北京
4月28日下午，我在Meta總部與 Zuckerberg 面對面交流，因此這期內容非常值得一聽，當時距離周二的LlamaCon主題演講和周三的 Meta 財報發布僅有一步之遙。
本次訪談的重點，是在更宏觀的層面上把Llama放進 Meta 的歷史脈絡之中。我們回顧了過去二十年 Meta 的平臺雄心、社交網絡的演進，以及 Zuckerberg 對兩者思考方式的變化。
我們討論了Llama API，探討了 GPU opportunity cost 與 leveraging training costs 之間的張力，以及為何即便必須獨自承擔，Zuckerberg 仍認為后者值得投入。
我們還談到Meta AI如何可能讓 Zuckerberg 最早的一些設想“環形歸位”，這又如何與Reality Labs相呼應，并解釋了“Meta”最終為何成為這家公司的完美名稱。
話題目錄 （本篇包含前四部分）
From f8 to LlamaCon
The Llama API
Meta’s AI Opportunity (Part 1)
The Llama API
Social Networking 2.0
Meta’s AI Opportunity (Part 2)
The Meta AI App
Tariffs and Reality Labs
1、From f8 to LlamaCon
Stratechery：這次訪談的直接契機是LlamaCon——一場全新的 Meta 開發者大會。在聊它之前，我想先回顧一下 Facebook 過去的大會史。2007 年至 2019 年間，Facebook 舉辦過F8（其中有幾年停辦）。當年的重大發布包括最早的 Facebook Platform、Open Graph、Parse 等等。不過有意思的是，其中絕大多數要么已壽終正寢，要么與最初愿景相去甚遠。我突然把這個問題拋給你……
MZ：這是個不錯的開場（笑）。
Stratechery：這些項目的“消逝”，究竟讓你感到失望，還是給了你某種教訓？你怎么看？
MZ：其實談不上失望。最初的 Facebook Platform 完全是為了 Web 場景而生，那是移動時代之前的產物。隨著用戶從桌面 Web 轉向移動端，Apple 基本上直接表態：“你們不能在平臺內再建一個平臺，也不能讓應用調用你們的東西。” 于是，那套系統忽然失去了前景，當時它已成為我們業務的重要組成部分，我記得在2012 年 IPO 時，游戲和應用大概貢獻了 20% 收入。我們嘗試過把它改造成 Connect、讓第三方應用用來 Sign In 等形態，但……
Stratechery：如今仍存活的，大概只剩 “Sign In with Facebook”。
MZ：是的，它和開發者想知道app安裝量等需求之間，仍有些許連接，但整體而言已經相當單薄。我認為這在很大程度上是 Apple 政策的“副作用”——他們會說：“這些本來很有價值的功能不允許做。” 由此導致雙方長期積累了不小的隔閡，我覺得這很可惜，如果移動生態更開放——
Stratechery：不過也有人認為，這對你們其實是好事，逼著你們成就了今天的樣子。
MZ：或許吧，但我認為我們既能成為今天這樣，也完全可以做得更多。有太多次，我們本可以在自家應用里構建更豐富的體驗，卻被告知“不行”。回頭看，很難說這給用戶或開發者帶來了多少價值。總之，讓我們快進到Llama……
Stratechery：對了，還有Meta Connect，元宇宙還算個事嗎？
MZ：當然，但我們需要一個完整活動專門談 VR 和 AR。
Stratechery：那倒會是挺直接的平臺。
MZ：而我們之所以要辦LlamaCon，部分原因是——
Stratechery：你搶了我的問題，那么，LlamaCon具體定位在哪里？
MZ：這兩場大會關注的產品完全不同。Connect聚焦 AR/VR，吸引的是相應開發者與受眾，但未來一切都會與 AI 融合，比如Ray-Ban Meta智能眼鏡，本質上就是 AI 眼鏡，但那依舊屬于特定品類。對于主要想圍繞Llama構建產品的人，我們覺得應該有一場專屬活動，于是就辦了LlamaCon。
回顧F8和 Platform 的歷程，其實挺有意思。Llama的一大核心價值是開源，而我們堅持建設“開放平臺”，某種程度上正是出于對過去移動平臺經驗的反思，因為開發者曾被強加了各種在我們看來相當武斷的限制，這也是如今開發者如此渴望使用開源模型的原因之一。
過去，直接調用 OpenAI 或 Anthropic 的 API 也許更省事，但這意味著他們隨時可以修改接口、讓你的應用突然無所適從；他們可以審查你的請求，不喜歡就直接拒答，你也無法深度定制模型。相反，開源在這些方面給予了極大自由。因為曾在封閉平臺上吃過虧，我們對“開放”更為敏感，也更愿意投入。
