在软件研发里最怕的是把未来的“存粮”一次性吃光。Meta 的 CTO Andrew Bosworth以下简称 Bos在最近的 Big Technology Podcast 播客中聊起 LLaMA 4 的被动局面时复盘了那个无心之失。在交付 LLaMA 3 时Meta 团队太想打个漂亮仗把原本预留给下一代版本的路径探索、前沿设想一股脑都提前透支了。结果LLaMA 3 赢得了满堂彩却直接导致研发 LLaMA 4 时管道空空如也在推理Reasoning和混合专家模型MoE上瞬间落后了别人一个身位。这次技术断档逼得马克·扎克伯格Mark Zuckerberg改变策略彻底进入了疯狂抢算力、抢人才的“创始人模式”。大象掉头内部免不了骨折。为了快速补课Meta 发起了一次极度紧迫的“战时动员”数千名非 AI 部门的资深工程师被迫暂停手头的核心项目一夜之间被抽调去给 AI 标定专家代码数据。这种粗暴的强推在内部引爆了极大的积怨甚至有员工向媒体抱怨这简直像是在“集中营干苦役”。对于高层沟通的缺失Bos 没有粉饰他承认自己在内部被泄露的邮件中把这次管理称为“极其糟糕”atrocious。但他坚持认为方向没有错——为了让大模型学会“如何像人类一样正常使用电脑软件”这种基础操作Meta 甚至开始追踪和收集员工敲击键盘、点击界面的底层交互轨迹因为在强化学习时代这种不体面的“脏数据”才是最稀缺的燃料。Bos 觉得这些内部管理的撕扯和阵痛就像他曾在一篇神经生物学博客里写过的那样——“痛苦即康复”Pain is rehab不经历戒断般的剧痛系统就无法真正重塑。在这场对话中他聊了聊为什么万能单体大模型已经死了、为什么他固执地拒绝安装家里烤面包机的 App以及他脑海中那个不需要任何应用商店的眼镜未来LLaMA 3 提前透支了所有技术路线给 LLaMA 4 留下了一个空空的管道。研发 LLaMA 3 时Meta 掏空了所有的技术储备来确保当时版本的成功。这导致研发 LLaMA 4 时面临技术断档在如今最核心的推理和混合专家模型MoE上不得不重新在空白中探索。单体万能大模型的时代已经死了以后是小模型和多模态各司其职。过去业界迷信堆一个万亿参数的单体大模型来解决所有问题。现在的趋势是极度昂贵的高智商模型只用于最复杂的任务其余绝大部分常规日常工作都分包给便宜、低延迟、垂直的小模型来做。大厂有大厂的生存逻辑自己不掌控底牌就只能任由别人开价。Meta 虽不排斥向 OpenAI、Anthropic 租用模型来给内部或外部产品跑测试但必须确保自研的底层模型拥有绝对的竞争力这才是你在谈判桌上不给竞争对手付高额“租金”的唯一底牌。Meta 承认内部“标定代码数据”的管理沟通办得极其糟糕。为了抓住代码微调的战略窗口Meta 强行把数千名写常规软件的工程师拉进 AI 标定团队。高层急于求成而缺少解释甚至引发了员工向媒体控诉是“集中营苦役”的极端对立CTO 承认这在管理上确实很失败。追踪员工的操作轨迹是为了解决 AI 至今都做得很烂的软肋——“用电脑”。AI 虽然在写诗和解答难题上表现惊人但在面对真实的复杂软件界面和底层操作系统时却表现得笨手笨脚。Meta 监控顶级程序员敲击键盘、点击按钮的数据是希望教 AI 掌握人机交互的潜意识行为教它学会使用各种办公工具。AR 眼镜不需要任何软件商店App 时代终将成为过去。我们不需要给每个电器都配一个专属的 App比如烤面包机CTO 至今都固执地拒绝安装它。在未来的 AR 眼镜生态中你需要什么AI 就会在后台即时编译Vibe-coding并生产一个应用服务完全在后台自动匹配和呼叫。通往前沿 AI 之路、模型租赁与消费级 AI 的困境主持人Bos很高兴见到你。我们开录之前刚聊到现在科技圈的局势有多疯狂。就我记忆所及还从没见过这样的发展速度。这一切的核心是 AI 模型。AI 模型是一切的基础没有一个能用、乃至领先的 AI 模型你很难在此之上构建东西。很长一段时间里业界的理论是要打造一款出色的 AI 模型你需要海量算力还需要顶尖的研究者来打磨算法。Meta 恰好拥有海量算力也有一支顶尖研究团队在打磨算法可领先的 AI 模型却迟迟没有出现。能不能聊聊你们从中学到了什么打造顶尖 AI 模型所需要的这套核心假设是不是本身就有问题Andrew Bosworth我想再补充一个要素优质数据。而这一点你们是有的。主持人这一点你们确实具备。Andrew Bosworth我也这么认为。是这样这里其实有两条故事线。第一条是回顾 Llama 1、Llama 2、Llama 3我们当时确实走在最前沿一路推动着这个领域向前。你当然也知道Facebook 基础 AI 研究组Facebook Fundamental AI ResearchFAIR已经存在了十几年。我自己其实就是从那儿第一次感受到 AI 领域的动静的——当时我信息流里冒出了一个 AI 聊天机器人。后来认识了 Yann杨立昆也开始接触 FAIR 的人心想哦这项技术进步得真快。所以 Meta 很早就入局了。真正的差距——我想这一点已经算是公开的秘密了——在于我们当时其实没意识到问题所在。我们在整合 Llama 3 的时候几乎把手头所有的研究成果都投了进去动用了一切能动用的资源结果无意中掐断了后续的研发管线。