扎克伯格談DeepSeek(下):只有自己造輪子,命運才掌握在自己手里

上次提到了：“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，還接受了 ，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。”

本次訪談的這里帶來下篇。

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，本篇只包含后5個部分。

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

（我總覺得吧，我給他做的圖片有點過帥了......）

五、Open source AI

Dwarkesh Patel：最近?Sam?Altman?在推特上說，OpenAI 將發布一款開源的SOTA 推理模型，他還順帶調侃，說不會干“用戶不超過7億才能用”之類的蠢事。（you can only use it if you have less than 700 million users. 指申請使用 Llama模型的公司。）

DeepSeek 直接采用 MIT 許可，而 Llama 許可里有幾條附帶條件：你用它做應用時要在顯著位置標注 “built?with?Llama”，或者用 Llama 繼續訓練出的模型名字必須以 “Llama” 開頭。

你覺得 Llama 的許可，是不是對開發者太苛刻？要不要再寬松些？

Mark Zuckerberg：說實話，開源大語言模型這條路，基本算是我們先趟出來的，所以我并不覺得許可證苛刻。最開始大家甚至還在爭論：

• 把大模型開源，這事到底可不可行？

• 能否在保持安全、可信的同時開源？

• 開源模型能否做到足夠強，讓人真正想用？

當時Meta做了大量艱苦的工作，雖然也有其他團隊，但真正把局面徹底打開的還是Llama系列。

既然我們投入了那么多資源，至少得在大型云廠商——微軟、亞馬遜、谷歌——把我們的模型拿去賣錢之前，跟我們坐下來談談商業安排吧？

我們的許可證，初衷并不是阻止任何人使用，如果你是那類巨頭（有7億用戶以上的），比如Apple，那就來聊一聊，一起找個雙贏的方式。

到目前為止，這樣的做法運行得很好。

當然，如果哪天開源生態百花齊放、大家都有好模型，而Llama的這些許可證，反倒成了絆腳石，我們也會重新評估策略。

但現在，并沒有公司真的跑來抱怨“7億用戶”的條款，反倒是一些開源原教旨主義者總是嚷嚷：“這還算純粹開源嗎？”，但是他們并不是真正的客戶。

這種關于GPL、閉源API、二次開源義務的爭論，自開源模型誕生就存在。

可問題是，訓練這些模型，要花幾十億美元，要求和我們同級別的大公司在使用之前先來談一談，我覺得再正常不過。

DP：假設，今后出現一堆同樣出色的開源模型，某些模型在編碼等特定任務上甚至更強。那時開源生態已百花齊放，Meta 內部搞軟件工程、或面向自家應用部署時，會不會干脆選用別的模型，而不一定非得使用Llama？

MZ：這得先退一步看，我們之所以自己訓練大模型，是因為我們想要的東西市面上沒有。就算其他模型開源，你也得面對它們在架構、尺寸上的權衡，那直接關系到延遲和推理成本。而我們公司的規模太大，這些細節特別重要。

比如，Llama?Scout和Maverick設計成現在這個大小，是為了能單機運行、滿足某些語音場景的實時性：從眼鏡到所有應用、再到Meta AI App，都要用同一套底層能力。

只有自己造輪子，命運才掌握在自己手里。

當然，AI終將嵌入公司里的每一個環節。某些內部工具如果用Claude更合適，那就用 Claude，沒必要自縛手腳。

至于其他人也在做開源、我們就不重要了，我倒不是很擔心。如果沒有 Meta把方向推到開源，那些團隊還會開源嗎？

很多公司是看到趨勢，不得不跟，但他們真實的偏好是什么？Android 就是例子，開始很開放，現在卻越收越緊。

如果Meta停下來，也許別人就縮回去閉源了。基于這種不確定性，我們不能把未來押在別人持續開源的承諾上。

DP：你還提到“最好讓行業標準建立在美國模型，比如 Llama 上，我想弄清背后的邏輯。有些網絡效應場景確實這樣，比如蘋果的App Store。

但如果某個框架最初適配 DeepSeek，難道轉到 Llama 4 很難嗎？畢竟 Llama 3 還不是 MoE，Llama 4 就是了，每代模型自己也在變化。你為何認為，生態會按單一標準形成“鎖定”？

MZ：我說的標準，更多指模型里蘊含的價值觀與世界觀。

早期，我們拿Llama的一個版本做過多語種翻譯，好像是法語，法國用戶看了反饋說：“這聽起來像個會法語的美國人在說話，而不是地道法國人。”

