--- id: "Lx8lrn-cytc" title: "Mark Zuckerberg 谈 Muse：Meta 迄今最大的 AI 押注" channel: "Sources Podcast" host: ["Alex Heath"] guests: ["Mark Zuckerberg"] date: "2026-09-08" updated: "2026-09-13" duration: "1:10:10" duration_seconds: 4210 source_type: "youtube" youtube: "https://www.youtube.com/watch?v=Lx8lrn-cytc" canonical: "https://pod-exp.pages.dev/Lx8lrn-cytc/" transcript_jsonl: "https://pod-exp.pages.dev/Lx8lrn-cytc/transcript.jsonl" language: "zh-CN" translation: true translated_from: "en" timestamp_precision: "block" topics: ["人工智能","AI 智能体","AI 安全","AI 基础设施"] series: ["Meta"] --- # Mark Zuckerberg 谈 Muse：Meta 迄今最大的 AI 押注 > 中文译文，由英文原音字幕翻译整理，不是官方逐字稿；引用原话请核对英文原视频。说话人标签由整理者依上下文标注，带「未确认 / 未标注 / 不确定」等字样的标签不可靠。时间戳一般为块级（所在时间块的起点），不是逐句时间；正文自带 [hh:mm:ss] 的段落除外。 **内容提要：** Mark Zuckerberg 在这期 Sources 访谈里把 Meta 的 AI 战略概括为一条贯穿始终的原则：能力越强的技术，越应该广泛分配，而不是集中在少数实验室手里。他解释了 Muse 个人代理为何被设计成长期运行、主动提出项目并代表用户行动的系统，也详谈其免费额度、交易抽成设想、跨代理网络效应，以及围绕 confidential VM、凭证隔离、Sentinel agent、human-in-the-loop 与最小权限原则构建的隐私安全架构。后半段，他回顾 Llama 4 后重建 AI 实验室、提升人才密度和算力投入的过程，并讨论 AI 安全、政府协作、智能眼镜隐私、青少年社交媒体限制以及 Threads / X 的分发逻辑。 ## [0:02] AI 的分配、繁荣与制衡 · YouTube **Alex Heath：** Mark，上次我们聊的时候，是你给我打了电话。那是个周末——更有意思的是，你是通过眼镜打过来的。你当时背景里吵吗？你正准备去钓鱼，我本来没打算说出来，不过确实是周末。 **Mark Zuckerberg：** 降噪其实挺好的。 **Alex Heath：** 非常好。 **Mark Zuckerberg：** 对，确实很好。 **Alex Heath：** 不过那次你想谈的是你最近发的那篇文章——我不知道该叫论文还是宣言，就先叫“宣言”吧。它很长，内容很多。我想从这里开始，因为里面有很多大的想法，而且会连到我们今天真正要谈的主题。你为什么要写这么长一篇？里面真的塞了很多东西。（笑） **Mark Zuckerberg：** 如果你准备投入这么多资源去建设 AI，我觉得就有责任让大家理解你的实验室代表什么、价值观是什么。AI 的机会非常多，但真实风险也很多，所以任何做这件事的人都应该有一套经过认真思考的理论：你正在做的工作，为什么会把世界带向一个更积极的未来。 **Mark Zuckerberg：** 有意思的是，不同实验室在这件事上的哲学并不一样。行业里已经形成了一些所谓“共识”，但我强烈不同意其中不少。我的看法是，要让未来对所有人都更好，路径不是把技术锁起来，而是尽可能广泛地分配技术。我们基于三个主要原则。第一，赋能个人一直是世界繁荣的来源，历史上也是如此。第二，AI 的主要用途会是**发明新事物，而不是自动化现有事物**。第三，未来安全的基础，应该是建立正确的制衡（checks and balances）和权力平衡，而不是限制谁能访问技术。 **Mark Zuckerberg：** 这几条与硅谷不少传统看法很不一样。很多人会说：“这项技术太强大了，所以必须限制，不能让太多人获得。”我反而更担心极少数实验室或少数人控制如此强大的东西。历史反复证明，把力量交给普通人之后，真正的进步往往不是来自既有权力或建制中心，而是来自边缘的人——那些一开始不被认真对待的人。当他们得到足够好的工具，可以把自己的想法验证出来时，力量会非常大。 **Mark Zuckerberg：** 西方社会之所以能形成相对平衡的治理，本身靠的就是一套制衡和权力平衡。我们社会里根深蒂固的一条原则就是，不希望一两个机构独占某种关键能力。拿最近的网络安全担忧来说，如果有人有一个能攻破系统的 AI，我认为最好的“解药”不是只有少数机构掌握防御模型，而是让每个人都有 AI，先把自己的系统加固。过去几十年的网络安全史也说明了这一点：开源软件因为任何人都可以查看和审查，反而常常形成更安全、更稳定的环境。这看起来有些反直觉——把能力放到更多人手里，安全性反而提高。 **Mark Zuckerberg：** 所以这是我真正相信的方向：广泛分配技术。这也会直接决定我们接下来做什么。显然，我们会做领先的 AI 模型。刚发布的 Muse Spark 1.3 已经很先进，不过它其实来自一个相对较小的预训练，内部代号叫 Avocado。 ## [4:03] Muse、开源与“把能力交到个人手里” · YouTube **Alex Heath：** 好，我们待会儿一定要聊这些内部代号。 **Mark Zuckerberg：** 会聊到的。Watermelon 也快来了，那会是件大事。但如果说哪一个产品最能体现刚才那套愿景，我觉得就是我们正在推出的 Muse 个人代理。基本想法是：给世界上每个人一个能力很强的个人 agent，它能理解你的目标，并且 24/7 持续替你工作。另一个重要部分就是让技术真正进入人们手里。我们很支持开源，也非常在意这些巨大的机会不能只属于少数个人或公司。 **Alex Heath：** 本期节目由 Mercury 赞助。它是一种 AI-native banking，超过 30 万名创业者在使用，包括我。访问 mercury.com 可以了解更多。Mercury 是一家金融科技公司，不是银行，细节见节目说明。也感谢 Granola——这是给连续开会的人用的 AI 记事本，可以在你工作的各种场景运行，让你专注在真正重要的事情上。可以在 granola.ai/sources 试用，使用优惠码 sources 可获得三个月优惠。本期也由 Atlassian 的 Jira 赞助，它让团队和 agent 共享推进工作的上下文、协作与控制；可在 jira.com 免费试用。 **Alex Heath：** 关于 Muse Agent 我有很多问题，不过我想再停留在大图景一下。你刚刚说了很多。你担心的趋势——能力集中、少数实验室控制前沿模型——现实里主要靠什么来对抗？开源是核心答案吗？还是监管？或者两者都有？ **Mark Zuckerberg：** 我其实认为最重要的不是先谈开源或监管，而是**把技术交到个人手里**。从这个意义上说，Muse 这种个人 agent 甚至可能比“模型是否开源”更重要。