扎克伯格談DeepSeek(上):他們做了令人驚嘆的底層優化，但還不支持多模態

　　 或許是因為最近Meta財報發布，或許是因為最近Llama受到的非議太多，或許是因為小扎個人的分享欲爆棚，他在和的前后腳，還接受了這檔商業人文播客Dwarkesh Podcast的訪談。

　　 ，這個訪談犀利點評他人更多，他聊到了OpenAI、聊到了谷歌的Gemini，聊到了 Anthropic，全程還提及14次DeepSeek，8次China，4次Trump。

　　 本次訪談的幾大主題

　　Llama 4、基準測試刷榜、開源vs閉源之爭

　　AI爆炸，但AGI 的商業模式是什么？

　　DeepSeek和中國、export controls和Trump

　　Orion智能眼鏡、人與 AI 的關系，如何避免被技術的獎勵機制劫持？

　　Llama 4 和其他AI模型的比較

　　 以下是整個訪談的內容目錄，本篇只包含前四部分。下篇幾天后發出，里面提到了美國科技巨頭是否會配合 Trump的問題，也挺有意思，歡迎關注本號，敬請期待。

　　 一、How Llama 4 compares to other models

　　 二、Intelligence explosion

　　 三、AI Friends, Therapists & Girlfriend

　　四、 DeepSeek & China

　　五、Open source AI

　　六、Monetizing AGI

　　七、The role of a CEO

　　八、Is big tech aligning with Trump?

　　九、100x productivity

　　 一、How Llama 4 compares to other models

　　Dwarkesh Patel：Mark，感謝你再次參加我們的播客。

　　Mark Zuckerberg：很高興來，見到你很開心。

　　DP：彼此彼此。上次你來，我們聊的是 Llama 3，現在你們發布了 Llama 4。

　　MZ：嚴格來說，是 Llama 4 的首個版本。

　　DP：沒錯。有哪些新亮點？發生了什么變化？

　　MZ:整個領域變化太快了。自上次交談以來，真是天翻地覆。Meta AI 的月活用戶已逼近十億，著實令人驚嘆。

　　我覺得今年會是大年，尤其是當我們真正跑通用戶的個性化閉環，就是利用算法掌握關于興趣的context，包括信息流、個人檔案、社交圖譜，還有基于你與 AI 對話的內容，這種“個性化”，將成為下一個令人振奮的大方向，我對此十分看好。

　　模型本身也在突飛猛進。我對 Llama 4 的首批發布相當滿意。我們官宣了四個模型，率先放出其中兩個，Scout 和 Maverick，算是中小模型。

　　Llama 3 最受歡迎的是 80 億參數版本，所以 Llama 4 也會有同等規模的后繼，內部代號Little Llama，預計數月內上線。

　　Scout 和 Maverick的“單位成本智能”極高（highest intelligence per cost），原生多模態、高效、單機即可運行，專為低延遲場景打造，我們會先滿足內部需求，再開源給大眾，這一直是我們的做法。

　　我同樣期待即將到來的Behemoth，這是我們首個“前沿級”模型，參數量逾 2 萬億，非常龐大。僅僅是為它做后訓練，我們就得搭一堆新基礎設施。

　　現在要思考的是，普通開發者如何用得上？也許需要蒸餾成更易部署的尺寸，畢竟消費級產品，不可能直接跑這么大的模型。

　　回想Llama 3 的節奏，首發很激動人心，隨后一年我們持續迭代，3.1 是4050 億參數版本，3.2 加入完整多模態，今年我們同樣有類似路線圖，事情很多。

　　DP：有人覺得，過去一年頂級閉源模型與頂級開源模型的差距更大了，雖說 Llama 4 全系列尚未放完，但 Llama 4 Maverick 在 Chatbot Arena 僅排第 35，在多項主流基準上，同級別的 o4-mini 或 Gemini 2.5 Flash 的表現都更好，你怎么看？

　　MZ：幾點想法吧，第一，今年總體對開源模型而言絕對是大年，去年像樣的創新開源模型幾乎只有 Llama，如今優秀模型百花齊放。

　　普遍預測稱，今年開源模型的使用量將超過閉源，我認為很有可能。令人驚喜的是，不止 Llama，很多模型都很出色。

　　再說推理模型現象，你提到的 o3、o4 等，現在出現了專業化：若要在數學、編程等任務上做到最好，就需要推理模型在推理時，投入更多算力，換取更高智能。

　　我們也在做 Llama 4 的推理版本，日后會放出。

　　但對我們關注的大量應用來說，延遲與單位成本智能（intelligence per cost），更為關鍵。面向消費者時，沒人愿意多等半分鐘，若能在半秒給出足夠好的答案，那就是最好的。