并不是語言不通順，而是思考方式帶著美國味，這說明模型會把訓練語料的文化內核帶進去。

隨著模型更強，它們理應能體現多元價值觀。但我們測試一些來自中國的模型時，確實發現特定價值取向，已經深深嵌在里頭，不是輕描淡寫微調就能改掉的。

再看推理模型，如果它只做可驗證的數學題，那文化偏見問題就很小，可編程領域還要擔心安全問題：萬一某模型跟某國政府有聯系，悄悄在代碼里埋后門怎么辦？

未來，你的系統全靠它守護，某天它突然暴露漏洞，而那個國家早就知道了，而你只有等著被黑。

因此，開源真正吸引人的一點是可“蒸餾”。多數人，不會直接拿Llama原模型去跑，而是微調或蒸餾成小模型，對Behemoth級別的巨大模型來說，尤其如此。

從高IQ大模型，蒸餾到小模型，保留90-95%的智能，規模和成本卻只是 10%，這對很多場景早就足夠，而且十分劃算。

更妙的是，如今開源社區百花齊放，可以蒸餾的模型不只 Llama。

一種做法是：Llama 在多模態、推理效率等方面非常強，而另一款模型在代碼生成上表現更好，你完全可以把二者一起蒸餾，為自己的應用場景打造一個綜合表現優于任何單一模型的新模型。

不過，這就引出了安全問題：如何確保蒸餾過程本身可靠、可控？

我們投入了大量時間研究，發現凡是涉及語言的，就不可避免地夾帶價值觀。若不想直接繼承源模型的全部價值取向，就不宜把完整的語言世界模型原封不動地蒸餾過來。

對于“可驗證領域”的推理任務，情況要簡單得多——只要把范圍限定在可驗證的題目，再配合代碼整潔度和安全過濾（例如開源的Llama Guard或我們推出的Code Shield工具），就能較好地控制輸入輸出的安全性。

接下來還需要大量red team測試，讓專家持續“挑刺”，確認蒸餾后模型沒有出現不受歡迎的行為。

綜合運用這些手段，我們基本可以在可驗證推理領域實現安全蒸餾。對此我相當有信心，也做了深入研究。

當然，這仍是個大課題，如何在釋放巨大價值的同時，妥善處理潛在偏見與安全隱患。

六、AGI的商業化Monetizing AGI

DP：談到即將釋放的價值value to be unlocked，你認為 AI 最合適的商業化路徑是什么？數字廣告確實很賺錢，但在整體GDP中，只占很小一部分，相比之下，所有遠程工作的生產總值，要大得多。即使只是在不取代崗位的前提下，提升生產率，其價值也可能以數十萬億美元計。

