划重点

1. 开源AI快速崛起 ，Llama不再独大年夜 ，多个优秀模子涌现 ，开源模子的体现逐渐赶超闭源模子。

2. 差异AI实行室专注差异的范畴，Anthropic注意编码，OpenAI专注推理，Meta致力于天然互动与多模态本领。

3. AI将在将来12至18个月内自动化编写大年夜 部门研讨 代码，但底子设施（如计算与能源）还是发展 瓶颈。

4. DeepSeek的底层优化确实 做得很好，最终 的文本模子体现也相当不错，但缺乏多模态本领。

5. AI运用 根据差异需求接纳多样化商业模式：免费广告 支持、订阅办事 或高阶付费办事 。

6. AI不会淘汰 工作时机，反而会创造 更多需求，如提拔客服等范畴的效率。

Meta首席实行官马克·扎克伯格近日接受了着名科技播客主持人德瓦克什·帕特尔的专访。在此次 访谈中，扎克伯格探究了多个关键 话题，包括Llama 4的改良 、通用人工智能（AGI）的商业化之路、DeepSeek的优缺陷 、开源的上风以及其在AI发展 中的意义等。

以下为扎克伯格最新专访精华版：

01 Llama 4不追榜单重用户体验

问：Llama 4 相较 Llama 3 有哪些希望？

扎克伯格：我们方才 公布 了 Llama 4 系列的首批模子。相比 Llama 3，这一代模子在多个方面都取得了明显希望。Meta AI 当前月活用户已接近 10 亿，增加 速率非常快。我以为，今年 将是AI发展 的关键 节点，尤其是在我们动手构建所谓的“个性化闭环”之后。这一闭环整合了用户在信息流、小我 材料 、社交关系，以及与 AI 交互历程 中的数据，我们以为这将是下一阶段最具潜力的创新标的目标 ，因此正加大年夜 投入。

在模子研发方面，我们公布 了 Llama 4 系列中的两个模子：Scout 和 Maverick，它们属于中小型模子，具备精彩的性能和极低的相应延长，非常得当大年夜 范围 实际运用 。这些模子是原生多模态设计，可在单台办事 器上运行，性价比极高。目前，Llama 3 中最受接待的是 80 亿参数的模子，我们也会在 Llama 4 中推出同等范围 的版本，内部代号为 “Little Llama”，估计 将在将来几个月公布 。

别的，我们还在开辟一个范围 空前的大年夜 模子，代号 Behemoth，其参数量凌驾 2 万亿。这是我们首次 实验如此庞大年夜 的模子，我们也在探索如何将其变得真正适用 。由于体积过大年夜 ，它并不得当直接运用 于消费级场景，可能会经由过程 模子蒸馏等方式转化为更小、更易摆设的版本。

在2024年，Llama 3 首发后，我们对其举行了持续优化迭代，例如 Llama 3.1 推出了 4050 亿参数模子，3.2 引入了多模态本领。今年 我们也有类似的蹊径图，继承拓展模子的本领边界。 

问：开源模子是否在被闭源模子拉开差距？

扎克伯格：对于开源模子来说，我以为今年 将是关键 年份。在2024年，Llama 险些是独一 具创新性的开源大年夜 模子。而如今，开源模子生态愈发活泼 ，涌现 出众多强劲竞争者。整体来看，开源成为主流的趋势已经在渐渐实现。

目前市场上存在一种“推理模子”，专注于提拔数学和编程任务中的繁芜 推理本领，只管这平日 会以捐躯相应速率为代价 。我们也在研发一款专注推理本领的 Llama 4 版本，将在将来某个时光 公布 。

但对于我们关注的多数产物运用 场景来说，延长和资本更为关键 。用户不肯等候半分钟来获取谜底 ，抱负体验是在 0.5 秒内给出一个“充足好”的相应。将来，我们渴望在核心语言 模子中融合推理本领，这也是谷歌 Gemini 正在探索的标的目标 ，我们也对此持乐不雅 态度。

