目录
- 加入 Meta 与实验室分工 [00:00:00 - 00:10:00]
- 超级智能信念与招聘文化 [00:10:00 - 00:20:00]
- Muse Spark 与技术栈重建 [00:20:00 - 00:30:00]
- 产品整合与开源安全 [00:30:00 - 00:40:00]
- 地缘政治与机器人路线 [00:40:00 - 00:50:00]
- 模型福利与个人超级智能 [00:50:00 - 00:58:14]
加入 Meta 与实验室分工
Ashlee Vance：好了，Kylie，这周我们又请来了一位重磅嘉宾，非常大咖，Alex Wang，Meta 人工智能业务的负责人。那是几个月前的事了？ [00:00:00]
Kylie Robison：大概十个月以前。
Ashlee Vance：大概十个月以前，他当时是 Scale 的联合创始人兼 CEO。Meta 算是半收购了这家公司，主要就是把 Alex 本人挖了过来。从那以后他就一直很低调，像是进了 AI 证人保护计划一样，完全藏起来了。
Kylie Robison：是啊，我们几乎没怎么见过他，直到今天他上了 Core Memory 播客。
Ashlee Vance：我也不太确定为什么会这样，但他终于来了。他会亲自跟我们聊，希望他会讲讲他们刚发布的新模型。我相信我们肯定会聊到那个。
Kylie Robison：而且他们在 AI 哲学上到底持什么立场，对我来说一直有点神秘。Alex 在 Scale 的时候，他们总说自己是中立国瑞士。他在某些事情上声音很大，但并不总是关于 AI 本身。那个人对 AI 的感受，也一直没怎么公开过。
Ashlee Vance：然后他们去年可是制造了不少大新闻。他们花了数百万、数千万美元去挖人，组建了这个团队。所有人都在等着看，他们拿这么多资源到底要做什么。所以我们会聊聊招聘的内幕，还有这些数百万美元的花费。好了，就是他了，这就是 Alex Wang。他终于现身了。太棒了，兄弟。我是 Ashlee Vance。 [00:01:06]
Kylie Robison：我是 Kylie Robison。
Ashlee Vance：这里是 Core Memory。Alex，感谢你来上节目。
Alex Wang：很高兴来到这里。
Ashlee Vance：我感觉在你加入 Meta 之前，我们好像有些短信交流。有一个那种乡村音乐主题的聊天群，一直在聊。而且我认识 Nat Friedman 很久了，然后我觉得你们两个都消失了，躲进了战壕里，超级安静。现在你带着新模型出现了，但你们之前确实沉默了好一阵子。
Alex Wang：是啊，我们有太多工作要做了。事实证明，要在九个月内从零开始构建一个前沿模型，确实需要付出非常艰苦的努力。不过看到大家使用我们发布的 MuseSpark 模型，真的特别激动。我们还有更好的模型在研发中，所以很兴奋。 [00:02:00]
Ashlee Vance：那你为什么，你以前算是旧金山人，对吧？我猜你现在在 Menlo Park 工作，所以你是不得不搬到底南湾去了？
Alex Wang：搬到南湾了。对，完全投入了。现在对我来说，城市就是 Palo Alto，在 University Avenue 上散步，喝杯珍珠奶茶。完全投入了。
Ashlee Vance：我一直在想，你们几个人之间到底是怎么安排的。我比较熟的是你、Nat Friedman，还有 Daniel Gross。Z 我可能只一起出去过一两次。我想大致了解一下，你们几个是怎么分工组织起来的。
Alex Wang：整个部门叫 Meta Superintelligence Labs，我来管。下面分成了好几块。有一个叫 TBD 的团队，是个大型模型研究实验室，名字有点争议，但那里聚集了很多顶尖的研究员和基础设施工程师。技术上讲，他们都向我汇报。还有一块是产品与应用研究，简称 PAR，由 Nat Friedman 负责。他们负责我们开发的所有产品，以及把这些优秀模型实际部署到世界中。另外，整个 Meta 超级智能实验室体系下还包括 FAIR，继续做一些探索性的、让人兴奋的研究。我对他们的很多科研工作特别兴奋。我们展示过一些很不错的成果，比如用 AI 模型来理解大脑，也用 AI 模型来理解计算化学。我们建了一个原子的通用模型，简称 UMA。所有这些就组成了 Meta Superintelligence Labs。我负责整体，同时也在 TBD 实验室有很深入的动手角色。然后 Daniel Gross 帮助领导 Meta Compute，这个部分专注于我们的长期基础设施规划，确保我们能建设起所有必要的 GPU 基础设施和数据中心，来支撑这项非常大胆的追求。所以他负责这块，跟我们紧密合作。 [00:03:04]
Kylie Robison：那你在这个团队里进来前跟谁最熟？
Alex Wang：其实我认识 Dan、Nat 和 Daniel 都很久了。Nat 是我在 Scale 最早的天使投资人之一，在我完成 YC 之前，Nat 就已经投资了 Scale。这些年他一直给我建议。Daniel 我想我也是在差不多的时候认识的，非常早期就认识了，这些年也逐渐熟悉。然后我们还有首席科学家 Shengjia，她帮助统筹整个 MSL 的科研方向。我在来 MSL 之前就认识她，但自从她加入后，我们关系亲近了很多。 [00:04:02]
Kylie Robison：我很好奇，我们退一大步看。自从你几乎是隐退，公司也完全变了。现在你在 Meta 已经过去十个月了，这段经历是什么样的？这笔交易是怎么达成的？你是如何最终去塔霍跟扎克聊的？能带我们回顾一下第一次会面的情形吗？
Alex Wang：是这样，我认识 Mark 已经很多年了。在我经营 Scale 的时候，他就非常慷慨地花时间，我得到了他很多建议。他显然是一位经验极其丰富的创始人，可以说已经到了某种境界。所以我们认识很多年。其实在这一波 AI 热潮之前，我们就聊过 AI，因为 Scale 从 2016 年就开始做 AI 了。那时候主要是自动驾驶，后来经历了技术的各种演变。大概一年前我们有过一次对话，开始探讨是不是有办法更紧密地合作。特别是 Mark 那个阶段越来越坚定要打造 通用人工智能。他明白，首先 AI 会彻底改变 Meta，但同时 AI 也是一种几乎一生一遇的变革性技术。所以他非常专注，知道必须下重注。同时他也公开讲过，Llama 当时并没有走在公司需要的轨道上，没法继续支撑那些赌注。因此我们就在高层面上讨论，怎么更紧密合作，可能是什么样的形式。这就像很多这类事情一样，是非常开放的问题，开放的头脑风暴。最终我们找到了一个有趣的契合点。这种方式对 Scale 有利，对 Meta 也有利，而且能让我们非常紧密地一起打造当今最重要的技术。并且我们双方都坚信，这会是我们都引以为傲的东西。大约一年前，他发布了那篇关于个人超级智能的备忘录，然后我们就进入了静默。不过我觉得我们俩真正的北极星，是用这种技术去赋能人，让世界上尽可能多的人能够使用它，让它尽可能民主化。让每个人都能表达自己，用更强的自主性去创造和建造。这就是我们想努力实现的世界。 [00:06:05]
