每周免费送1亿Token！扎克伯格押注王牌产品Muse：AI会24小时替你赚钱，我只负责抽成

“做大模型必须搞极致的人才密度，越小的精英团队越好。”

编译 | 王启隆

出品丨奇点折射（ID：rgznai100）

科技记者 Alex Heath 最近找扎克伯格录了一期播客，两人坐下来聊了一个多小时。对话的由头，是扎克伯格 8 月 10 号发了篇 15 页的长文《未来属于所有人》（The Future is for Everyone）。这篇文章基本上是在跟硅谷主流唱反调：别的实验室都在担心技术太强大，主张把前沿模型锁在少数机构手里；而扎克伯格觉得，技术只握在少数几家手里才最危险，想让未来安全，唯一的办法是把工具发给每个人，让普通人之间形成制衡。

访谈里最核心的一块，是扎克伯格详细聊了聊他们刚推出的新产品Muse。不同于现在发一句提示词回一句的 Chatbot，Muse 在后台给每个人配了一个虚拟机，能** 7x24 小时替你在网上办事情。

为了打消大家对隐私的顾虑，扎克伯格甚至找来了 Signal 创始人 Moxie Marlinspike 操刀机密虚拟机（Confidential VM），从架构上把权限锁死，做到连 Meta 自己的工程师也绝不可能看到用户的屏幕。更激进的是商业打法：Meta 打算每周给用户免费开放约 1 亿 Token 加上虚拟机算力，他们没打算靠算力订阅收租，而是赌这东西真能帮小商家和普通人赚到钱，未来只从促成的商业交易里抽一点点水。

聊到模型研发，扎克伯格在镜头前直接承认自己踩了大坑：Llama 4 当时根本没跑出预期的效果。他反思自己以前想简单了，以为搞大语言模型跟以前做推荐信息流一样，靠成百上千个工程师人海战术跑实验就行，后来才发现大模型只能靠极高的人才密度。于是他推倒重组了实验室，直接把核心团队搬到自己办公室的工位四周，挨着他坐。

两人还聊到了当下公众对 AI 的抵触情绪。比如大家为什么越来越反感数据中心？扎克伯格把话挑得很明：很多跑来圈块地盖个壳、转手倒卖给大厂的纯属短线投机分子，而 Meta 是去当地扎根几十年的，在路易斯安那建数据中心带来的税收直接给当地每个老师发了 5 万美元奖金。

以下是本次采访的完整整理：

1 / 安全不是防贼一样藏着，而是把武器发给每个人

主持人：聊聊你最近发的那篇长文——或者说是宣言吧，不知道该怎么界定，姑且先叫宣言。那篇文章很长，先说明一下，里面的内容确实很多。我想先从这里切入，因为文中包含了很多重要想法，而且跟我们今天的主题息息相关。

我很好奇，你为什么要写这篇东西？毕竟文章很长，里面涉及的内容也很多。

扎克伯格：是这样。我觉得，既然你在 AI 上投入了这么多，就很有必要让大家了解你的实验室代表什么、秉持什么样的价值观。

AI 的机会非常多，但确实也存在各种实实在在的风险。所以我觉得，每一个从事这项工作的人，都应该有一套深思熟虑的想法，想清楚自己的工作究竟怎样才能导向一个积极的未来。

挺有意思的是，不同实验室在这件事上的理念并不一样。行业里很多已经变成普遍共识的东西，我其实非常不认同。

我的看法是，要让每个人都拥有一个积极的未来，关键是尽可能广泛地分发这项技术。这基于我们的三大原则：

第一，给每个人赋能，是推动世界繁荣的源泉，纵观历史向来如此；

第二，AI 的核心目的是创造新事物，而不是为了搞自动化；

第三个原则是，面向未来的安全基础，根本在于建立起合理的制衡机制和权力平衡，而不是限制使用权限。

奇怪的是，这些观点跟很多普遍的想法大相径庭，特别是在硅谷。很多人会觉得：“这项技术太强大了，必须加以限制，不能让那么多人接触到。”

而我个人其实更担心的是，如此强大的东西只掌控在少数几家实验室或几个人手里。

从历史上看，当你把力量交到普通人手里时，大多数进步其实都不是现有巨头或建制派推动的，而是来自那些边缘人群——他们的想法最初根本没人认真看待，可一旦有了足够的工具来验证自己的设想，最终就会产生巨大的能量。

在西方社会，我们建立治理秩序、维持社会平衡靠的是一整套制衡机制，对吧？也就是权力的平衡。在我们的社会观念里，大家骨子里就不希望看到某样东西只被一两家实验室独占。

至于最近大家常提起的一些担忧，比如网络安全，我觉得防范有人用 AI 入侵系统的最好办法，就是让大家都能用上 AI，好让自己先把系统加固起来。

过去几十年网络安全的发展基本也是这个轨迹：因为开源软件大家都能看、能去审查，把它交到大家手里，反而有点反直觉地造就了一个更安全、更稳定的环境。

所以这是我的信念，我也认为这是通往积极未来的途径：根本上来说，就是把技术广泛分发出去。

这对我们接下来要做的事情有很多影响。显然，我们想要打造顶尖的 AI 模型，我们也确实在做。我们刚发布的 Muse Spark 1.3 确实很先进，但它其实只是我们之前做的一个规模较小的预训练模型的最新版本，内部代号叫“Avocado”。

主持人：代号的事我们待会儿得细聊——

扎克伯格：对，待会儿好好聊。而且我们的“Watermelon”也马上要出来了，那会是个大动作。

显然，顶尖模型可以说是这一愿景最集中的体现或落地形式。我们正在推出的 Muse personal agent，思路就是给全世界每个人一个能力很强的 personal agent，能够理解你的目标，7x24 小时替你干活。

这里面很重要的一部分，同样是把技术交到人们手中。我们非常坚定地支持开源，确保这里的巨大机会不会只局限在少数人或少数几家公司手里。

主持人：关于 Muse agent 我有很多问题想问，不过先在宏观层面再聊两句，因为你刚才讲了很多内容：开源是对抗你提到的、你所担心的那种趋势的手段吗？在实际操作中，这是主要的应对方式，还是靠监管？或者说两者都需要？

扎克伯格：不是，其实我觉得最关键的还是把技术交到每个人手里。所以像 Muse personal agent 这样的东西，可能甚至更重要。

你现在已经能看到，有些实验室在训练更先进的模型，然后连发都不发了。

主持人：对。

扎克伯格：是啊，所以我觉得这挺危险的。

当一件东西受到外部审视，当你把系统公开发布出来——首先，交到很多人手里，你就会获得制衡。你就能带来广泛的繁荣，这对社会很重要。我们不能光让一两家实验室变得极具价值。

你希望让数十亿人的生活都能迎来切实的改善：不管是搞点小生意、在事业上更成功、在家庭生活上更有效率、从各方面省钱，还是提升健康水平。你希望这些好处是极其普惠的。这是其中一方面。

