La spesa di Meta per l'AI con Microsoft rivela un'inattesa dipendenza da Azure

Secondo quanto riferito, Meta spende ogni anno centinaia di milioni di dollari in Microsoft Azure, nonostante stia costruendo una delle più grandi infrastrutture di intelligenza artificiale del settore tecnologico. Stando a una persona a conoscenza delle attività, il rapporto tra Meta e Microsoft coinvolge ora migliaia di miliardi di token AI ogni settimana.

Un token è una piccola unità di testo elaborata da un modello AI. Il volume di token riflette l'intensità del carico di lavoro, pur non rivelando il numero di utenti o di attività coinvolti. La spesa per Azure riportata da Bloomberg rende Meta uno dei maggiori clienti AI di Microsoft, secondo la fonte anonima.

La spesa non è semplicemente un altro contratto cloud. Meta sviluppa Llama, gestisce i propri data center, acquista enormi quantità di hardware di calcolo e compete per gli stessi utenti AI di Microsoft e OpenAI. Eppure, secondo quanto riferito, utilizza modelli OpenAI attraverso il cloud di Microsoft per contribuire a valutare gli output dei propri sistemi.

Questo crea l'inversione centrale. Uno dei più aggressivi costruttori al mondo di infrastrutture AI indipendenti paga una piattaforma rivale per l'accesso ai modelli e alla capacità di calcolo. Microsoft, nel frattempo, ricava entrate dai consumi di un'azienda che compete con i suoi prodotti AI.

Nessuna delle due aziende ha confermato la spesa o il volume di token riportati. Microsoft e Meta hanno rifiutato di commentare con Bloomberg, lasciando senza risposta importanti interrogativi sui carichi di lavoro, la durata dei contratti e la selezione dei modelli.

La notizia offre comunque una rara prospettiva sull'economia che sta dietro ai grandi sistemi AI. La domanda di cloud si concentra sempre più tra aziende tecnologiche che già dispongono di infrastrutture sostanziali. Queste aziende costruiscono internamente, acquistando al contempo capacità esterna ogni volta che velocità, disponibilità o qualità del modello lo giustificano.

Cosa starebbe acquistando Meta da Microsoft

L'utilizzo di Azure da parte di Meta sembra combinare capacità di calcolo esterna, accesso a modelli di terze parti e un modo più rapido per testare i propri sistemi AI.

Secondo Bloomberg, Meta consuma migliaia di miliardi di token attraverso il cloud di Microsoft ogni settimana. I suoi sviluppatori avrebbero accesso a modelli di OpenAI e di altri fornitori tramite Microsoft Foundry, la piattaforma dell'azienda per distribuire e valutare modelli AI.

Il rapporto afferma che Meta seleziona l'accesso ai modelli su diverse piattaforme in base a costi e disponibilità. Questa descrizione indica una strategia di approvvigionamento multicloud piuttosto che una partnership esclusiva. Meta può indirizzare le singole attività al fornitore che in quel momento offre la capacità o il modello richiesto.

Un carico di lavoro riportato è particolarmente rivelatore. Gli sviluppatori di Meta hanno utilizzato la tecnologia OpenAI disponibile tramite Foundry per valutare gli output prodotti dai modelli AI della stessa Meta.

La valutazione dei modelli misura qualità quali accuratezza, pertinenza, sicurezza e rispetto delle istruzioni. Gli sviluppatori possono confrontare una risposta con materiale di riferimento o chiedere a un altro modello di attribuirle un punteggio. La documentazione sulla valutazione di Microsoft descrive flussi di lavoro che utilizzano modelli distribuiti per analizzare output esistenti e completare conversazioni.

Utilizzare il modello di un concorrente come valutatore non significa che Meta dipenda da OpenAI per ogni giudizio. I sistemi di valutazione combinano normalmente punteggi automatizzati, revisione umana, test e molteplici controlli basati su modelli. Il rapporto di Bloomberg non rivela l'equilibrio tra questi metodi.

L'accordo può comunque accelerare lo sviluppo. Un team che testa molte versioni di modello deve generare output, assegnare punteggi, indagare i fallimenti e ripetere il processo. L'accesso a modelli esterni consente a quel team di aggiungere un ulteriore giudice senza attendere infrastrutture interne aggiuntive.

