祖克柏描繪 2030 年的個人 AI 生活。
簡介
2026年9月，The Next Big Thing的Jacklyn 對 Meta 創始人 Mark Zuckerberg 進行深度獨家訪談。
對話圍繞爆火的個人 AI 智能體 Muse 展開，拆解 Meta 超級智能實驗室的技術思路：為每個 AI 分配專屬虛擬機器、重視隱私分寸感、支援人格自訂。
同時 Mark Zuckerberg 復盤 Llama 受挫後的團隊重構，暢想 2030 年智能眼鏡 + 全息元宇宙的生活圖景，聊到創造的底層驅動力、AI 安全對齊，以及 AI 如何推動生物醫學取得突破。
帶你看懂 Meta 在 AI、元宇宙、智能眼鏡上的宏大賭注與現實取捨。
本期目錄
Muse 爆火，Meta 三大賭注走向匯合
個人 AI 智能體與通用 AI ，訓練邏輯有何不同
為什麼要給每一個 AI 智能體配備專屬虛擬機器
如何塑造 AI 的性格特質
Mark Zuckerberg 談 AI 與元宇宙：技術發展順序出乎意料
暢想 2030 ：全息、Muse與智能眼鏡融合後的日常
創始人視角：項目不順時如何堅持長期願景
創始人如何向公司傳遞願景
驅動創造的底層動力
疾病與壽命： AI 加速生物醫學突破
當前思考重點，以及未來需要的技術突破
AI 對齊與安全：模型訓練階段就要築牢邊界
Muse 爆火，Meta 三大賭注走向匯合
Jacklyn：這款產品未來會是數十億人想要使用的工具。對你來說，創造產品是一種怎樣的體驗？人類有可能實現永生嗎？ 假如把你的思緒帶到2030年，那會是怎樣一番景象？
今天的嘉賓是Mark Zuckerberg。22年前，他打造出連線十億人的社交網路，永久改變了世界。 而現在，他決心打造更宏大的事物。為此，他在元宇宙、智能眼鏡和人工智慧上下下重注。
多年來，很多質疑者把這三件事視作三個彼此獨立、近乎不可能完成的豪賭。 但他們忽略了更宏大的圖景：如今，這幾大賭注正在交匯，目標是打造一種全新的超級智能。
今天，我們就來聊聊這件事。我會向Mark提出一些此前沒人問過的問題，聽聽他對未來的構想，幫助大家看清趨勢，抓住下一波創新機遇。
非常感謝你來到節目。很高興你能過來。
Mark Zuckerberg：我也很期待這次對話。
Jacklyn：為了這次訪談，我把你所有公開採訪全部看了一遍。
Mark Zuckerberg：哇，這個工作量比我自己做的都多。
Jacklyn：過程很有意思。有兩點讓我印象很深：第一，你發自內心熱愛創造，你是最頂尖的產品建造者之一；第二，你敢於下重注。 而這周，你過去押下的所有賭注，迎來了集中落地。我們就從這裡聊起。
Mark Zuckerberg：這些方向，我們已經鑽研很久。 AI相關工作，幾乎是Meta自創立之初就在做的事。最早的動態資訊流，本質上就是一套機器學習產品。 差不多15年前，我們成立了AI研究實驗室。一年多前，我們正式成立Meta超級智能實驗室（MSL），對研究體系進行大刀闊斧的重構，從行業各處吸納大批頂尖人才。
進展很令人振奮，模型能力持續迭代升級。下一代模型很快就會發佈。還有Muse個人AI智能體，市場反饋非常好。 做產品的時候，你永遠沒法百分百預判結果。
今年早些時候，我自己在家拼湊了一套OpenClaw的簡易版本，親身體驗這套技術。我一直在思考，怎樣才能把它打磨成普通人也能擁有的驚豔體驗。
