在Kimi K3等中國開源模型的猛烈攻勢之下，矽谷圍繞AI開源與閉源的路線之爭日趨白熱化。
近期，Meta也調整開源策略，發佈了專注於端側運行的開放權重模型Muse Glimmer，創始人祖克柏甚至發佈長文《未來屬於所有人》，公開批評OpenAI和Anthropic試圖打造單一中心化超強AI的做法。
Meta還呼籲放寬對開源訓練資料和模型蒸餾的政策限制，並宣佈設立10億美元基金投入資料中心所在社區，以緩解基礎設施建設壓力。
祖克柏在最新訪談中解釋了Meta重回開源路線的原因，以下是核心觀點：
1、拒絕單一中心化AI，建構多元化生態：祖克柏認為未來的世界不應該由單一的閉源AI系統主導，而是會像如今的應用和網站一樣，出現許許多多不同的AI系統。開放原始碼的核心在於賦予每個人自己去建構和掌控AI的能力，從而打造一個更加豐富和多元化的AI生態。
2、開源能帶來更高的安全性和可靠性：儘管有人擔憂封閉模型更安全，但軟體工業的歷史表明事實恰恰相反。開源系統因為向公眾開放，能吸引更多人去審視系統的每一個角落，從而比封閉系統更快地發現並修復漏洞。
3、廣泛的使用與審查加速模型迭代：隨著開源模型被越多人使用和審查，平台可以收集到大量的真實反饋，進而不斷推出更新、更完善的版本，最終讓模型對每個人來說都變得更聰明、更安全。
4、賦能企業與創作者定製專屬AI：開源模式打破了技術壟斷，讓所有人都可以獲取、修改模型並在其之上開發產品。這使得未來每家企業都能擁有專屬的客服與銷售AI，創作者也能以更低的門檻打造自己的AI互動分身。
5、推動行業的整體繁榮與進步：總結軟體行業過去幾十年的發展規律，開源模式與封閉集中的模式截然不同，開放的技術底座將帶來無可比擬的創新浪潮，從而指引整個行業走向一個更繁榮的未來。
以下是對話原文：
1. 硬體革命與下一代計算平台 (Orion & AR/MR)
主持人：我想先和你聊聊我做這次對話的目標。我們有一個叫作《Huge If True》的節目，這是一個對科學、技術以及我們能夠塑造的潛在未來抱有極高樂觀態度的節目。在每一集裡，我們都會去探討如果某種技術走向未來會是什麼樣子。所以我在這次對話中的目標，是希望幫助大家看到你在打造Meta產品時所構想的未來。你想像中未來會是什麼樣？你希望大家如何使用這些產品？
祖克柏：好的。
主持人：那我們就從這些裝置開始吧。
祖克柏：這正是十年的研發成果。
主持人：我今天早些時候稍微體驗了一下。我聽說你團隊裡有人把它們叫作現實版托尼·斯塔克的眼鏡。
祖克柏：我們正在接近那個目標。
主持人：但我很想聽你親口說說，這些到底是什麼？
祖克柏：這是世界上首款全息增強現實眼鏡（Orion）。我們大概製作了幾千副左右。製作其中的每一副都極其困難。這是我們經過十年研究和開發的結晶，基本上把全息眼鏡所需的所有計算部件都小型化了。這不是頭顯，而是能夠在寬廣視野中將全息圖像投射到現實世界裡的眼鏡。
你可以想像在未來，我們可能以另一種形式進行這樣的對話，比如你或者我甚至不需要親自來到現場。我們其中一個人在物理現場，而另一個人則以全身全息圖像的形式呈現。這不僅僅是視訊通話，你可以真正去互動和協作。就像我們在演示裡玩的乒乓球和其他遊戲一樣，你可以互動、共同工作、打撲克或下棋，使用全息撲克牌和全息棋盤。我認為這會非常酷。它將重塑我們今天所熟知的許多領域，從工作方式、生產力工具，到科學、教育、娛樂和遊戲等各個方面。但這僅僅是個開始，這只是第一代產品，是我們製作的原型版本，目的是為了開發下一個版本，也就是希望未來能夠量產並銷售給大眾的消費級版本。
主持人：為什麼要打造這個？
祖克柏：因為我認為它將成為下一個主要計算平台。如果你回顧計算技術的發展長河，就會發現我們經歷了從大型機，到擺在桌上或機箱裡的個人電腦，再到可以隨身攜帶的手機。但手機其實挺不自然的，對吧？它會讓你脫離周圍的物理世界。我認為計算技術趨勢是變得越來越無處不在、越來越自然，也越來越具備社交屬性。你希望能夠與身邊現實世界裡的人互動，而這很可能會成為繼手機之後的下一個主導平台。