这套体系的运作方式是你先建好一个基础模型一部分人负责在这个基础上做渐进式改进另一部分人则在外面探索全新的技术路线。可当时我们没意识到——这也说明我们当时对这件事关注得不够——Llama 3 之所以能做到那个水准、成为一款广受好评的好模型其实是因为团队把未来所有的技术储备都提前押注进去了才交付出那款模型。结果等到做 Llama 4 的时候我们手上已经没有其他实验室仍在推进的那些探索性成果了。于是你在推理能力上落后了在混合专家mixture of expertsMoE上落后了在一大堆支撑行业持续进步的关键技术上都落后了。我想这在大约一年前对我们来说是一次相当公开的失望也促使 Mark扎克伯格把 AI 的定位从“好吧AI 是我们众多押注之一”——这是我们此前的理解方式AI 只是我们诸多赌注中的一个——转变为AI 是关乎整个公司根基的一场赌注我们必须彻底改变对待它的方式。这个词说出来有点老套但我实在找不到更贴切的表达创始人模式founder mode。Mark 真的切换进了一种独属于他的独特状态全身心扑在为我们争取所需的全部算力、所需的全部人才上——你提到的那些我们签下的研究者也差不多是在一年前正式加入的。Alexander Wang 刚过完他加入公司的“一周年纪念日”和他共事我非常享受也已经从他身上学到了很多。而这些投入的成果我们现在正在看到。看看 Muse Spark 就知道了——这是我们最新发布的模型虽然还不是我们的前沿模型但已经收获了非常好的反响。在不同的基准测试中表现各异但在我们最看重、也是我们认为最能体现产品独特性的那些方面它的表现相当出色。所以没错你说得完全没错——就模型这件事的公众认知而言我们目前确实处在你描述的那个位置上。但我们已经组建起一支我真心信赖的团队算力和数据我们也都齐备。所以我非常有信心我们一定能达到我们该到达的位置。我想再补充第二点我认为这在战略上非常重要模型本身是可以“租”的。你可以用 Anthropic 的模型可以用 OpenAI 的模型也可以用 Google 的模型。它们都是很棒的模型你可以直接拿来用这当然很好。但我们真正要为这个世界创造的价值是产品。我们对“个人超级智能”personal superintelligence的愿景我认为是一个只有我们才能独一无二地实现的愿景。这不仅仅是因为我们掌握数据——那当然很酷但更关键的是比起几乎任何其他公司我们更有机会理解你、理解你想做什么、理解你在这个世界上是怎样的人、理解什么对你真正重要。所以拥有自己的模型是其中一块拼图你需要出于战略考虑而拥有它这样才不会受制于人更重要的是你能掌控自己的命运。但模型本身并不是价值所在。我认为我们很快就会进入这样一个世界消费者根本不在乎。他们不想去指定自己用的是哪个模型不在乎那是 4.7 版还是 4.8 版——就像你不会在乎我用的是 Oracle 数据库还是 SQL 数据库一样。你只想要功能只想要这东西好用。我认为这才是我们所有人最终都要面对的评判标准。所以今天大家都在讨论模型这至少说明我们在“用户这一侧”、在“人们究竟能获得什么好处”这个层面上关注得还不够。我认为除了展示我们在技术上做出的成果之外这才是我们真正需要讲好的故事——我们需要切实地向消费者证明这份价值。“单体大模型”统治一切的时代已经死了主持人我想先从技术角度聊一聊。我一开始提出的问题是是不是可以靠“硬堆资源”的方式暴力堆出一个有竞争力的模型。我听你的意思是现在已经不行了因为像混合专家、推理这样的新技术意味着你必须对基础预训练模型做出一定程度的精细打磨才能打造出我们今天看到的这些顶尖模型。而这正是 Meta 眼下正在攻克的课题。Andrew Bosworth没错而且不只是这样顺便说一句整个行业都是如此。“单体模型”的时代大概在 Llama 3 发布前后就已经终结了。过去那种“只有一个模型我们来测试这个模型有多聪明这就代表它在各种事情上的表现”的思路如今已经行不通了。我们现在所处的世界是不管你用的是 OpenCode、Claude Code 还是 Codex这些“harness”智能体外层调度框架在底层其实是根据任务类型动态调用不同的模型。比如说它可能会调用一个多模态模型。如果你用的是 Gemini遇到图像生成任务时它会把活儿分给 Nano Banana。我们其实早就走出了“一个模型统治一切”的世界。你真正需要的是一个运行成本极高、极度聪明的模型可以用各种有趣的方式和场景把它蒸馏distill出更小的版本只在真正需要它那种精妙智能的时候才调用它本尊因为运行此类模型的成本非常昂贵。除此之外在那些其实并不需要天才级智力的场景里你会用更便宜、更快、延迟更低的模型。如果你去想人类要完成的各种任务我确实很相信“规模法则”scaling law——随着算力扩大模型的原始智能水平会持续沿着这条向右上方攀升的曲线增长。但人类的任务对智力的需求并不是无穷无尽的很多人类任务用常规水平的智能就足以完成。所以我确实认为接下来会出现一种“分层”的局面问题不再是“好到底哪一个模型能统治一切”而是“怎样把一组模型组合到一起以恰到好处的性能、价格和价值平衡去解决这些问题”。拥有具有竞争力的自研大模型是防止在谈判桌上被对手勒索高额“租金”的底牌主持人你刚才提到几个很有意思的点。