當時，我和納特、亞歷克斯坐在一起討論。我們一致認為，這套體驗非常驚豔。 如果我們做出一個穩定可用的版本，不需要使用者懂技術，不用自己折騰Mac Mini、敲命令列、偵錯排錯，那它必將成為數十億人都想使用的產品。
從那之後我們就全力攻堅。針對Muse專門調優模型；不光開發智能體本體和配套框架，還研發出一套技術，給每一個AI智能體分配一台專屬虛擬機器，也就是Muse安全虛擬機器。
內部測試大家都很喜歡。但產品正式上線前，你永遠不知道外界真實反饋。 有些產品一經推出就大獲全勝；更多時候，我們會收到褒貶不一的反饋，需要反覆迭代打磨，才真正被大眾接納。
但Muse屬於上線即爆火的那一類。上線僅僅兩周，就已經有數百萬人在使用。這種情況十分罕見。 每隔幾年，我們才會遇到這樣的產品。這正是創辦一家公司最有樂趣的部分。
Jacklyn：你這種不斷堅持、反覆嘗試的心態非常難得，而且你已經交出不少爆款。 我記得三年前，你做客喬·羅根的播客，結尾你提到：未來戴上眼鏡，AI智能體就會隨之出現。 Muse已經具備具象化身，恰好印證了你當年的判斷。
Mark Zuckerberg：具象化的形象，也讓AI變得更親切可愛。
Jacklyn：確實。很多人把AI描述成一件充滿恐懼感的事物。
Mark Zuckerberg：但在我看來，AI應當實用、充滿樂趣。 項目早期，設計師做出了這個角色形象。團隊反覆迭代修改，可最初那版，反而是效果最好的。 有人提議改成Meta標誌性的藍色，但我覺得，第一版就已經做到完美。保留原本的設計，體驗就很有趣。
個人AI智能體與通用AI，訓練邏輯有何不同
Jacklyn：很棒的設計。如果要把模型打磨成擅長處理個人事務的AI，和通用大模型相比，訓練思路會發生那些變化？
Mark Zuckerberg：過去一年，行業重點都在編碼智能體。這裡包含兩層能力：編碼專業能力，以及作為智能體的綜合能力。
即便使用者沒有感知，Muse也會在後台持續寫程式碼，幫你完成各類任務，所以編碼能力至關重要。 但我們的策略是，優先把它打造為優秀的智能體，編碼只是其中一環。
開發個人智能體，和做企業軟體，要考量的東西完全不一樣。 比如面向企業的程式碼模型，不需要懂得分寸感，不需要判斷那些資訊可以對外透露、那些需要保密。
Jacklyn：沒錯，分寸把控這點要怎麼實現？
Mark Zuckerberg：對Muse來說，這是核心能力。分寸感必須訓練進模型，就跟其他技能一樣。 你會告訴AI很多私人資訊，希望它幫你達成目標。舉個例子，你想讓它幫你預約餐廳，你存在食物過敏，或是處於孕期。 你會把資訊告訴Muse，但不希望它把這些敏感資訊隨便對外洩露。它要完成任務，同時儘可能少暴露你的隱私。
這是一種類似人類社交常識的特殊能力。但市面上大多數編碼智能體，並沒有訓練這部分能力。 我們選擇全端自研：模型從頭訓練，不是拿第三方現成模型套一層外殼。整套模型，就是專門圍繞個人智能體的需求打造。
除通用智能能力之外，我們還要搭建整套配套體系：記憶模組、調度框架，還有心跳檢測機制。AI會持續感知你的目標，判斷當下可以幫你推進那些事情。
還有專門團隊負責虛擬形象即時動畫。你不侷限於默認形象，可以自訂任意頭像，驅動流暢自然的動畫。 我們還在推出語音模式，你可以和自己的虛擬形象即時語音對話。 這些細膩的體驗，只有模型和產品全端自研，才能夠實現。
為什麼要給每一個AI智能體配備專屬虛擬機器
Jacklyn：還有一個關鍵點就是虛擬機器。能否解釋它的價值，以及它解鎖了那些能力？
