2026年4月，全球AI基础设施领域发生了一起关键人事变动——OpenAI“星门”项目的三位核心负责人彼得·赫舍勒、沙梅兹·赫马尼与阿努杰·萨哈兰，正式加入了Meta。他们的离开恰逢OpenAI的战略调整：公司近期暂停了英国星门项目，同时收缩基建支出，把资源集中到核心模型的研发与迭代上。
Meta眼下正加速AI基础设施的布局，2026年的资本支出上限达到1350亿美元，其中超过60%将投入AI数据中心建设、定制芯片研发以及分布式算力网络的搭建。这次引入三位专家，正是为了支撑超智能实验室的技术攻坚，以及满足最新大语言模型Muse Spark的训练与优化需求。作为Meta的下一代多模态模型，Muse Spark的训练预计需要消耗超过500万小时的GPU算力，而Meta现有的基础设施很难满足这种高效迭代的需求。
这三位核心成员的技术专长集中在大规模AI数据中心的设计、部署与能效优化上。他们曾主导的阿比林数据中心，采用了沉浸式液冷散热系统和分布式存储架构，单机柜算力密度达到每千瓦18 petaflops，比行业平均水平高出30%，能源利用效率（PUE）更是低至1.08，能明显降低运营成本。这些技术积累将帮助Meta快速提升算力供给能力，预计2026年内就能完成3个超大规模AI数据中心的落地，为Muse Spark提供每秒1.2 exaflops的算力支持——这比Meta2025年的现有算力提升了约50%。
Meta的这一举措，不仅填补了自身在AI基础设施领域的高端人才缺口，还直接增强了和OpenAI在算力层面的竞争实力。当前AI模型的性能提升高度依赖算力的规模与效率，Meta通过引入这个核心团队，有望缩短Muse Spark的研发周期，让它在多模态理解与生成能力上达到行业领先水平。
从行业动态来看，2026年全球AI基础设施市场规模预计将突破8000亿美元，同比增长28%，各大科技巨头都在加大投入：谷歌云计划在新加坡新建AI数据中心，部署超过10万台TPU v5e芯片；亚马逊AWS则推出了新一代Graviton4芯片，专门针对AI推理任务优化，性能提升了40%。至于竞争对手的动态，OpenAI在暂停英国星门项目后，并没有放弃算力布局——从其近期发布的招聘信息来看，公司正在寻找具备量子计算与分布式系统经验的工程师，计划把算力资源集中到北美核心区域，以此应对Meta等对手的挑战。
快报