首先真正重要的是产品这一点我同意。而拥有自己的模型对于“自主可控”来说也很重要。那我们就聊聊这个。你肯定也看到了苹果的做法——他们和 Google 达成协议去蒸馏 Gemini或者说做了某种 Gemini 的分支版本。从早期报道来看Siri 用上这项技术后表现还不错。你们有没有考虑过和 Google 达成类似的协议同时自己在并行开发模型以实现自主可控至少在短期内先靠这种方式尽可能快地推进产品Andrew Bosworth这事分两部分说。我们今天确实在用很多不同的模型同样地你要为消费者提供最适合他们的那个模型——这里面价格、性能都很重要延迟也很重要。但拥有自己的模型不仅能让你掌控自己的命运在和别人谈各种协议条款的时候你的谈判筹码也会强得多这样才能确保你给消费者提供的是能拿到手的最佳答案。花那么多钱——大概花了十亿美元给 Google——现在下结论还太早我不知道那种体验最终会是什么样子我也用不上它所以还得看后续发展。至少对我们来说我们谈的是“个人超级智能”。我们希望能为我们打造的产品带来一种极其强大、极具针对性的能力而不只是一种通用智能。这对我们来说非常重要。我们不是把这看作给某个现有系统“锦上添花”而是把它看作人们与自己电脑交互的一种全新方式。这确实可以追溯到我们在 Reality Labs现实实验室多年来做的很多工作。我们一直试图向 Xerox PARC、SRI、贝尔实验室Bell Labs这些先驱看齐——我们一直在思考怎样才能把信息从我们的大脑传输进机器这也是我们研究神经接口以及一系列相关技术的原因。反过来怎样才能把信息从机器传回我们的大脑这也是我们投入增强现实和虚拟现实研究的原因。AI 可能是我们见过的、把信息从大脑传入机器的最好工具尤其是当它能够观察我们周围的大量信息时。我认为这些正是我们想要发挥出来的独特能力。这不只关乎模型本身更关乎模型处理这些全新输入信号、并将其整合成一个闭环系统的能力。所以我们确实在努力打造出色的模型我对我们组建的这支团队非常有信心。我想说的重点只是光有模型还不够。至于苹果单纯去“租”那个模型是否足够我不知道——我不确定他们是否有一个更宏大的愿景去把它整合进人们的生活。主持人所以你们是不会去“租”模型的Andrew Bosworth不我们确实会“租”模型就像我说的我们也在用别人的模型。我们没有理由不这么做——我们确实在内部大量投入自研模型的开发但同时也在 Google、Anthropic、OpenAI 提供的模型上做一部分开发工作。而“模型无关”model-agnostic这件事之所以在经济上说得通其实很大程度上取决于你自己是不是拥有一个有竞争力的模型——真到需要的时候你有退路可以回归。这也给别人能向你收多少“租金”设下了一道实实在在的底线。但同样值得一提的是不管我说的是公司内部的开发者还是普通消费者我都不希望他们长期为模型这件事操心。今天他们确实不得不操心因为现在一切都还捆绑得很紧。但长远来看他们只需要关心自己想达成的目标这才应该是他们真正该关注的重点。所以拥有一个模型、而且是一个绝对领先、处于业界最前沿水准的模型这确实是一种重要的战略布局非常关键。但这不意味着你一拥有它就立刻赢了。你还得把它和一大堆其他要素连接起来产品、分发渠道、消费者体验。我认为正是这四样东西——模型、产品、分发、消费者体验——放在一起才是我们相对于竞争对手的真正优势所在。而我们大多数竞争对手不管是苹果、Anthropic、OpenAI 还是 Google往往只占有其中一样。主持人稍后我们会再深入聊聊产品这个话题。不过我想先问一下上次我们聊天的时候你告诉我你不会和 AI“融合”。但你刚才这番话听起来是用技术把你的想法从大脑传到电脑里再把信息从电脑传回你的大脑——这听起来很像“融合”了。你改主意了吗Andrew Bosworth没有我不认为这是和 AI“融合”。主持人下次我们聊天我还会再问你这个问题。Andrew Bosworth我知道。那我们就继续这个话题。这其实是一个既有趋势的延续也是这个趋势的加速我们和机器之间的“比特率”bit rate——无论是从我们到机器还是从机器回传给我们——都在随着时间不断提升。这方面我们其实已经有一些挺有意思的实践了。自动纠错autocorrect就好比一个坐在你和电脑之间的小型 AI它帮你降低误差、有效提升了你和机器之间的“比特率”。我们一直在用各种各样的小工具来加速这个循环。二维码是我最喜欢的例子之一。它的逻辑是好我想输入一个网址但我绝对不想手动敲这个网址因为出错率太高了很可能打不开正确的网站。所以我们用二维码。我认为如果你拥有一个真正能用非常“人性化”的方式、用人类语言去理解事物的 AI那对我们利用现有算力的能力来说可能是一次深刻的提升——哪怕这只发生在“输入”这一端。再把这个能力和 AI 更有效地整合信息、再回传给我们的能力结合起来那“比特率”就真的实现了巨大的提升。这让我想到 Doug Engelbart。他当年离开 NASA 去创办 SRI 的时候他的想法是人类面临的问题正在以比人类能力提升更快的速度变得愈发棘手。他想创造出一种“人机共生”的关系。他说要做到这一点唯一的办法就是让一群人能以某种方式和电脑“融合”在一起才能实现这个目标。