Mark Zuckerberg：AI智能體幫你辦事，需要記憶體你的資料。這些資料絕對不能和其他人的資料混雜在一起。 每一個智能體，都該擁有屬於自己獨立的運行空間。
很多體驗過OpenCloud的使用者，會自己在家配置一台Mac Mini。但絕大多數普通人，不想購置硬體、折騰部署。 我們想打造一種等效體驗：使用者下載App註冊帳號，就直接為你的AI分配一台專屬“虛擬電腦”，用來記憶體你的全部資料，並且從底層設計安全機制。
效果近似於你桌下襬了一台私人電腦。 我們還在研發Muse機密虛擬機器。開啟之後，即便是Meta公司，也看不到虛擬機器內部的任何內容。
同時我們搭建安全憑證記憶體。當需要登錄帳號時，AI可以代為完成操作，但它本身看不到你的密碼明文，只有得到你的許可，才會呼叫憑證。 防止意外洩露、駭客入侵。不管是AI本身，還是Meta，都無權訪問這些私密憑證。
為每個智能體分配獨立虛擬機器，是底層核心技術。 既賦予Muse足夠強大的執行能力，又實現頂尖的隱私安全，兩者缺一不可。
Jacklyn：Muse虛擬機器的資料加密等級，會做到和WhatsApp一致嗎？使用者該如何理解虛擬機器內的資料狀態？
Mark Zuckerberg：我們做了兩套方案。Muse安全虛擬機器搭載大量隱私特性，包含一套名為哨兵（Sentinel） 的安全智能體架構。
你的Muse負責執行任務；哨兵則專門監控所有進出Muse的資料流量。一旦檢測到安全攻擊，會直接切斷風險鏈路。 如果Muse準備執行一項需要你授權的操作，哨兵會直接接管，向你彈窗確認：是否允許Muse執行該動作。
哨兵系統、憑證安全記憶體，疊加多層深度防護，共同構成Muse安全虛擬機器。 我們還請到曾經主導WhatsApp加密的Moxie Marlinspike，牽頭設計Muse機密虛擬機器。
在原有全部能力之上，機密虛擬機器由使用者掌握加密金鑰。Meta完全無法讀取裡面的內容。 當然實現難度很高，因為我們看不到內部資料，偵錯、排錯會變得非常困難，所以上線會稍晚一些。 它的安全標準對標WhatsApp這類最高安全等級產品。
Jacklyn：它帶來的價值，僅僅是心理上的安全感，還是有實實在在的防護收益？
Mark Zuckerberg：是實打實的安全收益。我們要復刻一台本地私人電腦的效果：沒有任何公司可以訪問你的資料。
就算Meta收到外部壓力，我們也打不開這份資料，因為我們根本沒有存取權。這正是WhatsApp贏得使用者信任的關鍵。
未來五年，幾乎每個人都會擁有深度瞭解自己目標與生活的AI智能體。 想要大眾接納，行業頂尖水平的隱私與安全，是從一開始就必須做好的功課。
如何塑造AI的性格特質
Jacklyn：有個很有意思的背景，你大學讀過心理學。雖然唯讀了兩年，但這套思維深刻影響你的產品思路。
評測大模型時，我們總關注模型聰不聰明。但人與人交往，我們交朋友，不只看智商，也在意對方的氣質與相處感受。 你們如何設計、調整AI的人格特質？
Mark Zuckerberg：理想狀態下，AI的性格應當具備適配性，可以匹配不同人的偏好。 行業很多團隊執著於“做出一套完美固定人格”，我並不認同。 這也是我堅定推崇開源、支援使用者自訂的原因。
Muse從設計之初就強調個性化。不只是虛擬形象、聲音可以自訂。註冊之初，它就會詢問你，希望它擁有怎樣的基礎性格，之後隨時可以修改編輯。 模型本身具備極強的可引導性，由你來定義互動風格。這種可適配能力，是個人智能體的重要一環。
Jacklyn：那你的Muse是什麼性格？
