Platinum Asset Management, an investment management company, released its Q3 2025 investor letter for “Platinum International Technology Fund”. A copy of the letter can be downloaded here. The fund was up 6% in the third quarter, driven by strong performance from AI-oriented holdings. The portfolio holds around 30% of its stake in AI infrastructure stocks and is positioned to benefit from significant investment in the AI build-out. In addition, you can check the fund’s top 5 holdings to find out its best pi ...

公司股价表现 - Meta Platforms Inc 股票在过去五个交易日上涨1.14% [1] - 在此之前的五个交易日，公司股价上涨了2.03% [1]

核心观点 - Meta发布并开源了名为SAM Audio的统一多模态提示音频分割模型，该模型能够通过文本、视觉或时间片段提示，从复杂音频混合中分离出任意声音，彻底改变音频处理方式 [1] - 该模型在多项音频分离任务上实现了业界领先的性能，运行速度快于实时处理，并首次支持多种交互方式，为用户提供了更精确、直观的控制能力 [9][35][40] - Meta同时发布了支撑SAM Audio的核心引擎PE-AV、首个真实环境音频分离基准SAM Audio-Bench以及首个用于音频分离的自动评测模型SAM Audio Judge，旨在推动音频AI领域的发展 [10][26][33] 模型与技术架构 - **SAM Audio模型**：采用基于流匹配扩散Transformer的生成式建模框架，接收混合音频及多模态提示，生成目标音轨与剩余音轨 [12] - **核心技术引擎PE-AV**：基于Meta此前开源的Perception Encoder模型构建，通过将视频帧与音频在精确时间点上对齐，提供稳健且语义丰富的特征表示，是支撑SAM Audio效果的核心 [2][20][22] - **数据引擎与训练**：构建了一套完整的数据引擎，融合先进的音频混合技术、自动化多模态提示生成及伪标签流程，生成贴近真实场景的训练数据 [14] - **训练数据规模**：模型基于多样化的数据集训练，内容横跨语音、音乐及各类通用声音事件；PE-AV基于超过1亿条视频进行训练 [15][25] 功能与应用场景 - **三种分割方式**： - 文本提示：输入如“狗叫声”等描述以提取特定声音 [16] - 视觉提示：在视频中点击发声的人或物体以分离对应音频 [16] - 时间跨度提示：业内首创，允许用户标记目标声音出现的时间片段以实现更精确分割 [4][16] - **应用场景**：包括音频清理、背景噪声移除、从乐队演出录像中分离特定乐器声、滤除视频中的交通噪声、去除播客中的持续噪音等，旨在构建下一代创意媒体工具 [4][5] 性能与评估 - **性能表现**：在通用音频分离及语音、音乐、通用声音等所有音频类别上，性能均显著领先于以往工作，并达到了最佳领域专用模型的水平 [35][36] - **处理速度**：运行速度快于实时处理，实时因子约为0.7，在5亿到30亿参数规模下都能高效进行大规模音频处理 [40] - **多模态提示优势**：混合模态提示（如文本结合时间提示）的效果优于单一模态方法 [39] - **评估体系**： - **SAM Audio Judge**：首个用于音频分离的自动评测模型，提供无需参考音频的客观评测方式，从9个感知维度（如召回率、精确度、整体质量）评估分割质量 [10][26] - **SAM Audio-Bench**：首个全面的真实环境音频分离基准，覆盖语音、音乐、通用音效及所有提示类型，并率先引入无参考评估方式 [10][30][33] 发布与生态建设 - **开源与平台**：公司向社区开源了SAM Audio和PE-AV模型，发布了相关研究论文和代码，并将所有成果整合进全新的“Segment Anything Playground”平台供公众体验 [5][7][17][23] - **行业合作**：宣布与美国最大助听器制造商Starkey以及创业加速器2gether-International建立合作，探索模型在推动无障碍技术方面的应用 [43] - **行业意义**：此次发布被视为迈向更易用、更具创造力、更加包容的AI的一步，为理解复杂声学环境和响应多模态自然提示提供了新的可能性 [43] 当前局限性 - 目前不支持以音频本身作为提示 [44] - 无法在没有任何提示的情况下进行完整的音频分离 [44] - 在高度相似的音频事件（如从合唱中分离单一歌手或从交响乐中分离单一乐器）之间进行分离仍具挑战性 [44]

公司业务模式 - 公司通过Meta海外大媒体平台为电商、游戏及工具应用类客户进行广告投放 [1] - 公司业务旨在帮助客户获取更多用户 [1]

美股大型科技股盘前涨跌互现，亚马逊涨1%，特斯拉涨0.5%，谷歌A涨0.2%，Meta、英伟达持平，苹 果跌0.1%。 本文源自：金融界AI电报 ...