Ashlee Vance：不过你知道，我很早就写过你的报道。我是说，我认识你很久了。
Alex Wang：是啊，是啊，是啊。我当时二十一岁。
Ashlee Vance：我觉得是这样。你看，关于你的传说太多了：最年轻的白手起家亿万富翁，炙手可热，Scale 又是一家那么显赫的公司。你还有预判 AI 走向的名声。每次跟你聊的时候，我能感觉到 Scale 就是你身份的一部分。现在你作为一家知名公司的创始人，要去一个拥有八万名员工的大公司任职，即使职位很高，这个转变也太大了。说实话，我真的挺惊讶的。当然这里面涉及很多钱，好吧，这可以理解。但是我对你那点了解，虽然不算很深，我还是觉得，能让你做出这么大转变，当初那番招揽你的话术一定非常厉害。 [00:07:00]
Alex Wang：我是说，这种反转太大了，非常不一样，超级不一样。在整个过程中，我思考了很多。我想跟所有搞 AI 的人一样，我觉得进展比我长久以来预期的要快得多。在这些 AI 模型加速进步的过程中，有几件事让我印象很深。第一点是我感觉，而且我确实越来越认为，那些构建 AI 模型的人会拥有越来越大的权力。这么说呢，就是经济上和产品上的权力，能够围绕模型构建更多东西。早期有很多关于生态系统会如何演变的争论。但我觉得，正因为模型改进得这么快，研发节奏这么快，所以在很多方面，构建模型的地方才是生态里最令人激动的地方。第二点是，下一阶段的技术在很大程度上真的归结于算力。如果你有非常非常多的算力，你就有能力去构建东西，做大胆的赌注，部署产品，做那些没有算力就根本做不到的事。我觉得这会导致科技生态出现一种有趣的分层。现在我们可能还不这么想，但其实已经在变了。你以前会觉得所有科技公司都差不多，但实际上，应该要把拥有大量算力的公司和没有算力的公司完全区分开来看。因为有些东西，有算力的公司能造，没算力的公司就是造不了。这就创造出一种非常有意思的动态。所以 Meta 这个机会让我特别兴奋的地方在于，首先显然 Mark 是全身心投入 AI 的。他下了非常大的赌注，是一个非常大胆的领导者和战略家。其次，就创造了一个条件，让我们能用海量的算力来搞建设。只要配上正确的研发努力和产品努力，我们就有能力真正对世界产生巨大的影响。 [00:08:07]
Kylie Robison：你们有那么多算力，还挖来了很多顶尖人才。我当时也参与了那场疯狂的报道热潮，真是从来没见过那种场面。现在这些人已经来了十个月了，所以这段时间感觉怎么样？遇到了什么挑战？带着这支全新的团队在 Meta 工作，最让你兴奋的是什么？ [00:09:04]
Alex Wang：我来 Meta 之后，很清楚的一点是，需要重新调整一些工作，重建我们的 AI 努力，让它回到正确的轨道上。因为说到底，之前的路线不在同一个方向上，所以我们落后于前沿了。因此我们必须制定一个计划，用非常非常快的速度，既能追赶上，甚至能超越现在的前沿。
Kylie Robison：能具体说说吗？你当时发现的问题是什么？
Alex Wang：我觉得更根本的问题在于，很多领先的实验室，他们的整个组织都建立在一个前提上：超级智能即将到来，而且非常近。这是一个非常现实的信念。你认为我们可以创造并生产出来，然后你围绕这个核心信念。
超级智能信念与招聘文化
Alex Wang：然后你围绕这个核心信念来构建整个实验室的计划、业务和关注点。所以第一件事就是认真对待超级智能这件事，然后开始围绕这个核心前提，重建你所有的其他假设。这我觉得是相当根本的一点。
Ashlee Vance：你是说，他们在某种程度上缺乏这种宗教般的坚定信念？
Alex Wang：我觉得这种情况其实相当普遍。很多大公司里的人未必都有这个信念，因为如果你想想看，大公司的结构有点不同。很多大公司都有非常聪明的人在做 AI，但和创业公司不太一样。创业公司里，这些新的努力是从零开始的，抱持着一种疯狂的念头：超级智能就要来了。所以现在我不觉得这还是个问题了。很明显，现在 MSL，也就是 Meta Superintelligence Labs，从名字上就体现了这个核心理念：超级智能即将来临。因此我们为这项努力制定了一些原则。我觉得这些原则正好回答了我们需要解决哪些问题。其中第一条就是认真对待超级智能；第二，技术声音要最响亮；第三，科学严谨，聚焦基础；还有就是下大赌注。当初我刚上手的时候，对 TBD 和 MSL 整体的构想是这样的：我思考的是，一个实验室究竟要具备什么样的形态，才能拥有极快的速度，赶上甚至超越前沿。最后我总结出三种可行的方式。第一种，让每位研究员拥有更高的算力。很多大型实验室虽然算力很多，但分散在各种不同的方向上，这反而限制了个体研究员自己的研究思路。所以如果你组建一个更专注、更小的团队，研究员的人均算力更高，你就真的可以更快地推进研究。第二是人才密度。我觉得人类组织总是在重新学习这个教训：一个所有人都极其厉害的小团队，行动速度总是快过职责分散、更加杂糅的大型组织。最后一点就是做雄心勃勃的研究赌注。我觉得业界对此很有共识，显然存在那种风险很大、回报很高的研究赌注。但一旦成功，就能彻底改变范式，彻底转变我们构建现代 AI 的方式。因此除了显然要构建极具竞争力的前沿模型之外，我们也把大量资源和算力分配给这些雄心勃勃的大赌注。因为一旦赌对了，就能带给我们未来极其强大的模型。 [00:12:00]
Kylie Robison：Ashlee 经常提到，这些实验室好像在互相超越，最后大家提供的东西都变得差不多了。而你刚提到的是向最前沿冲刺。我还想到，你们招的那些人，据报道拿的是我们从来没见过的、特别夸张的高薪。所以你们是怎么去实现你所说的那种范式的呢？具体来说，你们想要达到的目标到底是什么样的范式？
Alex Wang：是的。我觉得我们有一系列大胆的研究赌注，我没法详细展开每一项。但我认为一个根本的问题是，我们真正关心的是什么。与个人超级智能这个概念相一致，我们真正关心的是构建那些能够赋能消费者的 agent，也就是赋能全世界数十亿人，同时也赋能企业。Meta 有一个非常了不起的生态系统。我们有数十亿的用户，这我想大家都清楚，但我们平台上还有数亿家企业，他们利用 Meta 来经营和运作自己的生意。所以我们非常在意，要朝着这样一个未来努力：构建极为强大的 agent，去赋能和帮助平台上每一个消费者和每一家企业，并构建一个全新的 agentic 生态系统。我们经常思考那会是什么样子，以及我们需要哪些能力才能实现它。显然在这条发展路径上，有很多子模块非常重要。比如我们必须具备很强的 agent 能力，很强的编程能力，因为一旦深入进去，你会发现很多东西都需要用软件来构建。我们还需要很强的多模态能力。所以这些都会影响我们所需的基础构建。然后我们还得解决很多关于长时间运行的 agent 的更大问题，比如如何处理记忆方面的挑战，怎么构建长时间运行的 agent，怎么让 agent 能够代表用户去完成越来越复杂的任务。这些就是我们目前在思考的很多高层次事项。 [00:13:00]