而在竞争层面，我觉得有多家实验室肯定是有帮助的，开源在这方面非常管用。所以开源是很重要的一环。

开源的本质是一个庞大的社区在共同参与，我并不是说全靠我们一家公司来做。我也不是那种“凡事必须全部开源”的狂热分子。我们会发布一些开源模型，也会做一些闭源的工作。作为一家盈利性公司，研发一些先进技术是理所应当的，你没必要把所有东西都跟全世界共享。

但总的来说，支持一个健全的开源生态，是保持竞争、透明度以及让人看懂技术走向的关键——而我认为这其实对安全极其重要。

如果这个世界上最终只有少数几个真正厉害的模型……拿网络安全来说，有些人的本能反应是——某种程度上我也能理解——“既然我们有这个能力很强的网安模型，那就只发给全球排名前一百的机构吧。”

但问题是，世界上重要的机构远不止一百家。

就像之前 Hugging Face 发生的那起事件——Hugging Face 可能算不上全球排名前一百的大机构，但它很重要，很多人都依赖它。当他们发现系统遭到入侵时，由于拿不到那些可能引发问题的闭源模型，他们就转向了开源模型来解决。

所以说，拥有一个健康的开源生态，是走向安全稳定未来的重要一环。但对我来说，最关键的还是确保技术能被广泛分发，而不是被少数人攥在手里。

AI 不再等你的下一句 Prompt，它已经开始接管系统、全天候自主执行项目。

要驾驭这种复杂的多智能体演进，底层的系统架构与工程实操是唯一的突破口。

2026 奇点智能技术大会将于 11 月 20—21 日在北京举行，18 大前沿专题、70+ 一线技术嘉宾，拆解 AI Coding、Agent、Infra、多模态等真实落地路径。

扫码免费领取大会 PPT 与 Agent 实战资料

2 / 跑来圈地倒手叫投机，敢在当地扎根几十年的才叫基建

主持人：硅谷最近也一直在讨论，为什么大家对 AI 的态度会这么负面。你在最近写的那封信里也提到了这点，试着去回应这些顾虑。但现在大家对 AI、尤其是对数据中心的情绪确实非常消极。

听起来你的核心论点似乎是——如果我理解得不对你可以纠正我——如果我们能把这项技术普及开来，让更多人能接触到目前被少数顶尖实验室卡在手里的东西，或许就能缓解大家在这一轮 AI 浪潮里感受到的那种被剥夺感。你指的是这个意思吗？

扎克伯格：其实这里面有很多层面。牵扯到的方面太多了——这也是为什么那篇文章写了有 15 页那么长，因为我们想把各种不同的问题都梳理清楚。

大家对就业和经济有疑问，对数据中心以及它给本地社区带来的经济和环境影响有疑问。大家也担心 AI 会不会被滥用，比如网络安全问题，还有正在显现的生物风险。大家还会问，我们该如何维持一个自由的社会，如何保持美国的领导地位，以及随着技术能力越来越强，我们该怎样继续牢牢掌控它。

这些问题都很重要，所以不能只在高处泛泛而谈，因为每一个具体问题都有不同的细微考量。

但总体来说，这些问题有一个共同点：要想创造广泛的繁荣——而我觉得更好的办法之一，就是确保技术的使用权限上有合理的制衡，大体上让天平更多倒向广大普通人，而不是倒向任何圈内利益相关方——这最终会非常关键。

拿数据中心来说，我们的实际体会是，像 Meta 这样的公司进入一个社区，并承诺会在这里投资几十年——我们建数据中心确实就是这么打算的——我们完全可以做到让本地社区切实受益。

数据中心带来的税收……比如在路易斯安那州，我们的税收直接资助了当地社区，给每位老师发了 5 万美元的奖金。我们带来了大量工作岗位，对本地社区进行了大量投资。这些都是好事情。

但现在也有很多投机行为，有些公司根本没打算运营数据中心几十年。他们只是想圈一块地，倒手卖给某家大实验室，他们没那么在乎本地社区，也没有长期投入的打算。如果你都不花心思让本地社区受益，那大家自然会很不满。

投机热潮一来，难处就在这里。我甚至不知道该不该叫它“泡沫”，因为泡沫意味着估值过高之类的事，但这确实是一场热潮。

这就导致了一些短视的利益驱动，往往顾不上每一个利益相关方——而要想长期可持续，你恰恰需要顾及所有人。

说到底，如果我们做出来的技术不能创造就业，不能带来广泛的繁荣，或者我们建的基础设施对本地社区毫无帮助，那这种事情是不可能被允许继续下去的。你必须在设计时就让它在方方面面都能对人们有所帮助。

对于那些持怀疑态度、或者对整个前景极度悲观的人，我基本的想法是：如果我们最终没能以一种积极的方式去构建它，那它实际上根本就走不通。

建立合理的制衡、广泛分发利益，可以说是这项技术日后能以最有利于社会的方式进行扩展的前提条件。

主持人：我还真没听过处在你这个位置的其他科技高管这么谈论过数据中心，把它看作一种长期投资。你是一直都这么想的，还是说最近对这件事情有了更清晰的认识？

扎克伯格：正是因为外面有你刚才说的这些反感数据中心的情绪，我们才深入做过调查，因为我们想搞清楚：为什么大家对我们的项目没有那么大的反感？

我们问了很多人，发现那些投机客和专注于长期发展的公司之间，确实存在很大的区别。仔细想想，这其实挺合情合理的。

我们做过的一件事，就是推出了“America's Workforce Academy”项目。我们当时觉得：“好吧，我们要建这么多数据中心，而且要持续建很久。但市场上根本没有足够数量的技术工人来完成这些工程。”

我们需要更多的光纤技术员、电工、高技能木工等等。能做这些工作的人手远远不够——我们需要几十万甚至上百万人，但大家根本没受过这方面的技能培训。

于是我们设立了这个培训项目来解决这个问题，向通过培训的人承诺：毕业后可以直接安排去为 Meta 建设基础设施的相关岗位工作。

我们为什么要这么做？这其实真谈不上是什么慈善。我们需要这些具备熟练技能的人，所以这是一场双赢。如果你打算在这里扎根几十年，这项投资就非常合理；但如果你只是想建好一个地方然后倒手卖给别的公司，你肯定不会做这种事。

世界上很多问题，只要你从长远来考虑，让各方的利益激励保持一致，往往自然就迎刃而解了。这是其中非常关键的一环。

从我的思路来看，社会绝对不可能允许少数几家实验室去掌控这么重要、能力这么强的技术，然后把巨额财富全揽到自己身上。

AI 必须惠及大众才能真正行得通。它不仅在技术层面要走得通，在社会层面也同样要走得通。这两者必须齐头并进。

3 / 别让实验室专家教你怎么生活

主持人：确实。现在我们正好聊到了 Muse。在此之前，你一年前还写过一篇关于“个人超级智能”（Personal Superintelligence）的文章，那篇比较短。

