在AI基础设施支出持续膨胀的压力下，Meta正试图从内部寻找降本之道。

7月21日，据科技媒体The Information报道，Meta内部AI孵化器AAI Labs正在开发一款名为"Switchboard"的AI模型路由工具，其核心逻辑与OpenRouter的Auto Router产品高度相似——通过对任务难度评分，将简单请求分流至更廉价的小模型，从而降低整体推理成本。

Switchboard目前仍处于早期阶段，能否最终落地尚不确定。但据The Information获得的内部文件显示，Meta团队已明确提出两条潜在路径：一是在公司内部部署以压缩成本，二是面向大规模运行AI编程智能体的外部组织公开发布。

分析指出，这意味着该工具不仅是一项降本举措，也可能成为Meta在AI工具市场开辟新收入来源的尝试。

另据报道称，这一项目的提出，直接指向该公司当前面临的一个现实痛点：为每一个编程请求支付顶级模型的价格，包括那些本可由小模型轻松处理的简单任务。

直指痛点：推理成本是规模化部署的最大障碍

报道称，Switchboard项目的立项逻辑，在内部文件中被表述得相当直白："我们为每一个编程请求支付顶级模型的价格，包括那些简单的请求。"

文件进一步指出，大多数编程智能体任务完全可以由较小的模型处理，只有少数任务才真正需要前沿大模型的能力。然而现状是"所有请求都发往同一个模型，导致简单任务上的过度支出，或在复杂任务上表现不足"。

文件明确将推理成本定性为在公司内部更广泛部署智能体的"首要障碍"，并直言："成本是限制我们大规模运行智能体的关键因素。"

这一表述与Meta近期在AI支出管控上的一系列动作相互印证。据The Information此前报道，Meta今年6月曾通知员工，将在鼓励全公司更广泛采用AI工具仅数周后，开始对AI token用量设置上限，同时构建内部平台以追踪AI支出并执行token预算。

值得注意的是，Switchboard项目隶属于Meta旗下的AAI Labs，这是Meta Applied AI Engineering团队下设的内部孵化机构，于今年3月正式成立。据The Information审阅的内部文件，该机制允许员工提交AI产品和服务提案，通过审批后由小团队负责构建，并有机会对外公开发布。

截至今年7月，AAI Labs已累计批准约200个项目，涵盖消费者产品、开发者工具和内部基础设施三大方向。Switchboard正是其中之一。

这一机制折射出Meta CEO扎克伯格的更宏观战略构想——借助AI让小团队快速构建产品。扎克伯格今年4月曾对分析师表示，AI智能体意味着"小团队可以取得非常快速的进展"，并预测这项技术将推动"大量创新"。他还表示，Meta可能打造多达50款新应用。

模型路由赛道：OpenRouter之外，巨头纷纷入局

Switchboard所瞄准的模型路由赛道，正在吸引越来越多的关注。

OpenRouter凭借帮助开发者以更低成本访问多种AI模型，已在开发者群体中积累起相当人气。据The Information上周报道，OpenRouter已与一家规模更大的科技公司就潜在收购事宜展开讨论，相关交易可能将其估值推升数十亿美元——该公司今年4月的估值为13亿美元。

模型路由概念在更广泛范围内引发关注，源于OpenAI发布GPT-5时内置的路由功能——该功能可在用户提示相对简单时自动切换至更廉价的模型。此后，Databricks和Palantir等公司也相继开发了各自的路由工具，以管理成本、提升效率。

Meta此番自研Switchboard，既是对自身成本压力的主动回应，也是在这一快速升温的赛道上布局自有能力的战略选择。

更大野心：AI投资寻求多元变现

Switchboard项目的背后，是Meta将庞大AI投入转化为新工具、新业务和新收入来源的整体诉求。

Meta此前预计，今年在AI基础设施及其他设备和设施上的支出可能高达1450亿美元，较2025年的水平翻逾一倍。与此同时，Meta正在对工程团队进行重组，以强化AI开发能力。

AAI Labs孵化的项目不止于Switchboard。据The Information获得的另一份内部文件，AAI Labs还在开发一款面向驾驶者的AI导览应用，可通过Apple CarPlay和Android Auto运行，利用AI解说附近地标并允许驾驶者提问。

文件将该产品定位为Instagram地图体验的延伸，未来或整合基于位置的Reels内容、旅行推荐，乃至Meta Ray-Ban智能眼镜。

报道称，这些项目共同勾勒出Meta的路径：以员工创意为起点，快速原型化AI产品，再择机向外部市场推出——在控制成本的同时，探索广告业务之外的增量收入空间。