Meta CTO 的访谈 Q&A Q1.鉴于Meta拥有强大的算力、顶尖的研究人员和丰富的数据资源，为何至今尚未推出领先的AI模型?这是否挑战了''这三要素足以
- 序号：088
- 星球链接：打开网页
- 附件：图片 0，音频 0，文档 0
- 音频文件：无音频
图片
无图片
正文
Meta CTO 的访谈 Q&A Q1.鉴于Meta拥有强大的算力、顶尖的研究人员和丰富的数据资源，为何至今尚未推出领先的AI模型?这是否挑战了''这三要素足以打造顶级模型''的核心假设?
打造领先AI模型的核心要素是算力、研究人员和数据。虽然Llama 1、Llama 2和Lama 3曾引领行业进步，但在Llama 3开发过程中出现了明显的断层。为实现Lama3的性能，团队提前动用了所有未来的研究储备，导致后续模型的研发管道几乎被耗尽。因此，在Lama 4开发时，其他实验室持续推进的关键技术(如推理能力和专家混合模型)的探索工作并未跟进。这一情况在约一年前公开引发了失望，并促使公司战略调整，将AI从众多探索方向提升为全公司的基础优先级。由此，公司集中力量获取所需算力和人才，关键研究人员也在约一年前加入团队，如今，这一战略聚焦的成果已逐渐显现，如Muse Spark模型在与产品相关的基准测试中表现优异。尽管外界对我们模型能力的认知尚存疑虑，但团队、算力和数据已全部到位。
Q2.除了打造领先的自有模型，Meta在''模型与产品”价值创造上的战略观点是什么?尤其是在竟争对手的模型随时可用的情况下? 更多加公众号：思维纪要社 拥有自主、先进的模型对于掌控未来和保持强议价能力至关重要，但模型本身并非最终价值来源。真正的价值在于产品。我们的愿景是打造个人超级智能，这一目标我们具备独特优势。这不仅仅是拥有数据，更在于比任何人都更深入理解用户、其环境和需求。未来，消费者对底层模型的具体版本(如4.7或4.8)将趋于无感，就像他们并不关心应用背后的数据库技术一样，只会要求功能好用。当前行业对模型的关注，反映出对用户体验和实际价值的重视不足。因此，我们的战略不仅要展示技术进步，更重要的是通过卓越产品向消费者传递并沟通这些技术的价值。
Q3.顶级AI模型的构建方式如何从单一、巨型架构演变?这对Meta的研发战略意味着什么?
单一巨型模型时代在Uama 3发布时基本结束，行业已转向更复杂的多模型体系。现代AI系统(或称''调度系统”)会将任务分配给底层的各类专用模型。例如，涉及图像的查询会交给多模态模型，代码生成则由另一模型处理。当前战略是打造极其昂贵且智能的前沿模型，然后将其蒸馏为众多更小、更专用的模型。这些蒸馏模型成本更低、速度更快、延迟更小，适用于不需要极高智能的广泛任务。由于大多数人类任务并不需要无限智能，这种分层结构是必要的。目标是打造一组协同工作的模型，以最佳的性能、价格和价值解决问题，而非依赖单一模型统领全局。
Q4.鉴于苹果与Google合作将Gemini集成至其产品，Meta是否考虑短期内采用第三方模型，同时开发自有模型?当前策略的逻辑是什么?
我们目前在内部开发中使用包括Google、Anthropic和OpenAI在内的多种模型，同时也用自有模型。保持模型中立具有经济合理性，前提是拥有竞争力的自有模型作为底线，避免被合作方高价索取。但我们的目标不仅是将AI作为现有系统的增值功能，而是视其为人机交互的全新范式，这也是我们在RealityLabs长期推进神经接口、AR和VR的核心。我们对个人超处理用户周围环境的全新输入。租用模型是战略的一部分，但不足以实现AI深度融入人们生活的更宏大愿景。
Q5.您提到用AI提升人脑与计算机之间的“比特率”''。这一概念与”与AI融合”有何不同?它如何延续人机交互的历史趋势?