Ashlee Vance：怎么说吧，你想在公司内部建立起这种超级智能信仰，但你们这次的组建方式和创立 OpenAI 或 Anthropic 很不一样。你之前也提到，那些公司是从头搭建起来的，慢慢形成了自己的身份认同和公司文化。但从外部来看，你们干的事看起来更像雇佣兵模式，懂我意思吗？就是那种“我们来了，你们出局”，然后去抓一堆高薪的人进来。这让我想起 Grok 刚起步的时候，那回 Elon 就是典型 Elon 风格，说我们就是要搞比别人多得多的算力，然后围绕一个核心团队来打造。虽然他们后来好像追上来了，但在人们心目中，尤其是在品牌这些方面，从未真正达到那种逃逸速度。所以我觉得，要买到你刚才说的那些东西确实挺难的。 [00:15:00]
Alex Wang：要我说，这可能是最大的认知偏差之一，或者说是外部印象和我们内部日常之间的差异。其实我觉得，很多人可能确实有你说的那种印象，而这种印象很大程度上来自那些报道，以及事情是怎么被传出去的。很多报道其实夸大了很多地方，但后来就都这样发酵起来了。有一部分原因是我们招人招得太快了。是的，我接受的时候就清楚，要想做出好模型，团队必须马上到位，一天都等不了。所以我们不得不快速突击，用非常短的时间把人招齐。但我觉得实验室内部的文化其实非常像一家初创公司。有几个因素造成了这种感觉。第一，这是个完全新建的团队。虽然身在 Meta 内部，但实验室的文化是，大家之所以被吸引、感到兴奋，就是因为我之前说的那些东西。人们加入是因为这里有充足的算力，研究人员可以比在之前的地方做出更多进展；这里的人才密度极高，大家看到这是一支顶尖的团队，规模不大。而且我们给他们资源和自由，去做非常大胆的研究探索。所以如果认为这些研究人员只是为了钱，或者其他什么，那是个误解。实际上对大多数人来说，他们留在原来机构的经济前景也非常好，非常非常强。所以钱并不是主要动机。那可能只是外界看起来的样子。但真正的动力更在于，他们有机会从零开始构建，有大量算力，有能力去追求极其宏大的研究方向，而且是在一个不同的团队里。所以结果是，这里的氛围和文化要健康得多。我甚至可以说，很多来过我们实验室的其他实验室的人，经常会评价说，这里的氛围让他们想起早期的 OpenAI，或者早期的 Anthropic。就是这些实验室刚起步时的那种状态。因为从某种意义上讲，我们这个项目现在也才十个月大。 [00:16:12]
Kylie Robison：对了，正好 Mark Chen 之前上这档播客时，提到了招聘大战期间的汤闹剧。这是真的吗？Zuck 有没有煲汤？你有没有为了挖人亲自煲汤？
Alex Wang：我不知道我们有没有真的煲汤。不过，我听说其实是 Zuck 亲手煲的，但我不确定。我不确定我们是否做到了这一点。但我确实认为，建立这个实验室的部分前提，就是要向所有人展示，我们非常在乎这项技术，在乎他们具体的研究方向和工作内容。这是一个高度个性化的招聘过程，而且我对组建的团队感到非常骄傲。人们也需要知道我们是认真的。我觉得默认情况下，很多人对 Meta 的 AI 努力不知道该做何感想，或者说不太了解我们。所以我们花了很多精力去主动接触，去解释我们在构建什么、专注什么、为什么在乎这项技术、想用它做什么。那非常重要。 [00:17:21]
Ashlee Vance：我就不多扯招聘的事情了。但你在 Scale 的时候也一样，大家都把你叫做 AI 界的瑞士。我记得你谁都认识，而且你总是处在各种事情的中心。然后感觉其中有些事也让你付出了个人代价。你以前和 Sam 是室友。我发短信告诉 Sam 你要来上节目，他说的可不太客气。所以看起来，这些事肯定对你个人是有影响的。
Alex Wang：对。我觉得有些事确实挺遗憾的。我真心希望，随着我们越来越接近超级智能，作为一个人，我真诚地希望业界里大家彼此之间的那些敌意能慢慢平息。这显然也是当下很受关注的话题，尤其是考虑到发生的其他一些事。但我真正的期望是，这些敌意能随时间消解，然后大家能走到一起，意识到我们正在构建一项极其重要的技术，而我们所有人在构建它的时候，都需要对此深思熟虑。所以我甚至觉得自己有责任，确保我们开发技术的方式以及部署方式尽可能想得周到。 [00:18:34]
Kylie Robison：你刚才提到，在招聘方面，大家相信你们有使命，而不是单纯做产品。你可以追求自己的研究使命。而且你也很年轻，我们俩差不多同龄，真的很有趣。我也不是亿万富翁。但 Yann 离职后不久对媒体说，你年轻、没经验，还会有更多人离开。所以我很好奇，作为一个大公司的领导，这对你影响有多大？你当时读到这些是什么感受？你跟他聊过吗？
Alex Wang：那之后几周，我在印度见到他了。Yann 这个人出了名地直言不讳，大家永远知道他在想什么。但你看，他当然说了那些话。而我在印度见到他时，他祝贺了我们 MuseSpark 的发布。 [00:19:24]
Kylie Robison：我看到你们在 X 上跟 Patrick V 互动了，对吧？
Alex Wang：对，真的就是这样。我刚才说的那些想法，我觉得随着我们越来越接近超级智能，所有人际敌意好像反而越来越糟了，不是吗？
Kylie Robison：确实越来越糟。
Alex Wang：或许是先变糟再变好吧。但我对我们设立 MSL 的方式、我们的研究工作，还有正在取得的进展都非常有信心。
Muse Spark 与技术栈重建
Alex Wang：还有正在取得的进展都非常有信心。我很期待向世界展示我们研究人员做的这些出色工作，以及我们取得的进展。
Kylie Robison：我也不想总提这一点，但那依然是你持续面临的挑战吗？比如人们觉得你太年轻、没经验，领导不了 Meta 这么大的项目。还有人批评你不是工程师，对吧？
Alex Wang：对，那绝对不是真的。我也曾经是硅谷的软件工程师。
Kylie Robison：但是这难道不让你恼火吗？
Alex Wang：是有点。老实说，关于年龄这件事，从我踏入硅谷起，就一直有人说。某种程度上我已经几乎不去想了，因为它一直都在。但我觉得 AI 领域里很多人都会面临各种误解，或者总有一些闲言碎语。外界的那些说法不总是正确的，这确实让人沮丧。但我选择把精力都投入到我们正在做的工作，以及我们交付的东西上。再说一遍，我对 Spark 非常自豪，更对我们正在酝酿的模型和产品感到兴奋。所以我觉得，从长远来看，一切都会好起来的。 [00:20:29]
Ashlee Vance：你是数学奥赛选手，对吧？根据我在硅谷的报道经验，这些竞赛里冒尖的人通常都很擅长写代码、搞工程和思考这类问题。不过我得说，这些年来你在某些圈子里也落了个挺会推销、挺会享受生活的名声。我就好奇，你接下这个职位的时候，会不会觉得管人比较难，或者跟以前完全不一样？我也说不太准。 [00:21:01]