2025年《世界品牌500强》榜单总体情况 - 谷歌击败苹果位列第一，微软第二，苹果退居第三 [1] - 美国以184个品牌稳居品牌大国第一，法国(51个)、中国(50个)、日本(40个)、英国(34个)为第二阵营 [1][4][5] - 榜单平均品牌年龄为98.46岁，相比去年有所降低，主要因科技行业年轻品牌快速成长 [7] - 榜单覆盖33个国家，50个行业，基于市场占有率、品牌忠诚度和全球领导力三项关键指标对全球约8000个品牌进行综合评分得出 [3][4][14] 国家/地区品牌表现 - **美国**：上榜184个品牌，较2024年的187个和2023年的193个持续减少，但仍占据绝对主导地位，代表性品牌包括谷歌、微软、苹果、英伟达、亚马逊、沃尔玛 [1][4][5] - **中国**：上榜50个品牌，与2024年持平，较2023年的48个增加，稳居全球第三，再次超越日本(40个) [1][4][5] - **法国**：上榜51个品牌，较2024年的52个减少1个，代表性品牌包括路易威登、香奈儿、爱马仕 [4][5] - **日本**：上榜40个品牌，较2024年的42个和2023年的43个持续减少，代表性品牌包括丰田、本田、索尼 [4][5] - **英国**：上榜34个品牌，较2024年的35个减少1个，与2023年持平，代表性品牌包括联合利华、英国石油、汇丰 [4][5] 行业品牌分布 - **汽车与零件**：共有33个品牌上榜，排名第一，较2024年的32个增加1个 [5][6] - **能源**：共有30个品牌上榜，与食品与饮料并列第二，较2024年的29个增加1个 [5][6] - **食品与饮料**：共有30个品牌上榜，与能源并列第二，但较2024年的33个和2023年的35个持续减少 [5][6] - **银行**：共有29个品牌上榜，排名第四，较2024年和2023年的24个显著增加5个 [5][6] - **零售**：共有27个品牌上榜，与计算机与通讯并列第五，较2024年的28个减少1个 [5][6] - **计算机与通讯**：共有27个品牌上榜，与零售并列第五，较2024年的24个和2023年的23个持续增加 [5][6] - 食品与饮料、传媒、奢侈品等行业排名出现整体下滑 [5] 品牌年龄特征 - 榜单中100岁及以上的“百年老牌”多达221个，占比超过4成 [7] - **最古老品牌**：法国的圣戈班(Saint-Gobain)，品牌年龄360岁 [7][8] - **最年轻品牌**：美国的Perplexity，品牌年龄仅3岁，排名第403位 [7][9] - 食品与饮料类品牌最古老，30个品牌中有27个超过百岁 [7] - 中国品牌中，仅茅台、青岛啤酒、五粮液、中国银行、友邦保险超越百龄 [7] 新上榜与落榜品牌 - 2025年总计有23个新品牌上榜 [6] - **排名最高的新品牌**：美国的Elevance Health，位于总榜第173名，是健康管理行业标杆 [6][7] - **其他知名新品牌**：英国的安谋(ARM)、新加坡的虾皮(Shopee)、阿联酋的阿布扎比国家石油(ADNOC) [6][7] - **中国新上榜品牌**：宁德时代(CATL)、中国联通(China Unicom)、通鼎(TONGDING)，体现新能源、基础设施及信息通信领域实力提升 [6][13] - **落榜品牌**：包括因业务疲软、盈利下滑的美国金宝汤(Campbell‘s)、固特异(Goodyear)，以及因重大决策失误或外部冲击影响声誉的赫兹(Hertz)、日本邮政(Japan Post)等 [6] 中国品牌具体表现 - 中国共有50个品牌上榜，国家电网(总榜第16位)、腾讯(第29位)、海尔(第33位)位列中国前三 [13] - 中国工商银行(第39位)、华为(第50位)进入总榜前50 [13] - 新上榜的中国品牌宁德时代排名第437位，中国联通排名第477位，通鼎排名第496位 [6][13] - 抖音(TikTok)品牌年龄仅9岁，排名第258位，是上榜中国品牌中最年轻的之一 [9][13] 人工智能(AI)与品牌发展趋势 - 人工智能相关的科技品牌出现爆发式增长 [5] - 生成式AI为品牌创意带来“双刃剑”效应：一方面民主化创意过程、提升效率；另一方面，AI内容常缺少人类的文化叙事深度和情感真实性 [1][12] - 在AI内容泛滥时代，“灵魂”即人类注入的文化深度与情感独特性，成为品牌差异化的核心要素 [5] - 麻省理工学院专家认为，AI是能感知、互动、适应和学习的动态伙伴，人机协作能提升供应链韧性和创新能力，从而提升品牌绩效 [9] - 品牌价值与ESG(环境、社会和治理)绩效的关联度持续提升 [5]

行业市场现状与增长 - 全球智能眼镜市场在2025年第三季度出货量达429.6万台，同比增长74.1% [3] - 2026年中国智能眼镜市场出货量预计达到450.8万台，同比增长77.7% [5] - 2026年中国AR/VR设备出货量预计为107.3万台，同比增长62.1% [5] - 2025年被视为AI硬件元年，市场热度由Meta Ray-Ban点燃，随后小米、阿里等互联网大厂入场将品类催熟 [3][7] - 巨头入场显著拉升行业关注度与电商流量，小米入场时电商流量翻了三倍，阿里入场后流量又翻了八倍 [5][15] 主要参与者与竞争格局 - 市场参与者包括Meta、苹果、谷歌、阿里、小米等科技巨头以及众多创业公司，形成“百镜大战”局面 [3][5] - 创业公司采取差异化竞争策略：影目科技选择在通用市场正面竞争，致力于打造独立终端和硬件基座 [16][24]；致敬未知（BleeqUp）选择聚焦垂直运动场景，采取“针尖战略” [18][19] - 巨头入局对创业公司构成挑战，但也快速教育了市场和消费者，共同将市场蛋糕做大 [5][14] - 智能眼镜作为时尚品，未来品牌集中度预计不会像手机那样高，市场可能容纳更多品牌以满足个性化需求 [26] 产品演进路径与未来展望 - 产品演进分为三个阶段：当前是“工具化”阶段，解决特定垂直场景需求 [22]；第二阶段是“娱乐化”，集成刷剧、游戏等功能 [22]；终极形态是具备强大“社交属性”的下一代移动终端 [23][30] - AI眼镜预计在未来两到三年内成为大众消费品，而AR眼镜的普及可能需要三到五年甚至更长时间 [6][35] - 成为大众消费品的三个判断原则是：单款产品销量过千万台、能提供用户高频使用的应用服务、智能功能足够强以实现真正的主动式交互 [35] - 眼镜被认为是AI未来最佳的硬件载体和下一代用户交互入口，最终可能取代手机成为主要的输入输出交互入口 [8][31] 创业公司的战略与打法 - 影目科技坚持“轻量一体化”技术路线，长期重投入自研光学、芯片、OS和供应链，旨在打造对标苹果、华为的通用硬件底座 [17][21][24] - 影目科技采取开放生态策略，自身专注于底层硬件和OS，将内容生态交给合作伙伴 [24][27] - 致敬未知（BleeqUp）专注于运动垂直场景，致力于构建硬件、软件、服务一体化的解决方案，旨在成为AI时代的Garmin [18][19] - 在运动场景中，公司通过解决如长时间录制、对讲等刚需功能，以及提供更轻的重量（48-49克 vs 竞品66克）、可换镜片等设计来构建体验壁垒 [28][29] 技术、供应链与挑战 - 行业目前存在“期望泡沫”，即用户期待与实际产品体验之间存在差距，退货率较高，需要行业理性宣传和用户耐心 [3][12] - 供应链尚不成熟，存在技术鸿沟，例如重量限制（当前产品约四五十克，远重于普通眼镜）是全天候佩戴的挑战 [34] - 豆包AI等新型交互方式的探索被认为是不可逆的趋势，但面临安全漏洞、数据权限划分等现实问题，引发部分厂商的封禁 [32][33] - 对创业公司而言，最大的挑战是把握发展的“节奏感”，需在技术迭代、用户教育和市场拓展之间取得平衡 [6][33]