　　兩條路線，都很重要，我也看好將推理模型與核心語言模型融合——Google 最新的 Gemini 就在走這條路，未來會出現多種形態。

　　你提到 Chatbot Arena，這暴露了基準測試的弊病：如何評估模型在哪些任務表現優異？

　　過去一年，我們更多把模型錨定在Meta AI 的北極星用例（Meta AI product north star use cases）。

　　許多開源基準，偏向極其特定的場景，未必符合普通用戶真實需求，它們衡量的能力組合，與用戶在產品中真正關心的往往不同。

　　過度迎合這些基準，就會跑偏，未必帶來最佳產品體驗和最高使用量。我們的北極星是用戶反饋，用戶說想要什么，以及實際行為，很多基準也很容易被“刷榜”。

　　舉例說，Sonnet 3.7 是好模型，卻排不上前列，我們團隊其實可以輕松把 Llama 4 Maverick 調優到榜首，但現在發布的模型，壓根沒為榜單做微調，所以排名靠后。

　　對這些榜單，要審慎看待，我們主要還是以產品價值為依據。

　　DP：你覺得有沒有某種基準，能客觀衡量你所謂的“用戶價值”北極星，讓你說：“我得讓 Llama 4 在這項基準上拿第一？”

　　MZ：我們的基準，就是Meta AI 的用戶價值user value。

　　DPa：可那無法與其他模型對比吧？

　　MaZ：也許能，因為我們可以內部運行其他模型做對照，這正是開源的一大優勢，社區能幫你揪出模型的短板與長處。

　　現實是，各模型的優化組合略有不同。所有領先實驗室，都在追求同一個終點：人工通用智能AGI、或者人工超級智能ASI，讓每個人擁有超人級工具，創造任何想要的東西，極大賦能個人并帶來經濟紅利。

　　但不同團隊確有各自的側重，Anthropic更聚焦編程及相關智能體，OpenAI 近期更偏向推理。

　　我猜最終使用最廣的，會是那種響應迅速、交互自然、原生多模態、能融入日常的模型。

　　你應該試過我們即將發布的新 Meta AI App，我們放了個全雙工語音（full-duplex voice）的 Demo。雖然還早，還沒設為默認語音模型，但其自然對話的感覺，非常吸引人。

　　把這與正確的“個性化”結合，未來的產品體驗將是，幾年后，我們日常會一直與 AI 交談。

　　拿著手機瀏覽信息流時，它與你對話，提供上下文、回答問題，在消息應用中，輔助溝通。最終，我們走在街頭，戴著眼鏡或其他 AI 設備，與之無縫互動。

　　這就是北極星，只要某項基準能讓人們覺得質量足夠好、愿意使用，那才對我們最重要。

　　 二、 Intelligence Explosion 智能爆炸

　　DP：我同時體驗了 Orion 和 Meta AI App，語音模式流暢得驚人，真的很出色。

　　關于各大實驗室所追求的優化方向，如果非得為他們的觀點做辯護，他們通常認為，一旦徹底自動化軟件工程與 AI 研究，就能引爆一場“智能爆炸”。

　　屆時，數以百萬計的“軟件工程師的副本copies of software engineers”，會把 Llama 1 到 Llama 4 之間那種量級的進步再復制一遍，只是時間從數年縮短到數周或數月。

　　所以，只要把“軟件工程師”這個環節閉環起來，你就能率先抵達人工超級智能ASI，你怎么看？

　　MZ：我認為這個設想頗具說服力，這也是我們在 Meta 內部大力投入編碼代理的原因。鑒于我們并不是一家企業級軟件公司，我們主要是為自身需求構建這些工具。

　　我們的目標很明確——不是去做一個通用的開發者工具，而是打造能推進 Llama 研究的編碼代理coding agent和 AI 研究代理research agent，并且它們完全接入了我們的內部工具鏈toolchain。

　　這的確重要，也必將成為 AI 研發的關鍵一環。我猜在未來 12-18 個月內，為這些項目編寫的大部分代碼，都將由 AI 完成，而且我指的不是自動補全。現在自動補全已經不錯：你開始寫一段代碼，它可以把一整段補全。

