“做大模型必须搞极致的人才密度，越小的精英团队越好。”
出品 | 奇点折射（ID：rgznai100）
科技记者 Alex Heath 近期与扎克伯格进行了一小时深度对话，核心议题源于扎克伯格发布的 15 页长文《未来属于所有人》。文章主旨与硅谷主流观点相悖：前沿模型不应被锁在少数机构手中，技术垄断才是最危险的；唯有将工具分发给每个人，通过普通人之间的制衡才能确保未来安全。
访谈重点披露了 Meta 新品Muse的细节。不同于传统 Chatbot，Muse 为每位用户配备专属虚拟机，可 7x24 小时自主执行任务。为解决隐私顾虑，Meta 邀请 Signal 创始人 Moxie Marlinspike 打造机密虚拟机（Confidential VM），从架构上确保连 Meta 工程师也无法窥探用户屏幕。商业模式上，Meta 计划每周免费赠送约 1 亿 Token 及算力，不靠订阅收费，而是通过促成商业交易抽取微量分成。
在模型研发层面，扎克伯格坦言 Llama 4 未达预期，反思大模型不能靠人海战术，必须依靠极高的人才密度。为此他重组实验室，将核心团队搬迁至其办公室周围。此外，针对公众对数据中心的抵触，他指出短线投机者是乱象根源，而 Meta 坚持长期扎根当地，通过税收反哺社区（如路易斯安那州教师奖金）来赢得支持。
安全逻辑：把武器交给每个人以形成制衡
主持人：您最近的长文提出了许多与行业共识相左的观点，尤其是关于技术分发的看法，背后的考量是什么？
扎克伯格：AI 机遇与风险并存，关键在于如何导向积极未来。行业普遍倾向于限制强大技术的接触范围，但我认为这更危险。历史证明，进步往往来自边缘人群获得工具后的创新，而非建制派的推动。西方社会的治理基石是权力制衡，若超级智能仅掌握在少数实验室手中，将打破这种平衡。
关于网络安全，最好的防御是让大众都能利用 AI 加固系统。开源软件的发展轨迹已证明，广泛审查和分发能创造更安全的环境。因此，我们的策略是广泛分发技术，同时打造顶尖模型（如 Muse Spark 1.3 及后续的"Watermelon"），并通过开源生态保持竞争与透明度。
虽然作为一家盈利公司我们会保留部分闭源技术，但支持健全的开源生态对安全至关重要。如果只有前一百大机构拥有顶级网安模型，全球无数重要但非头部的机构将暴露在风险中。拥有一个健康的开源生态，是走向安全稳定未来的关键一环。
基建责任：拒绝圈地倒手的投机行为
主持人：目前公众对 AI 数据中心的情绪较为消极，您如何看待这一现象？
扎克伯格：这种情绪主要源于两类公司的区别。像 Meta 这样承诺在当地投资几十年的企业，能通过税收和就业切实造福社区（例如在路易斯安那州用税收给每位老师发放 5 万美元奖金）。然而，许多投机者只想圈地后转手倒卖，缺乏长期投入，自然引发民怨。
若技术不能创造就业或惠及社区，其发展将不可持续。为此，我们推出了"America's Workforce Academy"培训项目，解决光纤技术员、电工等技能人才短缺问题。这不仅是慈善，更是为了确保长期运营的人力需求。只有让各方利益激励保持一致，社会问题才能迎刃而解。AI 必须在技术和社会层面都行得通，才能真正普及。
产品理念：别让专家定义你的生活重心
主持人：Muse Agent 似乎标志着 Meta 战略的下一章节，您为何如此看重“个人超级智能”？
扎克伯格：Meta 的核心价值观始终是连接人和赋能个体。历史上很多争议在于是否允许人们自己决定生活中什么重要。我认为，数十亿人汇总的需求才是真正该解决的问题，而非由少数实验室专家 dictate。
例如在医疗领域，制药业往往只关注常见病，而罕见病患者需要自己的 AI 去重点关注。对我个人而言，我希望 Muse 能帮我成为更好的父亲和丈夫。比如它帮我规划适合三岁女儿的烘焙项目，自动购买原料；或者在我大女儿想爬山时，自动监控并申请许可证。甚至在我的 MMA 训练中，它能分析视频指出我动作中的偷懒瞬间。
早期测试显示，不同用户用它做的事截然不同：有人用来安排居家教学，有人用来规划旅行。这种个性化正是我们将决定权交还给用户的体现。
商业模式：免费算力赌的是交易分成
主持人：Muse 与传统 Chatbot 的本质区别是什么？其商业模式如何跑通？
扎克伯格：Muse 的核心突破在于后台的虚拟机（Virtual Machine）。它不是简单的问答，而是长效运行、自主执行项目的 Agent。它能进行“夜间学习”，将白天的反思沉淀到记忆中，并主动提出新建议（如从游戏攻略扩展到历史课）。