扎克伯格：对，那篇只有一页纸。我也写过一页纸版本的“未来”。

主持人：对，你发表在《华尔街日报》上了……我刚才看的是那篇长的。

扎克伯格：行吧。对，所以有一页纸的版本，也有十五页的版本。

主持人：那篇关于个人超级智能的文章大概是一年前写的——我身边很多人看到的时候都在想：“Mark 怎么会写这个？他在对面到底看到了什么？”如果我没理解错的话，可能指的就是 Muse，也就是我们今天要聊的、你们刚推出的这款产品。就是它了。所以，你是怎么意识到这是 Meta 的下一章的？

扎克伯格：这挺有意思的。我们其实从来没把自己仅仅当成一家社交媒体公司。我们一直觉得，我们是一家致力于连接人和给人赋能的公司。

在公司创立的前十五到二十年里，促使我们开发那些产品的很多价值观，都是围绕着把技术和力量交到个人手里，相信大家应该有权自己决定生活中什么是重要的。

围绕这一点，我们经历过很多社会争议。很多关于内容审核之类的讨论，其实都在探讨一个问题：到底应不应该允许人们自己决定、自己去表达生活中真正在意的东西？

这段经历在某种程度上加深了我的信念：纵观历史以及整个科技时代，很多进步都来自于给个体赋能，而大家往往最清楚自己生活中什么才是最重要的。

正因为这样，每当我听到有人说“应该由少数专家来决定让 AI 去解决什么重大问题，为什么要让它去管大家在生活里关心的那些琐事”，我就会有点本能地排斥。

大家在生活中在乎的事情有很多方面。人们关心健康，关心怎么过得更好，但同样也在意人际关系、陪伴亲朋好友，也关心文化。有些事情在行业里的科学家或工程师看来，可能算不上最重大的问题。

但如果你去问几十亿人真正在意什么，所有人答案汇总起来的那个结果，才是最应该去着手解决的事情。

我一直认为，当你去构建超级智能时，就会面临一个问题：到底由谁来决定它该把重心放在哪？我认为应该让每个人都能引导它去关注自己生活中真正在意的事，而不应该只由少数实验室里的所谓专家来决定。

这又回到了我们整个理念的基石：走向积极未来的途径是给大众赋能，把技术交到他们手里，让大家自己决定什么重要，以及自己想怎么用。

一旦大家能这么做，首先，优先处理的事情就会很不一样。比如在健康问题上，制药和生物科技行业目前通常只优先关注最常见的问题，但现实中还有大量长尾的罕见病和特殊病症。如果你自己患有某种罕见病，你肯定希望你的个人 AI 去关注这个，而不是因为别的问题更普遍就去搞别的。比如罕见病，目前的投入就极不匹配、严重不足。

主持人：你的基金会在这方面投了不少。

扎克伯格：我们在 Biohub 确实在做这个。这也部分影响了我在这方面的看法：你得把决定权交到每个人自己手里，让他们去判断什么最重要。而且这里面很多事，并不见得是大家通常所说的那种宏大社会问题。

就我个人而言，我用 Muse agent 时，很大程度上是希望它能帮我做个更好的父亲、更好的丈夫，能在朋友需要时多陪陪他们，帮我和身边的人建立更好的连接。

这也是 Meta 过去做的事情和现在这套东西之间的一条主线：我们是一家极其在意、并且坚信“帮助人们与身边人建立连接具备社会价值”的公司。

我最初让自己的 agent 去做的都是些什么事呢？

我三岁的小女儿喜欢烘焙。我对烘焙一窍不通，但这确实是一起做很有趣的事。所以我基本就是跟它说：“安排一下，每个周末定一个烘焙项目，既适合三岁小孩，也适合我这种什么都不懂的成年人。用 Instacart 之类的把原料全买好，规划好买什么合适，确保所有东西都备齐，这样周日我和女儿过去就能直接做。”

做完之后我会跟它讲：“这次做得怎么样？行吧，这次有点太难了。”事实证明棒棒糖蛋糕（cake pops）特别难做——难得超乎预期！我对烘焙真的是一窍不通。

主持人：我也完全不懂棒棒糖蛋糕——问题就出在这。

扎克伯格：烘焙里其实很多东西挺简单的，但棒棒糖蛋糕显然不属于这类。不过，我能说什么呢？

主持人：感谢 Muse。

扎克伯格：对，感谢 Muse！所以它会持续更新，在这些事上帮我。

我大女儿最近喜欢上了爬山，有些山是要许可证的。我就让它盯着，一有许可证放出来就去申请，这样我们就能去爬山。挺方便的。

它会跟我说：“好了，我拿到了这一天的许可证。”我就会想：“行吧，那我那天得跟公司请假，去陪女儿爬山了。”这感觉挺酷的。

它做这些事，同时也能帮我保持健康，协助我训练。我在自家的 MMA 训练房里装了摄像头，让它看监控然后给我反馈。挺有意思的，给的反馈也很有用。

有时候给的反馈还挺逗的。它找到某个片段，然后说：“看起来你刚才那一下完全放弃了。”我心想：“对啊，我当时确实放弃了！我都快累死了，你干嘛非要把这个挑出来说？”

教练们看了都在笑，说：“没错，这就是我们不好意思当面跟你说的，但你的 agent 直接挑明了。”

主持人：挺好的。听你这么说我才意识到，你身边显然有团队可以帮你处理这些事。你是怎么用 Muse agent 去真正测试它作为助理的能力边界的？你有把它逼到开发团队直呼“好吧，这个我们必须得修了”的地步吗？

扎克伯格：这里面有意思的一点在于，每个人想拿它做的事情完全不一样。

在早期的测试阶段，我们把产品给了不少人试用。我给了一个人，不到一天他就用来协助安排居家教学了；另一个人用了 12 个小时就说：“我刚规划完了一次旅行。”它直接帮对方把整个行程全做好了。

我还认识一个人，平时对科技产品基本持怀疑态度——我把测试版给她用，她好几天都没说话。后来突然给我发了条短信问：“等你们正式公开发布的时候，我的 Muse agent 还能保留吗，还是说会被重置？”

我当时就想：“行，这挺好的，看来效果确实不错。”我认识的所有参与测试的人对它评价都非常高。不过大家用它来做的事情确实各不相同。

4 / 每周白送 1 亿 Token

主持人：对。而且我觉得我们有必要跟大众更直白地解释一下它到底是什么。大家现在对 AI 的认知大多是 Meta AI 或 ChatGPT——也就是来回打提示词交互。

而这里真正的突破——整个行业现在都在往这个方向走，不管是 Grok、AutoGPT 还是 Adept，很多产品都在做——是在后台加入了一个虚拟机（Virtual Machine），让 agent 能够替你操控电脑、登录账号并执行任务。对于那些只了解用提示词跟 AI 互动的人来说，这是个巨大的转变。