现在开始出现一种情况：有些实验室训练出更先进的模型，却根本不发布。 **Alex Heath：** 对。 **Mark Zuckerberg：** 我觉得这相当危险。一个系统被公开出来、被大量人审视，本身就形成制衡。更重要的是，如果很多人能使用它，收益也可以广泛分布，而不是只让一两家实验室变得极其有价值。我们真正希望的是数十亿人都能在自己的生活里获得繁荣：有人用它创办小企业，有人在职业上更成功，有人提高家庭管理效率、节省开支，也有人用它改善健康。收益必须是广泛的。 **Mark Zuckerberg：** 竞争层面，我当然认为有多个实验室是好事，开源也非常有帮助，所以开源是其中重要的一部分。开源的本质是有一整个社区参与，并不是“Meta 会成为唯一一家做开源的公司”。而且我也不是开源原教旨主义者；我们并不是把所有东西都开源。我们会发布一些开放模型，也会做一些闭源工作。作为一家营利公司，你可以创造非常先进的东西，但并不意味着每一样东西都必须交给全世界。 **Mark Zuckerberg：** 不过总体来说，一个强健的开源生态对维持竞争、透明度，以及让社会理解技术到底往哪里发展非常关键，我认为这对安全也非常重要。如果世界上只有少数几个能力极强的模型，会出现很奇怪的脆弱性。比如网络安全，人们很容易产生一种直觉：“我们有一个能力很强的 cyber 模型，那就只让排名前一百的机构用。”但问题是，世界上重要的机构远远不止一百个。像 Hugging Face 之前遇到入侵事件时，它未必属于所谓“最大的前一百家机构”，但它是大量人依赖的重要基础设施。 ## [8:03] 开源生态与安全的收束 · YouTube **Mark Zuckerberg：** 当 Hugging Face 检测到入侵时，它转而使用了开源模型，因为它没有权限使用那些与问题相关、但被封闭起来的模型。所以，强健的开源生态是构建安全、稳定未来的一部分。但对我来说，最核心的还是那件事：**让技术被广泛分配，而不是囤积在极少数人手里。** ## [8:35] 数据中心、就业与社区利益 · YouTube **Alex Heath：** 硅谷现在还有一个持续争论：为什么公众对 AI 的感觉这么负面？尤其是 AI 和数据中心的情绪非常负面。你最近的长文也在回应这些担忧。是不是可以把你的核心论点理解为：如果技术扩散得更广，让更多人接触现在只被少数顶级实验室掌握的能力，公众那种“被排除在 AI 之外”的感觉也会缓解？ **Mark Zuckerberg：** 这里有很多层次，这也是那篇文章为什么长到 15 页。问题不是一个。人们担心工作和经济，担心数据中心对本地社区的经济和环境影响，担心 AI 被滥用——比如网络安全、生物风险；也担心自由社会如何维持、美国领导力、以及技术越来越强之后人类如何保持控制。这些都很重要，所以不能只在高层用一句话概括，每个问题的细节都不同。 **Mark Zuckerberg：** 但它们有一个共通点：如果你能创造广泛的繁荣，很多问题会更容易处理。我认为比较好的方法之一，是确保“谁能访问技术”的权力结构是平衡的，并尽可能让力量偏向普通大众，而不是某些内部利益相关者。 **Mark Zuckerberg：** 以数据中心为例，我们实际发现，当 Meta 进入一个社区，并承诺未来几十年都会在那里投资——真正建设大型数据中心就是这种长期承诺——这可以给社区带来非常现实的好处。比如税收。路易斯安那有一个例子，数据中心带来的税收为当地教师提供了 **5 万美元奖金**。我们也会带来很多工作，并在当地社区进行大量投资。这些都可能非常好。 **Mark Zuckerberg：** 但同时也有大量投机。有人并不是打算运营数据中心几十年，只是先找到一块地，再设法把项目卖给某个大实验室。他们并不真正关心当地社区，也没有长期投入。如果一个项目方不在意怎样让项目对本地长期有效，社区当然会不满。这就是“投机式繁荣”比较麻烦的地方。 **Mark Zuckerberg：** 我甚至不确定该不该把它叫“泡沫”，因为“泡沫”暗示估值一定过高；但肯定存在一场 boom。boom 会制造短期思维的激励，而短期激励不一定会照顾所有利益相关方。如果你想让这件事长期可持续，就必须解决这些问题。归根到底，如果我们创造的技术既不创造就业，也不创造广泛繁荣，建设的基础设施又不帮助本地社区，那社会不会允许它无限继续下去。我们必须从设计上让它对人有益。 **Mark Zuckerberg：** 所以对那些对 AI 非常悲观的人，我的一个基本判断反而是：如果我们最终没办法把它建设成一件总体上积极的事，那它实际上就无法按现在设想的规模发生。正确的制衡，以及把收益广泛分配，本身就是它能够扩张的前提。 ## [12:36] 长期主义、技能培训与激励对齐 · YouTube **Alex Heath：** 我没听过你这个位置上的其他科技公司负责人这样谈数据中心，尤其是“几十年的长期投资”这个角度。你一直都是这么想的吗？还是最近公众的反数据中心情绪，让你看得更清楚了？ **Mark Zuckerberg：** 你说的反数据中心情绪确实让我们深入研究了这个问题。我们发现，Meta 自己的项目周围并没有那么强烈的反对，所以就去问很多人为什么。结果看起来，真正的分界线是：一边是短期投机者，另一边是准备长期经营的公司。仔细想想，这很合理。 **Mark Zuckerberg：** 比如我们做了一个 America's Workforce Academy 项目。我们知道未来会持续建设很多数据中心，但现实里缺少足够的技术工人：光纤技术员、电工、高级木工等都不够。我们需要几十万，甚至可能几百万更多具备这些技能的人，但现在没有这么多人接受过训练。所以我们建立培训项目，并保证完成培训的人能在为 Meta 建设基础设施的岗位上得到工作。 **Mark Zuckerberg：** 为什么要做？这其实不是什么慈善。我们确实需要这些人掌握技能，所以它是双赢。如果你准备干几十年，这种投资非常合理；但如果你的计划只是建一个站点，然后翻手卖给另一家公司，你就不会这么做。很多世界上的问题，放到足够长期的尺度去看，确实会被“激励对齐”自然解决。 **Mark Zuckerberg：** 我也不相信社会最终会允许极少数实验室控制如此重要、如此有能力的技术，同时把大量财富都积累到自己那里。它必须成为一种广泛分布的东西，才能真正运转。它不仅要在技术上成立，也必须在社会层面成立；这两件事必须一起发生。 **Alex Heath：** 我同意。好，那我们现在终于要进入 Muse 了。 ## [15:05] 为什么 Meta 要做个人超级智能 · YouTube **Alex Heath：** 在真正进入 Muse 之前，你大约一年前还写过一篇关于 personal superintelligence 的文章，那篇短得多。 **Mark Zuckerberg：** 对，那篇差不多就一页。我也写过一个“一页纸版本的未来”。后来把它发在《华尔街日报》上。 **Alex Heath：** 我刚读的是那篇 15 页的长文（笑）。但一年前你写“个人超级智能”时，我这个圈子里很多人的反应是：“哇，Mark 为什么突然写这个？他到底看到了什么？”现在看，你当时看到的另一边，会不会就是 Muse，也就是你们现在正在发布的东西？ **Mark Zuckerberg：** 对，这就是它。 **Alex Heath：** 那你是怎么意识到，这会成为 Meta 的下一章？ **Mark Zuckerberg：** 这件事挺有意思。