Escrito por: Ada, Deep Tide TechFlow
Ruoming Pang apenas se había calentado el asiento en Meta, y ya se fue.
En julio de 2025, Mark Zuckerberg le arrebató a Apple a este ingeniero chino, el más cotizado en el campo de la infraestructura de IA, con un paquete de remuneración plurianual por un valor total de más de 200 millones de dólares. Pang fue asignado al Meta Superintelligence Lab, responsable de construir la infraestructura para la próxima generación de modelos de IA.
Siete meses después, OpenAI se lo llevó.
Según informó The Information, OpenAI llevó a cabo una campaña de reclutamiento de varios meses dirigida a Pang. Aunque Pang había dicho a sus colegas que "estaba muy contento trabajando en Meta", finalmente optó irse. Según Bloomberg, su paquete de compensación en Meta estaba vinculado a hitos, y dejar la empresa anticipadamente significaba renunciar a la mayor parte de las acciones no adquiridas.
200 millones de dólares no compraron 7 meses de lealtad.
Esta no es una simple historia de cambio de trabajo.
La partida de una persona, la señal para un grupo
Pang no fue el primero en irse.
La semana pasada, Mat Velloso, director de producto de la plataforma para desarrolladores del Meta Superintelligence Lab, también anunció su dimisión. Esta persona dejó Google DeepMind para unirse a Meta en julio del año pasado y permaneció menos de 8 meses. Remontándonos más atrás, en noviembre de 2025, el ganador del Premio Turing y científico jefe de IA de Meta, Yann LeCun, después de 12 años en la empresa, anunció que se iba para emprender su propio negocio, trabajando en el "modelo mundial" que tanto ha defendido. Russ Salakhutdinov, discípulo clave de Geoffrey Hinton y vicepresidente de investigación de IA generativa en Meta, también anunció recientemente su marcha.
Para entender la fuga de talento de Meta AI, primero hay que entender cuánto daño causó realmente Llama 4.
En abril de 2025, Meta lanzó con gran fanfarria los modelos Scout y Maverick de la serie Llama 4. Los datos oficiales en el papel eran espectaculares, afirmando que superaban por completo a GPT-4.5 y Claude Sonnet 3.7 en pruebas de referencia (benchmarks) clave como MATH-500 y GPQA Diamond.
Sin embargo, este modelo insignia, que llevaba las ambiciones de Meta, rápidamente "mostró su verdadera naturaleza" en las pruebas ciegas independientes de terceros de la comunidad de código abierto, con una brecha abismal entre sus capacidades reales de generalización y razonamiento y lo anunciado. Ante las fuertes críticas de la comunidad, el científico jefe de IA, Yann LeCun, finalmente admitió que el equipo había "utilizado diferentes versiones del modelo para ejecutar diferentes conjuntos de pruebas, con el fin de optimizar la puntuación final".
En el riguroso mundo académico y de la ingeniería de la IA, esto traspasó una línea roja imperdonable. En otras palabras, el equipo entrenó a Llama 4 para que se convirtiera en un "estudiante especializado en exámenes" que solo sabía resolver problemas de exámenes pasados, en lugar de un "estudiante sobresaliente" con una inteligencia verdaderamente avanzada. Para matemáticas, te mostraban al campeón en matemáticas, para programación, al campeón en programación; cada prueba individual parecía muy fuerte, pero en realidad no era el mismo modelo.
En el mundo académico de la IA esto se llama "cherry-picking" (seleccionar lo mejor), en el mundo de la educación应试 se llama "sustitución en exámenes".
Para Meta, que siempre se ha autodenominado un "faro del código abierto", este escándalo destruyó directamente el activo más valioso en su ecosistema de desarrolladores: la confianza. Su costo directo fue que Zuckerberg "perdiera por completo la confianza" en los estándares de ingeniería del equipo original de GenAI, lo que desencadenó la posterior llegada de ejecutivos externos y la marginación del departamento central de infraestructura.
Gastó entre 14.3 y 15 mil millones de dólares para adquirir el 49% de las acciones de la empresa de anotación de datos Scale AI, colocando al CEO de Scale AI, Alexandr Wang de 28 años, como director de IA de Meta, creando el Meta Superintelligence Lab (MSL). El ganador del Premio Turing, LeCun, en la nueva estructura, debía reportar a este joven de 28 años. En octubre, Meta eliminó alrededor de 600 puestos en el MSL, incluidos miembros del departamento de investigación FAIR, creado por LeCun.