主持人：看看這兩副，這些透明版本展示了內部所有的技術結構。
祖克柏：這是特別版，而這個是極為特殊的版本。裡面連一毫米的富餘空間都沒有。從將光線射入光波導的微型投影儀開始，一切都嚴絲合縫。這是一種特殊的顯示系統，不像手機、電視或電腦裡使用了幾十年的傳統顯示器。它是一個光波導系統，投影儀將光線射入貫穿光波導的奈米蝕刻結構中，正是這些結構捕捉光線並建立出全息圖。為了將全息圖與你的視線同步，裡面整合了眼動追蹤模組和微型攝影機來照亮眼睛。
當然還有所有基礎部件，包括計算晶片、供電電池、麥克風以及播放聲音的揚聲器，還有讓你能與AI對話的感測器。此外，攝影機和感測器負責感知你周圍的世界，這樣當它在現實中放置全息圖時，就能找準位置並理解你所處的環境。這甚至還沒涵蓋所有細節，因為要同步兩個螢幕之間的全息圖像極其複雜。這不像手機或電視只有一個螢幕，它有兩個螢幕且一直在移動。物理硬體的同步非常困難。裡面還有負責與其他計算裝置通訊的無線電模組，用以分擔更重度的計算任務。另外還有你可能體驗過的基於手腕的肌電神經網路介面（EMG）。我們將所有這些技術小型化，裝進了一副外觀普通的眼鏡裡。十年前當我告訴團隊我們要這麼做時，大家都不確定能否實現。但現在我認為我們不僅能做到，而且隨著時間推移，還能讓它變得更便宜、質量更高、體積更小、更時尚。我覺得這將是一個非常瘋狂的未來。
主持人：目前市面上有許多嘗試將數字對象融入物理空間的方案。比如搭載平視顯示的眼鏡，它的畫面是鎖定在視野裡的，隨眼睛移動；也有能在物理空間中建立固定不動物體的眼鏡，比如Snapchat剛剛發佈的Spectacles；另一方面，還有像Quest以及Apple Vision Pro這樣的頭顯裝置，它們似乎屬於不同的類別。你如何向大家梳理當前的產業格局？你認為在不久的將來，人們會如何在現實生活中使用這些工具？
祖克柏：十年前我們剛開始做這個項目時，我就認為類似這樣的產品會是適合所有人的終極形態。你可以擁有一副外觀普通的眼鏡，並且能展示完整的全息圖像，我們會持續改進它。這非常強大，也是我們都希望實現的科幻未來。在探索的過程中，我們也嘗試了其他幾種路線來輔助研發，包括打造無螢幕眼鏡。我們嘗試拿一副時尚的普通眼鏡，在專注於外形尺寸的前提下儘可能多地塞入技術。這就是Ray-Ban Meta眼鏡，它賣得非常好。最初我們以為那只是用來積累經驗的入門產品，但現在很明顯，無螢幕產品的成本可以做到比全息眼鏡低得多，而且可能是長期如此。
因此我認為我們探索的這幾種路線，未來都會成為長期存在的獨立產品線，供不同需求的人選擇。你會看到像Ray-Ban Meta這樣無螢幕的眼鏡持續進化。它非常適合AI互動，雖然沒有螢幕，但你可以和它對話，它也能回應你。
另外我認為介於這兩者之間還會有一種產品，即平視顯示眼鏡（HUD）。它沒有70度的寬廣視場角，可能只有20度或30度。這種視場角不適合呈現完整的真人全息圖或與周圍世界進行複雜互動，但當你與AI對話時，它能讓你在聽到的同時看到文字輸出，或者通過手腕上的神經網路介面給別人發簡訊——文字直接浮現在眼前，而不是被朗讀出來，畢竟我們看字比聽聲音更快——又或者用來獲取導航路線、搜尋資訊等等。所以平視顯示眼鏡有很大的價值，它的價格會比無螢幕眼鏡貴一些，但比全息眼鏡便宜。
再往上就是全息眼鏡（如Orion）了，它可能會是眼鏡類產品中最高端、最昂貴的，但我希望它能像電腦一樣，讓世界上大多數人都能買得起。這些產品形態都會平行存在，人們也會喜歡它們。
