智通财经APP获悉，Facebook以及Instagram母公司Meta Platforms(META.US)于10月15日发布Muse Spark Open，即全面开放这个主攻AI超级编程与AI智能体任务的大模型权重，同时将本周推出且综合性能指标先进得多的Muse Wonder保持闭源模式。Meta这一最新大模型动态也意味着该公司在AI应用与大模型层面的商业逻辑逐渐清晰——以开放权重模型吸引更多开发者涌向Meta社区并且扩大算力资源需求与AI应用部署，同时还聚焦以高端模型、开发工具和推理效率更加强劲的云端算力负载承接更加昂贵的AI付费订阅需求。
Meta表示，Muse Spark Open乃“迄今为主美国能力最强的开放权重AI大模型”，因此从AI算力需求扩张趋势而言，开源此举对于近日持续暴跌的半导体与AI算力主题堪称重大积极催化剂——从本地工作站到企业私有AI算力集群，再到公共云，开放权重有望让智能体进入更多此前因成本、数据控制和定制需求而难以覆盖的场景，为“闭源与开源AI齐飞”的算力需求持续大扩张提供新动力。
在AI开发者生态中，open-weight AI通常指代“开放权重AI大模型”，即开发者可以下载模型训练完成后的参数，在自有服务器或云环境中部署、微调和推理;但模型开发方未必公开训练数据、数据处理方法、训练代码、完整架构细节，也可能通过许可证限制商业用途或特定应用。
严格意义上的开源AI范围更广：除权重外，还应提供足以让使用者研究、修改和复现系统的代码、架构及训练数据信息，并保障使用、研究、修改和再分发等基本自由。因此，开放权重是“模型成品可拿来使用和改造”，真正的开源AI则进一步开放“模型如何被制造出来”;前者可以是后者的一部分，目前通常语境的“开源”通常指代的是“开放权重AI大模型”，但是开放权重不必然等于开源所有技术环节与代码。
Meta这项重磅发布可谓恰逢芯片股承压。截至10月15日美股收盘，纳斯达克100下跌0.05%，周内累计跌3.07%、10月以来跌1.56%，年内仍涨18.56%;较本月收盘纪录回撤4.13%，尚未进入通常以跌幅10%界定的技术性回调。有着“AI算力主题交易风向标”称号的费城半导体指数则下跌0.88%，连续七连跌且累计回撤12.38%步入技术性回调区域，10月以来则累计跌8.29%。
当前市场正在重估高通胀卷土重来、10年期美债收益率激增态势且持续位列二十年最高位背景之下的全球融资成本愈发高企与AI资本回收周期模糊。当前长端无风险利率仍处高位，驱动信用风险溢价进一步扩大，共同抬高融资成本，乃压制AI算力主题与半导体股票的最核心机制。10月15日10年及以上更长期限的美债收益率指标有所回落，叠加黄仁勋对CoreWeave前景的积极表态已缓和抛压，但半导体似乎仍未止跌。因此，Meta最新开放模型的潜在投资层面意义，在于能否扩大有支付能力的AI应用需求、改善算力利用率，让AI芯片、存储芯片、数据中心CPU等核心AI基建类硬件采购最终对应更扎实的现金回报。
Meta开放模型，同时保留最先进AI技术的闭源商业模式
Facebook以及Instagram母公司Meta Platforms于当地时间周四重磅宣布向全球开发者们开放了旗下一个新人工智能模型，允许下载和修改，同时继续将最先进的技术保持闭源，以努力将AI投资转化为收入。
周四，Meta宣布发布Muse Spark Open的“开放权重”——即允许开发者自行运行和调整模型的参数设置。Meta表示，这款旨在支持编程和AI智能体的模型，不及本周早些时候推出的Muse Wonder先进。发布这款能力相对较弱的开放权重模型，兑现了Meta此前让其技术得到广泛使用的承诺。