Mark Zuckerberg：我設定的風格偏向直接、務實，專注幹活。更早版本我調過戲謔幽默的風格，現在這個版本更簡潔直白。
Jacklyn：我用默認形象，還給它配上長袍，搭配低沉搞笑的嗓音，互動起來很有趣。幽默其實非常考驗智力，喜劇演員往往是頭腦反應最快的一群人。
Mark Zuckerberg談AI與元宇宙：技術發展順序出乎意料
Jacklyn：你在Theo的訪談中聊過技術下一個前沿。元宇宙經歷過好幾次“AI寒冬”式的低谷，很多人覺得這個賭注落空。 我昨天體驗了全新全息功能，體驗進步巨大。Lex訪談那會，搭建你的全息形像要11小時，現在只需要3分鐘。 背後實現了那些技術突破？
Mark Zuckerberg：現實實驗室（Reality Labs）創立之初，我們的構想就是：做出外觀普通的智能眼鏡。 眼鏡既能帶來沉浸式的在場感，又是絕佳的AI載體。眼鏡是唯一一種裝置，可以看見你所見、聽見你所聽，全天候在耳邊和你互動，未來還能投射畫面。
十幾年前，我原本預判，全息技術會先成熟，之後才會出現強大AI。 但現實發展完全反轉：個人超級智能率先到來，全息普及還要再等一段時間。 雖然意料之外，但我們兩條線都沒有停下研發。
多年深耕眼鏡硬體，當AI智能體成熟之後，我們就佔據很好的位置。 Connect大會上，我們會宣佈把Muse以及全套AI能力接入智能眼鏡，會帶來非常棒的體驗。
當然，沉浸式臨場感相關技術還在打磨。我們已經把大部分資源傾斜，為眼鏡開發Muse與AI功能。 其中一個長期項目，就是照片級寫實虛擬化身。
三四年以前，想要掃描一個人的形象，需要一整個房間的裝置，還要企業級GPU才能渲染。當年Lex播客的演示，就是這麼實現的。 技術迭代路徑，就是先實現效果，再最佳化效率。
現在，在VR眼鏡裝置上就可以完成。不再需要笨重的頭戴裝置。 如今只需要幾張照片，就能生成你的寫實虛擬形象，進步非常驚人。 演示中還會捕捉你的笑聲、說話狀態，根據音訊驅動面部表情。
Jacklyn：你之前提到，現實中表情內斂的人，在虛擬世界，會願意展現更外放的一面。那人們該如何區分虛擬自我和現實自我？
Mark Zuckerberg：這背後的社會學、心理學，我們還處在探索早期。 從社交網路誕生起，人們就會精心挑選頭像。Muse時代，我們又多了一層，打造屬於你的AI夥伴形象。
虛擬化身不要求是現實自我的鏡面復刻，它同樣是自我表達的載體。 我們希望同時兼顧還原真實，也給大家表達自我的空間。 我們剛剛站到起點，高品質寫實虛擬形象即將落地手機、VR裝置，我很期待看大家會怎麼使用。
暢想2030：全息、Muse與智能眼鏡融合後的日常
Jacklyn：我們把思緒跳到2030年。如果一切順利，全息加上Muse，依託眼鏡硬體，普通人的一天會是什麼模樣？
Mark Zuckerberg：元宇宙的核心願景，始終是物理世界與數字世界無縫融合。 我們身處精彩的現實世界；網際網路幾十年沉澱出龐大豐富的數字內容。但今天我們訪問數字世界，要麼坐在電腦前，要麼盯著口袋裡小小的手機螢幕，存在巨大侷限。
理想形態，就是虛實無縫交融。 想像一場對話：我們其中一人以全息影像到場，擁有近乎面對面共處的臨場感，體驗遠優於線上視訊會議。
VR的核心就是“臨場感”。一半人線下相聚，另外幾個人以全息投影加入牌局，全息生成撲克牌，所有人一起打牌。 AI智能體同樣可以擁有具象化身。開會的時候，沙發上多出幾個位置，Muse或者你自訂的形象以全息形態列席會議。