这并非''与AI融合”，而是延续并加速了提升人机信息传递速度与效率的长期趋势。我们多年来一直在使用提升比特率的工具。例如，自动纠错就是简单的AI，能减少错误、提升打字效率;二维码则绕过了手动输入网址的易错过程。A，尤其能理解自然语言的AI，极大提升了我们向机器输入信息的能力。结合AI对信息的综合与高效呈现，整体比特率大幅提升。这与DougEngelbart等先驱的愿景一致--通过增强人与计算机的接口，实现人机共生，解决日益复杂的问题，催生了鼠标、协作文档编辑等创新。AI是这一演进的下一个重大阶段。
Q6.OpenAI、Anthropic和苹果等公司都在开发个人AI助手，Meta如何实现产品差异化?您是否认为这些产品最终会趋于单一、中心化的助手形态?
虽然尚处早期阶段，但各家关注点已明显不同。Anthropic和OpenAI正越来越聚焦企业市场，打造面向工作场景的调度系统，这是资本密集型业务的主要收入来源。我们的关注点则完全在于AI如何帮助消费者改善个人生活。差异化不一定来自AI本身是否可区分，而在于与用户建立的关系与信任。个人助手会接触敏感信息，一旦深度嵌入并高效服务于个人生活替换为竞争产品的切换成本和适应期都很高。这会形成强连接和忠诚度，除非竞争对手能提供极大价值。我们始终聚焦消费者而非企业，这决定了产品方向。
Q7.为何消费级AI在初期热潮后普及速度较慢?如何突破初期炒作阶段?
消费级AI普及缓慢正是行业反复经历的“炒作周期”典型案例。炒作周期包括期望高峰、随之而来的”失望谷”，最终才会实现产品与市场的匹配。问题并非技术虚假，而是初代产品要求用户付出极大努力才能使用，只有极少数人愿意尝试。真正的难点在于让技术惠及大众，这不仅是技术难题，更需要打造可行且易用的界面。人们在日常生活中已能高效工作，无需新工具，因此要他们改变习惯、重新定义与计算机的交互方式，难度极大。要打破这种惯性，产品必须以清晰且有说服力的价值为先。
Q8.当前agentic AI框架在用户友好性方面处于什么状态?个性与虚拟形象在AI伴侣发展中将扮演怎样的角色? agentic框架虽强大，但尚不友好，难以构建、维护和融入日常工作流程。它们会随时间出现偏移，目前过于繁琐，难以为主流用户创造足够价值。搜索、调研和生成内容等场景已较成熟，但行业尚未解决agenticAI易用性不足的产品难题。关于AI伴侣，个性是重要因素，人类对自然语言的吸引力极为关注。用户偏好将呈现广泛分布:有些人喜欢具备鲜明个性和面孔的具象A，甚至在不同生活领域拥有多个专属助手(如健身教练、营养师);另一些人则偏好单一、无形但极其可靠可信的AI实体。现在还难以确定哪种方案会胜出，市场预计会提供多样化选择以满足不同需求。
Q9.AI伴侣是否可能演变为新型社交媒体?这对真实人际关系有何影响?
AI对绝人多数人的主要益处将是释放更多与亲人相处的时间。诸如摄像眼镜等技术能提升个人时刻的临场感，减少于机作为中介的干扰;AI提升工作效率，也会带来更多家庭时间。真实人际关系的价值预计会持续提升，而非下降。虽然部分用户可能会与AI实体互动时间较长，但主流趋势仍是将AI作为工具，释放更多现实世界的关系和真实时刻，而非取而代之用户行为会呈现全谱系，但真实连接始终是核心价值。
Q10.在智能手机已具备强大AI能力的情况下，AI眼镜的核心价值主张是什么?
手机固然优秀，但眼镜满足了无需掏出手机即可访问其功能(如摄像、音频)的需求。AI的最新突破带来了巨大推动力，使可穿戴设备的潜在能力远超两三年前的设想。市场如今有足够空间容纳多样化的可穿戴设备，不限于眼镜。有些设备仅作为手机的输入输出外设，提升效率;另一些则是更完整的系统。例如，近期发布的vibecoded平台为带显示屏的眼镜提供开发环境，开发者可直接为眼镜构建应用。未来，用户甚至可通过语音实时指令眼镜生成所需应用。未来不再局限于特定应用生态，而是按需访问有价值的服务，无论预先协商还是实时获取，突破当前以应用为中心的模式。
Q11.Orion项目旨在实现完整增强现实眼镜体验，目前进展如何?