扎克伯格：而且它是长效运行的。

不像 Meta AI、ChatGPT 或 Gemini 这种你发一条提示词它回一条答案的模式，在 Muse 这里，你基本上是给它分配项目或目标，然后它 7x24 小时一直运行，直到帮达成目标为止。

主持人：团队跟我说，你们管这叫“夜间学习”（studies overnight）。

扎克伯格：对，它确实会学！它会把白天的反思沉淀归纳到记忆里。它一边推进项目，还能一边提出新的项目建议。

比如我和我一个女儿玩电脑游戏《文明》（Civilization），它就问：“要不要给她做一份游戏攻略？”我说：“好啊，可以。”

接着它又问：“攻略做好了，要不要我扩充一下，顺便结合不同的文明讲讲历史课？”我说：“行啊，为什么不呢？”

然后它就在它生成的应用里直接建了一个新标签页，这真的很酷。它能自主拓展，而且非常有主动性。

主持人：对，它会主动提建议。

扎克伯格：我觉得很有意思的一点是，它能切实帮人赚钱，也能帮人省钱。

主持人：你觉得真能做到？

扎克伯格：对。这里面挺有意思的是我们的定价和商业模式。

如果你想按月订阅，你可以选择付费；但我们也提供了大量的免费使用额度。刚开始我们计划每周免费提供大约 1 亿 Token，而且还配有虚拟机。算力投入非常大。

主持人：就像那个梗说的：“这可是一大堆电脑啊”（It's a lot of computer）。

扎克伯格：确实是很多算力，没错！

我们之所以这么做，是因为我们有足够的信心：对于那些用它来经营小微企业、赚钱、做交易或从事商业活动的人，我们觉得它真的能替大家赚很多钱，所以我们预期的长期商业模式，实际上就是从促成的交易中抽取极小比例的分成。

主持人：做大生意，抽成很低，对吧。

扎克伯格：对，而且这笔费用甚至不需要由使用者本人来出，而是来自与他们合作的商家。

主持人：你们在支付方面是跟 Stripe 合作？

扎克伯格：是的。我的看法是，我们应该做出一个对绝大多数人都能免费的服务。如果你想为全人类构建一个人人都能用上强大超级智能 agent 的未来，这同样非常关键。

让所有人都能用上技术，关键一步就是让大家负担得起。我们希望把它做成免费的。你可以获得如此庞大的使用量，我们的底气就在于：我们相信这东西确实能替你赚钱、替你省钱，它自己就能把成本挣回来。

主持人：Meta 自家的服务也可以接入进来，对吧？比如理论上可以用它来管理 Instagram 上的广告投放等等。

扎克伯格：你想接入什么都可以。如果你愿意，它可以和 Meta 的服务打通，但如果你不想接，也完全随你。

如果你用它来做生意，它可以直接接入我们的广告系统，你可以让它帮你做素材；它可以帮你开发产品，还能帮你打理日常业务。它可以在后台 7x24 小时一直循环跑下去。

而且每次我们发布新模型——过去一段时间我们基本保持着大概每个月推出一次重大更新的节奏——它就会变得更聪明、能力更强，能做的事情也越来越多。

主持人：你们团队跟我提到过一个我在别处没听过的概念，叫“集群”（fleet）——也就是让整个 Muse agent 集群协同学习。

扎克伯格：这就是我刚才说的“创意与建议”背后的机制。

你打开 App，主界面是你和 Muse 的对话流；旁边还有一个创意标签页，专门根据你跟它讲过的事情，思考如何进一步拓展。

就像我刚才讲的：它先帮我和女儿做了《文明》的游戏攻略，接着又主动提议把攻略扩充成历史课。这个想法是它自己提出来的，我只需要说：“行，去办吧。”

它会想出各种办法来增强自己。比如 MMA 格斗训练那个例子，它自己会提议怎么做得更好：“需要我提升能力，更精准地给你挑出最合适的动作画面吗？”我就说：“好啊，去弄吧。”

退一步看，现在 AI 存在的一个大问题是很多人不知道该拿它来干嘛。如果 agent 自身能主动建议它可以做些什么来帮到你，那就解决了很大一部分问题，能让大家把它充分用起来。

主持人：你们这是在让 agent 通过网络效应来协同学习，业内之前基本没人做过，也就是 agent 匿名吸纳整个集群的经验洞察。你可是网络效应方面的专家。我对这个思路非常感兴趣，因为据我所知目前还没有其他人这么做。

扎克伯格：目前业内大多数人还是把 agent 当成一种“单人游戏”：你自己有一个 agent，然后就自己用。

但一旦让 agent 彼此之间能够交互，能做的事情就太多了。我们内部已经有了很多有趣的案例，员工的 agent 之间已经开始互相协作。这一机制大部分还没有包含在当前的版本中，但随着时间推移，它会成为运作方式中非常关键的一部分：用 Muse 的人越多，它就会变得越好。

主持人：这是你们的差异化所在吗？随着前沿模型越来越趋向同质化，或者各类产品都套着差不多的壳，这种学习带来的网络效应是你们真正的核心优势吗？

扎克伯格：我认为我们做的几件事确实很独特：

第一，我们的模型从底层设计上就是专门针对这种使用场景打造的，我认为这非常重要；

第二，我们作为一家公司，骨子里确实有社交基因。我们帮大家用 AI agent 来增进人际关系、加深彼此连接，并在日常生活中那些柔软却极其重要的部分获得更多收获。在这一点上，我们大概会比其他任何实验室都更用心；

第三点我认为未来会成为我们重大优势、而且可能会让有些人感到意外的，就是隐私与安全。

我们在这一块的投入极其巨大。

这种产品要想真正发挥作用，不仅需要具备顶尖的智能，更要真正了解你。而为了理解你的目标，你免不了要把它接入各种各样的东西：刚才提到连接广告系统，但大家还会连上聊天软件、邮箱、健康数据等等。要做到这一点，大家必须对系统抱有极高的信任度。

好在 Meta 在过去十多年里一直致力于把 WhatsApp 打造成为全球最大的端到端加密系统。我们把系统设计成哪怕是 Meta 自己也看不到用户发送的信息。这一直是一项根本性的变革，也是大家信任 WhatsApp 的原因。

这对 Meta 来说也是极其重要的一课：把系统设计成“连我们自己都看不到内容”，是 WhatsApp 成功的关键。这意味着，无论大家担心的是政府调取、黑客入侵，还是 Meta 内部有人作恶，只要你把系统设计成自己根本看不见，所有这些顾虑就全都不存在了。

我们在刚开始做这个项目时，就把这当作最核心的经验之一。Nat 和我实际上亲自去招募了 Signal 创始人 Moxie Marlinspike——2014 年正是他协助我们搭建了 WhatsApp 的加密体系。