此外，我認為大家正在使用的MR頭顯也會繼續存在。因為無論我們把眼鏡的技術小型化做到多極致，完整頭顯裡永遠能容納更強的計算能力。從根本上說，我們的使命不是去打造只有少數人能用的高精尖產品，我們希望走完最後一公里，通過創新讓所有人都能用上。我們剛剛發佈了Quest 3S這款全新的MR頭顯，直接把高品質的MR體驗帶到了299美元的價格帶。去年我們推出Quest 3時我就非常自豪，那是首款售價500美元的高品質、高解析度彩色MR裝置。它的價格只有競爭對手的一小部分，而且在很多方面質量反而更高。現在我們在這一路線上進一步加碼了。
所以，我認為它們最終都會成為非常重要的長期產品線。無論是無螢幕眼鏡、平視顯示眼鏡、全息AR眼鏡還是完整的頭顯裝置，它們都各有各的重要性。
2. “現場感”與物理互動的極限
主持人：如果展望未來的發展，不僅僅包含我們剛才聊到的硬體裝置，像Meta Ray-Ban、Quest和Orion，還包含Llama大模型。如果一切都按照你和團隊最理想的設想去發展，那種未來會給人們帶來什麼樣的感受。
祖克柏：我認為我們主要在嘗試打造兩大核心價值。在AR和MR領域，我們想帶來的核心價值是現場感。在現實中與另一個人面對面相處，能帶來一種非常深層的體驗，這是目前任何其他技術都無法取代的。當人們對VR或MR產生非常直觀的震憾反應時，他們真正被觸動的是那種前所未有的科技現場感。你會感覺自己真的和另一個人身處同一個空間，這種力量非常強大。過去二十年裡我一直專注於設計社交應用和體驗，能夠打造出一個帶來這種深層社交現場感的技術平台，一直是我們夢寐以求的終極目標。
另一個重大方向是高度個性化的AI，這也是Llama和Meta AI等產品的發展路線。我們投入了大量研發去讓模型隨著時間推移變得越來越聰明。但真正讓人驚嘆的，是當AI能夠為你實現高度個性化。而要做到這一點，它必須具備上下文感知能力，能夠理解你的生活動態，既包含全域資訊，也包含你此刻周圍正在發生的物理狀況。為了實現這一點，我認為眼鏡是絕佳的載體，因為眼鏡佩戴在臉上，能讓AI看到你所看到的、聽到你所聽到的。而視覺和聽覺正是我們從外界吸收資訊和上下文最核心的兩大感官。這一切都會帶來非常深刻的影響，但歸根結底就是這兩件事：完美的現場感，以及能切實為你提供幫助的高度個性化智能。
主持人：我很想分別聊聊這兩個方向。首先是現場感，能夠通過網路與他人連接對我來說意義重大。我能擁有這份工作，以及和家人保持聯絡都是如此。我的父母住得離我很遠，我經常和他們打視訊電話。當我回顧這項技術的演進軌跡，從電報到電話，再到視訊通話，再到如今能感受到另一個人彷彿就站在眼前的那種現場感，這讓我對未來感到無比樂觀。我非常憧憬這樣的未來：我可以和媽媽玩拼字遊戲，雖然我輸了，但我感覺她就像真實地坐在我對面一樣。感覺我們距離這種能讓大腦信以為真的體驗已經不遠了。
祖克柏：我也這麼認為。
主持人：而且，我也很懷念擁抱我媽媽的感覺。這種情感永遠不會消失。
祖克柏：是的，觸覺技術確實很難。
主持人：我想問的也正是這一點。對我來說，很難想像在未來的物理世界裡，真實接觸不會以某種形式保持其特殊性，我依然會切身地懷念擁抱媽媽的感覺。我很想知道你如何看待人類連接中的那些要素，比如眼神交流、物理觸碰，以及我們大腦所珍視的那些人際紐帶。
祖克柏：眼神交流的突破會比觸覺互動來得早得多。在觸覺技術方面，我們肯定會取得進展，但它顯然也是分階段的。首先是雙手觸覺，如果按照大腦皮層感官小人的對應來看，我們絕大部分的觸覺感知都集中在雙手上。因此從雙手觸覺開始突破是第一步。如今通過手把已經能實現初步的觸覺反饋。隨著時間推移，這會做得越來越好。我們之前做過一個打乒乓球的演示，拿著手把時，當虛擬乒乓球擊中球拍，你會感覺到球撞擊球拍的具體位置。你能非常精準地感知到球落在了球拍的那個點上。我認為那是一個非常震撼的演示，我們能實現一部分這樣的體驗。