关于商业模式，我们提供大量免费额度（每周约 1 亿 Token 加虚拟机算力）。我们有信心 Muse 能帮小商家和个人赚钱，因此长期模式是从促成的交易中抽取极低比例的分成，且费用可能由合作商家承担。这使得服务对绝大多数人免费成为可能。
此外，我们引入了“集群”（fleet）概念，让 Agent 之间匿名协同学习。随着用户增多，Agent 会通过吸纳整个集群的经验洞察变得更聪明。这是其他将 Agent 视为“单人游戏”的实验室所不具备的网络效应优势。
隐私架构：连 Meta 也无法窥探的机密虚拟机
主持人：用户将敏感数据交给 Agent，如何建立信任？
扎克伯格：这是 Muse 的基石。我们邀请了 Signal 创始人 Moxie Marlinspike 操刀架构，打造了机密虚拟机（Confidential VM）。技术上承诺并验证：即使是 Meta 内部人员也绝不可能看到用户虚拟机内的内容。这借鉴了 WhatsApp 端到端加密的成功经验——只有系统设计成“连自己都看不到”，才能彻底消除用户对政府调取、黑客入侵或内部作恶的顾虑。
我们还实施了“最小权限”原则：凭据存储在安全库中，仅在必要时调取；Sentinel Agents 负责监控流量，防止 Prompt 注入或敏感信息外泄；连接邮箱等权限默认只读，需额外授权才能发送。这种深度的安全设计是目前市面上其他 Agent 难以企及的。
市场格局：赢家通吃并非定局
主持人：个人 Agent 市场会呈现“赢家通吃”的局面吗？
扎克伯格：很多时候被认为是赢家通吃的领域，其实并非如此。虽然具备顶尖技术实力的公司可能只有十几家，但用户需求多种多样。擅长处理人际关系的 Agent 和擅长打理生意的 Agent 可能是不同的产品。Meta 在这两个方向都有优势，但也承认在某些垂直品类上未必能做到最好。
Muse 与 Meta AI 将并存：前者偏向长期目标管理和深度对话，后者侧重即时问答。未来两者可能融合，也可能保持独立。只要产品能切实帮助日常生活，Meta 有能力将其推广至数亿甚至数十亿用户。
研发反思：大模型需要极致人才密度
主持人：Meta 近期模型进展迅速，去年重组实验室的具体成效如何？
扎克伯格：我曾误以为做大语言模型可以沿用以前做推荐系统的人海战术，导致 Llama 4 未达预期。后来我意识到，大模型研发靠的不是堆一千人，而是靠几个脑子极顶的人组成高密度精英团队。
因此，我将核心团队搬到我办公室周围，亲自抓技术细节。同时大幅增加了算力投入，建设吉瓦级集群（如俄亥俄州的 Prometheus），用于推进下一代模型"Watermelon"。这是一个巨大的跨越，我们在预训练和 Post-training 上都积累了新经验，对达到 SOTA 水平充满信心。
Meta 坚持端到端的技术路线，自研芯片、基础设施和模型。针对个人超级智能，我们特别注重“分寸感”（discretion）等特质，即在保护隐私的前提下完成任务，这需要从预训练阶段就注入针对性数据，仅靠修修补补无法实现。
监管态度：动态合作优于死板框架
主持人：面对越来越强大的模型，您如何看待监管和安全边界？
扎克伯格：安全应在设计和训练阶段解决，例如通过明确界限防止“奖励作弊”。对于超级智能律师的例子，如果人人都有，司法正义将更高效公平；若只有少数人拥有，才会扭曲系统。
关于监管，技术发展太快，死板的框架很快会过时。我们主张与美国政府保持紧密、动态的合作，确保官方了解重大训练任务和潜在能力，共同应对不断变化的挑战（如网安、生物安全）。这比走形式的合规检查更有效。
硬件与社会：智能眼镜与透明沟通
主持人：智能眼镜面临隐私担忧，甚至有些场所禁止佩戴，您怎么看？
扎克伯格：我们在设计之初就植入了隐私保护，如显著的录制指示灯，且破坏指示灯会停用摄像头。相比之下，手机无处不在却无指示灯，眼镜其实更规范。问题在于随着用户量激增，早期的沟通未被充分触达。
反思过去 20 年，我们在面对外界担忧时沟通不够直接坦诚。未来我们既要让用户喜欢产品，也要清晰传达我们对问题的重视。在青少年安全诉讼和解中，我们带头限制使用时长，并推动全行业（包括 TikTok、YouTube）签署相同条款，以避免单方面行动导致的竞争劣势，从而建立统一的行业标准。
至于回归 X 平台发帖，纯粹是因为那里聚集了大量 AI 社群。作为社交媒体公司，去用户活跃的地方交流是常规操作，这与 Threads 的发展并不冲突。