也正因如此他主导了史上第一次视频通话、第一次多人协同文档编辑还发明了鼠标——所有这些最初都是出于想要提升这个“比特率”的初衷。我觉得 AI 正是这样的东西。消费级 AI 起步缓慢的硬伤要求用户在日常工作流里做剧烈改变本身是一件很反人性的事主持人好那这种能力具体体现出来可能就是一个了解你的上下文、能替你把事情办妥的个人助理对吧它可能通过手机或电脑上的聊天界面呈现也可能通过 Meta 正在打造的这类眼镜来实现。从产品角度来说——我想你刚才其实已经稍微透露了一些但我还想再多聊聊所有 AI 产品最终是不是都会殊途同归走向“个人助理”这个使用场景想想 OpenAI 在做什么——我们刚请了 Greg Brockman 上节目——OpenAI 想做的是打造一个能替你把事情办好、能理解你、能真正帮到你的“超级应用”。你和它对话它就会替你到现实世界里去把事情办成。Anthropic 大致也是这个方向Meta 同样如此。苹果也有类似的愿景虽然这愿景真正落地会是什么样子我们还得拭目以待。那你们要怎么做出差异化你同意所有产品最终都会殊途同归走向这个“中心化助理”的使用场景吗Andrew Bosworth是我觉得大家都在做很令人兴奋的事而我们正处在最前沿所以这个问题不太好回答。Anthropic 目前在做的业务以及 OpenAI 在 Greg 主导下似乎也在越来越多地转向的方向是一种企业级业务——他们在打造这些 harness。钱都在那儿这一点我理解他们需要钱。所以从这里切入是很重要的一步因为这真的和企业深度绑定实际上他们几乎所有的营收都来自这一块。这我理解。大公司——钱都集中在一处你只需要做少数几笔销售就能拿到大笔资金。这是一场资本密集型的游戏他们正在下这盘棋。我认为他们的主要重心肯定是这些“工作场景”我也认为这些场景非常有价值——很显然在我们自己的专业工作中我们也在用这些产品。但那不是我们的主要重心。我们的重心 100% 放在这项技术要如何帮助消费者过好他们的生活。我不认为这些 AI 会变得彼此毫无差异。我认为这里有一个真正值得思考的问题——其实你自己也这么形容过这些东西有点像“个人助理”它们能接触到你的各种信息那些信息你肯定不希望被广泛传播出去但它对这个“个人助理”是开放的因为它是一个受信任的助理。好如果你曾经雇过私人助理、又换了个新的你就知道其中有一段磨合期。所以如果你有一个已经深深嵌入你生活、并且表现得很好的个人助理我认为这会带来一种真实的联系要让其他竞争对手替代掉它得付出巨大的价值成本才行。主持人你觉得消费级 AI 为什么起步得这么慢业内已经有过一些尝试比如 Character.AI、Replika 这类产品。你也看到了OpenAI——你说得对——确实从盈利角度做了转向。他们确实也想做一些消费级应用比如营养、健康这类这些消费级场景可能会切入到更广泛的行业里去。但按理说消费级 AI 应该会从娱乐、陪伴的角度以及从帮你处理生活琐事——那些你在商业场景里根本不会用到的方式——很吸引普通人才对。可它的发展一直很缓慢。Andrew Bosworth是我也不知道我们当初为什么会觉得这个领域能“免疫”于炒作周期但“炒作周期”hype cycle是我们这个行业一次又一次都要栽进去的“常青”规律。人们常常误解炒作周期这件事。不了解的人可能不知道它先有一个炒作高峰然后跌入“失望低谷”最终才会走到真正的“产品市场契合”product-market fit。炒作周期想说明的重点并不是这项技术是假的。而是说愿意跨过重重障碍、把它折腾到能用的人在整个人群中只占相对很小的一部分。而把它带给所有人这件事本身才是真正的硬功夫。这不只是“你把这个高难度的技术问题解决了”就完事了你还得把用户界面做得顺手好用你还得让人们理解这项技术的价值——因为人们本来就在过着自己的日子他们不用这个工具日子也过得挺好。你现在要求他们改变习惯要求他们以一种相当剧烈的方式改变和电脑打交道的方式大多数人是不喜欢这样的。你必须以“价值”为先导。你要清楚告诉他们我们具体能为你做哪些事能让你的生活变得更好也许我最喜欢用的一个例子就是 agentic 工作这一块。和我们这个行业的很多人样我很早——去年 12 月——就开始用 Pi后来又用 Claude去尝试、构建、把玩这些 agentic 框架。我觉得它们非常强大但用起来并不友好构建和维护都很困难而且用久了还会“漂移”drift。所以当我想到——嘿我给我和我太太做了一个我把它放到一个 WhatsApp 聊天里她可以直接用——结果她从来不用。我天天用她不用。它就是很难融入到日常的工作流程里。她只会直接叫我去做事。主持人所以你才是那个 agent。Andrew Bosworth然后我再去找那个 agent。所以我其实是个“中转站”。仔细想想这其实挺合理的对她来说很好用我也不怪她。如果我真的成功了我反倒会有点担心。要是我真做做出了一个能把我从这个循环里彻底解放出来的 agent我其实并没有那么迫切地想要它。我想说的重点是我们还没有把它做到让人们愿意把它融入日常生活的程度。它还不够好用、创造的价值还不够多、还是太麻烦。所以这就是我们需要攻克的问题一个产品层面的问题。你需要出色的模型才能做到这一点但光有出色的模型是不够的。主持人明白。