　　我說的是，你只需給出目標，它就能運行測試、改進功能、定位問題，寫出的代碼質量，已超過團隊里一般優秀工程師的平均水平，我確信這會非常關鍵。

　　但我并不認為這就是全部，這個行業很大，AI 的開發方式也會多種多樣。我不相信最終只會出現一家擁有單一優化函數、能最好地服務所有人的公司。

　　不同實驗室會在不同領域領跑：有的更偏向企業或編碼場景，有的專注效率提升，有的聚焦社交或娛樂。

　　即便在助手領域，也會有注重信息與生產力的助手，也會有偏向陪伴的助手，或者純粹有趣、娛樂，直接出現在信息流里的內容。

　　總之空間巨大，奔向 AGI 的道路上既有共同要邁的臺階，也有大量仍待創造的全新事物，我猜未來會看到各團隊之間的進一步專業化。

　　DP：有意思的是，你基本同意會出現“智能爆炸”，最終會誕生超級智能。如果我沒理解錯的話，在這種情況下，為什么還要費心開發個人助手之類的應用？為什么不先把超級智能做出來，其他東西晚點再說？

　　MZ：那只是飛輪flywheel的一部分。我不太認同“快速起飛fast take-off”論的一個原因是——建設實體基礎設施需要時間。

　　如果要建一個吉瓦級算力集群gigawatt cluster of compute，就需要時間。NVIDIA 需要時間穩定新一代系統，你還得規劃網絡架構，建設機房，拿許可證，搞能源——可能是燃氣輪機，也可能是可再生能源——無論哪種，背后都有完整的供應鏈。

　　我們上次播客里，聊過很多這類問題。這些都是現實世界、以人類時間尺度推進的事。當你在某一層獲得更高智能，往往會撞到另一層的瓶頸。

　　工程學永遠如此：解決一個瓶頸，下一個瓶頸就出現。

　　另一個瓶頸是：人們需要時間去適應、去學習如何與系統形成反饋閉環。

　　這些系統不會一現身，就讓所有人瞬間會用，它們與人的使用方式是共同進化的，人學著如何最好地用助手，助手也在學用戶在乎什么，開發者再把助手做得更好。

　　同時，我們還在積累上下文。一年兩年后回頭看，助手能引用你兩年前聊過的話，這非常酷。如果它今天才上線，就算再完美，也不可能引用兩年前不存在的對話。

　　所以我的觀點是：智能增速確實陡峭。人們與 AI 助手的交互量和數據反饋飛輪同樣增長迅猛。

　　同時，算力供應鏈、基礎設施、監管框架也都在建設中，單有“寫代碼”那一環，遠遠不夠。

　　舉個例子：幾年前，我們廣告團隊做過一個項目，自動化廣告排序實驗。那是個相對封閉的環境，并非開放式編碼，系統會回溯公司歷史上每一次廣告實驗，分析成敗和結果，然后提出新假設去做試驗，提高廣告效果。

　　結果我們發現，瓶頸在于運行實驗的算力，以及可用的用戶分層。哪怕 Meta 有 35 億用戶，每個實驗仍需幾十萬甚至上百萬人，才能顯著統計，我們已經有更多優質想法，但算力和受試人群都不夠用。

　　因此，僅僅生成更多實驗想法，并不會帶來增益。AI 生成的“假設”，如果未來能有價值，平均質量得先超越目前“上線門檻”以上的、由頂尖工程師提出的想法才行。

　　我相信我們會很快達到哪里，但這不是“AI 會寫代碼，一切瞬間升級”的故事，現實約束很多。你得有算力，有人群做實驗，隨著 AI 質量持續提升。

　　也許五到十年后，沒有任何人類團隊能再提出比 AI 更好的假設了，也許吧，但那絕非現在。

　　DP：如果你認同智能走向這幅圖景，那看好 Meta 的理由，顯然在于你們擁有龐大分發渠道，也能由此收集更多可用于訓練的數據，你說Meta AI現在已有十億活躍用戶。

　　MZ：不是獨立App，本次單獨推出的 App 才剛上線，供想嘗鮮的人使用，體驗確實不錯，里面有些新點子值得聊。

　　但我所說的“十億”，主要發生在我們的各大應用里。

　　用Meta AI 用得最多的是WhatsApp，而 WhatsApp 的主戰場在美國以外。雖然我們在美國已突破一億用戶，但美國的主流消息平臺其實是 iMessage，所以美國用戶往往低估了Meta AI 的實際使用量。

　　也正因如此，獨立App就很重要。美國無論如何都是關鍵市場，可WhatsApp在這兒確實不是老大，我們需要別的路徑交付一流體驗，讓Meta AI 真正出現在美國用戶面前。

　　DP：如果 AI 的未來不再只是答疑，而是成為虛擬同事，那么在 WhatsApp里集成 Meta AI ，是否就無助于訓練出完全自主的程序員或遠程工作者？那時，誰擁有更大語言模型的分發量，或許就沒那么重要了？

