本期词条：闪电战式收购 & 买断式创新
收购Manus并非Meta在AI领域的孤注一掷，而是其2025年“闪电战式收购”战略的收官之笔。显然，闪电战式收购与买断式创新，已成为Meta在AI赛道上想要缓解焦虑的“处方药”。
2025年12月30日，一则收购公告为年末的全球AI赛道投下重磅炸弹。科技巨头Meta正式宣布达成对Manus母公司蝴蝶效应的收购协议，经业内消息确认交易规模高达数十亿美元，跻身Meta收购史第三席位，仅次于190亿美元收购WhatsApp和148亿美元收购Scale AI。
此次收购的核心标的Manus，凭借全球首款通用AI Agent产品一度引爆市场，上线后处理tokens超147万亿，创建虚拟计算机超8000万台，百万级用户覆盖让其内测邀请码曾在二手平台爆炒至数万元。从年初爆火到年末被Meta收入囊中，这家源自中国的初创公司走完了被巨头“收编”的快速路径，而Meta的闪电出手，就像是土豪生了病不惜花费重金求药。
这场收购的本质，是Meta在AI赛道话语权争夺中的紧迫感外露。扎克伯格此前提出的“个人超级智能”愿景，需要足够硬核的技术底座支撑，而Manus在通用Agent领域的落地能力，恰好填补了Meta的生态空白。当AI成为科技巨头的核心叙事，在用户注意力向AI迁移的浪潮中，社交基本盘的稳固已离不开前沿AI技术的加持，Meta很急躁！
“买买买”，AI困局下的激进补位梳理全年，Meta的AI收购清单已相当冗长：6月以148亿美元收购Scale AI 49%股份，将其创始人纳入麾下主导AI团队；后续接连发起对AI搜索公司Perplexity、前OpenAI首席科学家创立Ilya的SSI等企业的收购攻势，虽部分未能成功，却仍通过挖角核心人才补位；此外，人工智能穿戴公司Limitless也被其收入囊中。
前OpenAI首席科学家创立Ilya
公开信息显示，Meta在2025年至少完成4起明确的AI相关收购，加上多起未遂收购及人才挖角，其在AI领域的“买买买”姿态堪称激进。这种激进背后，是Meta在AI业务发展上的深层困局。尽管Meta AI月活已超10亿，看似成绩亮眼，但盈利端的压力始终未解——2025年三季度，Meta调整后净利润率仅3.6%，远低于谷歌的34.2%。
雪上加霜的是，今年年4月Meta重磅推出的Llama 4模型，市场反馈持续平平。用户体验不佳、性能体验不达标等问题缠身。甚至被曝出高管离职、团队内斗等内部不和谐声音。
Llama 4的遇冷，暴露了Meta现有AI技术的诸多局限与模型核心问题。作为此前开源路线的核心成果，Llama 4在实际商业落地中，推理能力、多模态整合效果及任务执行稳定性均大幅落后于谷歌Gemini 3、OpenAI GPT-5等闭源旗舰模型。
更致命的是，Meta后续转向闭源研发的Avocado模型，还被曝存在“套壳”嫌疑，通过蒸馏阿里Qwen、谷歌Gemma等第三方模型数据推进训练，核心自研能力缺失的短板彻底暴露。
与谷歌、微软的AI成果对比，Meta的差距更为直观。谷歌凭借Gemini模型实现每分钟70亿tokens的处理能力，云服务中70%客户使用AI产品，生成式AI收入激增200%；微软则通过Microsoft 365 Copilot拿下90%财富500强客户，Azure AI Foundry接入8万客户，形成成熟的企业AI生态闭环。
反观Meta，AI技术既无底层核心竞争力，又难以脱离社交生态实现独立商业化，这也正是其急于通过收购买断创新能力的核心原因。
没有大厂不想做AI，砸钱仍是上上签Meta的AI焦虑并非个例，国内多家大厂正面临相似困境。百度堪称“起大早赶晚集”的典型，早期“All in AI”的布局未能转化为市场优势，文心大模型5.0月活仅1077万，远低于字节豆包的1.5亿，主营业务搜索份额也被短视频平台挤压至30%左右。
腾讯则因战略滞后陷入被动，C端AI产品腾讯元宝月活暴跌，内部架构调整迟到至年末才落地，错失先发优势。阿里的纠结同样明显，钉钉深耕垂直产业AI与Qoder发力AIGC的双路线缺乏协同，资源分散导致竞争力不足。
在国内大厂中，有些选择强化概念包装企图扬长避短，有些急得像热锅上的蚂蚁只能干着急。而Meta，却是财大气粗真金白银，不断收购和买断，以此快速补全技术短板，缩短研发周期，借助被收购团队的成熟经验实现技术落地。像Scale AI的纳入就直接助推了Meta超级智能实验室的快速运转。
尽管对Manus数十亿美元的收购成本推高了资本开支（2025年Meta资本开支预计达700-720亿美元，较上一年的 392.3 亿美元，预计同比增幅超过70%。），另外，不同团队的文化融合、技术协同仍存在不确定性。
对于Meta而言，收购Manus只是AI豪赌的一个节点。未来，这些通过“闪电战”纳入的创新能力能否真正转化为竞争力，仍需时间检验。但是，目前想要做好AI，在自身能力欠缺的情况下，疯狂砸钱仍是最好的办法。