Meta: Mampu membeli ratusan miliar daya komputasi, tetapi tidak mampu mempertahankan personel kunci.

Ditulis oleh: Ada , Deep Tide TechFlow

Pang Ruoming pergi bahkan sebelum ia sempat duduk di meja kerjanya di Meta.

Pada Juli 2025, Zuckerberg membajak insinyur Tiongkok yang paling dicari di bidang infrastruktur AI ini dari Apple dengan paket kompensasi multi-tahun yang totalnya lebih dari $200 juta. Pang Ruoming ditugaskan ke Meta Superintelligence Lab untuk bertanggung jawab membangun infrastruktur untuk model AI generasi berikutnya.

Tujuh bulan kemudian, OpenAI membajaknya.

Menurut The Information, OpenAI meluncurkan kampanye rekrutmen selama berbulan-bulan untuk Pang Ruoming. Meskipun Pang mengatakan kepada rekan-rekannya bahwa dia "sangat senang bekerja di Meta," dia pada akhirnya memilih untuk pergi. Bloomberg melaporkan bahwa paket kompensasinya di Meta terikat dengan pencapaian target, dan pergi lebih awal berarti melepaskan sebagian besar opsi saham yang belum vested.

$200 juta tidak bisa membeli tujuh bulan loyalitas.

Ini bukan cerita sederhana tentang pindah kerja.

Kepergian satu orang menandakan seluruh kelompok.

Pang Ruoming bukan yang pertama pergi.

Minggu lalu, Mat Velloso, pemimpin produk untuk platform pengembang di Meta's Superintelligence Labs, juga mengumumkan kepergiannya. Dia bergabung dengan Meta Juli lalu dari Google DeepMind dan bertahan kurang dari delapan bulan. Lebih jauh ke belakang, pada November 2025, pemenang Penghargaan Turing dan chief AI scientist Yann LeCun, yang telah bersama Meta selama 12 tahun, mengumumkan kepergiannya untuk memulai bisnisnya sendiri, mengerjakan "world model" yang telah lama dia dukung. Russ Salakhutdinov, murid kunci Geoffrey Hinton dan wakil presiden riset AI generatif di Meta, juga baru-baru ini mengumumkan kepergiannya.

Untuk memahami pengurasan talenta di Meta AI, kita harus terlebih dahulu memahami betapa merusaknya Llama 4.

Pada April 2025, Meta merilis model Scout dan Maverick dalam seri Llama 4 dengan profil tinggi. Spesifikasi resmi sangat mengesankan, mengklaim bahwa mereka sepenuhnya mengungguli GPT-4.5 dan Claude Sonnet 3.7 dalam tes benchmark inti seperti MATH-500 dan GPQA Diamond.

Namun, model unggulan yang mewujudkan ambisi Meta ini dengan cepat menunjukkan warna aslinya dalam tes buta independen yang dilakukan oleh pihak ketiga di komunitas open-source, dengan kemampuan generalisasi dan inferensi aktualnya jauh di bawah kinerja yang diiklankan. Menghadapi kritik keras dari komunitas, Chief AI Scientist Yann LeCun akhirnya mengakui bahwa tim "menggunakan versi model yang berbeda untuk menjalankan set tes yang berbeda selama fase pengujian untuk mengoptimalkan skor akhir."

Dalam komunitas akademis dan teknik AI yang ketat, ini melampaui garis merah yang tidak dapat dimaafkan. Dengan kata lain, tim melatih Llama 4 menjadi "peserta ujian kota kecil" yang hanya bisa menyelesaikan soal ujian masa lalu, bukan "siswa terbaik" yang benar-benar maju dengan kecerdasan terdepan. Ini seperti menunjukkan kertas ujian matematika dan kertas ujian pemrograman—setiap tes individual tampak kuat, tetapi mereka sebenarnya bukan model yang sama.

Dalam dunia akademis AI, ini disebut "cherry picking," sementara dalam pendidikan berorientasi ujian, ini disebut "mengikuti ujian atas nama orang lain."

