开云体育 
开云体育官方扎克伯格谈DeepSeek(上)：他们做了令人惊叹的底层优化但还不支持多模态
2025-05-11
浏览次数：
次
返回列表
或许是因为最近Meta财报发布，或许是因为最近Llama受到的非议太多，或许是因为小扎个人的分享欲爆棚，他在和
的前后脚，还接受了这档商业人文播客Dwarkesh Podcast的访谈。
，这个访谈犀利点评他人更多，他聊到了OpenAI、聊到了谷歌的Gemini，聊到了
DP：彼此彼此。上次你来，我们聊的是 Llama 3，现在你们发布了 Llama 4。
MZ:整个领域变化太快了。自上次交谈以来，真是天翻地覆。Meta AI 的月活用户已逼近十亿，着实令人惊叹。
我觉得今年会是大年，尤其是当我们真正跑通用户的个性化闭环，就是利用算法掌握关于兴趣的context，包括信息流、个人档案、社交图谱，还有基于你与 AI 对话的内容，这种“个性化”，将成为下一个令人振奋的大方向，我对此十分看好。
模型本身也在突飞猛进。我对 Llama 4 的首批发布相当满意。我们官宣了四个模型，率先放出其中两个，Scout 和 Maverick，算是中小模型。
Llama 3 最受欢迎的是 80 亿参数版本，所以 Llama 4 也会有同等规模的后继，内部代号Little Llama，预计数月内上线。
Scout 和 Maverick的“单位成本智能”极高（highest intelligence per cost），原生多模态、高效、单机即可运行，专为低延迟场景打造，我们会先满足内部需求，再开源给大众，这一直是我们的做法。
我同样期待即将到来的Behemoth，这是我们首个“前沿级”模型，参数量逾 2 万亿，非常庞大。仅仅是为它做后训练，我们就得搭一堆新基础设施。
现在要思考的是，普通开发者如何用得上？也许需要蒸馏成更易部署的尺寸，毕竟消费级产品，不可能直接跑这么大的模型。
回想Llama 3 的节奏，首发很激动人心，随后一年我们持续迭代，3.1 是4050 亿参数版本，3.2 加入完整多模态，今年我们同样有类似路线图，事情很多。
DP：有人觉得，过去一年顶级闭源模型与顶级开源模型的差距更大了，虽说Llama 4全系列尚未放完，但Llama 4 Maverick在Chatbot Arena仅排第 35，在多项主流基准上，同级别的 o4-mini或Gemini 2.5 Flash的表现都更好，你怎么看？
MZ：几点想法吧，第一，今年总体对开源模型而言绝对是大年，去年像样的创新开源模型几乎只有Llama，如今优秀模型百花齐放。
普遍预测称，今年开源模型的使用量将超过闭源，我认为很有可能。令人惊喜的是，不止Llama，很多模型都很出色。
再说推理模型现象，你提到的o3、o4等，现在出现了专业化：若要在数学、编程等任务上做到最好，就需要推理模型在推理时，投入更多算力，换取更高智能。
但对我们关注的大量应用来说，延迟与单位成本智能（intelligence per cost），更为关键。面向消费者时，没人愿意多等半分钟，若能在半秒给出足够好的答案，那就是最好的。
两条路线，都很重要，我也看好将推理模型与核心语言模型融合——Google最新的Gemini就在走这条路，未来会出现多种形态。
你提到Chatbot Arena，这暴露了基准测试的弊病：如何评估模型在哪些任务表现优异？
许多开源基准，偏向极其特定的场景，未必符合普通用户真实需求，它们衡量的能力组合，与用户在产品中真正关心的往往不同。
过度迎合这些基准，就会跑偏，未必带来最佳产品体验和最高使用量。我们的北极星是用户反馈，用户说想要什么，以及实际行为，很多基准也很容易被“刷榜”。