這正是為什么開源 AI 正在迅速崛起。當然，現在不只有Llama，還有DeepSeek等諸多中國模型。我曾預測 2025 年將成為“開源模型成為主流開發范式”的節點，我覺得這大概率會成真。這便是我們整體的思考框架。
二、Llama API
Stratechery：有一項新發布的內容——在你之前與我交流時，你堅持說它“很小”，但我猜外界未必會這么看——就是Llama API。這到底是什么？為什么現在要推出？
Mark Zuckerberg：哦，我并不覺得它小。嚴格來說，我們并不是想把它做成一門大生意。
Stratechery：明白。
MZ：每當有人推出付費 API，外界往往下意識認為背后一定是“要做生意”。可我們聽到的主要反饋是——正如我剛才所說——開發者喜歡開源，因為他們希望擁有完全的控制權，希望能自定義，希望不會被人隨時收回，想要隨心所欲地使用，而且開源通常更高效、更便宜。這些都是價值所在。但開源至今的劣勢在于——
Stratechery：沒人真正想自己托管。
MZ：對——托管需要付出額外工作。相比之下，直接調用一家成熟服務的API ，要簡單得多。當然，已經有不少公司把“托管模型”做成了業務，包括托管開源模型，其中有些做得不錯。我們最近發布Llama 4時學到了不少運營經驗，但也發現了問題：我們把模型放出來后，很多 API 提供商在實現上出現了 Bug，導致不少人第一次測試 Llama 4 時就踩到了這些外部 API 的坑。
Stratechery：那是最近的事吧。你們這么快就決定“我們需要一個官方參考 API”了嗎？
MZ：倒也不是這么簡單的線性因果，我只是舉例說明。從Llama 3開始，網上就有人抱怨：“我想要一家能提供未量化版本的405B 模型的 API 服務，可是很難判斷各家用了什么量化策略、取了哪些捷徑，質量參差不齊，我們只想要一個可靠來源。”
所以，我認為擁有多元的 API 生態是好事，而且很多公司做出了有趣創新。舉例來說 ，比如Groq，他們垂直整合，自研定制芯片，只為做到極低延遲推理，這就很有吸引力。
Stratechery：你這里說的是Groq這家芯片公司，而不是Grok那個 AI 模型，對吧？
MZ：對。Grok——Elon Musk的項目——也很有意思，但我說的是芯片公司Groq。他們自己造芯片，再提供垂直整合的超低延遲 API，這非常酷。我希望在生態里，能出現更多此類公司來利用開源模型。
不過，為了回答你最初的問題，我應該先給一句“主題句”：Llama API的目標，是為行業提供一個參考實現reference implementation。我們無意把它做成某種龐大業務，我們要做的是一個“純凈、標準”的 API，讓大家確信調用到的就是我們意圖提供的原生模型，而且能夠穩定運行。這樣，開發者只需把原來指向 OpenAI API 或其他服務的 URL 換成我們的，就能直接對接。同時，我們幾乎不加溢價，基本以我們自己的資本成本定價。
Stratechery：既然幾乎不加價，那聽起來它倒可能變成一門大生意？
MZ：但對我們而言，利潤不會高。
Stratechery：你一邊說“只是個小東西，不會收太多錢”，可這兩件事好像沖突啊。
MZ：怎么講？
Stratechery：如果你們收費很低，那大家為什么不都來用你們的，而不用別家的云服務？
MZ：理論上，那些專門靠托管模型吃飯的公司，應該能做出更有特色、更有價值的產品。剛才提到的Groq，就是例子——他們為延遲敏感場景做了芯片級優化。
Stratechery：但很多人，其實是在AWS上跑 Llama。
MZ：沒錯，而AWS的價值在于，它還有大量你原本就會用到的配套服務，如果你本來是 AWS 用戶，這很方便。
Stratechery：那么，如果有人開發應用，且不依賴某家云廠商鎖定，你們的 API 就是最簡單、最便宜的方案？
MZ：對，如果你想上手 Llama 4，又想知道“哪里有一個肯定能用的參考實現”，那就來用這個。等規模做大后，大家自然會根據需求在不同服務之間優化或自行托管。但易于上手的參考實現，是開源生態缺少的。
Stratechery：萬一有客戶用量暴增，你會不會說“太大了，請另尋他處”？
MZ：（笑）我們還真沒細想過。
Stratechery：待定？
MZ：是的，還沒深入討論。你可能會問：“既然如此，為什么我們之前一直沒做 API，也沒做云業務？”
Stratechery：這又是我的下一個問題。
MZ：尤其考慮到大家會說：“你們投了這么多錢訓練 Llama，得想更多辦法把這筆投入賺回來。”