那你怎么看待“AI 伴侣”AI companions这个方向因为说到“人们最终会依赖的助理”这件事有一种观点认为你先把功能做出来人们自然会来用它。另一种观点则是你打造一个 AI 化身avatar让人们觉得自己和它是朋友靠这个来做出差异化。我们知道“个性”这件事其实很重要。Andrew Bosworth我们学到的一件事——我想 Anthropic 在历代 Claude 的迭代中也学到了这一点我们自己当然也非常在意这一点——就是作为人类我们非常在意自然语言究竟能不能打动我们、吸引我们。所以“个性”对这些模型来说很重要。话虽如此我认为你会发现人群中的偏好分布其实非常宽泛。我相信确实有一部分人很希望这个 AI 有实体形象、有个性、有一张脸。事实上在 agentic 的世界里已经有人想要创建 20 个各自拥有不同个性的 agent分别对应生活的不同方面——一个健身教练、一个营养师、一个医生助理诸如此类。我不是这类人。我其实只想让我的 AI 极其可靠、值得信赖。我完全能接受它是一个没有固定形态的存在它不需要有一个“类人”的结构我才会在乎它。我当然也不想同时应付 20 个 AI我只想和一个打交道让它把我需要的所有事情都办好。所以我认为现在还非常早期早到没法给出一个确定答案。我想你会看到人们在“想怎样使用这项技术”、“怎样才能让自己感到自在”这两方面呈现出非常大的差异市场最终也会因此提供出相应的产品形态。主持人未来是不是有可能这些 AI 伴侣会变成——这么说可能有点直白——“新一代社交媒体”社交媒体是一个你去看朋友们在做什么、和大家互动的地方。它可以让人非常沉浸其中在最好的情况下也能带来满足感。“使用时长”一直是个很重要的指标尽管“花了这段时间之后你的感受如何”同样重要。Andrew Bosworth“高质量地度过时间”time well spent。主持人对“高质量地度过时间”。也许这最终会被人们花时间和——我是说说到底这其实就是“你怎么和电脑上的某个东西互动”的问题——也许最终会变成人们花时间陪伴一个很在乎他们的 AI 实体。Andrew Bosworth是我尽量不去评判人们选择和技术互动的方式。我的直觉是对绝大多数人来说AI 带来的最大好处将是让他们有更多时间去和自己在乎、深爱的人相处。我经常拿增强现实来举例子比如说就拿我们现在这款相机眼镜来说——当我陪孩子的时候我既能录下一些瞬间分享给我太太这对我们来说很有意义同时我还能完全“在场”我和孩子之间没有一部手机横在中间。这对我来说很重要。我也说过如果你能在工作中更高效那你花在通勤上的时间就会变少你离开家人、离开你所爱之人的时间也会变少。我个人的感觉是对绝大多数人来说真实人际连接的价值只会随着时间水涨船高不会下降。我想我们从人们早期对 AI 的反应中已经能看到一点这样的迹象。人们担心这是一种“替代性”技术。但我自己不这么认为我本人就是 AI 的重度用户——实际上多亏了它我花在电脑前的时间反而变少了而不是变多了。所以这就是我对“绝大多数人将如何与 AI 互动”的预测以及它会如何影响人们和媒体、和所爱之人的关系。我认为它会让真实的人际连接、真实的人性瞬间变得更加珍贵。但我相信各种各样的情况都会存在。主持人没错。当然AI 眼镜也是这个愿景的核心所在。Andrew Bosworth对没错。主持人现在这个时间节点你和你的团队正在发布三款全新的 Meta 自研眼镜。这也是我们节目里一直在争论的一个话题到底手机才是那个 AI 设备还是可穿戴设备才是我们刚经历了这样一个时刻——还是说回苹果——他们看起来正准备发布一版真正能用的 Apple Intelligence能在一定程度上了解你的上下文或许还能替你把事情办成。但与此同时我们又看到了截然相反的一面Snap Spectacles 的发布让很多人开始说也许我们根本不需要 AR 或者 AI 眼镜。那款产品差到让人们……Andrew Bosworth你不用替我说我自己来说。主持人我确实不好评价我自己也还没亲眼见过那款产品。这么说吧我的评价其实市场已经替我说了。Evan Spiegel 戴着它出席了某场发布活动我记得 Snap 股价当场就跌了大概 6%。事情就是这样。Andrew Bosworth好吧那这将是我第一次戴着我们的新眼镜出镜。我们拭目以待让市场来做判断。未来的 AR 眼镜不需要软件商店AI 会根据你的实时需求当场写出一个 App主持人好。不过我很想听听你的想法Meta 为什么在这上面投入了这么多你显然相信这是一个很有说服力的应用场景。如果我说也许我们根本不需要 AR 或 AI 眼镜用手机就够了——你会怎么回应是什么让你坚定地站在这场赌局的另一边Andrew Bosworth手机当然很好我是说我很喜欢手机。我有两个手机。我觉得它们是很好的设备。从最开始我们问自己的就是这个最核心的问题。我们说“手机很好。但有什么东西是你希望在不把手机掏出裤兜的情况下就能直接使用的”我们的答案是相机和音频。就是这么简单。相比于仅仅通过蓝牙连接手机AI 带来了巨大的推动作用它在未来能解锁的能力范围要比手机广泛得多。所以现在的行业前景比两三年前看起来要乐观得多。两三年前这看起来像是嘿到某个时候你必须给它装上显示屏让它成为一个独立系统还得配一大堆外接设备。