Azure offre anche un livello di controllo consolidato attorno a questi carichi di lavoro. Gli ingegneri possono gestire distribuzioni, autorizzazioni, monitoraggio, dataset e capacità regionale tramite un'unica piattaforma. Queste caratteristiche operative possono contare quanto l'accesso a un modello specifico.

Il volume riportato per Meta suggerisce che i carichi di lavoro vadano oltre gli esperimenti occasionali. Migliaia di miliardi di token settimanali rappresenterebbero un utilizzo industriale sostenuto, anche se il rapporto non fornisce un totale preciso.

Anche i conteggi dei token richiedono un'interpretazione attenta. Un prompt più lungo consuma più token di input, mentre i sistemi di ragionamento possono generare una quantità significativa di testo interno e di output. Le valutazioni ripetute moltiplicano l'utilizzo perché più modelli possono elaborare lo stesso campione.

Anche la spesa annuale riportata copre un insieme non noto di voci. Potrebbe includere inferenza dei modelli, valutazione, archiviazione, networking, capacità riservata o servizi Azure correlati. Nessuna delle due aziende ha pubblicato una ripartizione.

Questa incertezza impedisce confronti diretti con i costi di calcolo interni di Meta. Le fatture cloud includono infrastruttura e servizi gestiti, mentre i calcoli dei costi interni distribuiscono nel tempo hardware, energia, strutture, networking e attività di ingegneria.

Il cambiamento evidente è strategico, non contabile. Meta è disposta ad acquistare grandi carichi di lavoro esterni mentre finanzia la propria ampia espansione nell'AI. Questo rende Azure un complemento pratico dell'infrastruttura di Meta, non solo un canale di distribuzione per Llama.

Perché il rapporto tra Meta e Microsoft conta ora

La spesa di Meta per Microsoft riportata offre ad Azure ciò che gli investitori hanno chiesto: la prova che aziende tecnologiche indipendenti pagheranno per consumare AI su larga scala.

Microsoft ha dichiarato che la sua attività AI aveva superato un tasso di ricavi annuali di 37 miliardi di dollari nel terzo trimestre fiscale. L'azienda ha inoltre riferito che i ricavi di Azure e degli altri servizi cloud sono cresciuti del 40% rispetto all'anno precedente.

Queste cifre coprono un ampio portafoglio e non identificano il contributo di Meta. Tuttavia, definiscono il contesto attorno al rapporto. Microsoft sta espandendo i ricavi dall'AI mentre la domanda dei clienti continua a superare la capacità di calcolo disponibile.

La call sui risultati trimestrali dell'azienda ha descritto la domanda per Azure come superiore all'offerta disponibile tra carichi di lavoro, segmenti di clienti e regioni. Microsoft prevede che questi vincoli di capacità proseguano per tutto il 2026.

Questo rende Meta preziosa per più della sua spesa riportata. Il suo carico di lavoro fornisce un esempio visibile di consumo ad alta intensità da parte di un acquirente sofisticato con alternative.

Le aziende tecnologiche comprendono l'economia dei modelli, le prestazioni dell'infrastruttura e i prezzi del cloud meglio della maggior parte dei clienti. Possono spostare carichi di lavoro, negoziare impegni importanti e costruire alternative interne. Quando un acquirente di questo tipo acquista comunque capacità esterna, rafforza l'argomentazione di Microsoft secondo cui Azure offre un valore operativo scarso.

Secondo Bloomberg, Microsoft ha indicato ByteDance, Adobe, Perplexity e l'azienda AI per le imprese Sierra tra gli altri clienti AI rilevanti. L'elenco suggerisce che la domanda rimanga fortemente concentrata nelle aziende tecnologiche.

Questa concentrazione presenta sia una conferma sia un rischio. Un piccolo gruppo di grandi clienti può generare enormi volumi di token rapidamente. Questi clienti possono anche ridurre la spesa quando cambiano le architetture dei modelli, la capacità interna o l'economia dei fornitori.

Gli impegni infrastrutturali di Microsoft rendono questa distinzione importante. L'azienda ha riportato 31,9 miliardi di dollari di spese in conto capitale nel terzo trimestre. Circa due terzi hanno sostenuto asset a vita più breve, soprattutto processori grafici e unità centrali di elaborazione.