Stratechery：對，很多投資者也這么想。
MZ：但在我們的業務里，把新增 GPU 投向內容/信息流或廣告推薦，總體邊際收益marginal return，一直更高。
Stratechery：這也是我一直認為你們暫不推出 API 的原因。
MZ：正是如此，不過這次情況不同：如果 Llama 生態做大，而“參考實現 API”有助于它的成長，那它就值得存在。但基于經濟性考量，我并不把它當成大規模盈利項目。如果哪天它消耗了巨量 GPU，而且還能盈利，那當然好，但它必須與我們現有的推薦系統資源競爭。
Stratechery：機會成本如今很真實。
MZ：是啊，而且沒人能精確預估到底要建多少 GPU。我們內部總在權衡：“該多給 Instagram Reels 團隊一點，還是給另一個新項目一點？” 說實話，API 業務在優先級上，大概率排得很靠后。但我們自有的數據中心規模龐大，功率以“吉瓦Gigawatts”計。拿極小一部分去做參考實現，幫助更多人輕松使用開源 AI，我覺得劃算，現在的大局就是如此。
Stratechery：如果某個客戶規模做大，或許得好好談一談？
MZ：到時候再說，到時候再說。
Stratechery：船到橋頭自然直？
MZ：總體而言，這類業務里，客戶做大是好事。
Stratechery：當然，這也算是“甜蜜的煩惱”。不過成本問題很有意思——你提到推理成本，我也同意：那些 GPU 你本可以用在內部業務，而另一方面，訓練成本也很高，你們花了幾十億美元訓練模型，如何最大化回報？這也是投資者覺得你們應當做 API 的原因之一。坊間還有傳聞：既然那么多公司受益于 Llama，它們是否該為訓練貢獻資金？你們在推進這事嗎？有人愿意出手嗎？
MZ：我們跟一些伙伴聊過，目前還沒成。隨著成本繼續攀升，也許會成，但現在看來各種新項目反而還在增多。
Stratechery：明白。
MZ：一些我原以為會“認準 Llama 開源標準、借此省錢”的公司，結果反而啟動了各自的新模型項目，再看看結局如何吧。我猜未來幾年，訓練規模會升級到“吉瓦級集群gigawatt clusters”，屆時肯定會出現整合。
Stratechery：總會有人退出。
MZ：是的。不過，我在財務規劃里，假設我們獨自承擔所有成本，如果日后能與別人分擔，那只是“額外利好”，并非剛需。
Stratechery：明白。
MZ：從某種意義上說，這對我們是正面的。如果需要，我可以進一步講講其中的商業邏輯。
三、Meta 的 AI 機遇（第一部分）
Stratechery：我想先整體詢問一下你的開源策略。一方面，作為行業觀察者，我對你們的做法非常感激——可以說，正是你們率先打開了閘門，消除了某些或許出于善意、但卻不合時宜的顧慮，使得大型模型得以廣泛普及。另一方面，大公司歷來都是開源的主要貢獻者，過去的 Facebook、現在的 Meta 亦然。你曾把Llama與Open Compute Project相提并論——在 OCP 中，你們的標準被全球數據中心采用，硬件廠商也據此生產設備，最終收益依然回流到你們的底線，而且正如你所說，你們并不是數據中心服務商，因此皆大歡喜。問題是：Llama開源到底有何經濟回報？尤其考慮到“或許我們還想針對自身進行專門調優”。這究竟只是品牌與口碑，還是因為研究人員青睞開源？我特別想聽聽其中的經濟考量。
Mark Zuckerberg：是否開源，其實是“先有需求，再談模式”。我們并不是為了“給開發者開源”而去構建模型，我們先得出結論：要實現自己想要的服務，就必須擁有這樣的模型。接下來才是：要不要開源。
關于是否必須站在前沿，能否落后六個月都沒關系？我認為，從長遠看，必須處于前沿。現在行業中出現了專門化趨勢：不同公司擅長不同方向、聚焦不同場景，我們的用例與他人并不完全相同。以我們這種規模，打造一款真正為自身需求深度定制的模型，才最合理。
Stratechery：那具體而言，哪些要素對你們最重要？
MZ：這會讓我們稍微偏離剛才的問題。
Stratechery：沒關系。
MZ：我認為Meta眼下有四大產品與商業機會。我先從最簡單、也是最容易實現的說起，再談離當下更遠的。
機會一：讓廣告業務更強大。
這是最基礎的一項，是用 AI 讓廣告業務大幅改進。目標是：任何企業都能來找我們，不必制作任何素材，也不必了解客戶細節，只要告訴我們希望達成的商業結果、愿意支付的金額，并把銀行賬戶連上，就能按效果付費。
Stratechery：史上最強“黑箱”。
MZ算是吧，可以視作終極商業 Agent。廣告環節大致分三塊：內容創意、受眾定位和效果衡量。我們最早完善的是衡量——使業務模式真正圍繞“交付結果”，而非“展示曝光”。