文章核心观点 - 美国政府公开警告欧盟，若其不改变针对美国科技巨头的监管方式，美方将采取反制措施，并已点名多家在欧洲市场运营的美国服务提供商及欧洲跨国公司 [1] - 美欧在数字税、科技监管等问题上存在严重分歧，贸易关系紧张，成为潜在“导火索”，双方均展现出强硬立场 [2][3] - 欧盟坚持其基于规则的监管立场，强调规则公平适用，并致力于维护数字与技术主权，同时也在调整内部监管以减轻企业负担 [6][7] 美国政府的立场与行动 - 美国贸易代表办公室声明指责欧盟及其成员国对美国服务提供商采取“歧视性和骚扰性的诉讼、税收、罚款和指令” [1] - 美国贸易代表警告，若欧盟坚持歧视性手段，美国将“别无选择”地动用一切可用工具进行反制，法律允许对外国服务征收费用或施加限制 [1] - 美国政府长期不满欧洲数字服务税，视其为损害美国企业的非关税贸易壁垒，并威胁征收“实质性”关税 [2] - 特朗普政府曾威胁对任何通过税收、法规或法律针对美国科技公司的国家加征额外关税并实施出口限制 [2] - 美国在数字税立场上已“初见成效”，例如以暂停贸易谈判威胁，令加拿大在数字税生效前决定取消该税 [4] - 美国促成七国集团达成协议，豁免美国公司遵守全球最低税的义务，并暂停履行与英国之间的《科技繁荣协议》 [4][5] 欧盟的立场与反应 - 欧盟委员会回应称其市场开放且基于规则，规则公平、平等地适用于所有在欧盟运营的公司，并将继续无歧视地执行 [6] - 欧盟贸易委员表示，美欧贸易协议框架稳定了双边关系，但承认问题可能意外爆发，需要持续努力管理关系 [6] - 欧盟在维护数字和技术主权上立场坚决，将保护其技术主权，修改数字法规等提议被视为对内部事务的“不当干涉” [6] - 近期欧盟对包括谷歌、微软、亚马逊和Meta在内的美国科技公司启动了新的调查 [7] - 欧盟在对外监管强势的同时“对内松绑”，公布数字纲要，简化AI、网络安全及数据相关法规，旨在减轻欧洲企业行政与合规负担 [7] - 欧盟监管机构正转向更灵活模式，更关注数据密集型公司，并尝试对中小企业提供豁免或优先考虑 [7] 涉及的公司与行业动态 - 被美国点名的欧洲企业包括：德国的敦豪DHL、思爱普SAP、西门子Siemens；法国的Mistral、凯捷Capgemini、阳狮Publicis Groupe；爱尔兰的埃森哲Accenture；瑞典的Spotify [2] - 欧盟近期因违反数字透明度规则对社交媒体平台X处以约1.4亿美元罚款 [3] - 此前欧盟曾对谷歌开出35亿美元罚单，并就谷歌和Meta是否违反数字法规展开调查 [2][3] - 涉及的行业包括：物流、企业软件、工业制造、人工智能、咨询、广告、信息技术服务、音乐流媒体及大型科技平台 [1][2][7]

美国政府立场与行动 - 美国贸易代表办公室公开指责欧盟及其成员国对美国服务提供商采取歧视性和骚扰性的诉讼、税收、罚款和指令 [1] - 美方警告若欧盟不改变监管方式，将动用一切可用工具进行反制，暗示可能对外国服务征收费用、施加限制或采取其他行动 [1] - 美国政府长期不满欧洲数字服务税，视其为损害美国企业的非关税贸易壁垒，并威胁征收“实质性”关税 [2] - 特朗普政府曾威胁对任何通过税收、法规或法律针对美国科技公司的国家加征额外关税并实施出口限制 [2] - 在欧盟对谷歌开出35亿美元罚单后，特朗普警告可能启动“301条款”程序以推翻“不公平的处罚” [2] - 美国贸易代表称美欧贸易是潜在“导火索”，指出欧盟法规及非关税壁垒限制了美国产品出口和市场准入 [3] - 美国政府的强硬立场已“初见成效”，例如以暂停贸易谈判威胁，令加拿大在数字税生效前决定取消该税 [4] - 美国促成七国集团达成协议，豁免美国公司遵守全球最低税的义务 [4] - 美国通知英国政府，将暂停履行两国之间的《科技繁荣协议》 [5] 欧盟的立场与反应 - 欧盟委员会回应称其规则公平、平等地适用于所有在欧盟运营的公司，并将继续无歧视地执行规则 [6] - 欧盟贸易委员表示美欧贸易协议框架成功稳定了关系，但承认问题可能意外爆发，需要持续努力管理关系 [6] - 欧盟在维护数字和技术主权上立场坚决，表示“将保护我们的技术主权” [6] - 欧盟近期对包括谷歌、微软、亚马逊和Meta在内的美国科技公司启动了新的调查 [7] - 欧盟在强势监管科技巨头的同时“对内松绑”，公布数字纲要，简化AI、网络安全及数据相关法规，以减轻欧洲企业行政负担 [7] - 欧盟监管机构正转向更灵活模式，更关注数据密集型公司，并尝试对中小企业提供一定豁免或优先考虑 [7] 涉及的公司与行业 - 被美国点名的欧洲企业包括德国的敦豪、思爱普和西门子，法国的Mistral、凯捷与阳狮集团，爱尔兰的埃森哲以及瑞典的Spotify [2] - 涉及的美国科技巨头包括谷歌、Meta、微软、亚马逊等，它们面临欧盟的调查、罚款和监管 [2][3][7] - 涉及的行业包括物流、企业软件、工业制造、人工智能、咨询、广告、信息技术服务和音乐流媒体等 [2]

对当前主流AI发展路径的批判 - 图灵奖得主Yann LeCun尖锐批评当前硅谷主流的人工智能发展路径，认为单纯依靠扩大语言模型规模、喂更多合成数据、雇佣数千人进行后训练以及强化学习微调，是一条“完全胡扯”且“根本行不通”的死胡同[1] - 其观点挑战了行业以语言能力和知识覆盖面为中心的评估体系，指出现实世界中的理解、预测和行动能力远比生成流畅文本复杂，而现有以语言为核心的模型并未触及问题本质[2] - 业界对大语言模型规模化的执念，正将人工智能引向一条看似高速、实则封闭的死胡同[1] 对AI发展关键瓶颈的判断 - 真正制约AI进步的关键，并非如何更快逼近“人类级智能”，而是如何跨越一个常被低估却极其困难的门槛——让机器具备“狗的智能水平”[2] - 从“狗水平智能”到“人类水平智能”的跨越相对容易，最难的部分是达到“狗水平”，一旦达到该阶段，绝大多数核心要素就已具备[34] - 从灵长类到人类，新增的关键能力可能主要是语言，而语言在大脑中只占据极小的区域，当前技术在这方面已做得相当不错[34] 关于AGI（通用人工智能）的见解 - “通用智能”这个概念本身站不住脚，它本质是以“人类智能”为参照定义的，但人类智能本身高度专用化[30] - 与其讨论“通用智能”，不如讨论“人类水平智能”，即机器在所有人类擅长的领域达到或超过人类，这个过程将是渐进而非突发的[31] - 如果一切顺利且无根本性障碍，最乐观估计在5到10年内，或许能看到接近人类或至少接近“狗水平”的智能系统，但历史表明AI发展中总会出现新瓶颈，可能需要20年甚至更久才能突破[32][33] 新公司AMI的技术路线与愿景 - 结束在Meta长达12年的职业生涯后，LeCun通过其新公司AMI（先进机器智能）推动构建“世界模型”的技术路线，旨在让机器理解和预测世界[2][5] - 与主流生成模型在像素或文本层面输出不同，AMI的核心思路是在抽象表征空间中对世界运行规律进行建模和预测，关注“世界将如何演化”而非“生成看起来像什么”[2] - 公司最终目标是推出围绕世界模型和规划等核心技术的实际产品，并希望未来成为智能系统的主要供应商之一[7] - 公司计划以开放的方式进行上游研究，认为公开发表成果是取得突破的必要途径[5][6] 世界模型的技术原理与优势 - 世界模型旨在处理高维度、连续且含噪声的数据模态（如图像、视频），而大语言模型对此完全无能为力[9] - 有效方法是学习一个抽象的表征空间，滤除输入中大量无法预测的细节（包括噪声），然后在该表征空间内进行预测，这是JEPA（联合嵌入预测架构）的核心思想[9] - 世界模型不需要是现实的逐像素模拟器，而是在抽象表征空间中，只模拟与任务相关的那部分现实，这类似于计算流体力学等科学模拟中使用的抽象层级[20][21][22] - 