ざっくり言うと、Metaのいう「超知能（personal superintelligence）」は、Llama系の次世代“超”基盤モデルを中心に、自己改善ループと巨大インフラを噛み合わせた“個人に配る超強いAI”の構想です。公開情報ベースで、仕組みはだいたい下の積み上げになります。

仕組み（公開情報から見える設計）

1) 中核モデル（基盤）

• Llama 4 世代をベースにした“ネイティブ多モーダル”の長文対応モデル群（画像・音声・テキストを最初から扱える系統）。これはLlama 4の発表内容からの延長線上にあり、文脈長の大幅拡張が特徴です。ai.meta.com
• Metaは「個人向けの超知能」を明確に掲げており、UIの表現は“Personal Superintelligence”として整理されています。meta.com+1

2) 自己改善ループ（Self-Improving）

• ザッカーバーグは「人手を最小化した学習」「自己改善」を重視する新ラボ方針を説明。モデルが自律的に学習・改善していく方向を打ち出しています。WIRED
• 7/30の発表では“最初の一歩”として自己改善の兆しに言及し、最強モデルは全面公開しない方針も示唆。Live Science+1

3) データ＆データエンジン

• 学習データの整備・合成を加速するため、Scale AI と大型提携（49%出資）・人材登用。大規模データパイプラインで継続的にモデルを回す狙い。AP News

4) インフラ（コンピュート＆ネットワーク）

• 「数千億ドル規模」の投資で、複数地域に跨る超大型AIデータセンター群を建設。電力・冷却・高帯域ネットワークを含む“AI工場”化を推進。Reuters+1
• Meta公式エンジニアリングの発信でも、AI時代向けに設計を総張り替え（スケールアウト、AI向けネットワーキング、カスタムシリコンまで）。OCP 2025でも地域分散DCの設計指針を共有。fierce-network.com+3engineering.fb.com+3techblog.comsoc.org+3

5) 公開ポリシー（オープン vs クローズ）

• Llama系は“オープンウエイト”路線を続けつつ、超知能クラスは安全面を見て全部は公開しない可能性を明言。TechCrunch

まとめ（何が“超”なの？）

• モデル能力：多モーダル×超長文×自己改善で、タスク汎用性と継続学習性を押し上げる。WIRED+1
• データエンジン：実データ＋合成データ＋継続評価の循環で“学習→運用→改善”を高速回転。AP News
• AI工場（インフラ）：超巨大DC、広域ネットワーク、（将来的な）カスタムチップまで含めた垂直統合で、莫大な計算を常時供給。Reuters+2engineering.fb.com+2
• 提供形態：一般向けには“個人の参謀”として出しつつ、最上位は慎重運用。meta.com+1

もっと深掘りしますか？たとえば「自己改善の技術的ループ（評価→データ生成→再学習）」「多モーダル推論パイプライン」「データセンター構成（電力・冷却・ネット）」など、図で噛み砕いて解説できます。