而最極致的觸覺則是力反饋，比如在進行許多體育運動時，雖然我們現在能很好地模擬拳擊運動中手部的擊打反饋，但如果想在VR裡體驗柔術這種需要與對手纏鬥、需要真實肌肉力反饋的運動，技術難度就會極大。這大概是最難攻克的領域，但我們終究會實現它。就像大多數科幻情節一樣，技術的發展不是一蹴而就的，不是某天醒來所有夢想就突然全部實現了。但我堅信，這些平台將首次為絕大多數非強物理互動場景帶來逼真的現場感，以及所有令人驚嘆的體驗。甚至一些基礎的物理互動我們也能逐漸解決，至於剩下的各種複雜體驗，還需要漫長的探索。
另外對人類來說，嗅覺也極其重要，它對記憶的觸發有著不成比例的巨大影響。但我不認為未來幾年內這些硬體裝置能整合嗅覺功能，這本身就是一個極其艱難的挑戰。
主持人：在這個探索過程中，那一個環節最令你著迷，讓你在腦海中反覆思考？
祖克柏：在研發現場感時有一個非常令人沮喪的特點：當你嘗試通過技術人工製造這種體驗時，本質上是在向使用者提供一種幻覺。比起某個特定功能所帶來的現場感，往往是任何一個細節的失誤就會瞬間打破這種現場感。你心裡其實很清楚自己在與科技產品互動，但如果細節足夠逼真，你就會順理成章地沉浸其中，覺得另一個人確實就在現場。之前我做那個乒乓球演示時，結束時我順手把球拍放到了虛擬桌子上，結果球拍直接掉下去碎了。雖然這對我們內部研發來說算是個小失誤，但在技術演進上卻意味著勝利。因為當你覺得某個東西真實到讓你信以為真時，就說明體驗做對了。而有太多因素會破壞這種沉浸感，比如視場角太窄，東西看起來很真實，但一轉頭畫面就斷了；或者是延遲過高，以及物理規律不符合現實邏輯。
此外令人意想不到的是，有些東西雖然在物理上並不真實，大腦卻能欣然接受。我們在虛擬形象上投入了大量精力，有一條專門的研究管線在使用Codec Avatars技術來打造照片級逼真的虛擬形象，這非常具有吸引力，大家也一定會喜歡。但我發現一個有趣的現象，就是將照片級逼真的畫風與富有表現力的卡通化虛擬形象進行混搭，無論是把照片級逼真的物理世界與卡通遊戲世界結合，還是在明顯是視訊遊戲或卡通的世界裡放一個照片級逼真的Codec虛擬形象，大家的接受度都很高，大腦能產生極強的現場感，覺得體驗相當不錯。同理，在照片級逼真的世界裡放上越來越精細的卡通虛擬形象，只要虛擬形象的動作細節能真實還原你所互動的那個人，體驗就會非常好。如果你只看2D靜態截圖，有些畫面可能會顯得有點滑稽，網上也確實有不少關於我們的梗圖。但當你身臨其境去體驗時，感覺就會非常逼真，因為它精準復刻了與你互動之人的真實舉止習慣。即使不是照片級逼真的Codec虛擬形象，只是一個更有表現力的卡通形象，也能帶來這種效果。所以看到那些環節需要解鎖、那些地方需要保持極高的技術精準度和一致性，過程非常有意思。這絕不是做好單一功能就能搞定的領域，而是需要攻克極其廣泛的技術模組並將它們完美融合，這就是為什麼這些項目需要長達十年的研發周期。
3. 數字連接 vs 現實疏離，技術會消解人類紐帶嗎？
主持人：這似乎也是一種去探索人類大腦以及我們究竟在乎那些真實感的奇妙方式。我記得你在接受Lex Fridman採訪時提到過一個資料，如今美國人的平均朋友數量比15年前要少。我對這一點非常感興趣，因為如果我們想邁向一個充滿人際連接的世界，這就是我們必須直面的趨勢。根據《美國時間利用調查》過去20年的統計，美國成年人面對面社交的時間下降了近30%，而在15至24歲人群中，根據美國衛生局的資料，這一比例甚至下降了近70%。看到這些資料時，我有時會想，如果我們都是在網路上進行社交，或許也沒那麼糟糕，也許在某種未來形態下這是完全可行的。但同時也有資料表明我們正面臨困境：表示自己沒有一個親密朋友的美國人比例，在過去30年裡從3%上升到了12%。在我看來，雖然我們打造了這麼多促進人類連接的工具，但我們卻越來越難以與他人建立真正的聯絡。你覺得為什麼會這樣？