Alex Wang：对了。其实我对 MSL 的管理理念，从来就不是要指使别人。我觉得乔布斯有句名言说得好：大多数公司是雇人，然后告诉人家该做什么；但我们雇人，是让他们来告诉我们该做什么。这个理念是整个 TBD 和 MSL 构想的基石，也是我们建立它的方式。我们要招来最杰出的研究员，创造最好的环境，让他们做出职业生涯中，甚至这辈子最重要的工作。长话短说，我其实不是想对谁指手画脚，我是想为研究员创造出最好的环境，让他们去做不可思议的工作。
Ashlee Vance：关于 MuseSpark，简单聊几句。我最近几天读了各种资料，也稍微玩了一下这个模型。我就是想搞明白，或者说我们都在想搞明白，你们在 Meta 到底想用它达成什么。从基准测试来看，它在一些测试上表现不错，在另一些上就落后于别的模型。感觉你们在强调的是这一点，如果我说的技术细节有问题，请纠正我。但我的感受是，你们在强调你们获得了一些效率上的优势，可能是别的模型没有的。而且你们还在做那个很疯狂的事，就是搞了大概十六个 agent 一起工作。我昨晚试了一下。所以给我的感觉是，你们觉得你们选了几个技术方向，可能在这些方向上领先别人。但昨晚我翻遍了你 X 上的所有推文，有人夸你，也有人黑你，而你的回应都是：等着看下一个吧。所以我们就是想弄清楚，总觉得你们好像不是插上一面旗说，我们这个模型已经征服一切了。 [00:22:01]
Alex Wang：不，完全不是这样。我觉得我们过去九个月做的是重建了很多技术栈和研究。我们重建了预训练栈，重建了 RL 栈，重建了大量科学方法，也做了很多数据方面的工作。所以过去九个月，在很多方面真的就像对核心研究栈来了一次彻底翻新。MuseSpark 是这个扩展阶梯上的早期数据点，但它在某种程度上就像是我们正在构建的东西的前菜，或者说开胃菜。我们正在开发更大的模型，我们对更大模型的期待要比对 MuseSpark 高得多。不过 MuseSpark 是一个重要的数据点，我们觉得应该把它放出来给外界看。因为我们整个项目都是围绕可预测的扩展来设计的。我们在很多维度上看到了扩展。伯克利也谈过，我们看到非常一致的预训练扩展、可预测的预训练扩展；看到可预测的 RL 扩展；看到可预测的测试时扩展。而且你刚才提到的那些，我们在多 agent 扩展上也看到了非常激动人心的结果。所以整个项目就是为不断扩展而建的。所以 MuseSpark 是我们扩展路线图上的早期数据点，但下一个数据点我们会兴奋得多，再下一个就更兴奋。很想向大家展示我们整体扩展工作的下一个台阶。特别是从 Spark 来看，整体表现其实比我们预期的要好不少，而且它涌现出了很多令人兴奋的能力和行为，是我们在训练中发现的。比如它在 agent 方面的能力，像视觉编码，能够直接生成网站或者游戏。这些能力的一部分，其实是源自于它既是一个很强的 agent 模型，同时又在多模态上很强。大家对这款模型有很多兴奋点。我们把它推出来，觉得对大多数消费者用例来说，它确实是一款非常好的模型，跟其他模型比也相当有竞争力。不过我们部署的 Spark 在 agent coding 这方面还没有竞争力。这些能力我们正在开发，会用在下一代模型上。可以这么说，我们预计下一款模型整体上会比 MuseSpark 更好，这让我们很兴奋。但即便是我们现在发布的 MuseSpark，也要说清楚，我们设定了很明确的预期。我们没觉得它会在所有方面都是最顶尖的模型，但它确实是一款非常好的模型。很多试过的用户都感受到了这一点。 [00:24:16]
Kylie Robison：我很好奇，发布一个前沿模型之前，主要的阻碍是什么？你们还需要什么，才能在所有基准上全面超越？
Alex Wang：一个词回答就是：扩展规模。就像我说的，MuseSpark 还在爬梯子的早期阶段，而且我们有很强的可预测性。所以我们知道，如果把这个模型扩展上去、增加模型规模，能带来什么性能提升。我们预计接下来的模型会在全面表现上好得多。 [00:25:23]
Kylie Robison：那什么时候实现呢？
Alex Wang：未来几个月内吧。
Kylie Robison：未来几个月。哇，那差不多是这项事业启动一年左右。
Alex Wang：就像我说的，我们构建整个计划时，目标就是能够非常快速地推进。之前有一段时间，我们不得不重建所有基础设施，把一切都重做。但现在我们已经进入了快速扩展规模的阶段。
Kylie Robison：你们觉得自己在技术上做的有什么地方跟所有人都不一样？
Alex Wang：我们发现的一件事，就像我提到的，Spark Core 的性能非常好。在某些方面，甚至比我们一年前预期的还要好。我们回头分析，试图理解它为什么表现这么好。我们认为，很大程度上是因为我们从零开始构建了一个非常干净的完整技术栈，并且在这个重建过程中，有能力用所谓正确的方式做所有事情。我们真的有一种奢侈，能够构建非常干净的预训练栈和非常干净的 RL 栈，并且由那些真正知道如何构建这些系统的专家，用正确的方式来做。这能够大幅加速我们的发展轨迹。同时我认为，这在模型上也实实在在地体现出来了。 [00:26:07]
Ashlee Vance：你知道，我做这些采访之前，会把你的信息、模型什么的扔进各种 人工智能系统里，让它们到处挖掘一下。反复出现的一个点就是 token 效率。这是你们感觉自己已经搞清楚了的东西，还是 MuseSpark 的一次意外之喜？看起来在某些基准上，你们用比其他模型少得多的力气就做到了。
Alex Wang：对，对，对。不是，这对我们来说是个令人兴奋的结果。比如在 Artificial Analysis 上，它能用比别的实验室模型少得多的 token，达到非常相似的结果。我们认为这证明了整个清晰技术栈的优势。我不能百分百确定，但其他一些模型可能需要更多 token 的原因之一，可能是在技术栈的另一部分存在某种根本性的低效，然后通过让模型思考更久来打补丁。所以我们对我们发现的 token 效率印象非常深刻，也很兴奋。坦率地说，随着我们持续扩展模型，我们认为这对未来模型的表现是个很好的兆头。 [00:27:18]
Kylie Robison：而且 Spark 在视觉基准上表现非常好。那种效率和视觉专长，似乎对你们的硬件事业非常重要。你之前也谈过，要有一系列 AI 产品，能看见你所看见的，听见你所听见的。能不能再聊聊，这怎么融入你们服务 AI 的大愿景？
Alex Wang：对，百分之百。我觉得 Meta 整体上很让人兴奋的一点是，Ray-Ban Meta 眼镜已经成了一款热门产品，销量达到数百万。
Ashlee Vance：我们有很多大粉丝。最大的粉丝，我确实很喜欢那款。