“出于安全和能力两方面的考虑，我们通常不会将最强大的模型开源，”Meta首席AI官亚历山大·王在采访中表示。“但我们确实认为，持续将优秀模型开源非常重要，我们打算继续这样做。”
包括阿里巴巴集团和DeepSeek在内的中国AI大模型领军者企业，在开发允许开发者自行调整的开源AI模型方面取得了巨大成功。这些模型迅速得到采用，包括在美国的普及，进一步加剧了两国之间的技术竞争。
Meta首席执行官马克·扎克伯格长期以来一直倡导向开发者社区开放AI模型及其基础构件。但去年，在公司的开放权重Llama模型令硅谷失望后，扎克伯格重组了Meta的AI部门，并引入王。此后，王帮助开发了一系列能力更强、但保持闭源的模型。
王表示，他认为美国企业发布开放权重模型十分重要，这有助于确保它们在快速发展的AI竞赛中保持对中国AI大模型领军者们的领先地位。“世界上大多数AI将运行在开放模型之上，”他表示。“这些模型应该来自美国。”
与此同时，他预计中国AI开发者会学习Muse Spark Open，并在其基础上继续开发。“如果中国模型开发者群体将我们的一些技术原则融入它们的模型，甚至可能是一件好事，”他表示。
Muse Spark Open发布之际，Meta也在着手建立自己的云业务，通过该业务销售AI模型和计算基础设施的访问服务。王表示，免费提供Muse Spark Open不会削弱这项业务。相反，他将其视为吸引客户的入口：开发者可以先自行试验，当需要更多算力时，再向Meta付费购买额外工具。
开发者目前可以通过Baseten、Fireworks AI、Groq、Modal、Nebius、OpenRouter和Together AI等平台使用Muse Spark Open。模型权重可在Amazon SageMaker AI、Google Cloud Model Garden和Hugging Face下载。
Meta表示，公司与苹果合作，确保该模型能够在两台搭载M5 Ultra芯片的Mac Studio台式电脑上运行，让开发者可以使用自己的硬件，而不必依赖远程服务器。
开放模型拓宽应用，Astra等闭源模型有望持续抬高能力上限——即闭源争夺能力上限，开源拓宽与强化算力需求边界
值得注意的是，“开放权重”是交付方式，不是性能来源，开放改变的是开发者获取、部署和改造模型的方式。“开放权重”意味着开发者能够获取训练好的模型参数，自行部署、微调和适配业务。它的产业价值在于降低应用落地门槛，让模型从少数平台提供的服务，扩展为更多企业可以自主使用的计算能力，进而为推理调用和算力需求打开更广阔的增长空间。
Muse Spark Open的差异化优势，主要集中于AI智能体相关高效率工具执行、原生多模态与可自主部署的组合。它采用混合专家架构(MoE)，拥有8160亿总参数、每Token激活约420亿参数，支持100万Token上下文，接受文本、图像、音频和视频输入，输出文本。在Meta按各模型指定推理档位公布的对照中，其MCP-Atlas工具任务得分89.2，高于GLM 5.3的84.2和Kimi K3的82.3;但综合智能指数为39，低于两者的45和44，Terminal-Bench 2.1得分76.4，也低于83.9和85。
因此，Meta最新开源AI大模型Muse Spark Open在部分智能体任务上具备竞争优势，整体定位仍低于闭源Muse Wonder，不能概括为全面领先主流模型。苹果合作进一步扩大部署选择：借助MLX与量化版本，两台各配512GB统一内存的M5 Ultra Mac Studio即可运行该模型，为私有数据处理和本地研发提供路径。