Y el modelo insignia Llama 4 Behemoth, planeado para el verano de 2025, también se pospuso repetidamente, del verano al otoño, y finalmente se archivó indefinidamente.
Meta转而 desarrolló el siguiente modelo de texto con nombre en código "Avocado" y el modelo de imagen/vídeo con nombre en código "Mango". Según los informes, el objetivo de Avocado es competir con GPT-5 y Gemini 3 Ultra. Originalmente planeado para finales de 2025, debido a que las pruebas de rendimiento y la optimización del entrenamiento no cumplían con los estándares, se pospuso para el primer trimestre de 2026. Meta está considerando lanzarlo de forma cerrada, abandonando la tradición de código abierto de la serie Llama.
Meta cometió dos errores fatales en sus modelos de IA. El primero fue falsear los benchmarks, lo que destruyó directamente la confianza de la comunidad de desarrolladores; el segundo fue meter un departamento de investigación básica como FAIR, que necesita una década de trabajo meticuloso, a la fuerza en una organización de productos que persigue KPI trimestrales. Estas dos cosas combinadas son la razón fundamental de la actual fuga de talento.
Chips de diseño propio: Otra pata que se rompe
El talento se va, y los chips también tienen problemas.
Según The Information, Meta canceló la semana pasada el proyecto de su chip de entrenamiento de IA más avanzado en desarrollo interno.
El plan de chips de diseño propio de Meta se llama MTIA (Meta Training and Inference Accelerator). La hoja de ruta inicial de la empresa era ambiciosa: las versiones MTIA v4 con nombre en código "Santa Barbara", v5 "Olympus" y v6 "Universal Core" planeaban entregarse entre 2026 y 2028.其中 Olympus fue diseñado como el primer chip de Meta basado en arquitectura chiplet de 2nm, con el objetivo de cubrir simultáneamente el entrenamiento de modelos de gama alta y la inferencia en tiempo real,最终取代 el papel de Nvidia en los clústeres de entrenamiento de Meta.
Ahora, este chip de entrenamiento más avanzado ha sido cancelado.
Meta no carecía de progreso; el MTIA tuvo algunos éxitos en el lado de la inferencia. El chip de inferencia MTIA v3, con nombre en código "Iris", ya se ha desplegado a gran escala en los centros de datos de Meta,主要用于 los sistemas de recomendación de Facebook Reels e Instagram, y según se informa redujo el coste total de propiedad entre un 40% y un 44%. Pero la inferencia y el entrenamiento son dos cosas diferentes. La inferencia es ejecutar el modelo, el entrenamiento es entrenar el modelo. Meta puede fabricar sus propios chips de inferencia, pero no puede fabricar chips de entrenamiento que compitan frontalmente con los de Nvidia.
Históricamente, esta no es la primera vez. En 2022, Meta intentó desarrollar sus propios chips de inferencia; después de fallar en un despliegue a pequeña escala, los abandonó directamente y realizó un gran pedido a Nvidia.
El revés en los chips de diseño propio aceleró directamente la ola de compras externas de Meta.
Compras de pánico por 135.000 millones de dólares
En enero de 2026, Meta anunció que su presupuesto de gasto de capital para este año era de 115.000 a 135.000 millones de dólares, casi el doble de los 72.200 millones del año pasado. La mayor parte de este dinero se gastará en chips.
En 10 días, se materializaron tres grandes pedidos consecutivos:
El 17 de febrero, Meta firmó un acuerdo estratégico plurianual y multigeneracional con Nvidia. Meta desplegará "millones" de GPU Blackwell y la nueva generación Vera Rubin de Nvidia, además de CPU independientes Grace. Los analistas estiman que la escala de la transacción es de decenas de miles de millones de dólares, y Meta se convierte en el primer cliente de supercomputación a gran escala a nivel mundial en desplegar CPU independientes Grace de Nvidia.
El 24 de febrero, Meta firmó un acuerdo de chips plurianual con AMD por un valor de 60.000 a 100.000 millones de dólares. Meta comprará las últimas GPU de la serie MI450 de AMD y las CPU EPYC de sexta generación. Como parte del acuerdo, AMD emitió a Meta warrants para un máximo de 160 millones de acciones ordinarias, equivalentes a aproximadamente el 10% de las acciones de AMD, a un precio de 0,01 dólares por acción, que se otorgarán por lotes según se cumplan los hitos de entrega.