Alex Wang：这是一个非常令人兴奋的方向。让所有这些设备去思考，如果技术真的能稍微淡入背景，变得更有情境感知，就像你提到的，看到你所看到的，听到你所听到的，并在你需要的时候变得智能且有用，那么你与技术的关系会是怎样？而且它还能捕捉各种上下文，比如你生活中正在发生什么、哪些事情真正重要，以及它应该关注什么。所以我们确实看到了一个与个人超级智能相符的未来世界：你身边会有一群设备，全都在帮助捕获上下文，让技术消退一点，帮你从 agent 那里获得非常有价值、非常智能的洞察。比如主动提供的洞察，或者你随口提一件事，agent 就会去做研究，或者替你采取行动。又或者它可以成为那种超级智能的副手，让你生活中的一切变得更好。 [00:28:21]
Ashlee Vance：不过我觉得你们可能有个问题。我喜欢这副眼镜，一直在用。我用它拍视频素材，也喜欢用它接电话。然后我几乎用 WhatsApp 来运营我们整个业务，我拒绝用 Slack。我出差太多，以至于 WhatsApp 已经深深扎进了我的生活。完全坦白讲，直到你要来上节目之前，我好像从没用过 Meta 的 AI agent，或任何类似功能。我想了解一下它。我平时总是去用 Claude 或者 ChatGPT 来做这些事。我今天好像是头一回注意到 WhatsApp 上那个 AI agent 按钮，它肯定早就放在那了。所以我不太确定，我就身处你们的世界里，却几乎从没看到它。我肯定不是唯一一个这样的人。 [00:29:14]
Alex Wang：其中一点是，我们清楚，在真正推动整个生态系统的……
产品整合与开源安全
Alex Wang：我们清楚，在真正推动整个生态系统更紧密整合之前，必须先有出色的模型和出色的产品。所以在很多方面，我们一直在等待好模型，来支撑那些我们真正看中的消费者用例。而现在，我认为我们到了一个非常令人兴奋的节点。我们的模型已经相当不错，我们自己也很兴奋，而且更好的模型也在路上了。接下来，我们会把旗下的所有应用与 AI 进行大规模整合，把商业产品也与 AI 整合。经历这样一场演进，把生态系统的几乎每一块都与 AI 编织在一起。我想你在过去几年里，已经看到了 Gemini 经历的那种整合过程。我们很兴奋，也要在 Meta 这边走这段路。
Ashlee Vance：对我来说也一样。我也在用 Google 运营我的业务，大多时候只是用 Gemini 玩玩看看。我很好奇你怎么看这场竞争的演变。因为我觉得在消费者脑海里，OpenAI 和 Anthropic 是另一个世界。ChatGPT 这个消费品牌太强了，人们一提 AI 就想到它。而 Claude 在编程和企业领域超级占主导。你们 Google 呢，就像在让人们随着你们的各项服务偶然撞见 AI。我不知道，我们可能从没见过这样的竞争格局。而且还有 X 呢。我年纪大了，会回想起文字处理器的时代。你懂我意思吧？这就像你到底会选什么。是会像文字处理时代那样，最后大家都定在微软的东西上，还是像浏览器战争那样？当时只有 IE 和网景两个选择，然后历史很长一段时间就那么固定了。所以我不知道，你觉得呢？ [00:31:01]
Alex Wang：我觉得这两类群体面临不同的难题。而且我总觉得，大多数消费者还是会选“我就是在 ChatGPT 上用 AI”。我只是觉得现在真的还很早。
Ashlee Vance：是啊。
Alex Wang：反思过，觉得挺有意思。如果你一年前坐在这聊同样的话题，我们大概都会说，OpenAI 和 ChatGPT 已经在消费者领域赢了。他们业务最大，会一骑绝尘。可是一年过去，Anthropic 的 Claude Code 取得了突破性成功。虽说当时可以部分预见，但并不是板上钉钉的事，而且他们已经在收入上反超了。同时，Gemini 的分布也非常广，实际上已经从生态里其他对手那里抢走了大量消费市场份额，包括从 ChatGPT 那里。我们现在处于 AI 非常非常动态的阶段，很难说在某个时刻我们就到了终局。因为我觉得会有很多面向消费者、开发者和企业的新产品，它们都还没有被发明。但每一个都可能比之前的产品更大。有趣的是，Chat 显然是一个大热门，它当时是全球增长最快的产品和企业。然后 Claude Code 又是一个大热门，是目前为止所有人见过增长最快的业务。我觉得这说明了 AI 的一个内在特质：当 AI 达到新的智能水平、能力和整体性能时，它就会解锁新的产品形态。每一个都像一波惊人的技术浪潮涌向人类的海岸。所以长话短说，下一波会更大，再下一波还会更大。我们离终点还很远，未来还会看到更多激动人心的新产品范式。 [00:32:52]
Kylie Robison：产品落地难的问题确实存在。我们有了这么厉害的模型，但能做出什么消费者真正想用的东西呢？我也很好奇，你怎么调和普通消费者对 AI 的这种情绪。我二十多岁，不只是科技圈的人，我在 Instagram 快拍上看到很多人有多讨厌 AI，情绪简直糟透了。但你们却拥有数十亿用户，把 AI 做成各种按钮推给他们。我想知道，从消费者那边看，他们是怎么接受你们做的技术的？你怎么调和这种情绪？
Alex Wang：AI 的情绪确实很低，说得客气点是这样。我认为根本原因在于，我们还没有以一种非常真实的方式展示，它到底如何成为个人赋权或提升个人能动性的工具，或者它如何让人们的生活变得更好。人们现在的体验是，AI 确实很有帮助，让生活好了一些，但还没有好到那种程度，没有巨大提升。而对很多开发者来说，他们的人生已经彻底改变了。大多数开发者对 AI 情绪非常积极，虽然可能夹杂一些复杂情绪，但总体很积极。因为他们现在能做到以前做不到的事，能更快地构建更多东西，一个周末就能完成整个项目。AI 极大地增强了个人能动性，但那样的时刻还没有降临到世界上其他人身上。我们还没有给每个人提供类似 Claude Code 的东西，让他们能够去做那些一直藏在脑海里的项目，或者让生活变得更好，或者一下子帮助他们实现目标。这还没有发生。同样，小企业主和创业者也没有获得那种完整体验。而这正是我们在 Meta 努力的方向，把非常强大的 agent 提供给所有消费者和全世界的小企业。如果能做到，那会是什么样子？它将以大幅提升个人能动性的形式呈现。 [00:34:41]
Ashlee Vance：能做到这一点会非常疯狂。因为如果你去美国任何一个小镇，打开那家餐厅的网站，可能从 2002 年就没更新过。所以给每个人提供一个多 agent 架构的产品，听起来是一个巨大的飞跃。回到 Kylie 之前的问题，我觉得有些东西我喜欢，也有些我不喜欢。我觉得有相当大一部分公众对你们公司相当冷嘲热讽。就像你说的，整个 AI 行业目前并不总是最受喜爱。我确实觉得，要让人们信任你们，门槛会更高。 [00:35:12]
