Meta近期在人工智能领域不断扩展，从分子研究到虚拟化身

  每周跟踪AI热点新闻动向和震撼发展 想要探索生成式人工智能的前沿进展吗？订阅我们的简报，深入解析最新的技术突破、实际应用案例和未来的趋势。与全球数同行一同，从行业内部的深度分析和实用指南中受益。不要错过这个机会，成为AI领域的领跑者。点击订阅，与未来同行！ 订阅：https://rengongzhineng.io/

Meta近期在人工智能领域的野心不断扩展，从分子研究到虚拟化身均有涉足，但其前行之路也伴随着技术挑战与法律风险。

据知情人士透露，Meta已推迟原定于2025年春季发布的新一代Llama模型“Behemoth”。该模型原计划于4月推出，后延期至6月，而如今则再次推迟至秋季。此次延迟的主要原因在于内部工程师对模型训练结果表示失望。尽管Meta方面宣称“Behemoth”在多个基准测试中优于OpenAI与谷歌的同类产品，但公司内部对于其是否真正较Llama 2带来实质性改进存在持续争议。一些内部人员指出，在实际应用环境中，“Behemoth”的性能提升并不显著。

此项延期也引发了外界对Meta 2025年高达650亿美元的预计资本支出（CapEx）的进一步关注。更严重的是，在14位最初开发Llama模型的研究人员中，已有11人离职，这对Meta的技术公信力造成了不小的打击。

尽管在大语言模型领域遇挫，Meta在科学AI方面则动作频频。公司近日正式发布了“Open Molecules 2025”（OMol25）https://huggingface.co/facebook/OMol25 ，这是一个规模庞大的开放数据集，涵盖超过一亿条量子化学计算结果。据介绍，生成这一数据集共耗费60多亿计算小时，内容涵盖生物分子、有机物、金属配合物，并包含电子自旋、电荷状态、构象等丰富信息，旨在支持AI驱动的药物开发与材料科学研究。

与此同时，Meta还发布了UMA模型（Universal Molecular Architecture），这是一款基于图神经网络（GNN）的预测模型，采用线性专家混合架构（Mixture of Linear Experts）。据称，UMA在分子属性预测方面兼具高速度与高准确率，并在多个专业领域的基准测试中超越了现有专用模型。

此外，Meta还推出了一项名为“Adjoint Sampling”的新型生成方法。该方法以扩散建模为核心，可在样本数量极少的情况下探索分子构象空间，为分子模拟与结构生成提供了新的路径。

Meta官方账号“AI at Meta”于5月14日通过社交媒体宣布了这些发布内容，并强调其在分子属性预测、语言处理和神经科学等领域具有变革意义。值得一提的是，所有相关工具与模型均已通过Hugging Face与GitHub向研究社区开源。

尽管Meta目前在大型语言模型方面面临不小压力，其在科学研究领域的布局则显示出公司试图在AI应用中找到更多差异化与长期价值。这种策略能否成功扭转技术口碑并增强投资者信心，仍有待时间验证。