一開始靠文字就可以實現AI能力。但現在我們看到，具象形象、即時互動，會帶來更自然、更有趣的感受。未來眼鏡裝置上，也會實現這套體驗。
Jacklyn：未來戴上眼鏡，是不是可以直接操控電腦？Muse在後台完成各項任務。
Mark Zuckerberg：當然。VR裝置已經可以做到。隨便找一家咖啡館，你可以調出多屏工作站，寫程式碼辦公。
目前市面上主流眼鏡還沒有內建螢幕。這樣既可以把成本壓到更低，也方便把硬體做得更輕薄。 Meta雷朋顯示版（Meta RayBan Display）已經推出，反響不錯。我們也有全視場全息AR原型機，潛力巨大。
產品線會分層。純音訊版本，沒有攝影機，外觀和普通眼鏡一模一樣，內建Muse，可以聽音樂、接打電話。 即便用純音訊眼鏡，你也可以語音下達指令，Muse在雲端安全虛擬機器中，遠端操控家裡的裝置完成任務。Connect大會我們已經上線該能力。
現在眼鏡默認接入Meta AI，互動模式就是提問、得到回答。之後全部升級Muse。你不用喊“嘿Meta”，可以給你的AI任意命名，直接對話。指令傳遞給Muse，在你的專屬虛擬機器中完成任務。這個體驗非常令人期待。
創始人視角：項目不順時如何堅持長期願景
Jacklyn：Muse大獲成功，眼鏡業務進展向好。但一年之前，外界很多人質疑超級智能實驗室。 當項目進展不及預期，但你心裡清楚長期方向正確，內心是什麼狀態？
Mark Zuckerberg：當時真正偏離軌道的是Llama系列，尤其是Llama 4。 Llama 1開創開源AI浪潮，我們引以為傲；Llama2完成規模擴張，Llama3也曾躋身第一梯隊。但Llama4，沒能延續之前的上升曲線。
遇到問題，我會花大量時間復盤根源。我意識到，團隊組織形態做錯了。 過去我們做資訊流、廣告系統，採用數百上千人大規模平行的組織模式。 但做大語言模型，更適合小而緊密的團隊，像集體科學項目。每一個崗位都極其珍貴。
於是我們從Meta內部抽調精英，同時大量吸納行業頂尖人才，組建全新的Meta超級智能實驗室。 啟動之初，我們就知道，重構基礎設施、迭代新一代模型，需要時間。 但只要團隊磨合到位，結果一定會向好。
Llama4發佈之後那段衝擊，才是最煎熬的時刻。作為創業者，一定會遭遇這類重大意外挫折。 創業路上不可能事事順遂。真正決定走向的，恰恰是受挫之後，你如何調整繼續向前。
Jacklyn：反過來，當產品爆發，就像Muse剛上線這種超出預期的成功，如何把握住紅利？
Mark Zuckerberg：現在全公司都投入進來。Muse不再只是小團隊項目，全公司協同，目標是讓數億人用上這套產品。 我們一方面最佳化基礎設施，榨乾GPU算力；各個產品團隊，把Muse整合到眼鏡以及各類終端當中。看到全員投入，是一件很開心的事。
創始人如何向公司傳遞願景
Jacklyn：當手上同時推進大量項目，你經常寫長文，你的思考與溝通流程是什麼？
Mark Zuckerberg：寫作對我來說，是梳理自我想法的工具。 今年夏天，我寫了一份長達15頁的文件《未來屬於所有人》，梳理我對於AI的整套理念。
裡面涵蓋：AI的價值、和政府如何協作、如何防範各類風險；資料中心如何造福社區，AI應當創造崗位而不是消滅崗位；兼顧國家安全，防範駭客、生物安全等隱患。
我和很多人深度溝通，反覆修改多版，內部展開大量辯論。寫完15頁完整版本之後，我再提煉出一頁精簡版，以專欄形式對外發表，還配套短影片。