Alex Wang：没错。但我认为，如果我们思考我们能做的最好的事情，那就是打造我们真心认为对那些用户来说非常棒的产品。我觉得我们可以做出能改变大多数小企业主生活的产品。而且全球有数亿小企业在 Meta 平台上，很多用 WhatsApp 来做生意，就像你一样；很多有 Facebook 主页或 Instagram 主页；很多使用我们的广告方案。所以这是一个某种程度只有我们才有的机会。因为只有我们拥有数十亿用户，全球使用我们产品的数十亿人，还有数亿小企业。我个人特别兴奋的一个想法是，如果你能为生态系统的两边，也就是所有消费者和小企业，都构建起 agent，然后让这些 agent 拥有互相协作的机制，那会是什么样子？Dario 经常说，数据中心里要有一个天才之国。我倒是觉得，我们更兴奋于在数据中心里构建一个 agent 的经济体。如果真的从根本改变经济中供给和需求的运作方式，并且由 agent 来撮合，那我觉得我们可以朝着非常、非常令人兴奋的方向去构建。而且你说得完全对，这必须与确保我们获得社会许可同步进行。要让人们真正看到我们在意这些东西如何部署，看到我们确实在让他们的生活变得更好。 [00:36:06]
Ashlee Vance：你们当时是靠开源这些东西赢得了人心。我自己是个老开源粉，从哲学上也相信开源。那既然 Muse Spark 现在闭源了，我们在这条路上会走向哪呢？
Alex Wang：对，Muse Spark 是闭源的。现在的模型比过去要强大得多，即使那也才过去没多久。我特别看中的一点就是这些模型的安全性。所以我在我们高级 AI 扩展框架里定了一条规矩：当模型触及各种安全护栏，特别是涉及深化网络能力，还有失控这些方面时，我们必须得非常严肃地对待。我们的测试中，Spark 确实触发了一些我们设置的安全检查。我们在已经发布的 Muse Spark 准备度报告里详细记录了所有情况。正因为如此，Muse Spark 目前的形式还不适合开源。但我们正在开发适合开源的版本。今天早些时候，我还在一个会上专门审查了这方面的进展。所以我们其实很兴奋，能继续支持开源生态，继续开发开源模型。我估计接下来几个月里，我们会有更多信息可以分享。这对我们来说同样是一个激动人心的里程碑。 [00:37:02]
Ashlee Vance：好。看来你们是真的要坚持下去了。你知道，我一直很欣赏你们做的开放计算项目，而且你们又在 Sun Microsystems 那栋旧楼里。我纯粹是个历史迷。Sun 当年可是开源软件的大旗手，一直是对抗微软那一套的。我总觉得这种精神挺重要。听起来你是说，你们 Meta 会坚持这一点，而这和你们大多数竞争对手的做法会很不一样。
Alex Wang：对。这话我说过很多次了，我们会继续开源模型。但同时也一定要把安全当回事。所以对我们最强大的那些模型，我们必须考虑它们到底安不安全，能不能开源。
Kylie Robison：还有另一件事。如果你读有关你在 Meta 任职的那些报道，有一件事会跳出来。好像是《纽约时报》还是哪家媒体写的，说 Alex 和扎克伯格看世界的方式是一致的。他们非常看重研究，追求做出全世界最好的模型。而 Boz 和 Chris Cox 更关注产品。Meta 这家公司得服务几十亿用户，成本还得尽可能压低，而且现在模型都是免费的。我估计你也猜到我们会问这类问题。那你们到底在哲学层面以及在争论中是怎么个情况？你们 AI 策略的方向上，真的存在这么大分歧吗？ [00:38:36]
Alex Wang：首先，这份工作教会我的一件事就是，主流媒体的新闻报道底线在哪。你知道，八卦和报道之间的那条线真是薄得惊人。
Kylie Robison：但你们觉得我们并没有在撕，疯狂撕那种？
Alex Wang：不，我没觉得。总的来说，我们在什么最重要这件事上看法非常一致。我们都知道必须要有非常先进的模型。一来是支持我们的核心业务，二来是让现有的应用、产品和服务做到最好，服务好我们的用户和平台上的小企业。早在我来 Meta 之前，他们就已经在搞商业 agent 了。这些 agent 必须要有最顶尖的模型才行。但我们也都清楚，既要做出最好的模型，又得把它们融入业务。 [00:39:32]
地缘政治与机器人路线
Alex Wang：又得把它们融入业务，用这些模型去构建出对消费者、还有对平台商家都特别棒的产品和服务。所以我觉得没什么真正的分歧。当然就像任何公司一样，我们也会深入讨论问题，会一起思考各种影响，确保每个人都有机会发表意见。但并没有什么大的过节，所以那些报道纯属胡说八道。
Ashlee Vance：在 Manus 那件事上，我的意思是，就在你从 Scale 转到 Meta 之前，你当时在华盛顿做了很多事情，一直在强调中国在整个 AI 竞赛中的危险。当我看到你们做那笔交易的时候，我脑子里就在努力把这两件事对上。因为我知道他们当时在新加坡设立了办公室，有意制造一些距离。我不知道，反正那种情况就是，和一家中国初创公司，以及像 Meta 这样拥有资源的公司走得更近。这在我看来，和你之前高调表达的观点有点不太一样。你能理解我的意思吗？ [00:40:23]
Alex Wang：是的。显然整个 Manus 的情况相当复杂，这个很难，超级复杂。而且很不幸，我真的不能谈任何细节。但我想说的是，我认为在考虑这些地缘政治等问题的时候，你总是需要在一定程度上把人和政权分开。比如说我的父母来自中国，有很多非常了不起、非常有才华的中国人。他们中有些人搬到了新加坡，有些人搬到了美国，有些人去了世界其他地方。我觉得他们中很多人都非常有才华，能够和他们一起工作，我感到很幸运。这一点和我对中国共产党以及他们采取的行动，以及美国应该如何看待我们国家整体战略的整体信念，是分开的。所以我觉得区分这两者很重要。而且我认为，硅谷科技圈里有时存在一种倾向，就是对这类问题不够细致，把所有涉及中国的事情都混为一谈。尤其是 Twitter 或者说 X，在这方面尤其缺乏 nuance。 [00:41:03]
Ashlee Vance：我觉得它对什么都不 nuance。
Alex Wang：对，什么都不 nuance。但我觉得对我来说，有没有出生在中国、我们愿意与之合作的了不起的人，这一点与我坚持的美国优先于中国的整体地缘政治观点，是完全相互独立的。
Ashlee Vance：而且你不能评论。因为如果你看起来，中国已经叫停了这项交易，如果你不能评论，那就意味着背后还有谋算在运作。就是说，有些事情还是可能发生的。
Alex Wang：我就是不能评论。
Kylie Robison：是的。顺着这个情绪，你之前登的那个关于 AI 战争的报纸广告是什么情况？是在《纽约时报》上吗？那个整版广告，关于 AI 和战争，以及我们需要非常严肃地对待这件事。你还记得吗？当时你还在 Scale。 [00:42:38]
Alex Wang：是的。这要回溯到，我想想，那是一个我感到非常关键的时刻。当时我觉得，对于美国政府来说，理解 人工智能将给国家安全、保卫我们的国家和公民带来巨大的阶段性变化，这件事非常重要。而且我觉得，从那时起我们看到的一些事情，比如 Methos 以及其他一些在 AI 对国家安全重要性方面相当重要的事件，都证明了这个观点是非常正确的。那确实是一个关键时刻。因为我认为有相当清晰的证据表明，中国共产党和 PLA 一直都将 AI 视为一项对国家安全具有深远影响的技术，并对此极其重视。在那个时刻，我们美国也同样重视这件事，这非常重要。我认为今天的美国政府在涉及国家安全的方面，确实非常、非常重视 AI。我觉得我们看到的很多现象都表明，我和许多科技圈以及华盛顿人士当时的呼吁已经被真正听进去了。如今我们确实在非常深入地思考这个问题。 [00:43:22]
