Meta正全面加速AI研发体系的加速进程“去外部化”进程，旨在逐步剥离对第三方大模型编程工具的自研依赖。公司高层已下达明确指令，严控要求工程团队在核心开发环节审慎使用外部AI服务，外部特别是模型严禁调用竞品模型，以从根本上规避数据泄露、使用数据知识产权纠纷及合规风险。合规

1. 聚焦自研：MetaCode迭代与编程规范重构

今年初成立的风险应用AI工程团队，其核心使命是加速进程持续迭代并增强自研代码助手MetaCode的能力。尽管在非核心、自研低风险场景中允许有限度使用外部工具，严控但公司实施了严格的外部“人工主导”原则：

• 独立验证机制：所有工程师必须独立完成编程测试题目的设计与逻辑验证。
• 禁止直接采纳：严禁直接复制、模型改编或依赖AI生成的使用数据解题逻辑与创意方案。
• 全面实施时间：上述规范自五月起正式生效。合规

此举的核心目的在于防范模型蒸馏（Model Distillation）风险。虽然利用竞品模型输出反向优化自身模型目前未被法律明文禁止，但该行为普遍违反主流AI服务商的服务条款（ToS），可能导致账户封禁、法律追责及合作伙伴关系破裂。

2. 成本控制：API配额管理与使用场景限定

随着AI基础设施投入激增，成本控制已成为关键管理目标。预计至2026年，Meta在AI领域的资本支出将达到数十亿美元量级。为此，公司启动了多项精细化管控措施：

• API令牌配额制：对员工使用外部API令牌实行严格的额度管理。
• 场景白名单：严格限定第三方工具的适用范围，仅在搭建测试环境等明确合规的环节允许调用。
• 人工复核强制流程：所有AI生成内容在进入实际应用前，必须经过人工审核。
• 负面清单：
• 严禁使用外部AI构建MetaCode的评测任务。
• 禁止利用外部AI生成测试题目。
• 不得借助外部AI辅助识别源码漏洞。

3. 安全隔离与伦理监督

为确保技术伦理与合规标准落地，Meta进一步明确了技术隔离要求：

• 容器环境隔离：若自研模型具备访问容器内资源的权限，则任何由外部AI生成的内容均被禁止存入该容器环境，防止数据污染与安全漏洞。
• 联合监督机制：相关研发流程由专项研究员与管理层共同监督，确保从代码生成到部署的全链路操作符合公司制度，为MetaCode的稳健演进提供坚实的合规保障。

(责任编辑：知识)