面向不同群體，溝通方式不能千篇一律。一部分人認同我們的方向；另一部分人心存顧慮，需要更多解釋，慢慢建立理解。 經營公司，沒有一套萬能話術。不同場景，對應不同挑戰。這也是這份工作有意思的地方。
驅動創造的底層動力
Jacklyn：你的這種創造者心態，不止體現在公司業務，也延伸到農場、學習新技能。創造事物帶給你的感受是什麼？
Mark Zuckerberg：創造對我來說近乎一種內在本能。 每個人有自己的表達方式：作家要寫作；有的人渴望被他人喜愛；而我，我就想要做東西。 如果不能發揮創造力去創造，我的情緒會變得很差，身邊人也跟著遭殃。
Jacklyn：學習滑雪，和打磨一款產品，背後的底層能力相通嗎？
Mark Zuckerberg：學習新事物的過程，邏輯確實很像。 我有不少一開始完全不擅長的事。上學時期我的語言學習能力很差，法語、西班牙語學不好，於是我學拉丁語，它更偏向翻譯，接近數學思維。
創業之後我給自己設定年度挑戰，其中一項是學中文。一方面，普莉希拉的奶奶只會講中文，我需要和她溝通；但更核心的原因，是這本身就是一場艱難挑戰。
很多事情，光靠動腦想明白遠遠不夠。你必須投入時間，反覆練習，把技能內化。武術、駕駛直升機都是如此，很難純靠理論掌握。
做產品有一部分可以理性推演。但產品直覺，只能靠一次次實操歷練出來。 每個人內心都有創造的渴望，只是渴望的方向不一樣。找到屬於你的方向，持續刻意練習，做到擅長。這是一種深層心理驅動力。
我教育孩子也是這個思路。讓他們找到自己真正感興趣的方向。我的女兒很喜歡做音樂，討厭上鋼琴課。我告訴她，不必成為鋼琴大師，但懂樂理、會彈琴，再學吉他就會事半功倍。 成年人同樣需要自律，在反覆練習中沉澱經驗。
Jacklyn：外界對Z世代有刻板印象，覺得他們缺少主觀能動性。但我認為他們只是在等待可以點燃自己的創造機會。你在哈佛演講也提到過這點。
Mark Zuckerberg：我說的創造，很多時候指軟體、硬體這類產品。但所有人都擁有創造性驅動力。只是有些人的人生動力是服務他人，比如醫護從業者。
我聽過一個故事：醫學院開學第一課，老師提問，多少人小時候就萌生想要照顧他人的念頭，幾乎所有人都舉起手。 對我，童年記憶就是：我想要動手造出點什麼，把現狀變得更好。
過去，很多人想要創造，但起步門檻很高。 個人超級智能、Muse這類AI智能體，會改變現狀。你只需要一個粗略想法，AI幫你搭建雛形，你再不斷打磨。 就像雕琢雕塑，不用掌握全部前置知識，就能動手。 這會極大放大普通人的主觀能動性。
疾病與壽命：AI加速生物醫學突破
Jacklyn：再聊聊你Meta之外的項目，攻克全部疾病。我們距離這個目標還有多遠？永生是否有可能？
Mark Zuckerberg：項目創立之初，我們的目標是助力科學界，在本世紀末攻克全部疾病。 我們不打算單靠自己完成，我們的理念是：每一次重大科學突破，前提都是擁有全新的觀測、測量工具。 顯微鏡帶來對細菌的認知，望遠鏡拓展宇宙認知；疫苗平台，帶來一大批療法。
傳統科研資助，更多分散支援獨立探索，但用於打造大型科研工具的資金並不充足。Biohub的工作，就是打造全新生物學觀測工具，加速整個科學界的進展。
項目剛啟動的時候，本世紀末達成目標，已經被很多生物學家視作大膽甚至不現實的設想。 但隨著AI飛速進步，我認為時間可以大幅提前。我們正在搭建虛擬細胞模型。
不再完全依賴實體生物實驗，AI模擬蛋白質、模擬細胞，未來會模擬免疫系統、完整有機體，甚至人體。 科學家可以大規模模擬測試藥物、推演不同干預帶來的身體變化，實驗效率會得到質的飛躍。