Microsoft ha inoltre previsto circa 190 miliardi di dollari di spese in conto capitale per l'anno solare 2026. Questo totale includeva un effetto stimato di 25 miliardi di dollari dovuto a costi più elevati dei componenti.

Questi investimenti richiedono più di un interesse sperimentale. Microsoft ha bisogno di clienti i cui carichi di lavoro restino attivi dopo la conclusione dei progetti pilota. I servizi basati sul consumo trasformano ogni richiesta, valutazione o attività di agente in utilizzo cloud misurato.

Meta fornisce il tipo di carico di lavoro che può assorbire capacità in modo continuo. Lo sviluppo dei modelli richiede supporto ripetuto per l'addestramento, inferenza, valutazione, assistenza alla programmazione e test di sicurezza. Ogni ciclo di miglioramento può generare un altro grande lotto di token.

Ecco perché il rapporto conta più dell'annuncio di un altro cliente aziendale. Meta non sta adottando l'AI per la prima volta. Gestisce già prodotti consumer su scala globale e impiega ricercatori AI di primo piano.

I suoi acquisti Azure riportati rappresentano quindi capacità aggiuntiva, specializzazione o accesso strategico ai modelli. Ciascuna spiegazione rafforza una parte diversa dell'argomentazione di Microsoft sulla propria piattaforma.

L'utilizzo aggiuntivo mostra che anche i più grandi costruttori interni incontrano limiti di capacità. L'utilizzo specializzato mostra che gli strumenti cloud gestiti possono rimanere preziosi accanto a infrastrutture private. L'accesso strategico mostra che la diversità dei modelli può influenzare il luogo in cui vengono eseguiti i carichi di lavoro.

Microsoft trae vantaggio da tutte e tre le spiegazioni. Può vendere infrastruttura senza richiedere ai clienti di abbandonare i propri modelli, cloud o sistemi interni.

Il risultato mette sotto pressione anche Amazon Web Services e Google Cloud. Entrambi competono per gli stessi carichi di lavoro flessibili, in particolare quelli delle aziende AI che non vogliono dipendere da un unico fornitore. Disponibilità e selezione dei modelli possono spostare la spesa prima che si sviluppi una fedeltà alla piattaforma a lungo termine.

Azure trae profitto dal bisogno di scelta dei modelli di un rivale

L'inversione fondamentale è che Microsoft può trarre profitto dalle ambizioni AI di Meta anche quando i prodotti di Meta competono direttamente con Microsoft e OpenAI.

Meta e Microsoft hanno già collaborato in passato. Nel 2023, Microsoft è diventata il partner preferito di Meta per Llama 2, mentre Azure ha aggiunto il modello al proprio catalogo per gli sviluppatori.

Quella partnership su Llama ha posizionato Microsoft come distributore della famiglia di modelli apertamente disponibili di Meta. Ha inoltre dato ai clienti Azure accesso agli strumenti cloud di Microsoft per il filtraggio dei contenuti e la distribuzione.

L'ultimo rapporto descrive traffico che si muove nella direzione opposta. Meta acquisterebbe accesso a modelli tramite Azure, inclusa tecnologia OpenAI utilizzata durante le valutazioni.

Questa relazione bidirezionale mostra perché le piattaforme cloud evitano di puntare su un unico fornitore di modelli. Un cliente può offrire il proprio modello attraverso un marketplace acquistando al tempo stesso un altro modello per un'attività separata.

Microsoft Foundry è progettato attorno a questa flessibilità. Riunisce modelli, agenti, strumenti di valutazione, controlli di sicurezza e gestione della distribuzione in un ambiente comune. I clienti possono scegliere tra sistemi proprietari e di terze parti senza ricostruire ogni livello operativo.

Questa posizione agnostica rispetto ai modelli conferisce a Microsoft leva oltre la sua alleanza con OpenAI. Se un laboratorio perde la leadership tecnica, Azure può continuare a vendere accesso ad altri modelli. Se i clienti costruiscono i propri sistemi, Microsoft può vendere l'infrastruttura e il livello di gestione.

Il comportamento riportato di Meta sostiene questo meccanismo. L'azienda non deve dichiarare un modello universalmente superiore. Può selezionare un modello per la programmazione, un altro per la valutazione e i propri modelli per i prodotti consumer.