而现在市场上其实完全有足够的空间容纳一大批各式各样的可穿戴设备。眼镜当然是其中之一但可能不只是眼镜——很可能还有很多其他形态的产品。那些不想戴眼镜的人会想戴别的东西。其中一部分设备只是充当手机的输入输出接口这也挺好——你的手机已经很棒了如果这些设备只是让输入输出变得更高效那也很棒。另一部分设备则会更完整。比如我们的显示眼镜我们刚刚为它推出了一个 vibe-coded“凭感觉编码”平台任何人都可以直接为这款眼镜构建自己想要的任何应用。未来的 AR 展现形式中你实时戴着眼镜直接告诉眼镜你现在想要什么应用它就当场帮你把这个应用构建出来。主持人有意思。Andrew Bosworth你懂我意思吧我认为我们正在走向一个非常酷的方向——“应用花园”app garden这种模式会变得没那么必要了。当然“内容归属地”这种东西还是会存在。内容一直是个常青、重要的东西在电视上如此在社交媒体上如此在任何地方都是如此。所以仍然会有那么一些地方是你想要触达的媒体内容所在之处它们看起来会有点像应用、或者频道姑且这么叫吧找不到更贴切的词。但还有一大堆“长尾”的东西比如说我的烤面包机为什么需要一个 app我认真地问你我家的烤面包机是有 app 的但我不觉得它需要我也不想要这个东西对吧我只想告诉我的 AI agent“给我做我想要的那种吐司就是我每天吃的那种帮我做出来就行。”我不想还得自己去搞清楚那个 app 到底怎么操作。主持人你那个烤面包机的 app 是不是可以让你——Andrew Bosworth老实说我拒绝安装它我就是拒绝装。主持人我尊重这个态度。Andrew Bosworth我拒绝坚决不装。人总得为点什么坚持一下。听我说这事儿是有个度的。我承认有时候能有一个专门的 app去精细控制某个东西的方方面面这确实挺酷的我也理解这种心态——我本身就是个技术宅我喜欢那种“鼓捣细节”的乐趣。但说实话事情到现在这个地步已经有点失控了。我真正想要的只是能对一个智能系统说“嘿把我想要的东西给我”然后它就能替我搞定。我们在和 Spotify 的合作里已经能看到这种模式的雏形了。你对着眼镜说想听音乐如果你绑定了 Spotify 账号它就会直接帮你把想听的音乐播出来。这感觉就是对这就是我想要的我不想为了这件事还得走一堆繁琐的步骤。所以至少在我看来我的想法并不是说手机不好——手机很棒未来也会继续很棒。我不认为“一堆 app”会是未来的样子。我认为未来会是有价值的服务被提供给你你在需要的时候、以你想要的方式去获取这些服务然后向提供这些有价值服务的人付费——所有这些要么提前谈好要么按需即时达成。主持人是我对此深信不疑。我今天打开 Meta AI 应用的时候发现眼镜已经支持接入 Garmin 了。对我来说比如说我正在训练我很希望能直接说“我正在为一场半程马拉松备赛Meta AI帮我在这段时间里找一个我所在地区的 5 公里跑活动帮我报名”——就这样直接搞定而且是我正在跑步的时候就能做到。这样我就不用自己再花一个小时去研究这些东西了。Andrew Bosworth没错。主持人完全同意。Andrew Bosworth再往高一层说理想状态下你的 Meta AI 应该已经知道你正在训练、知道你有一个想要达成的目标并且它已经和所有相关的要素打通了——你的饮食、你的……这就是我们想把这东西带到的方向。从现在到那一步还有很多环节要走但这就是我们要去的方向。主持人Orion 眼镜——我们上次聊过这款产品现在进展到哪一步了那是真正意义上的全 AR、全眼镜体验。Andrew Bosworth是的Orion 对我们来说是一个非常重要的里程碑。我们怀抱这个 AR 愿景已经很多年了Orion 终于给了我们一款可以拿来实际打磨软件的设备。虽然我们没能把它的价格做到我们能安心作为消费级产品发布的程度但在设计和研发它的时候我们的出发点就是消费级的设计理念。它本身其实相当可穿戴、相当可用我家里就有一副我们一直在用它测试软件。所以我们一直在持续迭代软件也在软件层面取得了大得多的进展——这不只是因为 AI 变得更强了这一点确实对软件的形态有巨大影响也是因为有了 Orion 这个开发载体这一点同样意义重大。所以没错我们仍然非常专注于整个产品谱系。我们这次也透露了一点除了显示眼镜和相机眼镜之外未来还会有一整个价格更低的眼镜产品线。我依然坚信全 AR 是这个领域的未来。我认为我们会继续沿用至今的方法论——也是我们当初没有发布 Orion 的同一个原因光是实现所有这些功能还不够它还必须看起来足够好看还必须足够舒适让人愿意戴上它价格也必须落在一个理性的人会觉得“这确实物有所值”的区间。主持人那这一天到底还有多远Andrew Bosworth我不会给出一个具体的数字。我只能说我很满意我们目前取得的进展。主持人是以年为单位还是以月为单位Andrew Bosworth这个我也不会回答。主持人好吧那也合理。我理解你的坚持不过该问的还是得问。Andrew Bosworth我知道你会问。我之所以有所保留——在我们这种公司待过的人都懂这种感觉——我们一直在审视各种候选方案不断问自己“就是它了吗它准备好了吗就是它了吗”而现在天哪我们真的越来越接近那个“区间”了挺让人兴奋的。承认内部“专家轨迹”采集沟通极其糟糕以及我们为什么要追踪员工的操作轨迹主持人好酷。