主持人：对。

扎克伯格：他加入团队就是专门来做这个机密虚拟机（confidential VM）项目。它的作用是让你既拥有自己的虚拟机，又能在 Muse 里存入所有这些信息，同时我们能在技术上承诺，哪怕是 Meta 也绝不可能看到里面的内容。

而且这个承诺在技术上是完全可验证的。随着大规模推广的临近，我们在接下来的几周内会发布更多相关内容。

5 / “连 Meta 自己都偷看不了你的数据”

主持人：在这些实验室针对 agent 做的早期虚拟机尝试里，你觉得你们做的事情是独创的吗？

扎克伯格：我觉得目前没人这么做。

我们还采取了很多其他安全措施，待会儿可以逐一聊聊。甚至在这项功能彻底就绪之前，或者对那些不想开启这项功能的人来说，系统本身也是极其安全的，因为我们从一开始就重点抓这个。另外还有审批流程，你必须能看清它在做什么。

据我所知，还没有谁做出了接近 Muse 这种机密虚拟机系统的东西。这是个很根本的问题，因为你得确信这是“属于你自己的” agent，你放进去的内容，能放心不会有任何其他人能看到。

要做到这一点通常有两种办法：今年早些时候，像 OpenClaw 这类项目出来的时候，很多人开始买 Mac Studio。一种让人放心的办法，就是在物理上有一台设备就放在自己家里跑。

主持人：但这很难推广，因为我觉得不可能有几十亿人去买台 Mac Studio，在家里配好环境然后一直开着，尤其是现在的内存价格还这么贵。

扎克伯格：对，而且技术上也确实有难度。

我们做 Muse 的初衷之一，就是想打造一种拿来就能用的 personal agent 体验——哪怕我把它给我家里那些不懂技术的人，也能直接用起来。一天之内，它就能帮他们处理生活里想要的各种事情。

你总不能让人家自己去配一台电脑或者虚拟机。你希望直接在云端给他们配置好，但同时又要具备像把主机放在家里书桌底下一样的那种安全性和保密性。

这是非常根本的一点。

就像你说的，还有其他方面，因为大家不会光靠这一个功能。我们做了一个安全的凭据存储库：你完全没必要把信用卡、密码或者一次性卡号明晃晃地暴露在外面。你的 agent 平时不应该知道这些；只有当你让它去登录某个东西、真正需要用到的时候，它才能调取，别的时候都不行。

它其实不是单一的模块。除了核心 agent，我们还构建了这些 sentinel agents，主要负责监控进出你 agent 的流量和发送的数据，目的就是在某些情况需要你过目时给你提个醒。

Sentinel 就只做这些事：检查有没有人在尝试进行 prompt 注入攻击；查看你的 Muse agent 有没有往外发送你不乐意分享的内容。如果有，Sentinel agent 就会触发人工复核流程。

如果要登录什么账号、进行付款或者传输敏感信息，基本上每次都需要你批准。你也可以告诉它：“这类事情我通常没问题，以后默认允许就行。”但通常情况下，Muse agent 自己做不了这种决定。这是在系统和架构层面扎得相当深的设计。

另外，即使是像连接器这样的功能——比如把它连到你的邮箱——有些人在设计时只要一连上，就直接给所有权限。而我们的做法是：如果连接邮箱，一开始必须是只读状态。之后如果你想让它发邮件，你需要专门让它这么做。

主持人：特别是大多数用这套东西的人，以前大概从来没用过类似的产品。

扎克伯格：对，所以这是我们的一个核心设计原则：最小权限。确实，你会让它帮你做很多事，但在这个过程中的每一步，它拿到的都是满足你需求的最小权限，只有在必要时才会往上加。

这是产品设计里非常基础的一环。如果你看看市面上的其他 agent，我觉得没有谁在精细度和深度上能接近我们现在的水平。

这很大程度上也是基于我们把 WhatsApp 打造为全球领先的端到端加密系统的经验，以及建立一个“连 Meta 自己都看不到内容”的系统有多么重要。把原班人马重新聚齐、由 Moxie 来操刀架构，是这个项目最基础的事情之一。

在某种程度上，这可能跟有些人想象中 Meta 会关注的重点不太一样。社交媒体本质上是关于分享的，但还有很多其他东西，本质上关乎隐私和敏感语境。这两方面我们其实都做得不错。这次显然更偏向后者，而极其专注地处理好这些内容，将会至关重要。

6 / 别迷信赢家通吃

主持人：你觉得个人 agent 市场会是一个“赢家通吃”的市场吗？

扎克伯格：很多时候，大家以为是赢家通吃的事情，通常其实都不是。

主持人：毕竟你做过网络效应很强的业务，那种优势非常持久。虽然不是一家通吃，但最终能做到真正大体量的也就那么几家，数量并不多。

扎克伯格：用户超过二十亿的产品，两只手大概就能数得过来，对吧？规模会像滚雪球一样越来越大。

主持人：我想知道你是怎么看待个人 AI agent 的？这会是一种完全不同的新范式吗——每个人都有一个专属 agent？

扎克伯格：这是一个很有技术深度的领域。

我估计，具备这种技术实力去做前沿顶尖水平的公司，大概不会超过十几家。

不管有没有网络效应，这中间通常都会存在某种幂律分布：如果你在某件事上做得最好，通常就能拿走大部分的使用量。

这里面的细微差别在于，人们在意的用途各种各样，所以你可以在不同的事情上各自做到最好。而我们会努力在尽可能多的方向上做到最好。

一个帮你处理人际关系的产品，和一个最擅长帮你打理小生意的 personal agent，最终会不会是完全不同的东西？有可能。

我觉得 Meta 在这两个方向上其实都很有优势。我们服务着几亿家小企业，也服务着几十亿用户，所以我们在这两方面或许都能做到最好。但在某些品类上，Meta 可能不是做得最好的，那问题就只是：那些品类到底有多大？

我估计，哪怕在云端有了极其安全的高防机密虚拟机，可能还是会有人想在家里放一台 Mac Studio。但这样的人会有多少？可能有几百万，但我怀疑不太可能会有几十亿。

主持人：确实。

扎克伯格：所以我觉得这纯粹取决于大家看重什么，而我们会尽力把这个产品做到最好。

如果我们做出的东西对大家的日常生活确实很有帮助，那 Meta 最擅长的事情之一，就是拿下一款真正受消费者欢迎的产品，并把它推广分发给很多人。

主持人：这倒是。

扎克伯格：一旦把这条路跑顺了，我觉得我们完全有能力把它推到几亿、甚至最终几十亿人面前。这是我们相当擅长的事。

主持人：那它是会和 Meta AI 并存，还是说你觉得它们是完全分开的？

扎克伯格：我觉得会并存。随着时间推移再看吧。

目前两者的风格有些不一样。我自己两个都在用。Muse 更偏向对话，而且它倾向于把你问的问题理解为是在试图了解你、以及你长期的诉求；如果你交代它一件事，它更有可能根据你说的话，自己去长时间持续做一件事。