Questo approccio riflette il modo in cui lavorano realmente i team AI avanzati. La qualità dei modelli varia in base all'attività, alla lingua, all'obiettivo di latenza, al requisito di sicurezza e alla lunghezza del contesto. La scelta migliore per generare codice potrebbe non essere il miglior valutatore di quel codice.

La stessa logica si applica alla capacità. Un’azienda può possedere infrastrutture sufficienti per una domanda di produzione prevedibile, ma aver comunque bisogno di risorse cloud durante i picchi di test. Progettare ogni server per la domanda di picco lascia in seguito hardware costoso sottoutilizzato.

La capacità esterna riduce quel ritardo. Un team di sviluppo può eseguire una grande valutazione senza attendere un nuovo data center o cluster di acceleratori. Test più rapidi possono accorciare l’intervallo tra una modifica al modello e il rilascio di un prodotto.

Meta ha solide ragioni per attribuire valore a questa velocità. Il suo assistente AI compete con ChatGPT, Microsoft Copilot, Google Gemini e altri prodotti consumer. I miglioramenti dei modelli perdono valore quando i rivali li rilasciano per primi.

Microsoft affronta l’incentivo opposto. Vuole monetizzare quanta più attività AI possibile, compresa quella che rafforza un concorrente. I ricavi di Azure non richiedono che l’assistente di Microsoft vinca ogni interazione con gli utenti.

Questa configurazione ricorda le precedenti dinamiche competitive del cloud. Netflix è diventata un importante cliente AWS pur competendo con l’attività video di Amazon. I fornitori cloud hanno imparato che i ricavi infrastrutturali possono coesistere con la rivalità a livello di prodotto.

L’AI alza la posta perché gli strati infrastrutturale e applicativo sono più strettamente connessi. I fornitori di modelli influenzano prestazioni, sicurezza ed economia. I marketplace cloud determinano inoltre quali modelli i clienti possono utilizzare rapidamente.

Microsoft deve quindi convincere i clienti che sosterrà la scelta dei modelli senza favorire ingiustamente le proprie applicazioni. I grandi acquirenti tecnologici osserveranno l’allocazione della capacità, i termini contrattuali, i controlli sui dati e l’accesso a modelli concorrenti.

La partecipazione di Meta conferisce credibilità ad Azure, ma non garantisce fedeltà. Il report afferma che Meta acquista su più piattaforme in base a costi e disponibilità. Questo rende Microsoft un fornitore all’interno di un mercato degli approvvigionamenti dinamico.

L’inversione resta commercialmente interessante per Microsoft. Ogni carico di lavoro Meta eseguito tramite Azure monetizza una domanda che l’infrastruttura di Meta non poteva soddisfare, o non riusciva a soddisfare in modo sufficientemente efficiente.

Cosa non dimostra il volume di token riportato

Bilioni di token settimanali dimostrano attività, ma non provano che Azure sia diventata indispensabile per Meta né che ogni carico di lavoro generi profitti duraturi.

Il primo limite riguarda le fonti. Bloomberg attribuisce le affermazioni centrali a una persona a conoscenza della questione. Meta e Microsoft hanno rifiutato di commentare e nessuna delle due ha divulgato l’accordo in un documento regolamentare.

I lettori dovrebbero quindi considerare spesa, volume e posizione nella classifica dei clienti come informazioni riportate. La direzione generale è coerente con le dichiarazioni pubbliche di entrambe le aziende, ma le cifre esatte restano non confermate.

Il secondo limite riguarda i token. Il volume dei token non è una misura standardizzata del valore economico tra modelli diversi. Sistemi differenti utilizzano metodi di tokenizzazione, lunghezze dei prompt, processi di ragionamento, approcci di caching e schemi di output diversi.

Un trilione di token di input a basso costo non genera gli stessi ricavi di un trilione di token di output provenienti da un modello più grande. Gli input memorizzati nella cache possono inoltre avere un’economia diversa rispetto all’elaborazione non memorizzata nella cache.

I carichi di lavoro di valutazione possono essere particolarmente intensivi in termini di token. Un singolo campione può essere generato da un modello, valutato da un altro e analizzato rispetto a vari criteri. Ripetere questo processo su molte versioni del modello aumenta il volume senza aggiungere utenti finali.

Questo non rende l’attività poco importante. La valutazione è una parte necessaria dello sviluppo dei modelli. Significa però che i totali dei token non possono rivelare adozione, ricavi o valore aziendale senza ulteriore contesto.