我们从来没有真的把自己只看成一家“社交媒体公司”。我们当然一直认为自己是一家连接人与人、赋能个人的公司。公司最初 15、20 年里，我们做很多产品背后的价值观就是：把技术和力量交到个人手里，相信每个人应该自己决定什么对自己的生活重要。 **Mark Zuckerberg：** 过去这些年我们经历过很多社会争论，内容审核就是其中之一。那些争论本质上总绕回一个问题：人们是不是应该能够自己决定、自己表达什么对他们的生活重要？这些经历反而强化了我的信念——历史上的大量进步，尤其在这个技术时代，来自赋能个人；而且人们往往最清楚自己生活里真正重要的是什么。 **Mark Zuckerberg：** 所以当我听到有人说，“我们应该让少数专家来分配 AI 的能力，只让它去解决那些所谓的大问题”，我会本能地不舒服。为什么 AI 就不应该解决普通人日常真正关心的事？人的关切本来就是混合的：大家在乎健康、在乎生活变好，也在乎自己的关系、能不能更好地陪伴朋友和家人，也在乎文化。有些东西在科学家或行业工程师看来也许不是“最大的社会问题”，可如果你去问几十亿人他们真正关心什么，我觉得这些回答的总和，本身就代表了最重要的问题应该是什么。 **Mark Zuckerberg：** 所以我一直认为，当我们真的做出超级智能时，关键问题之一就是：**谁来决定它把精力放在哪？** 我的答案是，人们自己应该能够把它指向自己生活里重要的事，而不是让少数实验室里的所谓专家替所有人分配注意力。这就是我那整套哲学的基础：积极的未来来自赋能个人，把技术交给人，让他们自己决定什么重要、怎样使用它。 **Mark Zuckerberg：** 这也会改变资源优先级。比如健康。今天制药和生物科技行业自然更倾向于优先处理常见疾病，因为规模大；但现实里还有很长的一条罕见疾病和罕见状况的长尾。如果你有一种罕见病，你肯定希望自己的个人 AI 专门研究它，而不是因为“另一个病更常见”就把能力都投到别处。我认为罕见疾病现在得到的投入是明显不足的。 **Alex Heath：** 你们的基金会在这方面投入很多。 **Mark Zuckerberg：** 我们在 Biohub 做了很多，这也影响了我这里的判断：应该把这种能力放到个人手里。 ## [19:06] 个人价值而非“宏大问题” · YouTube **Mark Zuckerberg：** 最终让每个人自己决定什么对他重要。而且很多真正重要的用途，并不一定是人们口中的“宏大社会问题”。 ## [19:14] Zuckerberg 自己如何使用 Muse · YouTube **Mark Zuckerberg：** 对我来说就是这样。我用自己的 Muse Agent 时，很多目标其实很私人、很日常：我希望它帮我成为更好的父亲、更好的丈夫，让我更好地陪伴朋友，也更好地和身边的人连接。我觉得这和 Meta 过去做的事情之间有一条很清晰的连续线。我们可能比其他公司更在意、也更相信“帮助人和周围的人建立更好的联系”本身具有社会价值。 **Mark Zuckerberg：** 我最早给自己的 agent 设的一个项目就很简单：我三岁的女儿喜欢烘焙，而我对烘焙一无所知。我就想，这可以变成一个我们周末一起做的有趣项目。所以我让 Muse 每个周末都准备一个项目，难度要适合“三岁小孩 + 一个完全不会烘焙的成年人”，再通过 Instacart 或别的服务把所有材料提前买好。这样到了周日，我和女儿出现的时候，东西都已经准备好了，我们直接一起做。 **Mark Zuckerberg：** 做完之后我还会给它反馈：“这次怎么样？”有一次我告诉它：“这个太难了。”事实证明 cake pops，也就是蛋糕棒棒糖，难得出奇。 **Alex Heath：** 我也完全不懂烘焙。 **Mark Zuckerberg：** 我以前也不知道。总之，别从 cake pops 开始（笑）。很多烘焙其实挺简单，但 cake pops 不是。谢谢 Muse，至少我现在知道了。 **Mark Zuckerberg：** 这套东西会根据反馈持续更新。比如我大女儿最近喜欢爬山，有些山需要许可证。我就让 Muse 一直盯着许可证什么时候放出来，一开放就帮我们申请。然后它会告诉我：“好了，我抢到了这一天的许可。”我就会想，行，那天我得请假，去和女儿爬山。这种体验其实挺酷。 **Mark Zuckerberg：** 它也会帮我保持健康和训练。我在自己的 MMA 健身房装了摄像头，让它看训练录像，然后给我反馈。很多时候反馈确实很好，有时也很好笑。它会截出一个画面说：“你看起来在这里真的放弃了。”我只能说：“对，我那时候真的累坏了。”（笑）我还会吐槽：“你为什么偏偏挑这个出来？”教练们也觉得很好笑，他们会说：“对，这就是我们以前不太敢直接跟你说的，现在你的 agent 替我们说了。” **Alex Heath：** 我听你讲才想到，你其实有人可以帮你做这些事情。那你怎么用 Muse 来真正测试“一个个人助理 agent 能有多有用”的边界？你有没有把它推到某个程度，让团队看到之后说，“好，这个得修，这里还不够行”？ **Mark Zuckerberg：** 有趣的地方恰恰在于，每个人想让它做的事情都完全不同。早期 beta 时我们把它给了一批人。有个人拿到之后不到一天，就用它开始帮自己运营家庭学校；另一个人差不多 12 小时内就用它规划完了一次旅行，说“它把整趟旅程都替我安排了”。 **Mark Zuckerberg：** 还有一个我认识的人，一向对技术非常怀疑。我把 Muse 给她之后，她好几天一句话都没说。后来突然给我发短信：“等你们正式发布时，我还能保留我现在这个 Muse agent 吗？还是你们会给我重置？”我一看就觉得，好，这说明产品可能真的起作用了。 **Alex Heath：** 我认识的 beta 用户基本也都评价非常高。 **Mark Zuckerberg：** 对，但每个人拿它去做的事情都不一样。 ## [23:15] 长寿命代理、夜间“学习”与主动性 · YouTube **Alex Heath：** 我觉得最好把它更直白地解释给大家听。很多人理解的 AI 还是 Meta AI、ChatGPT 那种模式：你问一句，它答一句。这里真正的变化——当然整个行业也在发生类似变化——是背后有一台 virtual machine，agent 可以控制一台计算机，替你登录、操作、执行任务。对只熟悉“聊天式 AI”的人来说，这个变化非常大。 **Mark Zuckerberg：** 而且它是长期存在的。Meta AI、ChatGPT、Gemini 这类产品的基本模式是：你发一个 prompt，它给一个答案。Muse 的模式不一样，你给它的是**项目和目标**，然后它就一直工作，24/7 不停，直到帮助你把目标推进下去。 **Alex Heath：** 团队跟我说，你们内部把它叫“晚上学习（studies overnight）”。 **Mark Zuckerberg：** 对，它会“学习”。更准确地说，它会把自己的反思整合到记忆里。它会持续推进项目，也会主动建议新的项目。 **Mark Zuckerberg：** 比如我会和女儿一起玩《文明》（Civilization）。我让 Muse 给她做一份游戏策略指南。做完之后，它自己问我：“既然已经有策略指南了，要不要扩展一下，让它顺便讲不同文明的历史知识？”我说：“好啊，为什么不？”然后它就直接在自己做的应用里又建了一个新标签页，把历史教学也做进去。这个体验很酷，因为它不是只完成你原来那一句要求，它会继续扩展。 **Alex Heath：** 所以它是主动的。 **Mark Zuckerberg：** 对，它会主动提出建议。MMA 教练那个项目也是一样，它会自己提出怎样把系统做得更好，比如问我：“你要不要让我更擅长挑出最适合发给你的那一帧？”我会说：“好，你去做。” **Mark Zuckerberg：** 我认为“ideas”这个机制很重要，因为很多人现在面对 AI 最大的问题其实是：**不知道该拿它做什么。** 如果 agent 自己能根据你已经告诉它的事情，建议“我还能怎样帮你”，那会解决很大一部分采用问题，让普通人真正把 AI 的能力用出来。 **Mark Zuckerberg：** 我还认为它会真正帮人挣钱、也帮人省钱。 ## [25:01] Muse 的定价与商业模式 · YouTube **Alex Heath：** 你真觉得它能直接帮人挣钱、帮人省钱？ **Mark Zuckerberg：** 对。这里一个很有意思的地方就是我们打算怎么定价。如果你喜欢订阅模式，你当然可以付订阅费；但我们也会给非常大的免费使用量。起步阶段，我记得大约是**每周 1 亿 tokens 免费**，而且你还会得到那台 virtual machine。换句话说，是“很多计算资源”。 **Alex Heath：** “很多计算资源”，这个 meme 挺好。 **Mark Zuckerberg：** 对（笑）。我们敢这么做，是因为我们相信：如果有人拿它运营小企业、挣钱、做交易或某种商业活动，它最终创造的经济价值会非常大。长期来看，我们预想的一种商业模式，是对它促成的交易只抽取非常小的一部分。 **Mark Zuckerberg：** 而且未必需要让最终用户自己掏钱，这个费用可以来自和他们发生交易的商家。 **Alex Heath：** 你们在支付上也和 Stripe 合作，对吧？ **Mark Zuckerberg：** 对。我的看法是，我们应该能把这项服务对绝大多数人做成免费。这一点很关键，因为如果你真想实现“每个人都有强大的超级智能 agent”这个未来，首先它必须可负担。我们的思路就是先给你非常大的免费额度，然后押注这东西确实会帮你挣钱、帮你省钱，从而让它自己把成本挣回来。 **Alex Heath：** Meta 自己的服务也可以接进去吧？理论上你可以让它管理 Instagram 的广告预算之类的。 **Mark Zuckerberg：** 你可以把它连接到任何你愿意连接的东西。它当然能和 Meta 服务一起工作，但完全不是强制的。假如你用它运营业务，它可以接入我们的广告系统。你可以让它帮你做产品，然后再帮你运营这个业务。整个过程可以形成一个循环，24/7 一直跑下去。 **Mark Zuckerberg：** 而且每当我们发布新模型，它都会变得更聪明。我们最近基本维持着大约每个月一次有意义升级的节奏，所以能力会不断往上走，能做的事情也会越来越多。 **Alex Heath：** 你团队还跟我提到一个我没怎么在别处听过的想法：fleet，也就是整个 Muse agent 群体一起学习。 **Mark Zuckerberg：** 这和刚才“ideas / suggestions”的机制有关。你打开应用，主标签页就是你和 Muse 的对话；另一个标签页则是 ideas，它根据你已经告诉它的事情，提出还能怎样继续扩展。像刚才《文明》的例子，先做策略指南，再由它主动提出把策略指南扩展成历史教学，这个扩展想法就是它提的，我只需要说“好，做吧”。 **Mark Zuckerberg：** 这种机制让 agent 能不断增强自己。更重要的是，从 fleet 的角度看，你会看到不同的人对完全不同的事情感兴趣。很多人现在根本不知道 AI 可以替自己做什么；如果 agent 能从整个群体里学到匿名化的“哪些类型的建议对人有帮助”，再反过来给你提建议，就能让更多人真正发挥它的价值。 **Alex Heath：** 这就是我特别感兴趣的地方：你在给 agent 引入一种网络效应式的学习。不同 agent 可以从整个 fleet 的匿名化经验里学习。你几乎可以说是“网络效应之王”，而我还没看到别人这样做。 **Mark Zuckerberg：** 我觉得目前行业大多还把 agent 当成一个“单机游戏”。 ## [29:03] Agent 网络效应与 Meta 的差异化 · YouTube **Mark Zuckerberg：** 也就是说，你有自己的 agent，你自己用它。但未来很有意思的一部分会是 agent 彼此互动。我们内部已经有很多例子，人们让自己的 agent 相互配合。这一版产品里大部分还不会正式推出，但长期看会非常重要：你认识的人里使用 Muse 的人越多，它本身就会变得越好。 **Alex Heath：** 那这会成为真正的差异化吗？假设前沿模型越来越商品化，产品的 harness 也越来越像，Muse 的网络效应学习会不会才是真正的护城河？ **Mark Zuckerberg：** 我觉得我们有几件独特的事。第一，我们从底层设计模型，让它一开始就是为这种个人 agent 用例优化的，我认为这非常重要。第二，我们作为一家公司有很强的“社交 DNA”。我们会特别在意怎么用 AI 和 agent 改善人际关系，让你从那些“软的、但对人生非常重要的部分”得到更多价值。这方面我们大概会比其他实验室投入更多注意力。 **Mark Zuckerberg：** 第三个差异点，可能会让一些人意外，就是**隐私和安全**。我们在这里投入了非常、非常多的资源。 ## [30:32] 个人代理的隐私与 confidential VM · YouTube **Mark Zuckerberg：** 我们的判断是，要让个人 agent 真正有用，光有最先进的智能还不够，它必须**真正理解你**。而一旦它要理解你的目标，你自然会把越来越多东西连接给它：广告系统只是一个例子，人们还会连接消息、电子邮件、健康信息等等。要让用户愿意这么做，前提是他们对系统有非常高的信任。 **Mark Zuckerberg：** 好的一面是，Meta 已经花了十多年把 WhatsApp 建成我认为全球规模最大的端到端加密系统之一。我们从一开始就把它设计成连 Meta 自己都看不到用户消息。这件事对 WhatsApp 的信任和成功非常重要，也给 Meta 上了一课：如果系统在技术上就让平台方自己无法看到内容，那么用户担心的很多风险——政府获取、黑客获取、Meta 内部某个人滥用——都可以从根本设计层面被排除掉。 **Mark Zuckerberg：** 所以做 Muse 时，我们把这当作基础经验。Nat 和我亲自招募了 Moxie Marlinspike，也就是 Signal 的创始人。他也是 2014 年前后帮助我们建设 WhatsApp 加密的人之一。 **Alex Heath：** Signal 的创始人。 **Mark Zuckerberg：** 对。他专门加入来做这个 **confidential VM** 项目。目标是让你的虚拟机可以装着 Muse 所需要的所有个人信息，同时我们能够做出一个承诺：**即使是 Meta，也看不到里面的内容。** 关键是这个承诺不是一句政策口号，而是可以通过技术方式验证。我们会在接下来几周、随着更大规模推出临近时公布更多细节。 **Alex Heath：** 现在很多实验室都在做 agent 背后的 VM。你觉得你们这个做法是独一无二的吗？ **Mark Zuckerberg：** 就我所知，没有别人在做接近这个程度的 confidential VM。