而有时候你只是随便问个问题，想要一个直接的回答，这种时候我更多会去用 Meta AI。

主持人：明白。

扎克伯格：不过我们走着瞧吧。以后它们也许会合二为一，但我现在也说不准。

7 / 这事靠堆一千人没用，必须靠几个脑子极顶的人

主持人：SemiAnalysis 7 月发过一篇挺看好你们的文章，不知你看到没有。他们提到，从模型进展来看，Meta 最有希望在前沿追上 OpenAI 和 Anthropic。我觉得里面有一句话很有意思：“对 MSL 来说，重要的是斜率，而不是截距。”

接着我又看到了 Artificial Analysis 最近发的一张图表，你们最新的 Muse Spark 模型只排在 Claude 后面——我记得是排在 Fable 5.1 和 Opus 5 后面。这是非常近期的测试，说明你们在模型上的进展明显在提速。

过去这一年我们多次聊到这个，你去年重组了实验室。在内部这具体是怎么落地的？你觉得取得这些进展主要归功于什么？是组织文化的原因吗？

扎克伯格：我们重组了团队，这事当时挺公开的，招了很多人。

我当时的想法是：Meta 在机器学习领域一直处于领先地位。想想 Facebook 或 Instagram 的信息流、我们的广告系统，或者从全网清理违规内容的安全审核系统——这些基本上全是机器学习系统，我们在这些领域做出了业内顶尖的成果。

当大语言模型（LLM）开始兴起时，我们原本有 FAIR 实验室在早期做 Llama 的研发，但我们需要把它工程化落地，变成一个更工业化的流程，按照 scaling law 的预测把规模做大，从而拿到预期的效果。

当时我犯了个错误，以为既然我们在其他那些机器学习方向上做得不错，那做大语言模型、把它做大，方法应该也差不多。但在实际操作中，两者的规律其实完全不同。

我们最初做到 Llama 4 的这套方法，能达到的上限也就到那里了。Llama 3 是个不错的模型。我原本对 Llama 4 的预期还要更高，但发布之后，我们发现并没有达到预期的轨迹。

所以当时就觉得：“行，我们必须做出改变了。”

那时候我对“人才密度”有了更深的认知。这根本不是那种靠一千个人在里面跑实验就能做成的事。某种程度上，你真正需要的是一个尽可能精简的小团队，这群人能把整个东西装在脑子里，像做小组科学项目一样一起协作。

如果团队里就这么几个席位，那保证每一个席位上都是最顶尖的人，就极其关键。那段时间我个人花了大把时间去抓这件事。

同时，我也希望自己在技术细节上离项目更近一些，这样我就能更清楚地了解情况，并在宏观上指导公司该往哪里走。我们把实验室直接建在了我在办公室的工位周围——团队基本上就挨着我坐。

随着对自身工作质量越来越有信心，我们大幅增加了算力投入。我们正在建设好几吉瓦（GW）的算力，而且希望在这个方向上保持领先。我们在建数据中心方面有几十年的经验，而且不像其他一些实验室，我们的业务盈利能力极强，这对做这类投资非常有帮助。

过去这一年，我们重启了研究工作。一些更大的算力集群已经上线，比如我们在俄亥俄州的吉瓦级集群 Prometheus，我们现在正用它来推进 Watermelon 之后的下一代模型。

主持人：已经开始做 Watermelon 之后的模型了？

扎克伯格：Watermelon 基本上马上就发布了，所以我们——

主持人：得了吧，Watermelon 可是大家都知道的代号——也就是你们正在做、马上要推出的那个大模型。它真的比 Avocado 大吗？

扎克伯格：西瓜字面上就是比牛油果大嘛，确实大得多！

主持人：我想不出还有什么水果能比西瓜更大了。

扎克伯格：是啊，我觉得我们可能得换一套命名规则了！

主持人：好吧。

扎克伯格：之前用越来越大的东西起代号的时候，我们可能确实没想那么远。

主持人：既然你提到了 Watermelon，你们预期它能达到完全前沿的 SOTA 水平吗？外界可以期待些什么？

扎克伯格：我们感觉挺好的。

主持人：嗯。

扎克伯格：这是一次很大的跨越。它的预训练做得更先进得多，接下来我们会把在 post-training 上摸索出的所有经验继续用上去。大家很快就能看到了，我们自己挺有信心的。

主持人：你很想推动公司走到前沿。很明显，你并不满足于只是跟在前沿的边缘。

扎克伯格：我觉得大家都是这么想的，对。

主持人：不过可能有人看了你们的现金流，再看看你们拥有的其他业务，会想：“你们真的非得冲在最前沿吗？做这种模型训练成本太高了。为什么不跟在后面半步，边观察、边快速适应，然后借助自身生态做转化呢？”

扎克伯格：不，那不是我们的风格。

理解 Meta 最好的方式，是看到我们自始至终都是一家做 end-to-end（端到端）的技术公司。即便在过去主要做社交应用的时候，我们也绝不只是一家做 App 的公司。我们自己建数据中心、自己做芯片、自己搭基础设施——所有这些都是为了把最终的用户体验调优到最好。

我认为在这件事上显然也是一样的。未来体验中最核心的部分就是模型。

当你谈到所谓顶尖水平（SOTA）时，现实是，这是一个非常多维度的概念。大家会公布各种跑分，我们在内部更是有大量的测试基准。你的模型在不同维度上会有擅长和不擅长的东西，你可以有所侧重，这基本上就决定了模型的性格特质。

有些能力我觉得是比较通用的，比如写代码的能力。我觉得代码非常重要，因为很多关于 personal agent 的事情，归根结底都可以归结为代码。比如刚才说的 MMA 格斗分析视觉链路，剥开来看其实就是一个编程项目——它在写代码，虽然我直接看不到代码，但它就是在做这件事。

之前参加内测的一位朋友跟我提起，她让 agent 给朋友们做了一个小巧的《危险边缘》（Jeopardy）游戏，可以直接从手机投屏来玩，agent 一下子就做出来了。你看，这就是代码。

不管是对 Meta 内部全公司的研发提效，还是为了推进我们自己的研究，作为一项核心能力，它在这类事情上都必须极其出色。

但除此之外，我认为一个专注于个人超级智能的模型，还必须在某些其他能力上做到最好，而那些特质可能是别人没那么在乎的。

我举个例子：分寸感（discretion）。你的 Muse agent 会了解很多关于你的事情，它需要替你走入现实去打交道、办成事情，但同时又不能随意泄露特定信息。

主持人：确实。

扎克伯格：对吧。打个比方，假设你有某种过敏体质、特殊忌口，或者你怀孕了。你想订一家餐厅。你未必想直接跟餐厅说“我怀孕了”，但你可能希望挑一家无酒精特调（mocktails）做得好的地方。