从需求机制看，闭源前沿模型扩大AI能够完成的任务集合，开放模型降低这些能力进入实际业务的部署门槛。企业无需重做昂贵的基础预训练，就能开展领域微调、智能体开发和私有部署;当单位有效任务成本下降，原本不值得自动化的工作也可能获得商业价值。近期市场热议的所谓“杰文斯悖论”全面成立的关键，可谓是在于新增任务量超过单位任务算力的节省幅度。性能提升本身并不保证总算力增长，但更强能力、更低成本与更广部署同时出现，会显著增强需求扩张的可能性。
所谓的杰文斯效应(Jevons Effect)，又称杰文斯悖论，是一个反直觉的经济学理论：当前沿技术进步提高了某种资源(如能源、原材料或AI算力基础设施资源)的使用效率时，它会降低单位成本，从而刺激市场需求大规模扩张，最终导致所有类型资源的总消耗量不降反增。该概念由英国经济学家威廉·斯坦利·杰文斯(William Stanley Jevons)于1865年在《煤炭问题》一书中首次提出。
对于全球投资者们聚焦的对AI算力产业链与AI超级牛市投资风向而言，开放权重、模型路由和架构效率共同显著提升压低单位智能成本，却可能通过“杰文斯悖论”放大总算力需求。 当简单调用成本下降，企业会部署更多持续运行的智能体、并行子智能体、长上下文分析、代码自动化和实时多模态服务;单次任务可能消耗更少算力，但任务数量、推理步骤和部署节点可能增长得更快。因而开放权重大模型的大规模加速普及将把算力需求从少数闭源实验室扩散至全球范围云计算服务商、主权云、面向企业们的巨型AI数据中心和本地推理集群。
股价回调，增长逻辑仍在扩张!随着Meta拓宽应用边界，半导体酝酿反攻?
谷歌母公司Alphabet近期研究明确指出，单位Token价格降低、任务执行时间延长和应用数量增加能够同时发生，推动总AI推理需求与推理总价值上升，可谓精准相应所谓的“杰文斯悖论”。知名市场调研机构TrendForce的预测报告显示，2027年NVL72机架出货量同比增长超过50%，包含GB200/GB300以及下一代基于Vera Rubin架构的相关围绕英伟达AI GPU的NVL机架系统总产值有望超过7100亿美元，同比增长214%，其中包含产品升级和价格上涨的影响。
近日风靡全球的Meta Muse AI智能体与“比肩AGI”的OpenAI Astra大模型/AI智能体带来的最核心变化，可谓是一次用户指令可以触发持续、多阶段的计算工作。一个研究、编程或办公任务，可能依次包含规划、检索、读取文档、调用工具、执行代码、检查结果和修正错误，其中多个步骤需要重新调用模型，复杂任务还可能采用并行探索与验证，而这类近乎无止境且愈发复杂的AI工作负载会把增长机会加速传导至GPU之外的完整聚焦AI推理负载的算力系统。
Meta开放Muse Spark Open，可谓是为应用扩散和推理需求增长提供了新的技术推动力。随着Meta Muse与OpenAI的GPT-6 Astra全面引爆AI智能体大浪潮，加之最新动态所显示的同样聚焦最前沿AI智能体工作负载的Muse Spark Open这一“迄今为主美国能力最强的开放权重AI大模型”重磅发布，“AI FOMO交易”(指投资者担心错过AI相关资产的上涨机会，因而追买或回补此前降低的仓位)很可能在近日随之卷土重来。
从AI算力基础设施底层架构看，Muse与Astra，以及Meta最新开源的Muse Spark Open有望共同进一步扩大AI智能体使用范围，它们带来的天量级别AI推理工作负载大举扩张会同时增加模型推理、工具执行和状态管理需求，同时加深了部分软件公司的竞争压力。GPU、TPU等加速器承担模型计算;高性能服务器CPU运行浏览器、虚拟机、商品检索、数据库查询和交易编排;HBM与服务器DRAM承载模型数据、上下文及并发工作环境;企业级SSD保存商品索引、任务记录与持久状态，高速网络和光互连则支撑分布式数据交换。
