物界前沿Meta这波暴跌，和蛋白质折叠有什么关系
Meta财报出了，营收增28%，自由现金流却只剩7.84亿。市场直接砸了10%下去。扎克伯格把310亿美元砸进数据中心和服务器，相当于把广告赚的钱全烧给了算力。这让我想起一个老问题：当AI模型训练成本持续膨胀，最终买单的到底是谁。
算力军备竞赛，生物信息学早就看过了
我在做蛋白质结构预测时，经常要跟GPU集群打交道。一个AlphaFold2推理跑一个蛋白，成本大概几块钱。但Meta训练Llama 3，据说一次训练成本就超过1亿美元。这中间差了上千万倍。
有意思的是，Meta的ESM-2模型（蛋白质语言模型）其实也吃算力。他们用2000多个GPU训练了几个月，最后产出一个能预测蛋白质结构的模型。但问题是，蛋白结构预测领域，ESM-2的精度并没有比AlphaFold2好多少，反而因为模型太大，推理成本极高。换句话说，Meta砸了那么多钱，在生物应用上并没有产生对应的商业回报。
所以扎克伯格现在做的，本质上是在赌。赌大模型泛化能力提升后，能催生出新的杀手级应用。但生物信息学告诉我们一个残酷事实：数据质量和任务定义比模型规模更重要。AlphaFold2成功不是因为参数多，而是因为用了PDB数据库里高质量的结构数据，加上巧妙的物理约束。
自由现金流枯竭，科研基金是怎么玩的
Meta二季度自由现金流只有7.84亿，去年同期是124亿。这相当于把赚的钱全投到基建里了。科研圈里有个词叫“间接成本”，就是大学从NIH拿经费，要扣掉一部分用在基础设施维护上。如果经费全烧掉，实验室基本停滞。
Meta现在就是这种状态。广告业务还能赚钱，但资本开支比重太高，导致自由现金流吃紧。如果经济下行，广告收入下滑，这杠杆就撑不住了。
对比之下，很多生物科技公司走的是“轻算力重数据”路线。比如Insilico Medicine，他们用AI做药物发现，但更注重建立高质量数据飞轮，而不是一味堆GPU。他们去年营收也就几千万美元，但活得比Meta从容。
最终趋势：算力泡沫会先破灭，还是先催生新应用
我个人判断，Meta这种烧钱模式会持续到2025年底。原因很简单：大模型训练的成本曲线还没到拐点。NVIDIA的H100卖得贵，但AMD的MI300X已经在追。一旦算力成本下降，边际收益会重新平衡。
但问题在于，Meta的AI应用（比如智能眼镜、数字助手）目前还没有看到明确的商业化路径。相比之下，生物医药领域的AI应用已经跑通了：从蛋白质结构预测到药物筛选，每个环节都有临床验证。如果Meta把同样多的钱分给AI for Science，可能早就做出几个诺贝尔奖级别的成果了。
可惜，资本市场的耐心有限。扎克伯格要为“汪滔”买单多久？大概到下一个财报季，如果用户增长跟不上，他就要开始砍预算了。