　　MZ：我還是覺得場景會多元，想象一下互聯網剛誕生時，你問：互聯網的主戰場會是什么？知識工作還是面向大眾的消費級應用？

　　結果，其實兩者都成了支柱。

　　世界如此龐雜，通常不會由一家企業包攬所有需求。

　　具體到你的問題：人們確實不會在 WhatsApp 里寫代碼，我絲毫不覺得那會成為主要用例。但人們肯定會讓 AI 去做很多事，其中不少都需要 AI 寫代碼，只是用戶未必意識到。

　　我們內部有大批工程師在用 Meta AI，公司內還有名為 MetaMate 的工具，以及一系列圍繞它打造的編碼與研究代理，這條反饋循環可以大幅提速我們的內部研發。

　　AI 幾乎肯定會帶來知識工作和編碼的革命，我也相信它會定義下一代搜索，幫助完成更復雜的信息任務。

　　此外，人們會用它來娛樂自己，如今互聯網到處都是梗和段子，未來也一樣。人類傾注大量精力去娛樂、去推動文化、用幽默闡釋觀察到的現象，這點永遠不會變。

　　回顧Instagram、Facebook 的演變：十幾、二十年前主要是文字，后來手機有了攝像頭，圖片成主流，再后來移動網絡提速，手機看視頻不再卡頓，于是視頻崛起。過去十年，大多數人在 FB 和 IG 上花的時間，都在看視頻。

　　那你覺得五年后，大家還會只是刷視頻嗎？不會的，內容會變得可互動：你滑到一條看似Reels 的內容，卻能跟它對話，它會回應你，甚至像游戲一樣，讓你跳進去互動，這一切都將由 AI 驅動。

　　所有形態將百花齊放，我們野心很大，會涉獵多個領域，但我不認為任何一家公司能包辦全部。

　　 三、 AI Friends, Therapists, Girlfriend

　　 DP：關于 AI 生成內容與 AI 互動這點，現在已經有人與 AI 心理咨詢師、AI 朋友，甚至更多角色建立了有意義的關系。隨著 AI 變得更獨特、更有個性、更聰明、更即興、更風趣，這種關系只會愈發緊密。

　　 人們肯定會和 AI 建立關系，我們該如何確保這些關系是健康的？

　　MZ：很多問題只有真正看到用戶行為后，才能回答。最重要的前提是，在每一步都主動提出這個問題，并認真對待。但是，如果一開始就過于武斷，認定某些做法必然不好，往往會扼殺掉價值。

　　人們之所以使用某樣東西，是因為它對他們有價值。我設計產品的核心原則之一是：用戶是聰明的，他們知道什么對自己有用。

　　偶爾產品里會出現負面情況，你要盡量把風險降到最低。可如果你覺得某件事不好，而用戶卻樂此不疲，大多數情況下，以我的經驗，用戶肯定是對的，你錯了。

　　只是你尚未找到解釋框架，理解為何這件事對他們有益，這就是我的基本思路。

　　我相信人們會把 AI 用在許多社交場景。實際上，我們已經看到不少人用 Meta AI 來練習與親友的艱難對話：

　　“我和女友出現問題，該怎么談？”
“我得跟老板進行一場硬碰硬的交流，該怎么說？”

　　這樣的功能很有幫助，等到個性化閉環真正跑起來，AI 越來越了解你，這種體驗會更具吸引力。

　　有個我常提的數據：平均美國人擁有的“真朋友”不足 3 個。可他們心里期望的朋友數量，大約是 15 個。到某個點，人們會覺得“我太忙，顧不過來了”，但大多數人都渴望比現實更多的聯結，也經常感到孤獨。

　　有人擔心 AI 會取代現實中的面對面關系，我傾向認為不會。線下交流有無可替代的優勢，只是現實中很多人得不到足夠的連接感。

　　今天，一些 AI 心理師、AI 女友之類的應用，仍帶著輕微的“污名”。隨著時間推移，社會會逐漸找到合適的解釋，說明它們的價值、使用者的合理性，以及它們怎樣真正改善了生活，但現在仍然非常早期。

　　目前做虛擬治療師、虛擬伴侶的公司，不過寥寥數家，而且“具身化”很弱，打開應用只是一張頭像，最多有點粗糙的動畫，談不上真正的具身。

　　你見過我們 Reality Labs 的 Codec Avatars，那真的像真人一樣。這正是未來，你將能隨時與 AI 進行視頻對話，而手勢同樣關鍵，真實對話中，超過一半的信息并非語言，而是非語言信號。