廣告，會不會并非最終答案？你是怎么思考這個問題的？

MZ：正如我們之前討論的，不同應用場景會對應不同的商業模式。

當你想向用戶免費提供服務時，廣告是理想方式。

既然免費，總得有收入來源來覆蓋成本，廣告正好解決了“用戶不用付錢，也能享受極佳體驗”的問題。

而且，如果廣告系統做得好，許多情況下，廣告本身還能提升體驗價值。

要做到這一點，你必須擅長排序，并且擁有足夠多的廣告主。假設系統里只有5個廣告主，再怎么精細排序，也未必能向某位用戶展示他真正感興趣的東西。

可如果有 100 萬個廣告主，再加上優秀的匹配算法，就極有可能挑出“干草堆里的那根針”，正中用戶的需要。

所以廣告，肯定有它的位置。但同時，也會出現成本更高、根本不適合用免費模式來做的業務形態，這種情況一直存在。

為什么社交媒體是免費的、靠廣告支撐，而看Netflix或ESPN，就得付費？因為那類內容，制作本身成本極高，廣告收入無法彌補，用戶就必須掏錢。

結果是規模變小：使用人數從數十億降到數億，這是一種價值取舍。

AI也是類似邏輯，并非所有人都需要一個，或者一千個“軟件工程師代理”。但如果你真有需求，花個幾千、幾萬，甚至幾十萬美元去買，你可能也是愿意的。

這說明，未來會存在一整條多樣化的商業模式光譜，對Meta而言，面向大眾的部分，我們必然提供免費的服務，很大概率依舊是廣告模式。

但我們同樣需要一種能夠支撐“隨意調用大量算力、完成更驚艷任務”的付費方案，也就是付費版或高級版。

總的來說，我們的核心價值觀還是盡可能服務全球最多的人。

七、CEO的角色The role of a CEO

DP：你的公司里有這么多項目，其中一些，我們今天才談到，而我想還有許多，是外界根本不知道的。

作為 CEO，你要統籌一切，介入的深度可以是到Llama 團隊面前說：“這些就是你們該用的超參數”，也可以只是下達一個大方向，比如把 AI 做得更好就行。

項目如此繁雜，你如何判斷自己的價值增量，應體現在哪些方面？又該怎樣高效地管控這一切？

MZ：我的大量時間，都花在招募頂尖人才上。除此之外，還有那些跨團隊協同的部分。

比如Meta AI做出來了，要嵌進WhatsApp或Instagram，就得讓各團隊坐在一起討論。

接著，問題就來了：WhatsApp的Meta AI聊天窗口，是保持與普通 WhatsApp對話一致的界面，還是更像業內常見的AI聊天體驗？

二者各有交互慣例，需要做取舍。

這類如何把新能力融入現有生態的細節，必須逐一厘清。

再往下，是基礎設施的推進。若要搭建吉瓦級算力集群，就對數據中心建設方式、選址州的政策協調、乃至公司財務都有巨大影響。

比如當前全球經濟不確定性這么高，我們是不是仍要加碼基建？如果加碼，還要在公司層面做哪些取舍？這些都是其他角色難以拍板的大決策。

還有品位與質量的把關，比如何時產品足夠成熟、值得上線？

通常我在公司里擔此“品控人”的角色，當然也有不少同事同樣眼光敏銳，負責各自領域的“質量閘門”。

總體來說，大概就是這些核心維度。

AI有一些獨特之處，它比過去許多業務更研究驅動、模型驅動，而非單純產品驅動。

你無法先畫好產品藍圖再硬配模型，相反，需要先確定想要的模型能力，從中觀察涌現出來的特性，隨后再決定能做哪些產品。

歸根結底，用戶只想用到最好的模型。

這也是為什么我們強調打造最個性化的AI、最佳語音交互、最優延遲與智能并存。

為此，我們研發全雙工語音full-duplex voice，也要讓AI擁有持久記憶，并且能接入Meta體系的其他數據。

同時，在模型設計上精確控制規模與時延，以滿足這些體驗需求。

八、Is big tech aligning with Trump?

DP：說到政治，人們覺得一些科技領袖正與Trump走得更近。你和其他人曾向他的就職儀式捐款，還與他同臺。我記得你們還和他達成了一項導致對方獲得2500萬美元的訴訟和解。

我很好奇，這究竟是怎么回事？這是不是與政府打交道必須付出的成本？我們該如何理解這種現象？

MZ：在我看來，他就是美國總統。作為一家美國公司，我們的默認立場就應該是與任何執政政府建立建設性的關系。

我們此前也嘗試過向歷屆政府提供支持，我公開表達過對上一屆政府的一些不滿，比如他們基本不愿與我們或更廣泛的商業界接觸。

坦率說，如果缺乏對話、他們又不把這些事務當成優先事項，我們就不可能在很多事情上取得進展，也無法獲得所需的能源規模。

很多人想用“站隊”來解讀這一切，我能理解，但對我們來說，目標是打造卓越的產品，并與有關方面保持建設性關系，我就是這樣看的。我想大多數人也會這么看，不過我不能替他們發言。

DP：過去在內容審核問題上，你曾談到如何重新思考與政府的互動與讓步。

現在，你如何看待AI治理？如果AI真的如我們想象的那樣強大，政府必定會介入。

最有效的應對方式是什么？政府又該關注什么？

MZ：我過去的評論，多與內容審核相關。過去十年，這真是一段有趣的歷程，也是一個特殊的歷史時期，線上內容管理出現了很多新問題。

其中一些催生了頗具成效的新系統，比如用AI 檢測他國對選舉的干預。我們會繼續完善這些系統，它們總體是正向的。

但也有些做法走了彎路，我認為“事實核查fact-checking”就不如 Community Notes 有效，因為它無法擴展到互聯網規模not an internet-scale solution。

比如核查人員不足not enough fact-checkers，而且大眾不信任特定核查機構。

你需要一個更健全的體系，而 Community Notes 正是更合適的方案。

我想說的是，歷史上我或許過于聽信媒體或政府的批評與意見，而這些領域并非他們真正擁有管轄權的地方。

我們試圖搭建一些系統，讓自己不必獨自承擔所有內容審核決策。過去十年的成長讓我意識到，好吧，我們是一家有影響力的公司，必須對自己的決定負責。應當傾聽各方反饋，但也不能過度依賴那些根本無權做主的人。