举例说，Sonnet 3.7是好模型，却排不上前列，我们团队其实可以轻松把 Llama 4 Maverick调优到榜首，但现在发布的模型，压根没为榜单做微调，所以排名靠后。
DP：你觉得有没有某种基准，能客观衡量你所谓的“用户价值”北极星，让你说：“我得让 Llama 4在这项基准上拿第一？”
MaZ：也许能，因为我们可以内部运行其他模型做对照，这正是开源的一大优势，社区能帮你揪出模型的短板与长处。
现实是，各模型的优化组合略有不同。所有领先实验室，都在追求同一个终点：人工通用智能AGI、或者人工超级智能ASI，让每个人拥有超人级工具，创造任何想要的东西，极大赋能个人并带来经济红利。
但不同团队确有各自的侧重，Anthropic更聚焦编程及相关智能体，OpenAI近期更偏向推理。
我猜最终使用最广的，会是那种响应迅速、交互自然、原生多模态、能融入日常的模型。
你应该试过我们即将发布的新Meta AI App，我们放了个全双工语音（full-duplex voice）的Demo。虽然还早，还没设为默认语音模型，但其自然对话的感觉，非常吸引人。
把这与正确的“个性化”结合，未来的产品体验将是，几年后，我们日常会一直与AI交谈。
拿着手机浏览信息流时，它与你对话，提供上下文、回答问题，在消息应用中，辅助沟通。最终，我们走在街头，戴着眼镜或其他AI设备，与之无缝互动。
这就是北极星，只要某项基准能让人们觉得质量足够好、愿意使用，那才对我们最重要。
DP：我同时体验了Orion和Meta AI App，语音模式流畅得惊人，真的很出色。
关于各大实验室所追求的优化方向，如果非得为他们的观点做辩护，他们通常认为，一旦彻底自动化软件工程与 AI 研究，就能引爆一场“智能爆炸”。
届时，数以百万计的“软件工程师的副本copies of software engineers”，会把 Llama 1 到 Llama 4 之间那种量级的进步再复制一遍，只是时间从数年缩短到数周或数月。
所以，只要把“软件工程师”这个环节闭环起来，你就能率先抵达人工超级智能ASI，你怎么看？
MZ：我认为这个设想颇具说服力，这也是我们在Meta内部大力投入编码代理的原因。鉴于我们并不是一家企业级软件公司，我们主要是为自身需求构建这些工具。
我们的目标很明确——不是去做一个通用的开发者工具，而是打造能推进Llama 研究的编码代理coding agent和AI研究代理research agent，并且它们完全接入了我们的内部工具链toolchain。
这的确重要，也必将成为 AI 研发的关键一环。我猜在未来 12-18 个月内，为这些项目编写的大部分代码，都将由AI完成，而且我指的不是自动补全。现在自动补全已经不错：你开始写一段代码，它可以把一整段补全。
我说的是，你只需给出目标，它就能运行测试、改进功能、定位问题，写出的代码质量，已超过团队里一般优秀工程师的平均水平，我确信这会非常关键。
但我并不认为这就是全部，这个行业很大，AI的开发方式也会多种多样。我不相信最终只会出现一家拥有单一优化函数、能最好地服务所有人的公司。
不同实验室会在不同领域领跑：有的更偏向企业或编码场景，有的专注效率提升，有的聚焦社交或娱乐。
即便在助手领域，也会有注重信息与生产力的助手，也会有偏向陪伴的助手，或者纯粹有趣、娱乐，直接出现在信息流里的内容。
总之空间巨大，奔向AGI的道路上既有共同要迈的台阶，也有大量仍待创造的全新事物，我猜未来会看到各团队之间的进一步专业化。
DP：有意思的是，你基本同意会出现“智能爆炸”，最终会诞生超级智能。如果我没理解错的话，在这种情况下，为什么还要费心开发个人助手之类的应用？为什么不先把超级智能做出来，其他东西晚点再说？