隨后是定位，過去十年，我們幾乎不再鼓勵廣告主進行人為限制受眾，以往他們會指定“我要投放到 18–24 歲女性”，而我們現在會說：“你可以提示，但如果完全交給我們，效果會更好。”
然而，創意層面依舊繁瑣：企業得自己做文案、視頻或圖片。我們的目標是：未來企業來投廣告，只需說明目標、連上賬戶，無需創意、無需人群定向、無需自行評估，只需查看我們產出的結果報告。
我相信這會徹底重塑廣告范疇，換句話說，廣告在 GDP 中所占比例很可能繼續上升，因為 AI 把“面向結果的廣告”，推廣到了遠超傳統“買戶外廣告或電視商業”的場景。
Stratechery：我同意，我完全認可這種黑箱模式。那第二點呢？
機會二：提升消費者端參與度與推薦
MZ第二個方向是在用戶產品層面，利用 AI 提升內容推薦與消費時長。第一步，是把現有內容更精準地推給正確的人，這正是Reels的做法。接下來，AI 不僅推薦內容，還將輔助用戶創作，甚至直接生成內容。
如果把我們的產品發展史，分為“兩大紀元”：第一個紀元，是好友之間的分享；第二個紀元，是在此之上，疊加“創作者內容”，朋友和關注對象的動態仍在，但我們又加入了龐大的創作者內容庫，算法負責推薦。
Stratechery：2015 年，當時 Facebook 似乎堅持“連接好友”這一敘事——
MZ：稍等，讓我把思路講完，
Stratechery：好的，之后我們可以回到心智層面的問題。
MZ：我認為，即將到來的“第三紀元”，會充滿AI 生成內容。朋友內容、創作者內容依舊存在，但 AI 生成內容，將帶來前所未有的爆發式增長，且高度個性化。
從宏觀角度看，隨著邁入AGI時代，生產力極大提升，人們會延續百年來的趨勢：工作時間減少，娛樂與文化消費時間增多，各類信息流服務因而會占據更多注意力。AI 在內容創作和推薦兩端的能力越強，它們的價值就越大。這便是第二類機會。
我先回答你剛才提出的疑問，然后再談第三類。
四、Social Networking 2.0
Stratechery：如今的 Facebook， 已不再僅僅是用來與親朋好友保持聯系的平臺，對此你有什么感受？
Mark Zuckerberg：整體來說，這是一次很好的轉變，但我當初有點沒弄明白背后的原因。過去，你在信息流里與所關注的人互動：有人發帖，你就在帖子下評論，這就是“社交”。
如今，我們把 Facebook、Instagram、Threads，以及現在的 Meta AI App 和其它產品，視作發現引擎discovery engines。
大多數互動，并不發生在信息流里，我們通過算法幫你發現有趣內容，而真正的社交互動，則發生在你把這些有趣內容轉發到群聊或私聊之后。
所以，現在形成了信息流與消息流messaging的兩大飛輪，而實時、深度和細膩的線上社交，幾乎全部轉到消息流，而信息流則越來越成為發現平臺。
Stratechery：當初收購 WhatsApp 時，你是否已經預見到這一格局？還是說走著走著就“撞上”了？
MZ：我當時就知道，消息會很重要。但坦白說，之所以我們在與 TikTok 競爭上稍顯滯后，部分原因是我并未完全理解這種轉變。
等到真正使用 TikTok，我才意識到：這不僅是“短視頻”，而是對社交媒體形態的徹底重構。
未來，人們的主要互動不會發生在信息流條目下，而是圍繞內容本身展開，隨后，大部分互動會在私聊和群聊里完成。
Stratechery：你以前提過一句話——我當時還批評過，大意是“在任何地方都展現完整自我”，后來你好像已淡化這種說法。我的觀點是，群聊讓人們可以根據不同的受眾，展現自己不同的側面。
MZ：沒錯，消息產品非常契合這一點。Facebook 和 Instagram 長期面臨的挑戰是：用戶隨著時間推移，積累了大量好友或粉絲，那么“你究竟在跟誰說話”，就變得模糊。
Stratechery：對。
MZ：如果你是創作者，你有一個明確的受眾，這就說得通。但如果你只是普通用戶想社交——
Stratechery：你絕對不想“爆火”，我向你保證。
MZ：正是如此。人們希望真實地分享，但更愿意在小范圍分享。現代的解決方案，就是消息應用：你不會只有一個共享圈，而是有多個群聊、以及各種一對一聊天。我可以把東西分享給家人，也可以分享給一起運動的伙伴。
Stratechery：當年你擔心 Google Circles，如今你把它的理念納入自己手中。
MZ：它只是落腳在“消息流”，而不是“信息流”。如果你還想繼續往下聊……
Stratechery：當然，我想聽下去。
（請關注本公眾號：一個胖子的世界，本次訪談的下半篇將在未來三天內發布，歡迎收藏和分享給你的朋友。）
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