Untuk Meta, yang selalu menyebut dirinya sebagai "mercusuar open source," gejolak ini secara langsung menghancurkan aset kepercayaan yang paling berharga dalam ekosistem pengembang. Biaya langsungnya adalah bahwa Zuckerberg "sepenuhnya kehilangan kepercayaan" pada fundamental teknik tim GenAI asli, sehingga menjadi panggung untuk penunjukan eksekutif tingkat tinggi berikutnya dan pengesampingan departemen infrastruktur inti.

Dia menghabiskan $14,3 miliar hingga $15 miliar untuk mengakuisisi saham 49% di perusahaan pelabelan data Scale AI, membawa CEO Scale AI berusia 28 tahun Alexandr Wang sebagai Chief AI Officer Meta dan mendirikan Meta Superintelligence Lab (MSL). Pemenang Penghargaan Turing LeCun diminta untuk melapor kepada anak muda berusia 28 tahun ini dalam struktur baru. Pada Oktober, Meta memberhentikan sekitar 600 pekerjaan di MSL, termasuk anggota divisi riset FAIR yang didirikan LeCun.

Model unggulan Llama 4 Behemoth, yang awalnya direncanakan untuk dirilis pada musim panas 2025, telah berulang kali ditunda, dari musim panas ke musim gugur, dan akhirnya ditunda tanpa batas waktu.

Meta telah mengalihkan fokusnya untuk mengembangkan model teks generasi berikutnya dengan nama kode "Avocado" dan model gambar/video dengan nama kode "Mango." Avocado dilaporkan dirancang untuk bersaing dengan GPT-5 dan Gemini 3 Ultra. Awalnya dijadwalkan untuk dirilis pada akhir 2025, telah ditunda hingga kuartal pertama 2026 karena pengujian kinerja dan optimasi pelatihan yang tidak memuaskan. Meta mempertimbangkan untuk merilisnya sebagai closed source, meninggalkan tradisi open-source seri Llama.

Meta membuat dua kesalahan fatal dengan model AI-nya. Pertama, ia memalsukan data benchmark, yang secara langsung menghancurkan kepercayaan komunitas pengembang. Kedua, ia memasukkan departemen riset fundamental seperti Fair, yang memerlukan pekerjaan yang berdedikasi selama satu dekade, ke dalam organisasi produk yang berfokus pada KPI kuartalan. Kedua tindakan ini digabungkan adalah akar penyebab pengurasan talenta saat ini.

Chip yang dikembangkan sendiri: Kaki patah lainnya

Talenta pergi, dan ada masalah dengan chip.

Menurut The Information, Meta membatalkan proyek chip pelatihan AI paling canggihnya, yang sedang dikembangkan secara internal, minggu lalu.

Proyek chip yang dikembangkan sendiri Meta disebut MTIA (Meta Training and Inference Accelerator). Roadmap awal perusahaan ambisius: MTIA v4, dengan nama kode "Santa Barbara," v5, dengan nama kode "Olympus," dan v6, dengan nama kode "Universal Core," direncanakan untuk dikirim antara 2026 dan 2028. Di antaranya, Olympus dirancang menjadi chip pertama Meta berdasarkan arsitektur chiplet 2nm, bertujuan untuk secara bersamaan mencakup pelatihan model kelas atas dan inferensi waktu nyata, dan akhirnya menggantikan peran NVIDIA di cluster pelatihan Meta.

Sekarang, chip pelatihan canggih ini telah dibatalkan.

Meta tidak tanpa kemajuan; MTIA telah mencapai beberapa kesuksesan dalam inferensi. Chip inferensi MTIA v3, dengan nama kode "Iris," telah diterapkan dalam skala besar di pusat data Meta, terutama untuk sistem rekomendasi Facebook Reels dan Instagram, dilaporkan mengurangi total biaya kepemilikan sebesar 40% hingga 44%. Namun, inferensi dan pelatihan adalah dua hal yang berbeda. Inferensi menjalankan model, sementara pelatihan melatihnya. Meta dapat membuat chip inferensinya sendiri, tetapi tidak dapat membuat chip pelatihan yang dapat bersaing langsung dengan Nvidia.

