs (MSL) بوده است. با وجود این، همکاری دو شرکت بسیار سریع با مشکلات و نشانه های تنش مواجه شده است. این سرمایه گذاری از نظر مالی و استراتژیک، یکی از بزرگترین حرکت های متا در حوزه هوش مصنوعی محسوب می شود.

خروج روبن مایر و تغییرات مدیریتی

روبن مایر، معاون سابق محصول و عملیات GenAI در Scale AI، تنها پس از دو ماه فعالیت در متا شرکت را ترک کرد. منابع مطلع می گویند مایر مسئول تیم های داده ای AI بوده اما جزو تیم اصلی TBD Labs نبوده است. مایر در گفتگو با TechCrunch اعلام کرد موقعیت او از ابتدا شامل راه اندازی آزمایشگاه و کمک در تمامی امور بوده و خروج او به دلیل مسائل شخصی رخ داده است. این تغییرات مدیریتی نشان دهنده چالش های داخلی در هماهنگی تیم های تازه وارد و تیم های قدیمی متا است.

تغییر تامین کنندگان داده در TBD Labs

TBD Labs برای آموزش مدل های پیشرفته خود، با تامین کنندگان داده دیگری مانند Mercor و Surge همکاری می کند. این شرکت ها رقبای اصلی Scale AI هستند و محققان معتقدند داده های ارائه شده توسط Scale AI کیفیت پایین تری دارند. استفاده از چند تامین کننده داده در آزمایشگاه های AI رایج است، اما سرمایه گذاری میلیارد دلاری متا در یک شرکت، نشان دهنده انتظارات بالاست و عدم رضایت تیم های تحقیقاتی قابل توجه است

تحول در نیازهای داده ای مدل های AI

در گذشته Scale AI بر پایه مدل crowdsourcing و نیروی کار کم هزینه داده ها را برچسب گذاری می کرد. اما با پیشرفت مدل های هوش مصنوعی، نیاز به داده های تخصصی و دقیق افزایش یافته است. اکنون برای آموزش مدل های AI، به متخصصان حرفه ای مانند پزشکان، وکلا و دانشمندان نیاز است. Surge و Mercor از ابتدا با نیروی متخصص و حقوق بالا فعالیت کرده اند و همین موضوع رشد سریع و کیفیت بالای داده های آن ها را تضمین کرده است.

پیامد سرمایه گذاری متا و وابستگی محدود به Scale AI

با وجود سرمایه گذاری 14.3 میلیارد دلاری، متا همچنان از تامین کنندگان داده دیگر استفاده می کند و تمام فعالیت های خود را به Scale AI محدود نکرده است. این موضوع نشان می دهد که متا به دنبال تنوع منابع داده و کاهش ریسک است. برخی تحلیل گران معتقدند هدف اصلی این سرمایه گذاری جذب الکساندر وانگ و تیم اجرایی توانمند او بوده است.

خروج محققان و چالش های داخلی

همزمان با ورود تیم های جدید از OpenAI و Scale AI، ساختار واحد AI متا با هرج ومرج و محدودیت فعالیت های تیم قدیمی مواجه شده است. محققان جدید، از جمله Rishabh Agarwal، Chaya Nayak و Rohan Varma، متا را ترک کرده اند. این روند نشان می دهد حفظ استعدادهای کلیدی و ایجاد ثبات در واحد AI، یکی از بزرگترین چالش های متا است.

رقابت متا با OpenAI و گوگل

برای جبران عقب ماندگی، متا اقدام به عقد قراردادهای بزرگ و جذب استعدادهای برتر کرده است. تیم هایی از OpenAI، Google DeepMind و Anthropic جذب شده اند. همچنین استارتاپ های Play AI و WaveForms AI توسط متا خریداری شده و همکاری با Midjourney در زمینه تولید تصویر هوش مصنوعی آغاز شده است. این اقدامات نشان دهنده تلاش متا برای رقابت مستقیم با رهبران حوزه AI است.

توسعه زیرساخت و مراکز داده عظیم

متا برای تحقق اهداف هوش مصنوعی خود، ساخت مراکز داده عظیم در سراسر آمریکا را آغاز کرده است. یکی از بزرگترین پروژه ها، مرکز داده 50 میلیارد دلاری Hyperion در لوئیزیانا است که نام آن از یک تایتان در اساطیر یونان گرفته شده است. این زیرساخت ها، پایه اجرای مدل های پیشرفته AI و پشتیبانی از واحد MSL خواهند بود.

پرسش ها درباره ارزش Scale AI برای متا

با وجود سرمایه گذاری کلان، ارزش واقعی Scale AI برای متا هنوز محل پرسش است. بسیاری از مدیران وارد شده از Scale AI در تیم اصلی TBD Labs فعالیت نمی کنند. این موضوع نگرانی هایی درباره هم راستایی استراتژیک و ارزش افزوده واقعی Scale AI ایجاد کرده است.

آینده همکاری و توسعه نسل بعدی AI

MSL هم اکنون روی نسل بعدی مدل های هوش مصنوعی کار می کند و گزارش ها نشان می دهد تا پایان سال جاری آماده عرضه خواهد بود. با توجه به تغییرات مدیریتی و خروج محققان، سوال اصلی این است که متا می تواند ثبات عملیاتی ایجاد کند و استعدادهای کلیدی را حفظ نماید یا خیر. این موفقیت برای آینده هوش مصنوعی و رقابت متا با رقبای قدرتمند حیاتی است.