视频等真实世界数据在字节层面更冗余，这种冗余结构使得自监督学习成为可能，其结构远比文本丰富，仅靠文本训练永远不可能达到人类水平的智能[18][19] 对大语言模型局限性的分析 - 当前基于大语言模型的架构构建的智能体系统并不理想，需要海量数据模仿人类行为且可靠性有限[8] - 要训练一个性能尚可的大语言模型，需使用几乎整个互联网中所有可获取的文本数据，一个典型模型的预训练规模大约是30万亿token（约10¹⁴字节），模型需要极大存储能力来记忆并复述这些事实[18] - 大语言模型并不真正理解基础世界规律（如物体会下落），它们只是被微调到给出“看起来正确”的答案，这是复述而非理解[25] - 通过微调语言模型来解决安全问题存在根本缺陷，因为它们总可以被“越狱”绕过限制[37] 对合成数据与模拟环境的看法 - 合成数据具有价值，例如孩子通过游戏在受控模拟环境中学习[24] - 需警惕某些模拟的失真（如视频游戏中为“好看”而非真实的物理效果），不加控制可能会影响模型在现实世界中的泛化能力[24] - 关键不在于是否使用模拟，而在于在哪个抽象层级上训练模型，很多基础世界规律是在非常抽象的层面上学到的[24] 对AI安全与治理的立场 - 安全必须与发展同步进行，而不是先停下来等“绝对安全”，可类比喷气发动机通过不断工程改进达到高可靠性的发展路径[37] - 应转向以目标驱动为核心的AI架构，该系统拥有世界模型预测行为后果，可规划行动序列，并受到一整套硬性约束限制，在设计层面就是安全的[38][39] - 当前LLM领域通过生成大量候选输出再进行过滤排序来限制输出的方法，计算成本高得离谱，昂贵、低效且不可规模化[39] - 强大技术必然伴随风险（如汽车早期），但那是工程和治理问题，而非不可逾越的根本障碍，AI已在医疗影像等领域挽救大量生命[35][36][50] 对行业生态与竞争格局的观察 - 当前AI投资热潮让长期研究型创业成为可能，而以前这类研究只能依托于大企业或大公司的研究院[5] - 包括谷歌、OpenAI甚至Meta在内的许多实验室正从开放研究转向封闭[5] - 硅谷因竞争极端激烈，所有公司都被迫做同一件事（大语言模型），催生了技术单一化现象，OpenAI、Meta、Google、Anthropic几乎所有公司都在做同样的事情[47] - 这种环境导致公司拼命在同一条战壕里竞争，却很容易被来自“完全不同方向”的技术突破所颠覆[48] - 在硅谷大公司内部，也有不少人私下认同当前主流路径错误，LeCun的新公司正在招募这些人[49] 对其他相关公司与技术的评价 - 对大多数试图构建世界模型的公司（如SSI）具体在做什么不太清楚，SSI甚至成了行业笑话[44] - Physical Intelligence主要做几何一致的视频生成，但这仍是“生成像素”的思路，LeCun认为这是错误方向[44] - 认可Wayve公司在自动驾驶领域构建的世界模型，认为其做对了一半（预测发生在表示空间），但问题在于其表示空间仍主要通过重建训练得到[45] - 认可NVIDIA和Sandbox AQ的类似方向，Sandbox AQ提出的“大型定量模型”与LeCun的主张高度一致[46] - Google做了很多世界模型，但主要仍是生成式路径，Danijar Hafner的Dreamer系列模型走在正确道路上，但其已离开Google创业[47] 关于Meta内部AI方向的变动 - Alex Wang负责Meta所有AI相关的研发与产品整体运作，而非科研本身，他并不是在“接替”LeCun的科研角色[40] - Meta的“超级智能实验室”体系下分为四部分：FAIR（长期基础研究）、TBD Lab（前沿大语言模型）、AI基础设施、产品部门，Alex Wang统管这四个方向[40] - FAIR目前被明显推向更短期、更偏应用的研究方向，发表论文的重要性下降，更多是为TBD Lab的大模型工作提供支持，这意味着Meta整体正在变得更“封闭”[42] - 一些研究团队（如做SAM的团队）已被重新归类到产品部门[43]