Ini bukan pertama kalinya dalam sejarah. Pada 2022, Meta mencoba mengembangkan chip inferensinya sendiri, tetapi meninggalkan proyek setelah gagal dalam penerapan skala kecil dan sebagai gantinya menempatkan pesanan besar dengan Nvidia.

Kemunduran dalam mengembangkan chipnya sendiri secara langsung mempercepat belanja outsourcing Meta.

$135 miliar dalam pembelian panik

Pada Januari 2026, Meta mengumumkan anggaran belanja modal tahun ini antara $115 miliar dan $135 miliar, hampir dua kali lipat dari $72,2 miliar tahun lalu. Sebagian besar uang ini akan dihabiskan untuk chip.

Dalam 10 hari, tiga pesanan besar berhasil dilakukan:

Pada 17 Februari, Meta menandatangani perjanjian kerja sama strategis multi-tahun, lintas generasi dengan NVIDIA. Meta akan menerapkan "jutaan" GPU NVIDIA Blackwell dan Vera Rubin generasi berikutnya, ditambah CPU diskrit Grace. Analis memperkirakan kesepakatan itu bernilai puluhan miliar dolar, menjadikan Meta pelanggan superkomputer pertama di dunia yang menerapkan CPU diskrit NVIDIA Grace dalam skala besar.

Pada 24 Februari, Meta dan AMD menandatangani perjanjian chip multi-tahun senilai $60 miliar hingga $100 miliar. Meta akan membeli GPU seri MI450 terbaru AMD dan CPU EPYC generasi keenam. Sebagai bagian dari kesepakatan, AMD menerbitkan waran kepada Meta untuk hingga 160 juta saham biasa, mewakili sekitar 10% saham AMD, vesting secara bertahap di $0,01 per saham berdasarkan pencapaian target pengiriman.

Pada 26 Februari, The Information melaporkan bahwa Meta menandatangani perjanjian multi-tahun senilai miliaran dolar dengan Google untuk menyewa chip TPU dari Google Cloud untuk melatih dan menjalankan model bahasa besar generasi berikutnya. Kedua perusahaan juga mendiskusikan Meta membeli TPU secara langsung untuk diterapkan di pusat datanya sendiri mulai 2027.

Sebuah perusahaan media sosial menempatkan pesanan dengan tiga pemasok chip dalam 10 hari, yang berpotensi totalnya lebih dari $100 miliar.

Ini bukan diversifikasi. Ini adalah pembelian panik.

Logika Tiga Lapis dari Kecemasan Daya Komputasi

Mengapa Meta begitu terburu-buru?

Pertama, chip yang dikembangkan sendiri bukan lagi opsi yang layak. Pembatalan proyek chip pelatihan paling canggih berarti bahwa Meta harus mengandalkan pembelian eksternal untuk memenuhi kebutuhan pelatihan AI-nya dalam waktu dekat. Sementara chip MTIA untuk inferensi dapat menangani aplikasi matang seperti sistem rekomendasi, melatih model terdepan seperti Avocado, yang menyaingi GPT-5, memerlukan NVIDIA atau perangkat keras yang setara.

Kedua, pesaing tidak akan menunggu. OpenAI telah mengamankan sumber daya besar dari Microsoft, SoftBank, dan dana kekayaan berdaulat UEA. Anthropic telah mengamankan pasokan 1 juta TPU dan chip Trainium masing-masing dari Google dan Amazon. Gemini 3 Google dilatih sepenuhnya pada TPU. Jika Meta tidak dapat memperoleh daya komputasi yang cukup, ia bahkan tidak akan bisa mengamankan entri ke dalam perlombaan.