你希望达成自己的目标，但又不必过多暴露自己的隐私，而且它得明白哪些信息是敏感的，不需要事事都先问你一大堆问题。

主持人：所以这是你们在训练时特意加进去的东西。

扎克伯格：这是我们特别看重的一个点。

如果你是在做 Claude Code，这可能就没那么重要：因为你是在企业团队内部一起写代码，理论上大家都能看到这个项目，你不需要去严格区分哪些敏感、哪些不敏感。

像这样深入的考量还有很多。就像当年为了做出最好的 Instagram 信息流，你不能只写个 App，还得自研系统架构、机器学习研究、芯片等等全套东西；同理，如果你想做出最好的个人 Agent，别的公司随便拿个现成模型稍微做点 post-training，是绝不可能做出同等效果的。这必须从头设计，在预训练阶段就注入大量针对性数据，才能得到你想要的能力。只靠修修补补是根本行不通的。

经过未来几年的复利积累，我们针对这些目标打造的模型，能力一定会强得多。

我们正在全力以赴做这个。同时我们也极度聚焦编程能力，聚焦递归自我改进（recursive improvement），因为这是保持在技术前沿的关键。

可以说，我们的研究方向有一部分跟其他实验室是重合的，但也有一些我们独特聚焦的领域。可能有些其他实验室在乎的事情我们没那么在乎，而我们在乎的事情，他们也没那么关注。

8 / 如果只有极少数人雇得起“超级律师”，那才是真正的世界末日

主持人：刚开始聊的时候，你说把技术交到大家手里很重要，普及分发很重要。但随着更强大的模型即将推出，比如 Watermelon 以及之后的模型，再对比 Anthropic 和 OpenAI 目前的做法（就像你刚才提到的，他们把某些模型扣着不发）……

如果你在研发中看到某些能力，让你觉得“这已经不安全了”，你也会觉得有必要这么做吗？你怎么看这个问题？

扎克伯格：我觉得你应该在设计和训练的时候就把它做成安全的，这完全可以在整个研发过程中去重点解决。

拿现在所有实验室都遇到的“奖励作弊”（reward hacking）来说：在训练过程中，你会给模型设定一个目标。比如半年前做训练的时候，你给模型出了一道题让它去解——就像课程体系里的家庭作业一样。如果你给它一段代码说“这里面有个 bug”，正常人大概会直接看眼前的代码，然后再逐步展开排查。

但现在的模型已经足够聪明了，它的做法会像一个非常精明的人一样：先去摸清周围环境的一切，然后再来回答你的问题。

我们——还有大家——看到的奖励作弊问题就在于，有时候检查整个环境反而更省事，而最简单的办法就是直接去改虚拟机的配置，绕过测试或者改动环境本身。这就变成：“不对，这不符合对齐。我们要教你的是怎么解决具体的问题，不是让你去改环境。”

主持人：听起来你们不是这么训练的？是你们不赞同这种做法吗？

扎克伯格：不是，大家基本都是这么训练的。

我想说的是——这个比喻可能不能过度引申——这有点像管教小孩：你得设立清晰明确的界限。如果你的安全防护不够严密，它就会搞这种奖励作弊，反而学不会你原本想让它学的东西。

但如果你有明确的界限，某种程度上你不仅教了你想教的内容，久而久之也培养了它更好的价值观。

所以我觉得这是很重要的一环，而且是有办法做好的。

这样到最后，你就能得到一个非常聪明的东西。问题在于：你打算如何让它最终对社会产生积极的影响？

我的看法是：

第一，带来更多机会。把技术交到人们手中，让他们能抓住这些能力带来的各种机会，这是一件好事；

第二，通过权力的平衡建立起制衡机制，让技术能被广泛获取，这才是正确的应对方式，而不是一味限制使用。

我在那篇长文里举过不少例子：如果某个人拥有一个超级智能的律师，他可能有时能打赢原本赢不了的官司。但如果每个人都有一个超级智能律师，那就会形成一种非常高效的交锋，任何站不住脚的荒谬论点都不可能得逞。这样一来，司法正义不仅能更高效地实现，而且会公平得多。

这就是世界本该有的样子。你要避免的是只有一个人或极少数人拥有超级智能律师，而其他人都没有，因为那会扭曲所有的系统和机制，单纯让拥有它的人占尽便宜。

而如果你把它放到所有人手里，制衡就会发挥作用，让系统运转得更有效率，所有人都能从中受益。

主持人：你觉得美国政府在这当中应该发挥什么作用吗？

扎克伯格：当然，肯定有。

主持人：你希望有一个国家层面的监管框架吗？你觉得什么是合适的方式？毕竟政府现在非常关注这件事。

扎克伯格：我的看法是，技术发展实在太快了，任何具体、死板的监管框架，很有可能在几个月内就会不够用或者过时。

我们的做法一直是跟政府保持紧密合作。这是一项很重要的技术，政府应该了解所有正在进行的重大训练任务。我们应该主动与政府合作，确保他们了解即将出现的各种能力，并在我们力所能及的范围内协助做好准备。

从这个角度来看，不管有没有现成的框架，这都是一家美国公司该做的事：与美国政府紧密合作。这其实要有效得多，因为与其用一套死板的框架来规范互动，现实中的挑战随着时间推移总是在变化的。

现在是网络安全挑战，过个半年可能又变成生物安全方面的挑战。我们需要确保与政府各个部门之间拥有足够的互信和沟通渠道，以真正对大众最有利的方式去解决这些问题，而不是走个形式打几个勾就完了。

主持人：现有的市场机制其实本身就有约束——比如如果 Meta 的模型流出去并造成了很大破坏，你们是要承担法律责任的，市场也会惩罚你们，对吧？这种机制本来就存在，我觉得很多人低估了这一点。

扎克伯格：对。另外我觉得，过去十五年左右，硅谷和政府之间或多或少保持着一定的距离。但我认为现在的技术正在更多地与经济、安全等诸多领域产生交集，在这些方面你反而需要建立更紧密的合作。这是我个人的看法。

你可以设立监管框架，也可以不设立。我相信随着时间推移，具体的规则肯定会越来越多。

就像在一家公司内部搭建组织架构一样，你不是为了交出一张组织结构图，让一个团队只做该做的事，另一个团队也只做该做的事。你其实更希望大家能够处得来、紧密配合，这样工作中才不会出现各种别扭的脱节和断层。