祖克柏：這其中有很多值得剖析的原因。在這期間，經濟和社會層面發生了巨大變化，而且很多趨勢早在現代科技出現之前就已經開始了。雖然許多學者都在研究這個現象，但從科技的角度來看確實很有意思。因為每當談論建構數字連接時，大家首先會問：這會取代現實中的物理連接嗎？針對這一點，尤其是放在這類產品上，我的回答是不會。因為人們現有的現實社交連接本來就已經達不到預期了，數字連接並不是在取代某種原本更好的物理連接，而是普通人希望有十個朋友，但現實中只有兩個或三個。在現有的社會結構下，人們對社交的需求遠遠大於實際能夠實現的程度。而賦予人們與異地親友產生現場感的能力，只能夠釋放更多的社交可能。如果我戴上全息眼鏡，這不會讓我陪老婆的時間變少，反而能讓我有更多時間陪伴住在遠方的妹妹。我覺得這是一件好事，是人們所需要的。至於其他因素，我們可能需要花上幾個小時的播客來專門討論各種社會經濟和政治動態。但在我看到的所有趨勢中，核心原因都不是因為人們在網上互動，所以就不在現實中互動了。當然，我確實會在網上和我原本就會在現實中交往的人互動，這構成了一種更豐富、更復合的人際關係。但社會資本和人際紐帶的流失，早在現代科技問身前就已經開始了。
4. AI時代的學習與成長，如何保留人類的思考“肌肉”？
主持人：我們未來該如何去建構所使用的技術，從而邁向你所設想的那個能以更多方式促進人類連接的未來。你剛才提到了人工智慧這另一個核心支柱。在你過往的一些對話中，比如和Tim Ferriss那次，你談到了AI的許多不同應用場景。在我看來，這些場景似乎分佈在一個光譜的兩端。比如你提到的自動即時翻譯，基本上就是《星際迷航》裡的通用翻譯器。
祖克柏：現在基本已經實現了。
主持人：是的。這是光譜其中一端的一個例子，有些人可能會認為，既然大家可以用不同語言即時對話，那人們學習一門新語言的動力可能就會減少。但我相信沒人會因此覺得我們不該擁有這種通用翻譯器。
祖克柏：畢竟現在依然有很多人在學習拉丁語和希臘語。
主持人：完全正確。所以我覺得光譜的這一端，是那些能夠通過消除人與人之間的障礙，來可衡量地釋放人類潛能的技術。但在光譜的另一端，還有很多比如教育領域的應用，在這些場景裡，克服障礙本身才是核心意義所在，就像鍛鍊肌肉一樣。
祖克柏：我生活中有很多時刻，我做一件事的原因並不是為了結果，而是因為我在全力以赴地去嘗試做這件事的過程本身。
主持人：你在Tim Ferriss的訪談裡舉過一個例子，提到你的孩子很難用語言清晰表達自己的情緒，而成年人其實也同樣有這個問題。你當時談到AI可以作為一種工具，幫助他們更好地表達情感。我回想起自己人生中許多難以表達情緒的時刻，當時確實非常需要幫助；但同時我也意識到，那些艱難溝通、努力去理解對方意圖的過程，恰恰是在鍛鍊我的情感肌肉，對我個人的成長至關重要。所以我的問題是，如果我們把技術看作這樣一個光譜，一端是消除障礙能夠帶來幫助的重要事項，另一端則是障礙本身才具有意義、像鍛鍊肌肉一樣需要保留的事項，你如何在兩者之間劃清界限？我們又該如何確保為未來鍛造的這塊“肌肉”是越來越強壯，而不是日漸萎縮？
祖克柏：這很有意思。我認為人類總能找到新的難題去挑戰和克服。在與他人溝通、表達自我以及理解他人方面，我們永遠有提升的空間。因此擁有一個能幫你做得更好的工具，並不意味著我們從此就能完美理解每一個人了。從功能層面來看，你現在已經能看到許多AI模型在輔助人類程式設計。在我剛開始接觸程式設計的前一代，很多程式設計工作都是非常底層的系統軟體開發。而到了我入行的時代，雖然還有一些底層開發，但大家已經可以相對輕鬆地搭建網站和應用了。到了20年後的未來，甚至比這更快，孩子們只需要描述自己的想法，就能建構出極其複雜的軟體系統。在那個世界裡，孩子們就不會面臨挑戰了嗎？我不這麼認為。我覺得他們只是在以另一種方式釋放創造力，那將是一個持續迭代反饋的過程。他們花幾分鐘描述一個想法，系統就生成了一個呈現在眼鏡上的驚豔虛擬世界，但裡面的細節可能並不完全符合預期，於是他們需要重新修改和調整。人類能做的事情太多了，我們總能找到需要去克服的新難題。