　　DP：前幾天我體驗了 Orion，印象相當深刻。我總體對這項技術持樂觀態度，也像你說的那樣較為“自由主義”，如果用戶選擇做某事，很可能對他們有益。

　　雖說，我不確定一個沉迷 TikTok 的人，是否真的滿意自己花在 TikTok 上的時間。

　　而我之所以樂觀，是因為要在未來 AGI 世界生存，我們也需要用這類工具升級自身能力，而且世界會因此更美，比如處處都能見到“吉卜力風”。

　　不過，你們團隊展示的一個標志性場景，讓我有些擔心，我坐在早餐桌前，余光里不斷劃過一排排 Reels，也許將來屏幕另一側還會有我的 AI 女友。

　　這很糟糕，技術的“獎勵劫持reward-hacked”的所有阻力，似乎正在被全部消除，該怎么確保五年后不會變成這樣？

　　MZ:我仍然相信人們清楚自己想要什么，你看到的只是一個多任務與全息演示，僅用于展示能力。我同意未來不該是視野邊角總有東西爭奪注意力，大多數人不會喜歡那樣。

　　在設計眼鏡時，我們尤其注意這一點。對眼鏡而言，首要任務是“隱形”，它本質上是一副好眼鏡。這也是 Ray-Ban Meta 受歡迎的原因，它能聽歌、接電話、拍照錄像，AI 只有在你需要時才出現，當你不需要時，它就是一副好看的眼鏡。

　　把存在感降到最低，這將是 AR 時代至關重要的設計原則。

　　更宏觀地看，數字世界在我們生活中如此重要，卻只能通過“物理數字屏幕”來訪問——手機、電腦、墻上的電視，這些都是大塊硬件。

　　技術已經走到讓物理與數字徹底融合的階段，比如全息疊加holographic overlays就是實現路徑。

　　我同意，設計原則必須圍繞人與人互動，你可隨時把數字對象帶入對話，比如：

　　想展示什么？直接拉出一個屏幕，三維可交互；

　　想打牌？來，一副虛擬牌，我們一起玩；

　　我們倆面對面，第三位朋友可以“全息”加入。

　　但正如沒人愿意讓現實空間過度雜亂，因為精神上會被壓垮，人們同樣不會想讓混合現實空間顯得擁擠不堪。

　　這更像一種美學規范，最終會形成共識，我相信我們會找到平衡。

　　四、DeepSeek and China

　　DP：回到 AI 這個話題。你剛才提到，物理基礎設施會成為非常大的瓶頸。拿其他開源模型來說，比如 DeepSeek，他們目前掌握的算力明顯少于 Meta 這樣的實驗室，可有人認為它的表現已經能和 Llama 系列抗衡。

　　如果中國在搭建物理基礎設施、擴大工業規模、獲取電力以及上線數據中心方面更有優勢，你會不會擔心他們最終在這條賽道上超過我們？

　　MZ：這確實是一場真刀真槍的競賽，而你已經能看到各國產業政策在發揮作用。中國正在并網更多電力，因此，美國必須加快數據中心建設和能源生產的流程，否則我們會落入相當不利的境地。

　　與此同時，針對芯片等產品的export control，也的確在產生效果。大家談到 DeepSeek 時常說，他們做了很多“令人驚嘆的底層優化”。沒錯，他們確實做到了，而且相當厲害。

　　可接著就要問：為什么 DeepSeek 得這么做，而美國的實驗室卻不用？

　　原因是，他們用的是經export controls“降級”后的 NVIDIA 芯片，而美國實驗室可以直接用完整版。DeepSeek 只好把大量精力花在低層基礎設施優化上，這是美國同行不必付出的成本。

　　結果是，DeepSeek 在文本任務上，拿出了漂亮的成績，但他們目前只支持文本。他們的優化很驚艷，文本效果也不錯，可如今每個重磅新模型都是多模態：既能處理圖像，也能處理語音，而 DeepSeek 的模型做不到。

　　為什么？并不是他們能力不足，而是他們必須先投入資源去彌補export controls帶來的硬件缺口。

　　再看 Llama 4 與 DeepSeek 的比較。我們的推理版本還沒發布，所以 R1 的對標暫時不清楚。但就文本任務而言，我們用更小的模型，就能達到和 DeepSeek 相同的水平，因此單位智能成本（cost-per-intelligence）更低。在多模態上，我們目前處于領先，而他們的模型根本沒有這部分能力。

　　綜合來看，Llama 4 表現很強，我相信大多數人最終會更愿意使用 Llama 4。不過，DeepSeek 那邊顯然也有一支優秀的團隊。你提到的電力、算力與芯片的可獲得性，確實至關重要。不同實驗室能夠做什么、做到何種程度，在很大程度上都取決于這些前置條件。