我们聊聊 Meta 的公司文化。你现在在负责这个应用 AI 部门。Andrew Bosworth没错。主持人这个部门最近也成了一些报道的焦点。Andrew Bosworth我负责的是 Agentic Transformation Accelerator智能体化转型加速器。主持人这个部门下面有一个小组就是 AI 团队。Andrew Bosworth对。主持人好那我直接念一段《连线》Wired杂志的引述。一名员工告诉《连线》“这简直就是古拉格gulag。你的人生一下子就失去了意义你几乎不和任何人互动每周就是做这些任务。”他说的显然是那些员工被安排去完成一些 AI 相关的任务用来帮助训练 AI。那边到底是什么情况Andrew Bosworth我不太确定这位员工有没有真去搜索过“古拉格”到底是什么以及它和硅谷一份年薪六位数的软件工作到底有多相似——看起来大概没有。但他会说出这种话这件事本身……先撇开这种夸张的说法不谈是的我们内部确实花了大量时间在这件事上这对我们来说是个非常重要的议题。你跟踪报道我们已经很久了你应该知道我们这家公司确实有过“进入封闭冲刺状态”的传统。每当我们面前出现一个紧迫的机会我们就会这么做。我们在移动端上这么做过在视频上这么做过在 Stories 上也这么做过。这些事件里每一次都不至于让整个公司调转方向但确实会有这样的时刻我们会意识到如果现在集中全力扑在某件事上我们认为市场里存在一个巨大的机会。这次也是一样当我们发布 Muse Spark 之后——我想说清楚Muse Spark 是一款很出色的模型我们对它非常兴奋——虽然我们此前在打造这款模型时并没有把编程能力当作重点但它在“开箱即用”状态下的编程表现比我们预期的要好得多。我们很早就通过实验发现只要给它相对不算太多、但经过专家精心指导的训练样本我们就能对模型做后训练post-train并大幅提升它在编程上的竞争力。一旦你开始算这笔账你会意识到哦这对我们来说是一个难得的机会——打造一款编程模型不仅能让我们在公司运营上实现自主可控也能在很多层面创造价值一方面如果你给用户一个能写代码的 AI那显然是过去一年里 AI 系统中变得极为常见、也极其强大的工具之一另一方面我们也能逐步让这个模型本身更广泛地开放出去。所以我们基本上是看到了这个巨大的机会——大到我们几乎是当机立断地转向从公司各个部门抽调了大量人手几千人投入到这个 AI 组织里去做这些“专家轨迹”expert traces的采集工作。事实证明如果你用一段质量很差的代码去训练模型反而会对它造成损害。你不会希望强化那些失败的模式这些示例必须做得扎实必须有专业人士的指导。不过我们这次推进得非常快因此这个项目在结构上没有打磨得很完善围绕它的沟通工作也做得不够好。我曾经公开说过——不对其实不是“公开”说的是被人泄露出去说我把它形容成“糟糕透顶”atrocious。主持人你说的是——大概不是你在这里 20 年来见过最糟的一次但也差不多排得上号了。Andrew Bosworth这句话其实不是我说的。主持人我也不知道那句话是从哪儿……Andrew Bosworth不是你说的吗主持人不是我说的。好吧好吧。Andrew Bosworth但我确实说过类似的话我不介意承认这一点。正因为我们是一家大公司正因为我们看到了这个紧迫的机会才做出了这个变动——我认为从战略上讲这个决定绝对是正确的但我们没有花功夫去一个一个地找每个人好好和他们谈这到底是什么、我们为什么需要它、它为什么重要——尽管我们清楚他们手头本来还有其他令他们兴奋的工作为了这件事他们不得不把那些工作先放一放。但这就是我们公司的做法——每当我们感觉自己捕捉到了这种转瞬即逝的、令人难以置信的机会窗口时我们就会这样做。所以没错我们正在应对这场正在整个行业发生的变革这场变革也正在每一家公司内部上演是我们从未经历过的局面。你一开始就点出了这一点这是我们职业生涯里从未见过的局面。我认为这确实让人们心生犹豫。所以这也对我和其他领导者提出了更高的要求我们必须比现在做得更好——更好地去沟通到底发生了什么、为什么会发生、这对你意味着什么、我们预期它长远会怎样发展。也要确保大家明白他们所扮演的角色在我们看来是极其关键、极其重要的。不然的话我们显然也不会做出这样的调整。主持人我们能不能简单聊聊那个“行为追踪”的事如果我是员工我大概不会喜欢这种做法但我最近在节目里其实也替你们这么做的理由辩护过。现在既然我们坐在一起那就聊聊这个话题。大致情况是据报道 Meta 开始追踪员工的部分击键行为、打字方式并以此作为训练模型的一种手段。我自己的看法是随着模型训练越来越转向强化学习——我记得 Scale AI也就是 Alexander Wang 的老东家曾说过他们现在大部分训练工作都是强化学习而不是我们之前聊过的预训练——随着这项技术转向强化学习让模型在所谓的“训练场”gyms也就是各种模拟真实世界活动的场景里学习如何完成任务这一点会变得非常有价值。所以我这么理解对不对这个项目基本上就是这种做法的一个大规模放大版——模型观察员工完成任务的过程然后学会自己独立完成这些任务Andrew Bosworth没错这事儿分两部分说。第一点你说得完全没错强化学习在今天的 AI 里所扮演的角色比两三年前人们预测要重要得多。