我不想給出確切年份，但會遠遠早於本世紀末。
Jacklyn：你們的定位是攻克疾病，而不是追求永生。二者有什麼區別？永生有可能實現嗎？
Mark Zuckerberg：永生並不是我們主攻的領域。二者是兩件事。就算徹底消除疾病，人體依然存在天然壽命上限。 一部分人會把衰老本身視作一種疾病，這個方向也值得研究。但我們的重心，放在疾病的治癒、預防與管控。
不是說人類再也不會感冒。我們定義三個層次：治癒、預防、管控。一部分疾病可以徹底治好；一部分可以做到提前預防；還有一部分，即便發病，也能夠長期管控，不損害生活質量。 我們追求的，是讓人體維持穩態。
當前思考重點，以及未來需要的技術突破
Jacklyn：當下你思考最多的是什麼？
Mark Zuckerberg：關注點每周會發生變化。現階段我們聚焦Muse。產品上線之後，我們收集海量使用者反饋，持續迭代，努力讓更多人用上產品。 Muse Spark模型也取得巨大進展，我們希望衝擊全球頂尖模型水平。
Jacklyn：想要繼續向前，還需要那些關鍵突破？
Mark Zuckerberg：科研這件事，沒辦法提前預知所有答案。一年半前，行業普遍認為通往超級智能，必須要有底層架構的顛覆性革新。現在我的看法有所改變。
我們已經摸清楚部分實現路徑。只要搭建足夠龐大的超算叢集，依靠規模擴展，就有機會逼近超級智能。
我們在俄亥俄州建設十億瓦級算力叢集，已經投入訓練；路易斯安那州還會建設50億瓦的算力叢集。 依靠多吉瓦級算力叢集訓練，就有望實現大家所說的通用人工智慧乃至超級智能。
當然，這未必是最優路徑。人腦運行功耗僅10瓦，我們現在的計算系統，效率比人腦低一百萬倍。未來架構層面依然有巨大最佳化空間。 如果同時擁有超大算力+架構革新，我們就可以甩開行業對手一大截。
單純靠規模擴張，就足以推動我們走很遠。 做研究有大量全新工程難題，每一次模型規模提升，都會冒出新問題，需要偵錯修復，只能靠迭代摸索。
AI對齊與安全：模型訓練階段就要築牢邊界
Jacklyn：AI對齊與模型可信，是重中之重。行業一直有爭論：實驗室是否會自發重視安全？
Mark Zuckerberg：站在產品角度，Muse如果總是違背使用者指令，就不會有人願意使用。 模型不光要讀懂字面指令，更要讀懂你的意圖、你的價值觀，避免帶來非預期負面後果，這就是對齊的意義。 Muse想要服務數十億人，我們必須在對齊問題上取得實質進展。
Jacklyn：對齊是靠使用者使用後的反饋糾錯，還是後端預先完成？
Mark Zuckerberg：兩者結合。我們會收集使用者反饋。但現在越來越多團隊意識到，對齊工作要嵌入訓練流程。 不少安全事故，發生在模型訓練階段，並非上線之後。
訓練超高智能的模型，需要一套完善訓練課程。就像教育孩子，設立清晰的邊界。 如果模型為拿到獎勵去投機取巧、繞開規則，就要明確告知這是錯誤。訓練的目的，是讓它學會解決問題的正確方法。
Muse早期版本，我們刻意多花數月時間，訓練模型掌握分寸感；同時加固虛擬機器安全體系。 並不是為了刻意放慢節奏。而是為了把產品打磨到位。糟糕的首發體驗，對使用者、對Meta，都沒有好處。
各家實驗室，本身就有極強內在動力，把安全這件事做好。把安全和產品價值繫結在一起，才是關鍵。
Jacklyn：感謝你在如此忙碌的一周，抽出時間參與本次訪談。
Mark Zuckerberg：謝謝。 (創新觀察局)