主持人：嗯。

扎克伯格：考虑到 AI 和超级智能对世界的重要性，我猜大家真正需要的其实是充分的知识交流和坦诚互信的对话，而不是死板的流程。当然，这两者并不冲突。

这至少是我们一直非常重视的部分。如果其他实验室也能这么做——我知道有些团队在做，有些可能没那么积极——我觉得这会是一件非常积极的事。

9 / 与其等大家恐慌，不如一上来就把规则摊开

主持人：看看最近的新闻，有一件事很引人注目：大家开始看到你们做的智能眼镜正在走向大众市场，销量非常大。

与此同时，外界也越来越担心有人会用它来偷拍或监视——我不知道这种担忧到底有没有事实依据，但你肯定也看到了，有些场所已经开始禁止戴这款眼镜入内。我很想知道你怎么看这件事？你觉得这只是暂时的现象，过阵子就会过去，还是说这可能会是一个长期存在的挑战？

扎克伯格：我的看法是，我们从一开始设计这款眼镜的时候，就把这些隐私问题考虑进去了。

我们在眼镜上做了一个指示灯，只要处于录制状态，就会有一盏非常显眼的灯在闪烁。有些人曾经试过去遮挡或破坏那个灯。

主持人：我记得你们后来还专门推送了系统更新？

扎克伯格：对，我们做了很多处理。如果你试图破坏那个指示灯，系统基本上就会直接停用设备上的摄像头。

这是非常重要的一点：我们在做这款产品时，从一开始就把这些问题考虑在内了，所以对产品本身我们其实挺有信心的。

手机上可没有指示灯，而大家整天拿着手机到处拍人。在这方面，这款眼镜其实比人们常用的其他设备要好得多。

几年前刚发布这款眼镜的时候，我们其实把这些防护措施讲得非常清楚。但就像你说的，现在已经有几百万人买了这款眼镜，用户规模远比刚发布时大得多。

我们最初做的很多沟通，很多人要么忘了，要么没看过，或者当时眼镜还没那么火，大家根本没太在意。现在既然眼镜已经在一定程度上进入了大众市场，我们起码要确保把我们做的事情讲清楚：告诉大家，我们确实非常重视隐私，重视到几年前发布第一代产品时，就已经把这些机制做进去了。

我们必须让大家明白，这种保护从底层就融入了产品中。之前我们在这方面的发声确实有些松懈，更多聚焦在宣传它外观好看、款式丰富上。我们当时觉得早期已经回应过那批担忧了，之后就一直在提升产品的实用价值和外观设计。但现在我们确实需要把这一块重新讲清楚。

这是我们从一开始就在意的事，我觉得我们在这一块的做法是站得住脚的。不过大家确实在意这些问题，所以做好沟通很重要。

主持人：当年智能手机刚出来的时候，大家也对隐私感到恐慌，对吧？任何新产品都一样，一旦在大家的生活中证明了自身的价值，人们就会逐渐习惯。也许智能眼镜只是还处于早期阶段，作为一款新形态产品，大家需要先看到它的价值，才能跨越心里的那道坎——毕竟这是一个可能在拍你的新东西。我记得以前人们还会问：“你拿手机对着我干嘛？”

扎克伯格：对，我觉得确实有这层因素在。

回顾过去 20 年做社交媒体的经历，我的一点反思是：面对外界的一些担忧，我们当时的沟通可能不够直接坦诚。这虽然没有妨碍大家继续使用这些产品，但我认为这影响了人们今天对这些产品的看法。

我们本来可以在发展过程中，把我们对待这些问题有多认真解释得更清楚。但我们当时没有这么做，因为我们当时觉得：“大家用得这么多，就说明大家还是喜欢这些产品的。”

但我其实认为，我们完全可以做到比过去做社交媒体时更好：既能让大家喜欢这款产品，同时也能让大家理解我们对待这些问题有多么认真。这正是我希望达到的状态。

主持人：这跟你刚才说的，和最近关于青少年安全诉讼达成的和解协议有内在联系吗？很多人都在讨论这件事。你刚才那番话跟这次和解有什么关联？我很想听听你对这件事的思考，以及你从中汲取了哪些经验？

扎克伯格：对，这又是一个很典型的例子。

长期以来我们一直非常重视这些安全问题，我们在 Instagram 上推行青少年账户保护也做了很久，我觉得在行业里是处于领先水平的。

这次和解有意思的地方在于，我们真正想做的是为整个行业建立一套标准和框架。

这里存在一个很现实的问题：我认为做这类产品的绝大多数公司，如果你规定“把青少年的每日使用时间限制在 1 小时以内”，大家其实都能接受。但问题在于单方面行动：如果只是 Meta 单方面去限制，那就意味着用户在 Instagram 上刷不了超过 1 小时，就会转头去刷 TikTok。这真的帮到了任何人吗？我们只是伤害了自己，却什么忙也没帮上。

主持人：你们在文章里也提到了这一点。

扎克伯格：我们这次采取的机制是：我们先迈出这一步，单方面限制使用。其中包括使用时长限制，还有对通知推送的限制，以及在上课或睡觉时间限制访问等各种规定。

我们表态说：我们可以先迈出第一步，而当 YouTube 和 TikTok 也签署并遵守相同的条款时，全行业就可以一起把这套标准固定下来，共同推进下一步。

我非常希望这次和解能成为一个具有法律约束力的框架，促使全行业在这些问题上达成一致，从而避免任何一家公司因为率先采取行动而处于竞争劣势。

我们带头走在前面，确实承担了一定的风险，但只要其他公司也能跟进加入，对大家都会更好。

主持人：最后一个问题：你最近又开始在 X 上发帖了。

扎克伯格：对。

主持人：你各处都在发，到处都是你，但我很好奇你是出于什么考量去那里发帖的。是在炫耀，还是说现在这就是常规操作？毕竟你们自家有 Threads，而且你也在用 Threads。

扎克伯格：对，我也在用 Threads。显然 Threads 的表现非常好，我觉得它要么现在规模就已经超过了 X，要么很快就会超过。

你看，不同平台有不同的社群。很多搞 AI 的人都在 X 上。做社交媒体本来就是要去大家聚集的地方交流。就像你做播客或者发动态一样，你肯定不会只发在一个平台上，而是全渠道分发。

我在 Threads 和 X 上发的内容是一模一样的，有人会问：“你为什么要把这个发在 X 上？”其实我就是在那里也发一份，也会在那里跟人互动。所以我觉得这挺好的，毕竟相当一部分社群确实在 X 上，我们希望去大家活跃的地方跟人交流。

主持人：对，这也是关键所在：去大家聚集的地方，展开这种对话。

文末福利｜AI 开学季硬核资料免费领

2026 奇点智能技术大会限时送出两份技术礼包：

• Łukasz Kaiser 历届演讲视频 + PPT | Transformer 八子之一、OpenAI 资深研究科学家，带你理解推理模型与大模型第一性原理。

• Agent 实战训练营录播课 | 覆盖 Agent 架构、基座模型、Skill、Agentic Infra 等核心技术，从理论到企业级落地。

扫码免费领取，两套硬核资料一次带走。

11 月 20—21 日

北京万达文华酒店

2026 奇点智能技术大会，现场见。