Ketiga, dan mungkin yang paling fundamental, Zuckerberg perlu menggunakan "daya beli" untuk mengkompensasi kekurangan "kemampuan R&D." Kegagalan Llama 4, kehilangan talenta kunci, dan kemunduran dalam chip yang dikembangkan sendiri—ketiga peristiwa ini digabungkan telah membuat narasi AI Meta rapuh di mata Wall Street. Menandatangani kesepakatan besar dengan Nvidia, AMD, dan Google pada saat ini mengirimkan setidaknya satu sinyal: Kami punya uang, kami membeli, dan kami belum menyerah.

Strategi Meta saat ini adalah berinvestasi dalam perangkat keras jika mereka tidak dapat menyelesaikan masalah perangkat lunak, dan membeli chip jika mereka tidak dapat mempertahankan talenta. Tetapi perlombaan AI bukan permainan yang bisa Anda menangkan hanya dengan menulis cek. Daya komputasi adalah kondisi yang diperlukan, tetapi bukan kondisi yang cukup. Tanpa tim model tingkat atas dan roadmap teknis yang jelas, jumlah chip berapa pun tidak akan mengubah apa pun selain inventaris mahal di gudang.

Dilema Pembeli

Melihat kembali tiga transaksi Meta di Februari, detail menarik telah diabaikan oleh kebanyakan orang.

Meta membeli Blackwell saat ini dan Vera Rubin masa depan dari Nvidia; dalam kesepakatannya dengan AMD, ia membeli MI450 dan MI455X masa depan; dan ia menyewa TPU Ironwood saat ini dari Google, dengan rencana untuk membelinya langsung tahun depan.

Tiga pemasok, tiga arsitektur perangkat keras dan ekosistem perangkat lunak yang sepenuhnya berbeda.

Ini berarti bahwa Meta harus menavigasi antara tiga ekosistem dasar yang sepenuhnya berbeda: CUDA NVIDIA, ROCm AMD, dan XLA/JAX Google. Meskipun strategi multi-vendor dapat mengurangi risiko rantai pasokan dan mengurangi premi pengadaan perangkat keras, itu juga akan menyebabkan peningkatan eksponensial dalam kompleksitas teknik.

Ini adalah kelemahan paling fatal Meta. Untuk memungkinkan model dengan triliunan parameter dilatih secara efisien pada tiga model pemrograman dasar yang sepenuhnya berbeda ini pada perangkat keras yang berbeda, itu memerlukan tidak hanya insinyur yang memahami CUDA, tetapi juga arsitek yang dapat membangun kerangka pelatihan lintas platform dari awal.

Mungkin ada tidak lebih dari 100 orang seperti ini di dunia. Pang Ruoming adalah salah satunya.

Menghabiskan $100 miliar untuk mengakuisisi portofolio perangkat keras paling kompleks di dunia sambil secara bersamaan kehilangan otak yang dapat mengendalikannya—ini adalah aspek paling surealis dari taruhan Zuckerberg.

Taruhan Zuckerberg

Memperbesar, pendekatan Zuckerberg terhadap AI selama 18 bulan terakhir sangat mirip dengan strategi all-in-nya dalam menjelajahi metaverse beberapa tahun lalu:

Melihat tren, mereka berinvestasi besar-besaran dan merekrut sejumlah besar orang; ketika mereka menghadapi kemunduran, mereka membuat pergeseran strategis mendadak dan berinvestasi besar-besaran lagi.

Periode dari 2021 hingga 2023 adalah metaverse, yang menghasilkan kerugian puluhan miliar dolar setiap tahun, dan harga saham akhirnya turun dari $380 menjadi $88. Periode dari 2024 hingga 2026 adalah AI, yang juga melibatkan pengeluaran uang tanpa mempertimbangkan biaya, restrukturisasi organisasi yang sering, dan narasi yang sama "Percayalah padaku, aku punya visi."

Perbedaannya adalah bahwa tren AI ini memang jauh lebih nyata daripada metaverse. Meta, di sisi lain, memiliki banyak uang tunai untuk dibakar; bisnis iklannya menghasilkan arus kas yang substansial. Pada kuartal keempat 2025, pendapatan Meta mencapai $59,9 miliar, peningkatan year-on-year sebesar 24%.