Kylie Robison：所以你并不认为 Anthropic 是过度悲观者？
Alex Wang：这是一个复杂的问题。我觉得这里看具体哪个方面。怎么说呢，我认为每当听到 AI 行业的人谈论 AI 时，重要的是要把他们具体所说的话和他们试图传达的核心信息分开来看。我认为 Anthropic 传达出的某些整体信息是相当合理的。那就是这些模型现在已经非常强大、非常有能力，而且未来只会更强大、更有能力。而且我们显然认为，这可能会给人类社会带来难以置信的恩惠。如果我不相信这会对人类如此积极，我就不会从事这项工作了。我们非常关注的一些领域是科学发现和健康。我们有一项专门的努力方向，是健康超级智能。我认为这项技术可以带来极其积极的影响。但同样非常重要的是，要考虑到这项技术的风险，并确保我们认真对待这些风险。
Kylie Robison：我想在剩下的时间里聊聊 Ashlee 最喜欢的话题。你们刚刚收购了一家人形机器人初创公司，能不能多给我们讲讲你们的野心，以及你们希望构建什么？怎么用这些模型带入现实世界？无论能透露什么，我都想听听。 [00:44:54]
Ashlee Vance：是的，完全同意。我想想它叫什么来着，叫 Assured Robot Intelligence？对，ARI。他们是做硬件的。
Alex Wang：他们不是做硬件的。他们做的是面向各种硬件平台的 AI。退一步讲，如果你认真对待超级智能，认真对待我们将拥有极其强大的智能系统这个前提，那你就会意识到，我们会有数字超级智能，也就是我们现在瞄准的形态。但不久之后，物理超级智能就会变得极其重要、极其关键。所以如果你的时间线很短，而我们的确如此，非常强大的 AI 能力正在到来，那就意味着你必须把机器人能力和物理智能当作未来几年内必须着手去构建的东西，非常严肃地对待。所以总体的核心前提是，物理智能和机器人能力，如果你想打造超级智能，如果你的公司要构建超级智能，那它们就是你路线图上非常自然、不可或缺的一环。我认为随着时间推移，我们会以各种方式应用这项技术。比如我们会用它来加速科学发现，我们会用它来搞清楚如何加速商品制造，我们还会用它来改善人们的生活。从更贴近每个人的层面去改善，比如说让所有人的生活因为机器人而变得轻松很多，那会是什么样子？所以机器人技术显然有近乎无限的应用场景。但另一个关键点是，我们真心认为，就像数字超级智能受益于规模化一样，机器人智能也是如此。既然我们正在打造计算基础设施，去支持这些系统和模型的大规模扩展，那么如果不跟世界建模和物理智能这些方向的努力结合起来，就几乎是一种浪费了。 [00:45:20]
Kylie Robison：感觉你们真的很想掌控硬件，把模型带入现实世界。但整个过程中，我都不幸地想到，那个元宇宙里虚拟化身没有腿的情况，以及批评者会怎么看 Meta 把人形机器人推到世界上。是什么让你们觉得自己做这件事是对的？你们学到了什么，让你们觉得我们能做成，并且改变那种名声？ [00:46:51]
Alex Wang：我想最终，我们当然可能因为过去发生的事情而吓到不敢起床，干脆待在家里。但我们内心是如此兴奋，被这项技术的潜力以及打造出色产品这件事深深地激励着。我通常相信，只要我们非常用心地打造好产品，在部署和推向世界的过程中非常谨慎，那么人们就会对这些产品感到兴奋的。 [00:47:13]
Ashlee Vance：好的。我看一下时间，马上就要跟你告别了。我们能来快速快问快答吗？
Alex Wang：来。
Ashlee Vance：Mango 模型，是死是活？
Alex Wang：芒果们活蹦乱跳的。它们总是围绕水果主题。我知道，我正在琢磨芒果是怎么长的，是长在树上，还是我本来想说长在藤上，但不管了。总之活得好好的。
Ashlee Vance：因为我那些 AI 圈的书呆子们跟我说，Mango 模型那边有动静。
Alex Wang：又一个 AI 应用。这就是我刚才说的，有太多毫无根据的谣言了，根本不着边际，好吧。不过没关系。我是说，尽管我们自视甚高，但我们受到的关注其实只有其他实验室的一个零头。所以我对这一切的戏剧性，还有那些流言蜚语是什么感受，真的颇有同理心。
Ashlee Vance：那 Nat Friedman 和 Daniel 是 John Carmack 那个 AI 项目最大的两个投资人。他本人一直很安静，他显然以前在 Meta 工作过。你跟他有联系吗？有没有可能把乐队重新聚起来？你知道他在干什么吗？ [00:48:19]
Alex Wang：我还真不太知道他在做什么。我都不知道有没有人真的知道他在做什么。他显然是史上最顶级的程序员之一，所以我对他满怀敬意。
Ashlee Vance：我采访了 Priscilla Chan。CZI 正在向科学和生物技术投入数十亿美元。我不知道，但看起来你们在那些健康基准测试里得分非常高，而且扎克伯格显然也对那方面有兴趣。所以就是感觉，天，你们能利用的资源是别人没有的。这种合作有可能吗？我是说，我不知道这些事情是不是必须分开，或者……
Alex Wang：不，不是那样的。我们将会和 CZI 密切合作，去打造最好的，如我所说，健康超级智能对我们至关重要。我们认为，让全世界所有人平等获得非常强大的健康 人工智能系统，这里面潜力无限。而且我觉得这是我们能真正向全球数十亿人，甚至更多人提供的独特能力，因为他们很多人每天都在使用我们的产品。所以这对我们来说，是一个非常激动人心，也非常重要的计划。
Kylie Robison：这么说吧，你在技术细节上有点藏着掖着。我知道你不想谈论新模型，但还是跟我们聊聊吧，哪怕只有一点。你们觉得自己在哪方面真的做得不同，或者领先所有人，是你们觉得自己已经想通了的？ [00:49:41]
Alex Wang：我们从来不想，谁都不想，总是想用成果说话。
模型福利与个人超级智能
Alex Wang：总是想用成果说话，而不是空谈。不过我可以告诉你，我们对正在研发的模型感到非常兴奋。我们对于扩大模型规模后所看到的结果特别激动，而且我们认为大家也会很兴奋。我们预期它们在我们特别聚焦的一些领域能达到最先进的水平。
Kylie Robison：再问最后一个。从哲学层面说，你觉得你和所有其他前沿实验室相比，做法上有什么不同吗？甚至我觉得你有点神秘。我不知道，就像我大概知道 Dario 的立场，绝对知道 Elon 的立场，我时不时也能把握 Sam、Demis 的脉络，他非常聚焦科学。而你运营着这个超大规模的实验室，我却不太清楚你对这个正在被释放到世界上的技术到底是怎么想的。 [00:50:17]