Il terzo limite è la concentrazione dei clienti. I maggiori clienti AI di Microsoft includono, secondo quanto riportato, altre aziende tecnologiche con notevole potere negoziale. La loro domanda può crescere rapidamente, ma può anche spostarsi rapidamente.

Meta può ridurre l’uso di Azure man mano che la propria infrastruttura si espande. Può spostare i carichi di lavoro verso AWS, Google Cloud, Oracle o un altro fornitore. Può anche sostituire costosi modelli esterni per la valutazione con sistemi interni più piccoli.

Le carenze di capacità cloud rafforzano oggi la posizione di Microsoft. Una maggiore offerta potrebbe indebolirla in seguito aumentando la concorrenza sui prezzi. Nuovi acceleratori e modelli più efficienti potrebbero ridurre ulteriormente la potenza di calcolo necessaria per ogni attività.

I recenti resoconti sulle crescenti spese per l’AI mostrano chiaramente questa tensione. Microsoft e Meta stanno impegnando risorse enormi prima che il settore abbia stabilito rendimenti stabili a lungo termine per ogni carico di lavoro.

Microsoft afferma che i modelli basati sul consumo allineano i ricavi al valore per il cliente. Questa tesi dipende dal fatto che i clienti continuino a vedere benefici misurabili da agenti, strumenti di programmazione, valutazioni e altri servizi AI.

Meta affronta un problema correlato. L’accesso a modelli esterni può accelerare lo sviluppo, ma può anche esporre l’azienda alla variazione dei costi dei fornitori e all’allocazione della capacità. La dipendenza diventa rischiosa quando un flusso di lavoro critico non dispone di un sostituto pratico.

Le prove disponibili non dimostrano quel livello di dipendenza. Gli acquisti multicloud riportati di Meta suggeriscono una diversificazione deliberata. Il suo enorme investimento interno fornisce un’altra fonte di potere negoziale.

Non vi sono inoltre prove che Microsoft ottenga accesso agli output proprietari dei modelli di Meta oltre all’elaborazione richiesta dai servizi contrattualizzati. Gli accordi cloud aziendali normalmente includono termini specifici su dati e sicurezza, ma nessuna delle due aziende ha divulgato tali dettagli in questo caso.

Privacy, proprietà intellettuale e sensibilità competitiva restano questioni centrali. Le valutazioni dei modelli possono contenere capacità non pubblicate, casi di fallimento e piani di prodotto. Gli acquirenti sofisticati hanno bisogno di controlli rigorosi su log, conservazione, uso per l’addestramento e accesso dei dipendenti.

Microsoft pubblica linee guida sull’AI responsabile e sulla sicurezza per Foundry. La documentazione pubblica, tuttavia, non può rivelare le protezioni esatte negoziate da Meta.

La conclusione prudente è più circoscritta rispetto al titolo. Meta sembra essere un importante consumatore di Azure AI, ma la durata e la profondità strategica di questa relazione restano sconosciute.

Tre segnali che metteranno alla prova la tesi Meta Microsoft

Le prossime evidenze dovrebbero mostrare se l’uso di Azure da parte di Meta è un acquisto temporaneo di capacità o una componente duratura del suo sistema di sviluppo AI.

Il primo segnale è la prossima comunicazione di Microsoft sul consumo e sulla capacità di Azure AI. Gli investitori dovrebbero osservare se la crescita di Azure continua ad accelerare con la disponibilità di nuove risorse di calcolo.

Microsoft ha dichiarato che la domanda ha superato la capacità disponibile durante il terzo trimestre fiscale. Ha inoltre previsto una modesta accelerazione di Azure nella seconda metà dell’anno solare 2026, nonostante i continui vincoli di offerta.

Se la crescita di Azure aumenta mentre la capacità si espande, il report Meta Microsoft apparirà come parte di un modello più ampio di consumo duraturo. Una crescita più lenta dopo il miglioramento dell’offerta indebolirebbe questa interpretazione.

La concentrazione dei clienti merita pari attenzione. Microsoft potrebbe identificare altri grandi clienti AI esterni o descrivere l’adozione di Foundry in maggiore dettaglio. Una base clienti più ampia ridurrebbe la dipendenza da poche aziende tecnologiche.