MZ：那只是飞轮flywheel的一部分。我不太认同“快速起飞fast take-off”论的一个原因是——建设实体基础设施需要时间。
如果要建一个吉瓦级算力集群gigawatt cluster of compute，就需要时间。NVIDIA需要时间稳定新一代系统，你还得规划网络架构，建设机房，拿许可证，搞能源——可能是燃气轮机，也可能是可再生能源——无论哪种，背后都有完整的供应链。
我们上次播客里，聊过很多这类问题。这些都是现实世界、以人类时间尺度推进的事。当你在某一层获得更高智能，往往会撞到另一层的瓶颈。
这些系统不会一现身，就让所有人瞬间会用，它们与人的使用方式是共同进化的，人学着如何最好地用助手，助手也在学用户在乎什么，开发者再把助手做得更好。
同时，我们还在积累上下文。一年两年后回头看，助手能引用你两年前聊过的话，这非常酷。如果它今天才上线，就算再完美，也不可能引用两年前不存在的对话。
所以我的观点是：智能的增速，确实非常迅猛，人们与 AI 助手的交互量和数据反馈飞轮，同样增长迅猛。
同时，算力供应链、基础设施、监管框架也都在建设中，单有“写代码”那一环，远远不够。
举个例子：几年前，我们广告团队做过一个项目，自动化广告排序实验。那是个相对封闭的环境，并非开放式编码，系统会回溯公司历史上每一次广告实验，分析成败和结果，然后提出新假设去做试验，提高广告效果。
结果我们发现，瓶颈在于运行实验的算力，以及可用的用户分层。哪怕 Meta有35 亿用户，每个实验仍需几十万甚至上百万人，才能显著统计，我们已经有更多优质想法，但算力和受试人群都不够用。
因此，仅仅生成更多实验想法，并不会带来增益。AI 生成的“假设”，如果未来能有价值，平均质量得先超越目前“上线门槛”以上的、由顶尖工程师提出的想法才行。
我相信我们会很快达到那里，但这不是“AI 会写代码，一切瞬间升级”的故事，现实约束很多，你得有算力，有人群做实验，随着 AI 质量持续提升。
也许五到十年后，没有任何人类团队能再提出比 AI 更好的假设了，也许吧，但那绝非现在。
DP：如果你认同智能走向这幅图景，那看好 Meta 的理由，显然在于你们拥有庞大分发渠道，也能由此收集更多可用于训练的数据，你说Meta AI现在已有十亿活跃用户。
MZ：不是独立App，本次单独推出的 App才刚上线，供想尝鲜的人使用，体验确实不错，里面有些新点子值得聊。
用Meta AI用得最多的是WhatsApp，而WhatsApp的主战场在美国以外。虽然我们在美国已突破一亿用户，但美国的主流消息平台其实 iMessage，所以美国用户往往低估了Meta AI的实际使用量。
也正因如此，独立App就很重要。美国无论如何都是关键市场，可WhatsApp在这儿确实不是老大，我们需要别的路径交付一流体验，让Meta AI真正出现在美国用户面前。
DP：如果 AI 的未来不再只是答疑，而是成为虚拟同事，那么在WhatsApp里集成Meta AI，是否就无助于训练出完全自主的程序员或远程工作者？那时，谁拥有更大语言模型的分发量，或许就没那么重要了？
MZ：我还是觉得场景会多元，想象一下互联网刚诞生时，你问：互联网的主战场会是什么？知识工作还是面向大众的消费级应用？
具体到你的问题：人们确实不会在 WhatsApp里写代码，我丝毫不觉得那会成为主要用例。但人们肯定会让AI去做很多事，其中不少都需要 AI写代码，只是用户未必意识到。
我们内部有大批工程师在用Meta AI，公司内还有名为MetaMate的工具，以及一系列围绕它打造的编码与研究代理，这条反馈循环可以大幅提速我们的内部研发。