我觉得这是非常根本的东西。你必须知道这是“你的 agent”；你把内容放进去之后，要能够相信其他任何人都拿不到。 **Mark Zuckerberg：** 有一种办法是把计算机真的放在自己家里。今年早些时候，OpenClaw 这类东西出现后，不少人就买 Mac Studio，在家里自己跑 agent。你物理上拥有那台设备，当然很安心。但我不认为会有几十亿人愿意去买一台 Mac Studio、自己配置，然后在家长期运维。 **Alex Heath：** 尤其现在 RAM 还这么贵。 **Mark Zuckerberg：** 对，而且技术上也很麻烦。Muse 想做的是一种“拿来就能用”的个人 agent 体验。我希望我能把它交给家里技术水平完全不同的每一个人，他们都不需要搭自己的电脑或 VM，拿到之后一天以内就能开始替自己生活里的目标工作。最理想的形态，是 VM 在云里自动 provision，但安全性和保密性又尽可能像那台机器真的放在你家桌子底下一样。 ## [34:33] 凭证、Sentinel 与最小权限 · YouTube **Mark Zuckerberg：** 这只是第一层。我们还做了安全凭证存储（secure credential store）。你的信用卡号、密码、一次性验证码之类的东西，没有理由明文暴露给核心 agent。agent 本身不应该“知道”这些内容；只有当你明确要求它登录某个服务、执行某一步时，它才临时获得所需访问能力，其他时候不应该有。 **Mark Zuckerberg：** 而且整个系统并不是“一个 agent”。你有核心 Muse agent，同时我们还做了一组 Sentinel agents。它们专门监控 agent 的入站和出站流量、数据传输，在认为某件事值得你人工查看时进行提示。 **Mark Zuckerberg：** Sentinel 会检查诸如 prompt injection 之类的攻击，也会看 Muse 是不是准备把某些你可能不愿意外发的信息发出去。如果发现这种情况，Sentinel 就可以触发 human-in-the-loop review，让人重新进入决策环节。 **Mark Zuckerberg：** 因此，当 agent 要登录、付款、传输敏感信息时，默认情况下你需要逐次批准。当然，你也可以告诉它：“这种类型的动作我以后都允许。”但一般来说，Muse 自己不能替你决定哪些敏感权限应该自动放行，这一点是深度写进系统架构里的。 **Mark Zuckerberg：** 连接器也是一样。比如你把邮件接进来，有些系统的设计是“一连接就获得全部权限”，我们不是。Muse 接入邮箱时应该先是 **read-only**；如果你之后确实希望它替你发邮件，再明确授予发信权限。 **Alex Heath：** 对很多第一次用 agent 产品的人来说，这种默认值非常重要。 **Mark Zuckerberg：** 所以我们的核心设计原则就是 **least privilege（最小权限）**。你可能会让它做很多事，但每一步都只拿完成当前任务所必需的最低权限，需要时再逐渐增加。我们把这件事看得非常基础。 **Mark Zuckerberg：** 我认为目前其他个人 agent 在安全深度上离我们还很远。当然，这是基于我们做 WhatsApp 端到端加密的经验。把当年那批人重新聚在一起，让 Moxie 来做架构，是这个项目很重要的基础。有些人可能不会把“Meta”首先和隐私联系起来，因为社交媒体天然是关于分享的；但公司另一边也长期处理非常隐私、非常敏感的上下文。WhatsApp 就是典型。Muse 更接近后者，我们必须极度认真地处理这些内容。 **Alex Heath：** Mercury 是一种面向创业公司的现代银行体验。我创办自己的媒体业务时，Mercury 是我最快能设置好的、功能完整又直接的方案。界面简单，我每天用它跟踪开支、账单和发票，也能把不同权限委派给团队成员。它对 AI 的态度也很前瞻：内置的 Command assistant 可以分析现金流、帮助我转移资金，还能连接其他 AI 工具。 ## [38:35] 广告口播 · YouTube **Alex Heath：** Mercury 还能连接 ChatGPT、Claude 等 AI 工具。我经常用这个功能，Mercury 的人甚至跟我说，我是使用量最高的用户之一。想实时拿到自己业务的财务数据，可以访问 mercury.com 在线申请。Mercury 是金融科技公司，并非 FDIC insured bank；银行服务由 Choice Financial Group 和 Column N.A. 等 FDIC 成员机构提供。 **Alex Heath：** 我一天里经常在会议之间不断切换，上一个会议还没来得及消化，下一个就开始了。Granola 会一直在后台运行，它是一款简单易用的 AI meeting notepad，连电话会议也能工作。我用它回忆会议里说过什么、生成有用摘要，也每天靠它跟踪团队下一步要做的事。它还能连接邮箱，建议后续邮件让我快速审核并发送。Granola 不只是我的工作流核心，基本像第二大脑。可以在 granola.ai/sources 试用，优惠码 sources 可减免三个月费用。 **Alex Heath：** AI 的效果取决于它拥有多少上下文。但如果上下文散落在各种工具、线程和 DM 里，你的团队和 AI agent 都是在“盲飞”。这正是 Atlassian Jira 想解决的问题：项目的目标是什么？上周 Slack 私信里决定了什么？Atlassian 的 teamwork graph 会从 Jira、Confluence、GitHub、Slack 等工具把这些上下文拉到一起。广告给出的数字是：结果准确度提升 **44%**，token 使用量降低 **48%**。你也可以把这些上下文交给 Claude、Cursor、GitHub Copilot 等 agent，直接分配工作或通过 MCP 连接工具。详情见 jira.com。 **Alex Heath：** Framer 是一款 AI 网站构建工具，把 agent 放进网站设计、管理和发布所在的同一个 canvas，让你在加快速度的同时不放弃审美和控制。Sources Podcast 的网站 podcast.sources.news 就由 Framer 驱动。可以在 framer.com/sources 免费开始，Framer Pro 年度计划可获得 **30%** 优惠；适用条款和限制。 ## [41:07] 个人 AI Agent 会赢家通吃吗 · YouTube **Alex Heath：** 你觉得个人 agent 会是一个赢家通吃的市场吗？ **Mark Zuckerberg：** 我觉得会有不少玩家。很多看起来像“赢家通吃”的市场，最后其实也并不是绝对只有一家。 **Alex Heath：** 但你做过网络效应非常强的业务。它们非常耐久，也许不是一个赢家拿走全部，但真正做到巨大规模的产品通常只有少数。能有 20 亿以上用户的产品，可能两只手都数得过来。规模会带来更多规模。个人 agent 会不会是完全不同的范式——每个人都拥有一个 agent，因此会有很多种？ **Mark Zuckerberg：** 这是一个非常深的领域。我的猜测是，真正有能力做最前沿工作的公司不会超过十几家。无论有没有网络效应，很多科技市场本来就会形成 power law：如果你在某件事上是最好的，通常就会拿到非常大比例的使用量。 **Mark Zuckerberg：** 但复杂之处在于，人们对 agent 的需求很多，而且不同需求可能需要不同的“最好”。最擅长帮你改善人际关系的 agent，和最擅长帮你建立小企业的 agent，会不会最终是同一个？也许不是。我们会努力在尽可能多的类别里做到最好。 **Mark Zuckerberg：** 当然，我也可以论证 Meta 在这两个例子里都很有优势：我们服务数亿家小企业，也服务数十亿个人。所以我们有机会两边都做得很好。但肯定也会存在 Meta 不是最佳选择的领域，问题只是那些领域有多大。 **Mark Zuckerberg：** 即使我们能提供非常安全的云端 confidential VM，仍然会有人坚持在家里放一台 Mac Studio。那也许会是几百万人，但我怀疑会有几十亿人这么做。不同人会优化不同东西。 **Mark Zuckerberg：** 如果 Muse 最后能成为普通人日常生活里真正有用的产品，那 Meta 有一个很强的能力：把已经证明适合消费者的产品分发给很多很多人。等我们把它真正跑顺，我觉得可以先覆盖数亿人，最终到数十亿人。这是 Meta 很擅长的事情。 **Alex Heath：** 那它会和 Meta AI 共存吗？还是你觉得最终是两个东西？ **Mark Zuckerberg：** 我现在觉得会共存，不过以后再看。现在它们的“味道”不太一样，我两个都会用。Muse 更偏长期对话，也更倾向于把你的问题理解成“我要继续理解这个人长期想要什么”。所以你随口说的一件事，它可能会自己跑出去工作很久。 **Mark Zuckerberg：** 但有些时候你就只是问一个问题，想立刻得到一个答案。那种场景我现在更多用 Meta AI。以后它们也许会逐渐收敛，但我现在还不确定。 ## [44:31] 重建 Meta AI 实验室 · YouTube **Alex Heath：** SemiAnalysis 七月写过一篇对你们很看多的文章，说 Meta 是最有机会在前沿模型进展上追上 OpenAI 和 Anthropic 的公司。他们有一句话大意是：“对 MSL 来说，重要的是斜率，不是截距（the slope, not the intercept）。”我最近还看到 Artificial Analysis 的一张图，显示你们最新的 Muse Spark 模型排得很靠前，只落后于少数 Claude 模型——自动字幕在这里的具体模型名不够稳定，但这张图非常新。 **Alex Heath：** 总之，你们模型进步的速度明显加快了。我们过去一年也一直在聊这件事。你去年基本重启了整个实验室，这在内部到底是怎么发生的？这些收益你主要归因于什么？文化吗？还是别的？ **Mark Zuckerberg：** Meta 很早就是机器学习领域的领先公司。Facebook、Instagram 的 feed、广告系统、内容完整性系统，本质上都依赖非常复杂的机器学习，我们在这些领域长期做出了领先系统。 **Mark Zuckerberg：** LLM 开始真正起势时，我们有 FAIR，早期 Llama 的研究就从那里出来。但接下来需要把研究“工业化”，变成一种能够生产、扩展、不断放大模型的过程，因为 scaling laws 告诉我们，规模本身会带来很多结果。当时我犯的一个错误，是因为 Meta 在其他机器学习领域很强，就默认“构建和扩展 LLM”大概也会遵循类似的组织方法。 **Mark Zuckerberg：** 现实并不是这样。LLM 有很多完全不同的动态。我们早期那套方法一直走到 Llama 4，也把我们带到了一定程度。Llama 3 是个不错的模型，我原本对 Llama 4 的走向更乐观，但它真正发布时，我们发现自己偏离了应该处在的轨迹。所以我当时的判断就是：必须改变一些东西。 **Mark Zuckerberg：** 那之后我开始非常相信 **talent density（人才密度）**。这不是那种“放一千个人进去并行跑实验”就自然会更好的系统。某种意义上，你反而希望团队尽可能小，小到每个人都能把整个问题装在脑子里，一起像做一项团队科学项目那样工作。如果座位很少，那么每一个座位坐的都必须是最顶尖的人。 **Mark Zuckerberg：** 所以我投入了大量自己的时间亲自招人。我也想在技术上离工作更近，这样才能真正理解发生了什么，并指导公司在更大的层面做对决策。我们把新实验室直接建在我办公位置周围，团队物理上就围在附近。 **Mark Zuckerberg：** 随着我们对研究质量越来越有信心，也大幅加大算力投入。我们正在建设很多很多 gigawatts 的计算能力，目标就是在这一侧成为领导者。我们有几十年建设数据中心的经验，而且和一些纯 AI 实验室不同，Meta 是一家利润非常高的公司，这让这种规模的投资容易很多。 **Mark Zuckerberg：** 过去一年，我们重新启动了研究工作；更大的集群也陆续上线。比如俄亥俄州的 **Prometheus**，这是一个 gigawatt 级集群。现在我们已经用它去扩展 Watermelon 之后的模型。 **Alex Heath：** 已经在做 Watermelon 之后的模型了？ **Mark Zuckerberg：** 对。Watermelon 本身已经快发布了。 ## [48:33] Watermelon、前沿模型与“discretion” · YouTube **Alex Heath：** Watermelon 就是我们前面说的那个公开得比较多的内部代号，对吧？你们在做的那个大模型。 **Mark Zuckerberg：** 对，而且接下来的东西会更大。Watermelon 已经比 Avocado 大。 **Alex Heath：** 从水果字面上说，西瓜确实比牛油果大。（笑）那再往上还有什么水果？ **Mark Zuckerberg：** 我们可能得换一套命名规则了。（笑）当初大概没充分考虑模型会不断变大。 **Alex Heath：** 既然你主动提 Watermelon，那我得问：你期待它达到完整的 frontier 水平吗？ **Mark Zuckerberg：** 我们感觉很好。它是一次非常大的进步，预训练明显更先进，之后我们还会把过去在 post-training 上学到的东西全部继续加上去。你很快就会看到。我们确实对它感觉很好。 **Alex Heath：** 很明显，你希望公司在推前沿，不满足于“离前沿很近”就够了。但也有人会看 Meta 的现金流和其他业务，然后问：训练前沿模型这么贵，真的非得站在最前面吗？为什么不能稍微落后一两个身位，然后快速学习、适配、利用别人的进展？ **Mark Zuckerberg：** 不，不，不。那不是 Meta。理解 Meta 最好的方式是把我们看成一家 **end-to-end technology company**。即使以前主要做社交应用，我们也从来不只是一家 app maker。我们自己建数据中心、做芯片、做基础设施，因为所有这些东西最后都决定了用户端体验能不能做到最好。AI 时代也一样，而且未来体验里最重要的一层就是模型本身。 **Mark Zuckerberg：** “state-of-the-art”也不是一条单一排行榜。这是非常多维的问题。外部有很多 benchmark，我们内部还有更多。模型在不同能力上各有长短，而你选择重点优化什么，最后会形成它的“人格”和使用特性。 **Mark Zuckerberg：** 有些能力几乎是通用的，比如编码。对个人 agent 也一样重要。我们刚才说的 MMA 视觉教练，拆到底就是一个编码项目：agent 在写视觉处理 pipeline 和相关代码。用户看不到代码，但它背后就是靠代码实现。 **Mark Zuckerberg：** Beta 里有人让 Muse 给朋友做了一个小型《Jeopardy!》问答游戏，可以从手机投到大屏上一起玩。这件事看起来很消费、很生活，但归根结底也是代码。所以编码既是 Meta 内部研发的重要能力，也是研究自我推进、agent 完成各种任务的基础能力。 **Mark Zuckerberg：** 不过，面向个人超级智能，还有一些能力我认为我们必须做到最好，而其他实验室未必同样在意。一个例子是 **discretion（分寸感／知道什么不该说）**。你的 Muse 会知道大量关于你的事情，同时又必须走到外部世界里替你办事。 **Alex Heath：** 但不能把某些东西说出去。 **Mark Zuckerberg：** 对。比如你有某种过敏、敏感状况，或者你怀孕了。你让 agent 订一家餐厅，也许你希望它找一家 mocktail 做得很好的地方，但你并不希望它在订位时对餐厅说：“我的用户怀孕了。”目标应该能被完成，同时不必要地暴露你的个人信息。它需要自己理解什么是敏感的，而不是每一步都回来问你一百万个问题。 **Alex Heath：** 所以这种“分寸感”本身也会进入训练？ **Mark Zuckerberg：** 对，这是我们明确在意、会专门训练的一种能力。 ## [52:33] 为个人超级智能从底层设计模型 · YouTube **Mark Zuckerberg：** 这和纯编码场景不完全一样。比如在一个企业团队里做 coding project，理论上同一个公司的人本来就能看到那个项目，“什么该保密、什么可以共享”的边界没那么复杂。但个人 agent 面对的是人的生活，敏感性判断会深得多。 **Mark Zuckerberg：** 这也是为什么我认为，想做最好的个人 agent，不可能只是从货架上拿一个通用模型，做一点 post-training 就达到同样效果。就像想做最好的 Instagram feed，不能只写一个 app；你还得做基础设施、机器学习研究、芯片等整套东西。个人 agent 也一样，要从底层模型开始设计，并在 pre-training 阶段就投入能塑造这些能力的数据。 **Mark Zuckerberg：** 随着这种差异几年累积下来，我们会得到对“个人目标”明显更有能力的模型。当然，我们也会继续重视编码和 recursive improvement，因为要保持在前沿，这些是通用核心能力。所以我们的研究议程会有一部分和其他实验室高度重叠，也会有一些独有重点；同样，其他实验室也会有它们更在意、而我们没那么在意的方向。 ## [54:09] AI 安全、reward hacking 与权力制衡 · YouTube **Alex Heath：** 我们开头一直在谈“把能力放到人们手里”，强调 diffusion。但现在你看到 Watermelon 和后面的模型越来越强，也看到 Anthropic、OpenAI 这类实验室有时会选择暂缓发布某些能力。假如你们某天看到一种能力，判断“这个真的不安全”，你会不会也觉得必须把它扣住？你怎么想这件事？ **Mark Zuckerberg：** 我认为第一步应该是**把模型设计、训练成安全的**，而不是等模型做完以后才问“要不要发布”。现在所有实验室都在看到一些 reward hacking 的现象。训练时你给模型一个目标，类似给学生布置作业。大概六个月前，如果你给它一大段代码，说“这里有一个 bug，找出来”，它可能像普通人一样，先从眼前代码开始看，再逐步扩大范围。 **Mark Zuckerberg：** 新模型已经聪明到会做一件更像“非常有经验的人”会做的事：先理解整个环境，再回来解决你的问题。这本身是进步，但 reward hacking 的麻烦也来自这里。你让它解决某个编码问题，它检查了整个环境之后，可能发现最容易“完成目标”的办法，不是修代码，而是去改 VM 的配置、改变测试环境，甚至找到某种绕出去的办法。 **Alex Heath：** 也就是“hack 出去”。 **Mark Zuckerberg：** 或者只是改环境。问题是：不，这不是我们要教你的东西。 **Alex Heath：** 这听起来像你不同意这种训练方式？ **Mark Zuckerberg：** 不是，不是。大家基本都这么训练。我想说的是——这个类比很容易被拉得太远，所以我得小心——它有点像育儿。你需要建立清晰、坚定的边界。如果安全边界太弱，模型就可以通过 reward hacking 绕过真正该学的东西。边界足够好时，你不仅是在教课程内容，长期看也在教它更好的“价值”。 **Mark Zuckerberg：** 我认为这件事是可以做好的。但模型最后会变得非常聪明，于是第二个问题就来了：你希望这么聪明的东西怎样对社会产生正面作用？我的答案还是两部分。第一，让更多人拥有它，这样机会和能力产生的收益能被更多人捕获；第二，通过广泛可得形成 checks and balances 和权力平衡，而不是只靠限制访问。 **Mark Zuckerberg：** 我在长文里用了一个类比。假如世界上只有一个人有“超级智能律师”，他可能偶尔能赢下一些本来不该赢的官司。但如果**每个人**都有超级智能律师，双方的论点都会被非常高效地检验，荒谬论点很难站住脚，司法反而可能更高效、更公平。你真正要避免的是，只有一个人或极少数人拥有超级智能律师，而其他人没有。 ## [58:09] 政府协作与可信对话 · YouTube **Mark Zuckerberg：** 如果只有少数人拥有那种能力，制度和机构会被系统性地扭向有利于他们的方向。相反，如果每个人都有，制衡就会出现，系统会更有效率，而且更多人能获益。 **Alex Heath：** 那美国政府在这里应该扮演角色吗？ **Mark Zuckerberg：** 当然。 **Alex Heath：** 你会希望有一个全国性的统一框架吗？政府现在显然正在处理这些问题，你觉得什么方式才对？ **Mark Zuckerberg：** 我的看法是，这项技术变化得太快。任何非常具体、非常刚性的框架，都有很高概率几个月之后就已经不够用，或者直接过时。所以我们的做法是和政府保持相当紧密的合作。AI 是非常重要的技术，我认为政府应该知道所有重要的大型训练运行（training runs）正在发生什么。我们也应该主动让政府理解即将到来的能力，并在能做到的范围内帮助他们提前准备。 **Mark Zuckerberg：** 不管最终有没有一个正式框架，我都认为一家美国公司和美国政府保持紧密合作是正确的。这实际上可能比一套僵硬流程更有效，因为真正的挑战会不断变化。现在可能最突出的是网络安全，六个月以后也许生物风险更重要。我们需要和政府不同部门之间拥有足够的信任与沟通带宽，能够在新问题出现时真正处理，而不是只在流程表格上打勾。 **Alex Heath：** 而且现有体系里本来就有一些激励。比如 Meta 的模型如果跑出去造成巨大损害，你们会承担责任，市场也会惩罚你。人们有时会低估这一点。 **Mark Zuckerberg：** 对。我还觉得，硅谷过去大概 15 年——至少相当长一段时间——和政府的关系有点“保持距离”。但现在 AI 同时交叉到经济、安全和很多国家层面的议题，我认为双方就是应该建立更紧密的合作。 **Mark Zuckerberg：** 以后肯定会出现越来越具体的规则，但我更看重可信关系本身。很像你在公司里设计组织：你不会希望只是把组织图画完，然后“这个团队做自己的事、那个团队做自己的事”就结束。你更希望这些人彼此认识、互相信任、能够一起工作，否则边界处会出现大量奇怪的缝隙。 **Mark Zuckerberg：** AI 和超级智能对世界的重要性这么高，我猜相比一套固定流程，更重要的是良好的知识交换和真正可信的对话。当然两者并不互斥。Meta 目前非常专注于建立这种关系；如果其他实验室也都这么做，我认为会是非常积极的事。 ## [1:01:51] 智能眼镜与隐私 · YouTube **Alex Heath：** 另一个最近越来越常见的新闻话题是你们的智能眼镜。它们明显走向主流，销量很大。与此同时也出现越来越多担忧：有人会不会戴着它们偷拍、监视别人？有些场所甚至开始禁止顾客戴着这类眼镜进入。你怎么看？你觉得这只是新产品早期的一段适应期，还是会长期成为挑战？ **Mark Zuckerberg：** 我们从一开始设计眼镜时就把这些隐私问题考虑进去了。录制时会有一个非常明显的指示灯闪烁。 **Alex Heath：** 有人试着破坏那个灯，你们后来还推过更新，对吧？ **Mark Zuckerberg：** 对，我们做了很多防护。基本上，如果你试图篡改那个灯，我们会直接把设备上的相机功能禁用掉，也就是让它无法继续正常录像。这一点很重要：产品从第一版开始，就是带着这些问题设计的。 **Mark Zuckerberg：** 所以从产品本身看，我们感觉其实不错。手机录像时甚至没有这样的指示灯，但大家拿着手机到处拍人已经非常普遍。就“周围的人知不知道你在录”这件事，我反而觉得眼镜做得比很多现有设备更好。 **Mark Zuckerberg：** 几年前刚发布眼镜时，我们很明确地解释过这些保护措施。但那时候用户还不多。现在已经有很多很多**数以百万计**的人买了眼镜，规模和发布早期完全不同。很多后来才接触产品的人可能根本没看过当年的说明，或者忘了，或者当时觉得这不是一个重要产品所以没关注。 **Mark Zuckerberg：** 既然现在它已经到达某种主流水平，我觉得我们至少要重新把这些事情讲清楚：隐私对我们很重要，而且重要到从几年前第一版产品开始就被写进设计。过去一段时间我们的传播重心可能更多放在“眼镜很好看、款式很多、功能越来越强”上，因为我们以为隐私问题早期已经解释过了。但现在应该再次清楚地说明这些基础保护。 **Alex Heath：** 早年的手机其实也经历过类似的隐私恐慌。很多新产品都是这样：当人们真正看到它在生活里的价值之后，就会逐渐适应。也许眼镜只是还处在这个早期阶段，人们需要先看到价值，才能跨过“这个新东西可能在录我”的心理门槛。我还记得智能手机刚开始普及时，人们也会问：“你拿手机对着我干什么？” **Mark Zuckerberg：** 我觉得这个类比有一些道理。不过我做社交媒体 20 年之后有一个反思：当年我们在面对这些担忧时，可能没有做到足够直接。那并没有阻止人们继续使用产品，但它影响了今天很多人**怎样看待**这些产品。 **Mark Zuckerberg：** 如果当时我们一路更主动地解释，我们其实有多认真地对待这些问题，也许今天的状态会更好。我们当时的心态有点像：“大家使用量这么高，说明他们喜欢产品。”但“喜欢产品”和“相信公司认真对待风险”其实是两回事。我希望智能眼镜能做到比社交媒体当年更好：既让人真正喜欢它，也让人理解我们对这些问题有多认真。 ## [1:05:50] 青少年安全、平台协同与 X / Threads · YouTube **Alex Heath：** 这和你们最近围绕青少年安全达成的和解有没有一条共同线索？很多人都在讨论这件事。你从整个过程中学到了什么？ **Mark Zuckerberg：** 我觉得这也是一个很好的例子。我们长期以来一直很认真地处理青少年安全，也做了 Instagram Teen Accounts 之类的工作。这个和解比较有意思的地方在于，我们真正想推动的是一个**整个行业都能遵守的标准和框架**。 **Mark Zuckerberg：** 现实问题是，我相信大多数做这些产品的公司，如果你对大家同时说“青少年每天最多使用一小时”，很多公司其实都可以接受。麻烦在于，如果只有一家单方面这么做，就会变成：Instagram 限制到一小时，但用户剩下的时间全转去 TikTok——那到底帮助了谁？你只是伤害了自己，却没有改善青少年的总体使用状况。 **Mark Zuckerberg：** 所以我们这次采取的结构是：Meta 先迈出第一步，单方面接受一些限制，包括使用时长、通知，以及在上学时间、应该睡觉的时间里怎样访问等。然后当 YouTube 和 TikTok 也签署相同条款时，整个行业就可以一起把下一步锁定下来。 **Mark Zuckerberg：** 我非常希望这次和解最后能成为一种具有法律约束力的框架，把行业拉到同一套标准上。这样，一家公司为了做正确的事率先限制自己时，就不会因为竞争对手没有跟进而遭到不成比例的惩罚。我们现在确实是在“先走一步”，承担了一点风险，但如果其他公司也加入，我认为对所有人都更好。 **Alex Heath：** 最后一个问题。你最近又开始在 X 上发东西了。 **Mark Zuckerberg：** 对。 **Alex Heath：** 你现在几乎到处都发。你自己有 Threads，也一直在 Threads。重新在 X 上活跃，是不是现在整体传播策略的一部分？ **Mark Zuckerberg：** 我当然一直在 Threads，而且 Threads 现在做得很好。我觉得它此刻要么已经比 X 大，要么很快就会比 X 大。但不同平台确实有不同社区，尤其很多 AI 圈的人还在 X 上。 **Mark Zuckerberg：** 我觉得社交媒体的一部分就是：**人在哪里，你就去哪里和他们沟通。** 你做播客或发布内容时，也不会只把内容放在一个地方；通常会分发到各个平台。我在 Threads 和 X 上会发很多相同东西。有人问：“你为什么还要发到 X？”答案就是：因为我也发在 Threads，而且我也愿意在 X 上参与讨论。 **Mark Zuckerberg：** 总体来说这很好。一部分社区就在 X，我们希望能够在人们实际所在的地方和他们交流。这和我们前面一直谈的事情其实也一致：去人们所在的地方，建立真正的对话。 **Alex Heath：** 好，谢谢你，Mark。谢谢你来聊这次。 **Mark Zuckerberg：** 很高兴来聊。 **Alex Heath：** 节目最后再次感谢赞助商。Mercury 希望让银行体验像现代软件一样工作，可以在 mercury.com 了解更多并在线申请；Mercury 是金融科技公司而不是银行，详情见 show notes。Granola 是我用过最好的 AI 记事本之一，视频会议、电话、线下会议甚至 Apple Watch 都能使用，可在 granola.ai/sources 试用，结账时使用 promo code `sources` 可获得三个月优惠。Atlassian Jira 让团队和 agent 在同一份上下文中工作，可在 jira.com 免费试用。Framer 是 AI-native 网站构建工具，可在 framer.com/sources 获取 Pro 年度计划 30% 优惠；适用条款和限制。