主持人：順著這個思路繼續推演，為了讓工具變得更好，假設10年後你的孩子上了高中，有那些使用AI的方式是你希望他們去嘗試以加速智力成長的？又有那些方式是你堅決反對，或者感到擔心的？
祖克柏：我覺得有些基礎能力是你必須親自掌握的。大家對AI最本質的擔憂，就是當我們打造出這些驚人的工具時，我們會失去親自處理基礎事務的自信和能力。這就像計算器一樣，雖然有了計算器，但腦算基礎數學依然很有必要，因為日常生活中很多事情需要你具備基礎的數感。很多問題雖然不是直接以數字形式呈現，但為了理解某種趨勢或他人的觀點，你需要理解數字組合的基本邏輯。目前一個很大的爭議就是：在未來擁有比現在強大得多的工具來生成複雜軟體的情況下，我們是否還需要教孩子們程式設計？我的答案大機率是肯定的。因為教一個人程式設計，是在教他一種嚴謹的思考方式。即使他們未來不親自編寫大部分程式碼，具備這種思維方式依然至關重要，它能讓你成為一個更周密的思考者和更完善的人。這可能就是我們這一代的計算器時刻，你既需要使用計算器，但也需要具備脫離計算器的基礎能力。
至於語言學習，不同人會有不同的看法。這也是當下為人父母最有趣的問題之一：在一個孩子上學期間技術就會發生巨變的時代，到底什麼是需要教給孩子的？語言學習也是類似的邏輯，在未來，掌握多門語言在實用層面可能會變得沒那麼重要，但它能幫助你建立不同的思維模式。從我自己學習語言的經歷來看，在這個過程中你不僅能理解自己母語的結構，還能深入瞭解對應的文化。因為不同地區的表達方式，都與當地的歷史和微妙語境深繫結。這些都是非常有價值且有趣的探索。但與此同時，我們每天的時間是有限的，大家需要去權衡學習的優先順序。在一個擁有完美即時翻譯的世界裡，人們可能需要重新選擇未來要專注探索的方向。順便一提，我們剛剛在Ray-Ban Meta眼鏡上發佈了即時翻譯功能，一開始先支援幾種語言，後續會陸續推廣到更多語言。未來你戴著眼鏡去任何國家旅行，它都能在耳邊為你進行即時翻譯。這非常酷。人們未來確實需要重新去選擇自己想要專注探索的領域了。
5. 社交媒體的範式轉移、焦慮應對與開源AI之爭
主持人：我們剛才聊到的AI技術發展，會如何與如今大多數人使用的社交媒體和平台產生交集？未來可能會充斥著AI生成的圖片、文字，甚至AI網紅。生成式AI將如何改變未來社交媒體給人的感受？
祖克柏：這是一個非常深刻的問題。其實社交媒體已經經歷過一次重大變革：最初人們使用社交媒體主要是為了和親朋好友互動；而現在，至少一半的內容是人們在與創作者互動，或者瀏覽與自己無個人交集的人所創作的內容。這種範式已經形成了，而AI很可能會加速這一處理程序。它會為所有使用者提供額外的創作工具。比如你的朋友能製作出更有趣的表情包和更有意思的內容，這種改變會來自很多層面。一方面，你的朋友戴上了全息眼鏡記錄了許多畫面，放在以前他們可能因為編輯太麻煩，或者根本沒意識到自己拍下了精彩瞬間而放棄分享；但現在AI會主動說：“嘿，我用你的素材為你做了這個內容。”大家會覺得這太棒了並享受其中。
對於專業技能更強的創作者來說，他們可以使用更高級的AI工具來製作更引人入勝的內容。此外，還會出現大量全新的空白領域，比如未來可能會有純粹由系統為你量身定製生成的AI內容。它可能會為你總結感興趣的外部資訊，或者單純生成一些逗你一笑的幽默內容。這是一個非常深奧、值得大量探索的領域。