Il secondo segnale riguarda le previsioni infrastrutturali di Meta e il calendario dei rilasci dei modelli. Meta pianifica attualmente investimenti straordinari in data center, processori, networking e ricerca AI.

Una maggiore capacità interna non riduce automaticamente la spesa cloud. Uno sviluppo dei prodotti più rapido può aumentare la domanda totale a sufficienza da far crescere sia l’infrastruttura interna sia quella esterna.

La questione importante è dove Meta indirizza i carichi di lavoro marginali. La continua valutazione di modelli esterni dopo l’entrata in funzione della nuova capacità di Meta indicherebbe che Azure offre più di un semplice surplus temporaneo.

Un forte calo dell’accesso ai modelli acquistati suggerirebbe una strategia ponte. Meta potrebbe affittare capacità finché i propri cluster, modelli o strumenti di valutazione non saranno sufficienti.

I lanci dei modelli offriranno prove indirette. Cicli di rilascio più rapidi, sistemi di programmazione migliorati o nuove affermazioni sulle valutazioni potrebbero mostrare come Meta utilizza risorse esterne. L’azienda dovrebbe comunque divulgare una metodologia sufficiente affinché gli osservatori esterni possano collegare tali cambiamenti ad Azure.

Il terzo segnale è il movimento tra fornitori cloud e di modelli concorrenti. AWS e Google Cloud possono rispondere con impegni di capacità, marketplace di modelli, servizi di valutazione o contratti rivolti ai grandi sviluppatori AI.

Le variazioni di prezzo conterebbero, ma i prezzi puri non decideranno ogni carico di lavoro. Disponibilità, latenza, sicurezza, qualità dei modelli e velocità di implementazione influenzano le decisioni di acquisto. Una piattaforma con capacità immediata può prevalere anche quando un’altra opzione appare più economica sulla carta.

Resta rilevante anche la relazione tra OpenAI e Microsoft. Meta utilizza, secondo quanto riportato, la tecnologia di OpenAI tramite Azure, eppure Microsoft promuove sempre più una selezione più ampia di modelli. Cambiamenti in tale alleanza potrebbero influenzare accesso, economia o fiducia dei clienti.

Un Foundry multifornitore più forte rafforzerebbe il ruolo di Microsoft come fornitore di servizi pubblici AI. Una dipendenza più stretta da un singolo laboratorio di modelli renderebbe Azure più esposta alle prestazioni e alla strategia di quel fornitore.

Per sviluppatori e acquirenti aziendali, la lezione pratica non è copiare la spesa di Meta. È separare la scelta del modello dalla fedeltà infrastrutturale.

Un team può mantenere sistemi interni utilizzando modelli esterni per la valutazione. Può anche distribuire i carichi di lavoro tra fornitori quando capacità o prestazioni cambiano. Questa flessibilità richiede dataset portabili, test ripetibili e chiari controlli di sicurezza.

Gli acquirenti dovrebbero misurare il valore prodotto da ogni carico di lavoro, non soltanto il suo volume di token. L’assistenza alla programmazione dovrebbe migliorare i tempi di consegna o i tassi di difetti. Le valutazioni dovrebbero individuare i fallimenti che incidono sugli utenti. Gli agenti dovrebbero ridurre i costi delle attività o aumentare un output misurabile.

Dovrebbero inoltre mantenere una via d’uscita. Un valutatore basato su modelli può integrarsi nelle decisioni di rilascio, rendendo difficile la sostituzione. I team hanno bisogno di set di benchmark e processi di revisione umana che resistano a un cambio di fornitore.

La relazione riportata rivela in definitiva un mercato in cui i concorrenti sono anche clienti, distributori e fornitori di infrastrutture. Meta può sfidare le applicazioni di Microsoft sostenendo al contempo i ricavi di Azure. Microsoft può distribuire Llama vendendo a Meta l’accesso ai modelli OpenAI.

Questa configurazione persisterà solo finché ciascuna parte riceverà più valore di quanto cede. Le prove più chiare arriveranno dal consumo futuro, dalle divulgazioni sull’infrastruttura e dallo spostamento dei carichi di lavoro tra cloud.

Osservate questi segnali invece di considerare i bilioni di token come un verdetto definitivo. Mostreranno se si tratta di arbitraggio di capacità a breve termine o di uno strato duraturo dello stack di sviluppo AI di Meta.