El 26 de febrero, según informó The Information, Meta firmó un acuerdo plurianual con Google por valor de varios miles de millones de dólares para alquilar chips TPU de Google Cloud para entrenar y ejecutar su próxima generación de modelos de lenguaje grande.同时, ambas partes también están discutiendo que Meta compre directamente TPU a partir de 2027 para desplegarlos en sus propios centros de datos.
Una empresa de redes sociales realizó pedidos que podrían totalizar más de un billón de dólares a tres proveedores de chips diferentes en 10 días.
Esto no es una diversificación de la cartera. Es una compra de pánico.
La lógica de la ansiedad por la potencia de cálculo
¿Por qué Meta tiene tanta prisa?
Primero, no se puede contar con los chips de diseño propio. La cancelación del proyecto de chip de entrenamiento más avanzado significa que Meta, en un futuro previsible, solo podrá depender de compras externas para satisfacer sus necesidades de entrenamiento de IA. Los chips MTIA de inferencia pueden manejar negocios maduros como los sistemas de recomendación, pero para entrenar modelos de vanguardia como Avocado, que compite con GPT-5, se debe usar hardware de Nvidia o de nivel equivalente.
Segundo, la competencia no esperará. OpenAI ya ha obtenido recursos masivos, desde Microsoft y SoftBank hasta fondos soberanos de los Emiratos Árabes Unidos. Anthropic ha asegurado el suministro de 1 millón de chips TPU y Trainium de Google y Amazon respectivamente. Google Gemini 3 se entrenó completamente en TPU. Si Meta no obtiene suficiente potencia de cálculo, ni siquiera podrá mantener su billete de entrada a la carrera.
Tercero, y quizás lo más fundamental, Zuckerberg necesita utilizar el "poder de compra" para compensar la insuficiencia de la "capacidad de I+D". El fracaso de Llama 4, la fuga de talento clave y el revés en los chips de diseño propio, estas tres cosas combinadas, han debilitado la narrativa de IA de Meta ante Wall Street. Firmar ahora grandes pedidos con Nvidia, AMD y Google libera al menos una señal: tenemos dinero, estamos comprando, no nos rendimos.
La estrategia actual de Meta es: si no puedes con el software, invierte en hardware; si no puedes retener a las personas, compra chips. Pero la competencia de IA no es un juego que se pueda ganar simplemente escribiendo cheques. La potencia de cálculo es una condición necesaria, no suficiente. Sin un equipo de modelos de primer nivel y una ruta tecnológica clara,再多 los chips solo serán costosas existencias en almacenes.
El dilema del comprador
Mirando hacia atrás en las tres transacciones de Meta en febrero, un detalle interesante pasó desapercibido para la mayoría.
Meta le compró a Nvidia el actual Blackwell y el futuro Vera Rubin; la transacción con AMD fue para comprar el MI450 y el futuro MI455X; a Google le alquiló el actual Ironwood TPU, con planes de comprarlo directamente el próximo año.
Tres proveedores, tres arquitecturas de hardware y ecosistemas de software completamente diferentes.
Esto significa que Meta tendrá que saltar constantemente entre tres ecosistemas subyacentes截然 diferentes: CUDA de Nvidia, ROCm de AMD y XLA/JAX de Google. Una estrategia de múltiples proveedores puede diversificar el riesgo de la cadena de suministro y压低 la prima de compra de hardware, pero traerá consigo una complejidad de ingeniería que se dispara exponencialmente.
Esta es precisamente la debilidad más fatal de Meta en este momento. Hacer que un modelo de billones de parámetros se entrene eficientemente en这三种硬件上硬件 con modelos de programación subyacentes completamente diferentes requiere no solo ingenieros que entiendan CUDA, sino arquitectos capaces de construir marcos de entrenamiento multiplataforma desde cero.
Es posible que en todo el mundo no haya más de 100 personas así. Pang Ruoming era uno de ellos.
Gastar 100.000 millones de dólares en comprar la combinación de hardware más compleja del mundo, mientras se pierden los cerebros capaces de dominar ese hardware, esta es la imagen más surrealista en la apuesta arriesgada de Zuckerberg.