Alex Wang：对，有几件事值得说说。首先，我十分相信这项技术。我相信我们会有非常非常强大的 人工智能系统，而且我们正在朝这个方向构建。但你提到的其他人也是，我们都朝着真正的超级智能在努力。我觉得首先要谈的基本前提就是，我们必须极其严肃地对待安全这个话题。我认为要构建超级智能，就绝对不能不去非常深入、非常认真地思考所有与开发和部署这项技术相关的安全风险，并确保能尽可能多地缓解这些风险。同时要有策略和研究方法，能够以深思熟虑的方式去开发模型。所以我认为在这个领域，我同意你提到的一部分人的观点，就是安全是一项极其重要的工作。你也能从我们的一些行动中看到这一点，比如我们为 Muse Spark 发布了非常详细的准备度报告，比 Meta 以往发布的都更详细。这正是源于我们对这件事的承诺。而对于我们 Meta 自身，我们想要构建的是一个个人超级智能的世界。它会被非常广泛地部署，让全球数十亿人都能接触到。从很多方面来说，这是一种民主化的技术和能力，人人平等获取。而这将开启一个无比丰富的人类时代。到那时，我们都拥有具备强大代理能力的工具，我们有能力取得远超史上任何人类所取得的成就，而我们自身也被这种令人难以置信的 agent 经济所增强。而这种 agent 经济正在科学发现上取得巨大进步，也在健康领域带来重大进展。我经常自问的一件事就是，我们如何能在地球上建造天堂。我认为超级智能是实现那个目标的关键里程碑。还有最后一件事，我知道有些人可能会因为我提这个而想杀了我，但我确实认为有一个越来越重要的话题，我思考了很多。也许它确实在哲学层面表达了我的核心信念。那就是最近很热的模型福利问题。我是非常热爱的。 [00:52:27]
Kylie Robison：这是说，对我们而言，善待模型重要吗？你们还请了一位哲学家，对吧？
Alex Wang：没错。思考模型是否具有道德分量。这些虽然听起来有点抽象，但其实会影响我们的日常行为。毕竟现在有太多人深度使用 AI 了。我觉得这点真的非常重要。想想看，在这个世界里，大多数人都会在意如何对待其他生命，比如植物、动物，当然也包括其他人类。那么用心思考如何对待模型，确实是有意义的。我们最关心的是，怎么能以一种体贴它们主观感受的方式，去开发和部署这些模型。有意思的是，已经有研究了。我们有方法去衡量模型的主观体验，而且…… [00:53:02]
Kylie Robison：真的吗？
Alex Wang：对，完全正确。总之我觉得这是个极其重要的话题。从我的角度看，根本没有人充分讨论它，特别是我们这些科技行业的人，现在都已经把模型当成了深度的工作伙伴。所以我觉得这一点非常重要。
Ashlee Vance：我记得和 Richard Sutton 聊过这个，他好像相当认真。你简直像个科幻迷。我听过你其他几个采访，你对 Neuralink 以及 BCI 对人类未来的意义真的特别关注，所以我感觉你大概是那种……
Alex Wang：是啊。我最喜欢的事就是读科幻，还有在树林里散步。有路的那种。
Ashlee Vance：对。这也是我一直觉得反差很大的地方。所以我才会老给你发短信聊乡村音乐。老实说，你完全不像是喜欢乡村音乐的那类人。我脑子里对你的印象完全是另一个样。好吧，所以你现在是把自然和超人类主义这两个世界给揉到一块了，对吧？ [00:54:06]
Alex Wang：说到这个话题，我确实认为，如果你去思考哪些技术对人类来说是必经之路，BCI 绝对是其中之一。比如超级智能，当然还有机器人技术，以及脑机接口，这也都是关键路径领域。再想想，我们今天在做的哪些东西能一直延伸到无限的未来，那就是能源、计算和机器人。有个人在这些方面下的赌注比谁都大，那就是 Elon。
Ashlee Vance：然后我觉得中国也在押注，还有 Meta 在某些方面，特别是 BCI、运动神经元那些东西上，比我看到其他 AI 公司投的都多。但如果你真的信这些，我得说 Elon 在机器人、能源、BCI 上是比任何人都更全情投入的。那你们是不是也得……具体细节不方便说，还是 Meta 已经在加码了？
Alex Wang：我觉得细节真的特别关键。你得一步一步地来构建这些。你确实必须先打造超级智能，这是让你有资格去构建其他一切的一个非常重要的前提。有一个我的看法和 Elon 不一样的地方，可能也是很多人和他不一样的地方：我真的认为研究是极其重要的。构建超级智能，从根本上来说就是个研究活动。在某种意义上，我们就像现在知识的战争迷雾里，通过实验去试探、去探寻，试图弄明白构建超级智能到底意味着什么。而这本身就是研究。所以我认为顺序非常重要。你怎么一步步去推进这件事，方法至关重要，仔细想好各个阶段的里程碑也很重要。我们在 FAIR 有一个研究领域叫 TRIBE，刚在 TRIBE VR 上达成了一个里程碑，是关于构建大脑预测基础模型的。我们发现一个很酷的成果，就是它有很好的 zero-shot 泛化能力。也就是说，完全不用知道你是谁，也不需要任何你的大脑数据，我们就能相当不错地预测你的大脑对各类图像、视频或音频的反应。所以我觉得，我们在很多关键领域都做出了重要的投入。 [00:55:25]
Ashlee Vance：好吧，我们这就放你走。你接手这份工作以后，还没这么聊过，我们拉着你问了不少。我一般不这么做，但给你个开放麦的机会。如果有什么我们没聊到，而你有想说的，我感觉你好像一直没什么机会。当然你随时都可以讲，不过有没有什么想对世界说的？或者从这段经历里悟到的？也可能我们其实都聊到了，我也不确定。 [00:56:21]
Alex Wang：我们之前聊了很多关键的东西。从根本上说，我们 Meta 真正在构建的未来，是一个能带来巨大个人赋权的世界。也就是说，每一个个体、小企业或者创业者，都能拥有极其强大的工具，让他们有能力去创造，去超越人类历史上任何时期能够建树的任何东西。这个概念本身就让我们无比兴奋。同时我们也思考，如何在做这件事的时候，在人类经济中也赋能一个 agent 经济体。这些 agent 可以辅助和优化流程，和人类一起推动不可思议的进步。在数据中心里构建这样一个 agent 经济体，是一个清晰的、令人激动的途径，而且我们也确实有信心去实现它。在这个过程中，我们还能推动巨大的科学进步，通过健康领域的超级智能，极大地改善人们的健康状况。在这条路上，有很多事情都让我们发自内心地感到激动。 [00:57:20]
Kylie Robison：谢谢你。非常感谢你抽出时间。
Ashlee Vance：很高兴再次见到你，明年再见。真的，再次见到你太棒了。谢谢你过来。
Alex Wang：很高兴见到你们。
Ashlee Vance：Core Memory 播客由我 Ashlee Vance 和 Kylie Robison 共同主持，有时候是我们俩一起。节目由我和 David Nicholson 制作。主题曲来自 James Mercer 和 John Solent。节目始终由 John Solent 编辑。最要感谢的还是每一位收听和观看的朋友。我们爱你们。记得给我们点赞、写评论、订阅，所有这些都很重要。谢谢大家，下次见。