Orion项目是关键里程碑，首次提供了可用于开发和测试AR软件愿景的设备。尽管价格无法面向消费者上市，但设备设计以消费者为核心，便于佩戴和内部软件测试迭代。软件方面取得了显著进展，既得益于AI整体进步，也得益于可直接在Orion硬件上开发。我们对AR作为未来方向的承诺依然坚定。未来产品上市需满足多项标准:不仅要具备先进功能，还要美观、舒适、适合长时间佩戴，并以消费者认可的价格提供。项目正稳步推进，进入令人振奋的新阶段。
Q12.关于内部“agentic transformation accelerator''，能否回应Wired报道中员工将其比作''劳改营''的情绪?
这一比喻虽夸张，但反映了战略快速转向时沟通不足的问题。公司历来会发起''封锁期''，集中精力攻坚高潜力机会，如移动、视频、故事等。Muse Spark模型展现出意外强大的原生代码能力，内部实验发现只需少量专家指导的训练样本即可显著提升表现。鉴于打造独立、竟争力代码模型的巨大机会，数千员工迅速调入新AI组织，负责生成这些专家轨迹。这项工作至关重要，因为用低质量代码训练模型会造成严重损害。战略调整是正确的，但执行缺乏足够结构和沟通，未能向暂停其他项目的员工充分说明工作的重要性和必要性。这种快速内部转变，正如行业整体的剧烈变革，要求管理层加强战略、个人影响及关键角色的沟通。
Q13.员工按键和电脑使用追踪项目是否通过观察人类完成任务的方式，用于AI模型的强化学习训练?
该项目包含两部分。首先，强化学习在AI开发中的作用远超预期。其次，大量人类知识和行为-即”长尾''一一并未在线记录，而是以经验形式存在。该系统旨在收集人类使用电脑的独特数据集，这是AI难以攻克的问题，且不会改变员工日常工作流程。目标并非关注具体工作内容，而是理解与数字界面互动的机制。这是一项长期数据收集工作，其潜在价值需年左右才能显现。这种大规模、被动的数据采集与应用AI团队的针对性专家任务不同，后者只需少量、精确记录的样本用于模型后训练。针对员工关切，项目已增加无限暂停、30分钟休息及多种退出选项。
Q14.随着AI自动化消除工作中许多痛苦或难题，人类如何获得成长和学习所需的”有益痛苦”?
必须区分有益与无益的痛苦。公司内部整合AI带来的挑战与动荡属于有益痛苦，是探索过程中不可回避的艰难历程。相比之下，社会中如被迫不用计算器做数学测试等，属于无益痛苦。更有价值的做法是用工具(如计算器)解决更难、更具思辨性的任务。关键在于让痛苦与创造的价值相匹配。今天回避AI整合的艰难工作虽可行，但会让个人和企业面临严重落后风险。企业失败往往不是因为设定高目标未达成，而是设定低目标轻松实现。因此，挑战在于拥抱技术变革带来的有益痛苦，同时用AI消除工作和生活中的无益、低价值摩擦。
总体总结
主题正文
- 由此，公司集中力量获取所需算力和人才，关键研究人员也在约一年前加入团队，如今，这一战略聚焦的成果已逐渐显现，如Muse Spark模型在与产品相关的基准测试中表现优异。
- 但我们的目标不仅是将AI作为现有系统的增值功能，而是视其为人机交互的全新范式，这也是我们在RealityLabs长期推进神经接口、AR和VR的核心。
- 我们的关注点则完全在于AI如何帮助消费者改善个人生活。
- 虽然部分用户可能会与AI实体互动时间较长，但主流趋势仍是将AI作为工具，释放更多现实世界的关系和真实时刻，而非取而代之用户行为会呈现全谱系，但真实连接始终是核心价值。
- Q10.在智能手机已具备强大AI能力的情况下，AI眼镜的核心价值主张是什么?
- 尽管价格无法面向消费者上市，但设备设计以消费者为核心，便于佩戴和内部软件测试迭代。
- 未来产品上市需满足多项标准:不仅要具备先进功能，还要美观、舒适、适合长时间佩戴，并以消费者认可的价格提供。
- Q12.关于内部“agentic transformation accelerator''，能否回应Wired报道中员工将其比作''劳改营''的情绪?