La apuesta de Zuckerberg
Si alejamos el zoom, la forma en que Zuckerberg ha operado en IA durante los últimos 18 meses es sorprendentemente similar al ritmo que tuvo cuando se jugó todo al metaverso:
Ver la tendencia, invertir fuertemente, reclutar masivamente, encontrar obstáculos, girar estratégicamente abruptamente, volver a invertir fuertemente.
De 2021 a 2023 fue el metaverso,结果每年亏上百亿,最终股价从 380 美元跌到 88 美元。De 2024 a 2026 es la IA,同样是不计代价地砸钱、频繁的组织重组,同样是「creeme, tengo visión」的叙事.
La diferencia es que esta vez el boom de la IA es mucho más real que el del metaverso. Y Meta tiene dinero para quemar; su negocio publicitario genera un flujo de caja充沛, en el cuarto trimestre de 2025 Meta tuvo unos ingresos de 59.900 millones de dólares, un aumento interanual del 24%.
El problema es: el dinero puede comprar chips, comprar potencia de cálculo, incluso personas sentadas en sus puestos de trabajo, pero no puede comprar a las personas que se quedan.
Pang Ruoming eligió OpenAI, Russ Salakhutdinov eligió irse, LeCun eligió emprender.
La apuesta de Zuckerberg ahora es que, siempre que compre suficientes chips, construya centros de datos lo suficientemente grandes y gaste suficiente dinero, eventualmente encontrará o formará a las personas que puedan utilizar estos recursos.
Esta apuesta podría funcionar. Después de todo, Meta es una de las empresas tecnológicas más ricas del mundo, y un flujo de caja operativo de más de 100.000 millones de dólares es su foso más sólido. Desde OpenAI hasta Anthropic, desde Google hasta otros competidores, Meta continúa reclutando personas. Según un informe de Qbitai, de las 44 personas del equipo de superinteligencia de Meta, casi el 40% proviene de OpenAI.
Pero la残酷之处 de la competencia de IA radica en que las reservas de potencia de cálculo, la lista de talentos y el rendimiento del modelo son públicos. El escándalo de falseamiento de benchmarks de Llama 4 demostró que en esta industria, no se puede mantener el liderazgo solo con PowerPoint y relaciones públicas.
El mercado最终 solo reconoce una cosa: si tu modelo es lo suficientemente bueno.
La posición en la cadena alimentaria
La carrera de armamento de IA entró en 2026, la clasificación de la cadena alimentaria ya es初步 clara:
En la cima están OpenAI y Google. OpenAI tiene el modelo más fuerte, la mayor base de usuarios y la financiación más agresiva. Google tiene una integración vertical completa con chips de diseño propio, modelos de diseño propio e infraestructura cloud de diseño propio. Anthropic le sigue de cerca,依靠 la capacidad de producto de su modelo Claude y el suministro dual de potencia de cálculo de Google y Amazon, se mantiene firmemente en la primera梯队.
¿Meta? Ha invertido la mayor cantidad de dinero, firmado la mayor cantidad de contratos de chips, realizado las reorganizaciones organizativas más frecuentes, pero hasta ahora, no ha presentado un modelo de vanguardia que convenza al mercado.
La historia de IA de Meta se parece un poco a Yahoo en 2005. En ese entonces, Yahoo también era una de las empresas más ricas de Internet, también estaba comprando e invirtiendo como loca, pero simplemente no podía hacer un motor de búsqueda como el de Google. El dinero no lo es todo. Zuckerberg necesita tener claro qué quiere hacer exactamente Meta con la IA, en lugar de comprar lo que esté de moda.
Por supuesto, todavía es premature escribir el obituario de Meta. 3.580 millones de usuarios activos mensuales, 59.900 millones de dólares de ingresos trimestrales, el mayor conjunto de datos sociales del mundo, estos son activos que ningún competidor puede replicar fácilmente.
Si el próximo modelo, con nombre en código Avocado, puede entregarse según lo planeado en 2026 y volver a la primera梯队, toda la inversión y reorganización de Zuckerberg se empaquetará como "la魄力 estratégica para salvar la situación". Pero si vuelve a no cumplir con las expectativas, entonces estos 135.000 millones de dólares solo habrán servido para comprar almacenes de obleas de silicio que se calientan con la electricidad.
Después de todo, la carrera de armamento de IA de Silicon Valley nunca ha carecido de超级 compradores que agitan cheques. Lo que falta son personas que sepan cómo usar esa potencia de cálculo para forjar el futuro.