未來既會有純粹的AI創作者，也會有真實創作者打造自己的AI分身（AI Avatars）。這也是我們剛剛展示的功能。對於創作者來說，一個巨大的挑戰就是每天時間有限，而粉絲群體互動的需求幾乎是無限的。作為創作者，為了拓展社區，無論從社交還是商業角度來看，你都非常希望與他們互動。所以如果我們能讓每位創作者都打造一個屬於自己的AI互動載體，大家心裡都很清楚這並不是創作者本人，它更像是一件數字藝術品、一個可互動的雕塑。創作者可以對它進行訓練，設定希望它掌握的背景資訊、可以溝通的話題，以及需要避開的禁區。當創作者無法親自回答所有問題時，這能為粉絲社區提供一個互動的管道。我認為這會非常有吸引力。AI就像當年的網際網路一樣，可能會改變我們使用的幾乎每一個領域和每一個應用功能。這樣說看似誇張，但我確實認為這是事實。雖然現在很難預先列舉出所有的變化，但在未來5到10年裡，我們將在各個領域探索AI帶來的深刻影響，這將迎來驚人的創新浪潮，非常令人興奮。
主持人：聽你這麼說，我心裡同時產生了兩種感受。一方面我確實想對這些平台的未來保持樂觀，我也從如此迅猛的變化節奏中受益良多，比如我們現在所做的一切；但另一方面，我內心深處其實感到焦慮和擔憂。我既對與受眾溝通的方式、他們的回應方式，以及人類溝通方式可能發生的改變感到具體擔憂，同時也對這種技術變革的速度本身感到普遍的恐慌和不安。我覺得有這種感受的絕對不止我一個人。
祖克柏：你本該是個樂觀主義者的。
主持人：我知道。我很想知道你會如何與有這種感受的人溝通？你覺得那些擔憂是最合理的，又有那些擔憂是被誤解最深的？
祖克柏：變革的速度確實總是令人擔憂的，畢竟未來充滿了極大的不確定性。我們都將獲得令人驚嘆的新工具來輔助我們的愛好和工作，它們能讓我們做出更好的成果、過上更好的生活。但至少在職業層面，跟上時代的腳步將成為我們自己的責任，否則我們就會很難與那些善於擁抱新趨勢的人競爭。我很能理解這種焦慮，尤其是在競爭非常激烈的創作者領域。雖然創作者們未必覺得彼此是競爭關係，但事實確實如此。我認為AI將讓人們產出的作品質量、趣味性以及高效溝通的能力提升到一個前所未有的高度。但當你直面一場已知即將來臨卻又未知全貌的大變革時，焦慮是必然的。所以我完全能理解。
主持人：如果我不站在創作者的角度，只是作為一個年輕、剛開始打拚事業、準備組建家庭的普通人，你會給像我這樣的人提供什麼建議，來為我們正在駛向的未來做好準備？比如現在去學習什麼新技能，或者如何以一種有見地的方式來看待這個未來？
祖克柏：保持對事物的好奇心至關重要。但我認為我們有時可能誇大了未來10年與過去10到15年的不同程度。在過去15年裡，其實也發生了天翻地覆的變化，這並不是歷史上唯一一次由某種技術帶來新機遇和新變革的時刻。網際網路的成熟以及智慧型手機的普及，早就徹底重塑了我們的生活。未來的這段時期變化可能會更大一些，也可能不會，不同的人感受會截然不同。但這並不是從0到1的突變，並不是說以前一切都很平穩，現在突然要變天了。技術一直隨著時間在演進，我們的機遇也在不斷進化和改善。那些發展得好的人，通常都是對新事物保持好奇、深入探索並嘗試用它改善生活的人，而不是那些試圖去抵制它的人。
主持人：我非常想向你請教關於開放原始碼的問題。假設我們的受眾聽說過“開源”這個詞，但對它在AI發展中會如何影響自己沒有任何概念。你會如何向大家解釋當前你所在領域關於開放原始碼的這場理性辯論？
祖克柏：這包含兩個層面。首先，開源意味著什麼？它意味著大家可以基於它建構各式各樣的東西。從宏觀層面來看，像OpenAI和Google這些公司的願景是打造一個統一的AI，他們認為未來大家無論是處理什麼事務，都只會使用Gemini或者ChatGPT這一種AI。但在我看來，世界絕不會這樣發展。我認為未來會出現許許多多不同的AI系統，就像我們現在擁有無數個應用一樣。未來每一家企業，就像他們擁有網站、電話號碼、信箱和社交帳號一樣，也都會擁有一個能與客戶互動、幫助銷售和提供售後支援的AI。許多創作者也會擁有自己的AI。大家會與各種各樣的AI進行互動。這就帶來了一個生態路線的抉擇：你是希望未來高度集中化，由你與單一的系統打理一切；還是希望未來由眾多不同的人建構出豐富多樣的AI系統？就像大家絕不希望世界上只有一個應用或一個網站一樣，多元化的世界才是更豐富的。這就是開源的核心之一：賦予每個人自己去建構和掌控的能力。開源讓所有人都可以獲取、修改模型並在其之上開發產品，這與封閉和集中的模式截然不同。