Masalahnya adalah: uang dapat membeli chip, daya komputasi, dan bahkan orang yang duduk di workstation, tetapi tidak dapat membeli orang yang tetap tinggal.

Pang Ruoming memilih OpenAI, Russ Salakhutdinov memilih untuk pergi, dan LeCun memilih untuk memulai bisnisnya sendiri.

Taruhan Zuckerberg saat ini adalah bahwa selama dia membeli chip yang cukup, membangun pusat data yang cukup, dan menghabiskan uang yang cukup, dia pada akhirnya dapat menemukan atau melatih orang yang dapat menggunakan sumber daya ini.

Taruhan ini mungkin benar. Lagi pula, Meta adalah salah satu perusahaan teknologi terkaya di dunia, dengan lebih dari $100 miliar dalam arus kas operasi menjadi keunggulan kompetitif terkuatnya. Dari OpenAI hingga Anthropic, dari Google hingga pesaing lain, Meta telah terus-menerus membajak talenta. Menurut Qubit, hampir 40% dari 44 anggota tim Superintelligence Meta berasal dari OpenAI.

Namun, kenyataan kejam dari perlombaan AI adalah bahwa cadangan daya komputasi, daftar talenta, dan kinerja model adalah semua informasi publik. Insiden penipuan benchmark Llama 4 membuktikan bahwa dalam industri ini, Anda tidak dapat mempertahankan keunggulan Anda dengan mengandalkan presentasi PPT dan hubungan masyarakat.

Pada akhirnya, pasar hanya mengakui satu hal: seberapa bagus model Anda.

Posisi dalam rantai makanan

Saat perlombaan senjata AI memasuki 2026, urutan rantai makanan mulai menjadi jelas:

Di puncak adalah OpenAI dan Google. OpenAI membanggakan model terkuat, basis pengguna terbesar, dan pendanaan paling agresif. Google memiliki integrasi vertikal lengkap dari chip, model, dan infrastruktur cloudnya sendiri. Anthropic mengikuti dari dekat, dengan teguh memegang posisinya di tingkat pertama berkat kekuatan produk model Claude-nya dan pasokan daya komputasi ganda dari Google dan Amazon.

Meta telah menghabiskan uang paling banyak, menandatangani kontrak chip paling banyak, dan reorganisasi paling sering, tetapi sejauh ini, belum menghasilkan model terdepan yang dapat meyakinkan pasar.

Cerita AI Meta agak mirip dengan Yahoo di 2005. Saat itu, Yahoo adalah salah satu perusahaan terkaya di internet, secara agresif mengakuisisi dan menghabiskan uang, tetapi tidak bisa membuat mesin pencari seperti Google. Uang bukanlah segalanya. Zuckerberg perlu mencari tahu persis apa yang ingin Meta lakukan dengan AI, alih-alih hanya membeli apa pun yang sedang tren.

Tentu saja, masih terlalu dini untuk menulis obituari Meta. 3,58 miliar pengguna aktif bulanan, $59,9 miliar dalam pendapatan kuartalan, dan dataset sosial terbesar di dunia adalah aset yang tidak dapat dengan mudah direplikasi oleh pesaing mana pun.

Jika model generasi berikutnya, dengan nama kode Avocado, dapat dikirim sesuai jadwal pada 2026 dan kembali ke tingkat atas, semua pengeluaran dan restrukturisasi Zuckerberg akan dibungkus sebagai "keberanian strategis untuk membalikkan keadaan." Tetapi jika gagal memenuhi harapan lagi, maka $135 miliar hanya akan menghasilkan deretan gudang wafer silikon yang dipanaskan.

Lagi pula, perlombaan senjata AI Silicon Valley tidak pernah kekurangan pembeli super yang melambaikan cek mereka. Yang kurang adalah orang yang tahu cara menggunakan daya komputasi itu untuk menempa masa depan.