华尔街金融巨头摩根大通近期表示，该机构全球股票市场策略师团队所看好的，是仓位拥挤缓解、估值回落与盈利韧性共同形成的重新布局机会，尤其偏好半导体。按该机构最新发布的研报来看，自6月以来，半导体未来12个月每股盈利预测上调约30%至40%，全球软件板块盈利预期则缺乏相应改善;该机构最新引用的超大规模云计算厂商们资本开支前景预测为：2026年约9,500亿美元、2027年大约1.4万亿美元、2030年至少约3万亿美元，并且预计2027年AI相关创收增长步伐将呈现井喷式扩张轨迹。
高盛科技行业专家Peter Callahan在近期发布的一份研究观点中也指出，AI长期投资趋势仍然完整，半导体估值已经压缩，个人助手与消费级AI的发展，有望帮助板块在三季度财报季重新站稳。高盛与摩根大通的最新研报，可谓支撑“AI算力与半导体具备反攻强大条件”的看涨判断，而且分别补上了资金面与盈利面的关键证据。
高盛关注增量买家何时回归，摩根大通的另一份关于看好韩国股市反弹前景的研报判断对于AI算力交易至关重要的存储芯片盈利高位能否持续得比市场预期更久。
高盛所描述的“三大援军”，有望改善AI资产重新获得定价的资金环境。高盛资金流向团队在最新报告《Witching Hour》中指出，按照《Witching Hour》的测算，10月底约48%的标普500成分股将重新进入回购开放窗口;历史上，11月贡献全年约10.1%的回购执行量，再叠加共同基金财年末税务卖压消退、年末散户资金流入，以及中期选举后的海外配置需求，股票供求关系可能逐渐改善。其中，约1900亿美元海外买盘属于历史规律外推的潜在规模。对于经历集中减仓的半导体，买盘恢复意味着企业即使只是证明订单和盈利没有明显恶化，也可能触发仓位回补。不过，科技板块回购执行量同比下降40%，说明资本开支正在与股东回报竞争资金;AI股票要持续吸引增量配置，仍需证明投入GPU、网络基础设施和数据中心光互连、CPU等关键AI基建资源的相关资本投入能够形成更高的未来现金流。
摩根大通的看涨逻辑更直接落在“市场是否过早折价存储盈利回落”上。10月15日该机构发布的一份关于韩国股市的半导体研究报告显示，宏观层面对AI投资持续性的担忧，与存储行业自下而上的供需数据存在明显脱节，因此把三季度视为“预期重置季”，未来六个月核心超配三星电子、SK海力士、铠侠，并延伸至三星电机、AI PCB和测试插座。这里的“久期交易”，押注的是上行周期持续更久、高盈利维持更长：即使涨价斜率放缓，只要HBM、服务器DRAM和企业级SSD需求继续吸收新增产能，市场此前计入的利润快速下滑就可能需要重新修正。这也解释了为什么存储股能够先于盈利见顶下跌，却又可能在盈利持续时间得到验证后提前反弹;决定机会的，是实际盈利路径与股价隐含预期之间的差距。
Meta开放模型，为“盈利持续时间可能被低估”增加了应用端依据。Muse Wonder等闭源前沿模型扩大智能体能够完成的任务边界，Muse Spark Open这类开放权重模型则降低企业定制、私有部署和迁移的门槛，使更多工作流具备经济可行性。
从底层AI基建技术机制来看，最前沿AI智能体任务体系一次完整任务可能包含反复规划、代码执行、检索、工具调用与结果校验，消耗的不只是GPU/TPU/ASIC计算，还包括CPU执行资源、KV缓存、主机内存、SSD及高速互连。MoE稀疏激活降低每Token计算量，也不意味着全模型权重存储和通信需求同比例消失。由此推演，当新增任务量、并发量与工作流程长度的增长超过单位任务算力消耗的下降，杰文斯效应就可能推动总算力需求扩张;开放与闭源协同发展的意义，正在于同时提升能力上限与应用覆盖面。
热门跟贴