至于像 Chatbot Arena 这类基准测试，参考代价有限。它们评估的多是特定任务，不肯定符合真适用 户举动。我们曾试过过度调优模子以提拔排行榜名次，效果反而背离了用户盼望的实际体验。因此，我们更重视 Meta AI 运用 中的用户真实反馈，而不是盲目追求榜单效果。

别的，很多基准测试也很容易被“刷榜”。例如 Sonnet 3.7 是一款非常强的模子，但在榜单上的职位 并不突出。同样，我们也可以轻松将 Llama 4 Maverick 的调优版本推到榜首，但我们选择的是公布 未经调优的底子版本，体现天然偏低。我们更关注实际产物中的用户体验，而不是在排行榜上的名次。

目前，每个实行室的目标都是创造 通用人工智能或超级 智能，推动 进入一个各人都能使用这些超智能对象 创造 富足天下的时代。这种智能革命能带来巨大年夜 的经济效益和小我 赋能。

不外，差异的团队确实 在差异标的目标 上优化。比如，Anthropic 的团队专注于编码和相干智能体；OpenAI 则更注意推理本领。我的推测是，最广泛使用的标的目标 会是快速、天然互动的智能体，它们具备原生多模态本领，可以或许顺应一样平常保存 中的差异互动场景。

几年后，我们可能会全天候与 AI 对话，解决 我们在保存 中遇到的各类 题目。跟着 技术的发展 ，将来可能会涌现 像智能眼镜这样 的装备，人与 AI 的互动将无缝地贯串 在一样平常保存 中。

02 智能爆炸，代码将由AI自动编写

问：很多人以为，一旦软件工程和 AI 研讨 完全自动化，就能引发一场智能爆炸。届时，你将拥有数 百万个软件工程师的副本，在几周或几个月内完成从 Llama 1 到 Llama 4 的研讨 希望，而非数年的时光 。因此，实现闭环的软件工程师（AI）至关重要，这是抢先达到 超级 人工智能（ASI）的关键 。你怎么看？

扎克伯格：这是一个非常吸惹人 的想法主意 ，因此我们也投入了大年夜 批 精力开辟编码智能体。但我们并非专门的企业软件公司，而是根据自身需求开辟了得当自己的编码和 AI 研讨 智能体。我们的目标是推动 Llama 项目标希望，并让这种智能体完全融入我们的对象 链。

我估计 在将来 12 至 18 个月，很多与 AI 相干的代码将会由 AI 自动编写。这个智能体不但能自动补全部门代码，还可以或许根据目标自动编写、测试和改良 代码，乃至在某些方面，性能可能比平凡开辟者更优秀。这将是 AI 发展 的一个重要标的目标 。

然而，我并不以为这就是独一 的标的目标 。AI 行业将非常庞大年夜 ，AI 将在多个范畴施展 感化 。一些实行室将专注于企业运用 或编程范畴，而另一些则可能侧重于临盆 力提拔、社交、娱乐等范畴。将来将有更多针对信息提供和临盆 力提拔的模子，也会涌现 更多注意伴随性质 的模子。总体来说，AI 的运用 空间是巨大年夜 的。

问：为什么不直接实现超级 智能，而首先 要开辟小我 助理？

扎克伯格：我平日 并不完全认同智能会快速发作，缘故原由在于构建物理底子设施须要时光 。就像英伟达临盆 芯片一样，他们须要制作厂房、得到审批、确保能源供给 ，并依赖完备的供给 链。 

别的，AI 助手的普及 同样须要时光 。用户须要经由过程 反馈不绝进修 如何高效使用这些体系，而 AI 也须要时光 来理解用户需求，并举行持续改良 。从长远来看，这种共进式的进化将是 AI 发展 的核心。 

再者，正如几年前我们在广告 团队做的自动化实行排名体系所示，纵然你有 35 亿用户，仍然碰面对计算和实行测试资本 的瓶颈。我们创造 ，纵然有大年夜 批 想法主意 ，实际的计算本领和实行范围 往往会限定进一步的希望。因此，AI 的全面 发展 不但仅依赖于编码本领，它还须要底子设施、用户反馈和供给 链等各方面的共同 推动 。