另一個核心則是關於安全性的爭論：在一個AI越來越聰明的世界裡，我們通過什麼方式才最有希望迎接一個積極的未來，同時避免安全隱患？有些人認為，如果我們保持模型封閉，不把它提供給廣大開發者，系統就會更安全，因為這樣就不會有壞的開發者用模型去幹壞事。但在軟體工業的歷史上，開源所展現出的事實恰恰相反。開源絕不是什麼新鮮事物，它在行業裡已經存在了幾十年。我們傳統上看到的是，開放原始碼軟體往往更安全、更可靠，很大程度上是因為當你把它公開後，會有更多的人去審視它，因為大家能看到系統的每一個角落。任何軟體都不可避免地存在漏洞和安全隱患，最初人們也擔憂：如果你把軟體開源且裡面存在漏洞，壞人難道不會專門去利用這些漏洞嗎？但事實以一種反直覺的方式證明：正是因為有更多人去審查系統，漏洞反而能更快地被發現並修復。隨後大家就會推出更新的版本，就像我們不斷推出Llama 3、Llama 3.1、Llama 3.2一樣，所有人都會隨之升級。所以同樣的事情也會在這裡發生。雖然大家會擔憂壞人是否會利用這些模型幹壞事，但隨著模型被越多人使用、接受越多的審查，它反倒會變成一個對每個人來說都更聰明、更安全的模型。在此過程中我們收到了反饋並讓模型變得更安全，從而當它推廣給更多人時，使用起來也會更安全。因此，軟體行業過去幾十年的開源歷史表明，開源將帶給我們一個更繁榮、更安全的未來。
6. 科技界的最大懸念——Scaling Law 能走多遠？
主持人：我們的節目叫作《Huge If True》，意思是去驗證那些最樂觀、最不顯而易見的事物。所以我想問你，目前你腦海中最懸而未決、最想探究的大問題是什麼？
祖克柏：在那個領域？
主持人：你涉足的領域實在太多了。我個人對AI與硬體的結合特別感興趣，不過我們剛才已經聊了很多這方面的內容。所以很好奇，如果讓你自己選，目前最佔據你心思的問題是什麼？
祖克柏：天那，如果選一個更偏向AI領域的問題，那目前最大的懸念是：是目前規模化效應（scaling）表現非常出色的這一套反覆迭代的方法論。對於過去的AI架構，你給系統喂一定量的訓練資料、投入一定量的算力，它最終都會遇到瓶頸並陷入停滯。但過去5到10年裡，基於Transformer的新架構有一個非常奇妙的現象：我們至今還沒有看到它的終點。這就帶來了一種動態變化：我們訓練Llama 3時使用了1萬到2萬張GPU；訓練Llama 4時可以使用超過10萬張GPU；而規劃Llama 5時，我們打算進一步擴大算力規模。現在一個極其關鍵的問題就是：這種規模化究竟能走多遠？完全有可能在某個節點我們就會撞上牆，就像以前的系統一樣出現漸進曲線、不再繼續增長；但也完全有可能這個極限在短時間內根本不會到來，我們可以持續建設更多的叢集、生成更多的合成資料來訓練系統，並且在未來相當長一段時間裡，這些系統會變得越來越有用。
我認為這對科技公司來說是一個極其重大且高風險的問題，因為我們基本上是在押注未來需要建設多少基礎設施，這涉及數千億美元的基礎設施投入。顯而易見，我在賭這種規模化效應還能持續相當長一段時間。但我覺得這也是整個行業面臨的最大懸念之一，因為技術確實有停滯的可能性。如果真的停滯了，顯然會導向一個完全不同的世界。屆時人們肯定最終還是能破局，只是需要對底層架構做出某些全新的根本性改進，但那可能會經歷一段更漫長的探索期，比如AI的基礎技術突破暫時放緩，我們花些時間圍繞現有技術去打造新產品。或者是另一種情況，也是我目前所押注的——底層AI技術將在相當長一段時間內持續進步，我們不僅能迎來一套在各個維度都極其吸引人的全新產品，而且整個技術格局與可能性在未來20年裡都會保持強勁的動態演進。這大概是我預測會發生的情形。但我認為這依然是當今全球科技界以及整個行業最大的疑問之一。 (劃重點KeyPoints)