因為最終坐在駕駛席上的，是我們自己。這是一次成熟的過程，有時也伴隨痛苦，但我相信公司因而更強大。

DP：關稅，會否推高在美國建設數據中心的成本，進而把建設轉移到歐洲或亞洲？

MZ：很難判斷結果會怎樣，我想現在還只是初局階段，具體走向尚難預料。

DP：在一周里你最具杠桿效應的那一小時single highest-leverage hour in a week，是在做什么？

MZ：我也說不好，每一周都不一樣。

最具杠桿的一件事，往往不會每周都相同，否則按理說你應該每周花超過一小時來做它。

行業高度動態變化，這也是這份工作的樂趣之一。

世界的面貌和今年年初、去年年中，都截然不同。

自上次我們對談以來，大約一年了吧？很多牌面已被翻開，進展巨大。

DP：是的，你之前提到，招募人才是你杠桿最高的事情之一。

MZ：招人確實是非常高杠桿的。

九、100倍生產力

DP：你提到這些模型，到了年底都會成為中級軟件工程師。如果在兩年內，軟件生產力提高 100 倍，會出現什么可能？有哪些現在根本無法打造的東西，屆時能被創造出來？

MZ：這個問題很有意思，我們今天的對話里有一個主題：被釋放的創造力將是巨大的。

回顧過去一兩百年，人類社會與經濟的整體軌跡，就是人們主要從事農業，把大部分精力用于填飽肚子，這部分占比越來越小。滿足基本物質需求所耗費的人類能量，越來越低。

這種轉變帶來兩個結果：第一，更多人開始投身創意和文化領域；第二，人們整體工作時間減少，娛樂和文化活動增多。

我幾乎可以肯定，這一趨勢會持續下去。

短期內，一個擁有超強軟件工程師能力的AI，會帶來什么？從長遠看，如果每個人都擁有超人級工具去創造各種東西，多樣性將空前豐富。

其中一部分，將用于攻克難題，治愈疾病、推進科學、研發改善生活的新技術。

但我猜，相當大一部分會進入文化、社交和娛樂領域。世界會變得更有趣、更古怪、更具特色，就像過去十年互聯網梗文化的發展。

這增添了豐富的層次，從某種角度說，還能幫助人們更好地連接彼此。如今，我整天在網上看有趣內容，然后發到群聊給朋友看。

人們現在能制作的媒體，已足以表達極其細膩、具體的文化意象，這股潮流還會繼續推進。它確實在多方面推動社會進步，即便不是那種“硬科學”式的治病救人。

從社交媒體的視角看，未來人們會花更多時間做這些事，而且體驗會更好、更能促進連接，因為它幫助表達多元觀點。

世界會更復雜，而我們的“文化技術”，比如會用一段幽默小視頻或別的形式表達復雜思想，也會大幅進化，我覺得這很棒。

至于明年會怎樣，有一點值得一提，至少在可預見的未來，這種變革會提升對勞動力的需求，而非減少，人們可以自主選擇工作時間。

舉個我們最近討論的例子，Meta 每天有近 35 億人使用我們的服務，我們長期苦于一個問題：如何提供客戶支持？

現在的用戶可以寫郵件給我們，但是，我們從沒考慮過提供電話支持，作為免費服務，每位用戶帶來的營收，不足以支撐電話客服的成本。

日活35億，意味著海量來電，可能需要世界最大規模的呼叫中心，每年成本100–200億美元，這完全不現實。

然而，隨著AI變強，它將能解決大部分用戶問題。也許十年后，就能處理所有問題。

就算只看3–5年的時間線，它也能解決相當多的問題。就像自動駕駛，能覆蓋很多路況，雖然尚未完全獨立。

有人曾預測，卡車司機會失業，但自從二十年前談論自動駕駛以來，卡車司機的崗位，反而增加了。

回到客服場景，若AI能處理 90%的咨詢，把剩下 10% 分派給人工，再把服務成本降到原來的十分之一，那么電話支持就變得經濟可行。

最終結果可能是，我們反而可以雇更多客服人員。

很多人相信AI會讓工作消失，但歷史從來不是如此簡單。

技術，通常能削減90%的工作量，卻讓崗位需求增加，而不是減少。

DP：最后一個問題：當今世界上，你最常尋求建議的那個人是誰？

MZ：唔，很難說，我的風格是廣泛請教顧問，而不只依賴一個人。

我們有出色的團隊、董事會成員，也有不少在業界做新東西的朋友，我沒有唯一的導師。

但在動態世界里，與志同道合的人一起做很酷的事，這對我來說，就是生活的意義。When the world is dynamic, just having a reason to work with people you like on cool stuff… To me, that's what life is about.

DP：以這個美好的話題收尾吧，感謝你接受我的訪談。

MZ：Yeah，thank you