03 AI朋侪、治疗师与虚拟伴侣将成实际 

问：如何与AI建立健康关系？

扎克伯格：这个题目只能在不雅 察到相干举动后，才能更好地回答。最重要的一点是，从一开端 就要关注这个题目，并在每个阶段都加以思量。但我也以为，过于先入为主地规定 什么是欠好的做法，可能会限定AI的潜伏代价。人们使用的东西对他们来说是有代价的，设计产物的核心原则之一就是相名誉户是聪明的，他们知道什么对自己的保存 有代价。固然有时某些产物可能会出题目，但我们须要确保在设计时只管淘汰 这些风险。

我以为 AI 将在很多社交任务中被广泛使用。事实上，Meta AI 已经被很多人用来资助自己与他人举行棘手的对话，比如“我和女朋侪有题目，怎么谈？”或者“我须要和老板谈谈，怎么开口？”这些运用 在很多环境下都非常有资助。

跟着 个性化算法的不绝进化，AI 会越来越了解 用户，进而变得更具吸引力。我曾做过一个有趣的统计：美国人均匀只有不到三个朋侪，而大年夜 多数人渴望有更多的朋侪，抱负数量大年夜 约是 15 个。然而，实际中，人们常常因忙碌而难以处理更多的社交关系，固然他们心田深处渴望拥有更多的联系人。

有些人担心 AI 会代替实际中的人际关系。我小我 以为，谜底 可能是否定的。只管实际中的社交关系有很多优点，但人们往往没有他们想要的那么多联系，很多时候会感到孤独。

当然，这个范畴仍处于初期阶段。如今，已经有些公司在开辟虚拟治疗师或虚拟伴侣类的运用 ，但技术仍处于非常初步的阶段。如今打开这些运用 ，你平日 看到的只是治疗师或人物的静态形象，偶尔有一些粗糙的动画效果，但这并不是真正的“具身”呈现。 

我们在 Reality Labs 的项目，比如 Codec Avatars，可以或许让你感觉到和一个真实的人在互换。将来，你将可以或许与 AI 举行随时随地的视频通话，身段语言 也将变得至关重要。究竟，在真正的互换中，凌驾一半的沟通并不是语言 ，而是非语言 的部门。

04 DeepSeek模子非常棒，但缺多模态功效

问：你提到过物理底子设施是一个重要的瓶颈。比如像 DeepSeek 这样 的开源模子，它目前的算力范围 不如 Meta，但其模子在某些方面已经接近 Llama。假如中国在底子设施建立、大年夜 范围 工业化、电力扩大 和数据中心摆设方面做得更好，你会担心他们在这方面超越 我们吗？

扎克伯格：这确实 是一场猛烈的竞争。如今可以看到国家层面的财产政策在施展 感化 。中国正在大年夜 力建立电力底子设施，这也是为什么美国必须加速数据中心建立和能源临盆 的审批流程。假如我们不加速，可能会处于明显的劣势。

与此同时，我们也看到像芯片出口管制这样 的步伐确实 在产生影响。以 DeepSeek 为例，很多人都歌唱 它在底层优化方面做得非常精彩，但这也引出了一个题目：为什么他们必须举行这些优化，而美国的实行室却没有做？缘故原由在于，DeepSeek 使用的是受限的英伟达芯片——即被限定出口到中国的降规版本。这迫使他们投入大年夜 批 精力举行底层优化，以增补算力上的差距。

DeepSeek的优化确实 做得很好，最终 的文本模子体现也相当不错。但如今，每一个领先的大年夜 模子基本上都是多模态的，可以或许同时处理图像和语音。而 DeepSeek 目前仍然是文本单模态。题目标关键 是：为什么他们没有做多模态？我以为，并不是他们做不到，而是因为他们必须优先把资本 投入到底子设施的优化上。