但不仅如此。“长尾”真的很长——人类知识和行为的长尾长得超乎想象。哪怕把互联网上所有的文本都算上我们所知道的大部分东西其实仍然不在互联网上它们藏在我们的脑子里是经验积累是随着时间沉淀下来的、我们已经习以为常的行为方式。在某种意义上我觉得这套系统的设计其实相当巧妙员工完全不需要改变他们平时的工作方式一切照常进行而在这个过程中就自然而然地产生出了这样一份独一观二的数据语料库。具体到这次的场景是“设计”以及“人类到底是怎么使用电脑的”。AI 在“使用电脑”这件事上说来也怪表现还是相当糟糕这其实是一个出人意料的难题至今没被很好地解决。这也是为什么围绕“计算机使用”computer use和 agentic 系统的所有精力都在往这个方向投入——归根结底都是“电脑”这件事。你当然可以在前端把智能水平先拉高再从中蒸馏出更小的模型但我们确实认为拥有这份数据有潜力让人们的生活变得更轻松。这甚至和“内容”本身无关——这一点其实是最难传达清楚的我承认我们这方面也没做好——重点根本不是你在做的这件事本身的内容是什么而是电脑要如何理解在这个数字界面里究竟正在发生什么而这个界面正是我们今天接触很多工具的方式。第二点对于“长尾专家训练”来说其实更好的做法仍然是我们的应用 AI 团队、也就是那个 AI 团队目前在做的事情——用相对较少、但记录得极为详尽的任务去对模型做后训练。而这次这个项目是另一回事它是一个非常长期的过程。等我们积累了一整年的数据才会得到一些真正有潜力用到模型上的东西。我还想补充一点自项目启动以来我们也对它做了不少调整——增加了 30 分钟的休息时间、允许无限次暂停员工也可以出于各种原因选择退出。所以针对那些对此有顾虑的人我们已经对这个项目做了相当多的改动。主持人你最近把不少以前写的旧博客文章搬到了 Substack 上我一直在邮箱里收到、也一直在读。前阵子我读到一篇特别有意思的文章讲的是你做一些生物学研究时医生说“疼痛就是康复”你需要那种疼痛才能真正痊愈。你在文章里写道“到了某个阶段你必须能够拥抱疼痛才能取得真正的进步。给定两个其他条件都相同的故事人类会更记得那个唤起了更强烈情绪的故事。情绪是我们大脑给记忆做优先级排序的方式有时候事情必须‘疼’一下大脑才会把它排到前面。”这里要感谢一下 BS80我在哈佛上的那门神经生物学课。AI 正在拿走很多这种“疼痛”对吧人类现在用 AI 做的很大一部分事情就是把我们工作中大量痛苦的部分交给了 AI 去做。如果这个目标真的实现了那我们还能去哪儿找到这种“疼痛”Andrew Bosworth哦我太喜欢这个问题了。先插一句题外话我之前交给我的 agent 一个任务让它把我的旧博客文章都搬到 Substack 上这样以后我可以两边同步更新。直到最近我才发现它会把所有的项目符号列表全部删掉——我的 agent 根本不理解“项目符号列表”是什么。所以在 agent 这条路上我们还有很长的路要走。“疼痛就是康复”这个说法来自药物戒断过程中会出现的神经生物学现象。当时有个学生问嘿既然会出现这么多戒断症状我们为什么不直接给病人止痛药呢教授回答说你没理解——疼痛本身就是“药”。体验到那种渴望毒品的冲动、那种“觅药行为”drug-seeking behavior然后让这个过程极其痛苦正是大脑重新编程、克服“觅药行为”的方式。如果你把这种疼痛拿走那这个人就永远也戒不掉。这是一种“有生产力的疼痛”。顺便说一句我甚至想主张AI 带来的这一整套阵痛——不只是发生在 Meta而是发生在每一家公司——正是我说的这种疼痛。这是一种你只能“穿过去”、没有别的出路的疼痛你必须自己摸索出一条路径去搞清楚什么行得通、什么行不通。就是这么“硬碰硬”。当然我们的社会里也存在很多其他类型的疼痛它们和创造真正的价值毫无关系。教育就是一个很好的例子这方面的问题时常出现。我记得当年——我相信你上学的时候也听过——“嘿这场考试不许用计算器因为你在现实生活里身边也不会随时带着计算器。”而现在我随身至少带着三个计算器更别说我还能直接对着我的眼镜问数学题——我身上到处都是计算器。事实证明不用计算器做数学考试确实是一种疼痛但并不是一种特别有价值的疼痛。用计算器做一场需要真正批判性思维的更难的数学考试或许才是更有价值的方式。所以我确实认为把我们正在经历的疼痛和我们真正想为这个世界创造的价值对齐起来这件事很重要。学着去整合 AI——你当然可以逃避这种疼痛直接跳过它不去做。但你我都清楚这会让你陷入真正的风险你会被那些既会用 AI、又想抢你饭碗的人甩在身后你所在的公司也会被那些已经在经济效益上、或者在产品层面完成了 AI 整合的竞争对手甩在身后。Sheryl Sandberg 说过一句我很喜欢的话公司通常不是因为设定了艰难的目标、却没能达成才失败的而是因为设定了轻松的目标然后年复一年都轻松达成最终把自己一路“达成”到失败。所以我认为今天你完全可以轻松地逃避这种疼痛只要你说“好吧我们就是不打算这么做我们就顺其自然以后再说。”所以我认为疼痛分“有生产力的”和“没有生产力的”两种也许还需要一点判断力才能分清楚眼下这种到底是哪一种。原文链接Meta CTO 自爆Llama 4掉队真相为了让Llama 3强行出头我们亲手“废了”自己的后路-36氪