当我们将 Llama 4 与 DeepSeek 做对比时，实际上我们在文本本领上已经达到 了与DeepSeek相当的程度，乃至在更小的模子上实现了类似的体现，意味着在单位资本下实现了更高的智能。另一方面，在多模态方面，我们领先于 DeepSeek，而后者目前并没有这些功效 。

因此，总体来看，Llama 4 相比 DeepSeek 是更具上风的模子，大年夜 多数用户也更可能选择使用我们的模子。但我们必须承认，DeepSeek 团队确实 非常强大年夜 。你提到的关于电力、算力、芯片等方面的可获取性题目也非常重要——如今看到的模子性能和创新标的目标 ，很大年夜 程度上取决于这些底层资本 的可得到性。

05 AI商业化，广告 模式与付费办事 并行 

问：你以为 AI 商业化的精确蹊径 是什么？广告 是否可能不是最佳模式？

扎克伯格：AI 会有各类 差异的运用 ，而差异的运用 场景得当差异的商业模式。

广告 仍然是一个非常有效的方式，特殊得当那些提供免费办事 的场景。经由过程 广告 变现，用户可以无需支付费用，而广告 收入则可以或许笼罩 办事 资本。假如广告 体系设计得充足精细，它不但可以实现红利，还能提拔用户体验，比如经由过程 精准保举让广告 变得更加 有代价。当然，这也须要庞大年夜 的广告 主底子和强大年夜 的排序体系来支持。

然而，这种模式并不适用于所有的 AI 运用 。对于一些计算资本较高且代价较大年夜 的运用 ，如 AI 软件工程师助手，免费加广告 的模式显然不符合，反而更得当接纳直接付费的方式。就像人们愿意 为 Netflix 或 ESPN 付费一样，那些高代价且高临盆 资本的内容或办事 ，用户也更愿意 为之买单。 

将来，AI 相干产物将笼罩 从完全免费的消费者级对象 到须要高额付费的专业级办事 的全谱系。Meta 将继承推动 消费端的免费办事 ，并经由过程 广告 举行变现，但也会推出高阶、可扩大 计算本领的付费办事 ，以满意更高级 别的需求。在这方面，我们的核心代价不雅 很明确：我们渴望为全球尽可能多的人提供办事 。

06 软件开辟效率进步将释放巨大年夜 创造 力

问：假如软件开辟效率在两年内提拔100倍，会产生 什么？哪些目前无法实现的事变会成为实际？ 

扎克伯格：在过去的一百多年里，人类社会经验 了从以农业为主、重要精力用于保存 ，到逐渐腾出更多时光 举行创意和文化运动的变革。跟着 AI提拔软件开辟效率，这一趋势将会进一步加强，释放出巨大年夜 的创造 力。

跟着 时光 推移，险些每小我 都可以或许使用超人般的对象 ，创造 出各类 差异的事物。因此，我预见AI对象 将会涌现 明显的多样性。此中一部门将用于解决 重大年夜 困难，例如并吞 疾病、推动 科学认知，或开辟改良 我们保存 的技术。然而，我也以为，很多创造 性运用 将会集在文化、社交运动和娱乐范畴。 

别的，我对将来一个有趣的想法主意 是，固然AI进步了效率，但并不会淘汰 社会对人的需求。相反，它会创造 更多的就业时机。以Meta为例，我们不绝难以为 全球35亿用户提供语音客服，重要是因为资本太高。但假如AI可以或许解决 90%的题目，剩下的部门交给人工处理，就可以大年夜 幅低落资本，从而让语音客服变得更具可行性。事实上，AI的运用 可能反而会促使Meta雇佣更多的客服人员。

再比如，人们曾预言卡车司机的工作会因自动驾驶而消掉 ，但实际上，如今卡车司机的岗位 数量比大年夜 约20年前我们刚开端 讨论自动驾驶时还要多。总的来说，即便某项技术可以或许淘汰 某个环节90%的工作量，其最闭幕果往往是增加 了对人力的总体需求，而非淘汰 。（腾讯科技特约编译金鹿）