AI几乎肯定会带来知识工作和编码的革命，我也相信它会定义下一代搜索，帮助完成更复杂的信息任务。
此外，人们会用它来娱乐自己，如今互联网到处都是梗和段子，未来也一样。人类倾注大量精力去娱乐、去推动文化、用幽默阐释观察到的现象，这点永远不会变。
回顾Instagram、Facebook的演变：十几、二十年前主要是文字，后来手机有了摄像头，图片成主流，再后来移动网络提速，手机看视频不再卡顿，于是视频崛起。过去十年，大多数人在FB和IG上花的时间，都在看视频。
那你觉得五年后，大家还会只是刷视频吗？不会的，内容会变得可互动：你滑到一条看似Reels的内容，却能跟它对话，它会回应你，甚至像游戏一样，让你跳进去互动，这一切都将由AI驱动。
所有形态将百花齐放，我们野心很大，会涉猎多个领域，但我不认为任何一家公司能包办全部。
MZ：很多问题只有真正看到用户行为后，才能回答。最重要的前提是，在每一步都主动提出这个问题，并认真对待。但是，如果一开始就过于武断，认定某些做法必然不好，往往会扼杀掉价值。
人们之所以使用某样东西，是因为它对他们有价值。我设计产品的核心原则之一是：用户是聪明的，他们知道什么对自己有用。
偶尔产品里会出现负面情况，你要尽量把风险降到最低。可如果你觉得某件事不好，而用户却乐此不疲，大多数情况下，以我的经验，用户肯定是对的，你错了。
我相信人们会把AI用在许多社交场景。实际上，我们已经看到不少人用Meta AI来练习与亲友的艰难对话：
“我和女友出现问题，该怎么谈？”“我得跟老板进行一场硬碰硬的交流，该怎么说？”
这样的功能很有帮助，等到个性化闭环真正跑起来，AI越来越了解你，这种体验会更具吸引力。
有个我常提的数据：平均美国人拥有的“线 个。可他们心里期望的朋友数量，大约是15 个。到某个点，人们会觉得“我太忙，顾不过来了”，但大多数人都渴望比现实更多的联结，也经常感到孤独。
有人担心AI会取代现实中的面对面关系，我倾向认为不会。线下交流有无可替代的优势，只是现实中很多人得不到足够的连接感。
今天，一些AI心理师、AI女友之类的应用，仍带着轻微的“污名”。随着时间推移，社会会逐渐找到合适的解释，说明它们的价值、使用者的合理性，以及它们怎样真正改善了生活，但现在仍然非常早期。
目前做虚拟治疗师、虚拟伴侣的公司，不过寥寥数家，而且“具身化”很弱，打开应用只是一张头像，最多有点粗糙的动画，谈不上真正的具身。
你见过我们Reality Labs的Codec Avatars，那真的像真人一样。这正是未来，你将能随时与AI进行视频对话，而手势同样关键，真实对话中，超过一半的信息并非语言，而是非语言信号。
DP：前几天我体验了Orion，印象相当深刻。我总体对这项技术持乐观态度，也像你说的那样较为“自由主义”，如果用户选择做某事，很可能对他们有益。
虽说，我不确定一个沉迷 TikTok 的人，是否真的满意自己花在 TikTok 上的时间。
而我之所以乐观，是因为要在未来 AGI 世界生存，我们也需要用这类工具升级自身能力，而且世界会因此更美，比如处处都能见到“吉卜力风”。
不过，你们团队展示的一个标志性场景，让我有些担心，我坐在早餐桌前，余光里不断划过一排排Reels，也许将来屏幕另一侧还会有我的 AI 女友。
这很糟糕，技术的“奖励劫持reward-hacked”的所有阻力，似乎正在被全部消除，该怎么确保五年后不会变成这样？
MZ:我仍然相信人们清楚自己想要什么，你看到的只是一个多任务与全息演示，仅用于展示能力。我同意未来不该是视野边角总有东西争夺注意力，大多数人不会喜欢那样。
在设计眼镜时，我们尤其注意这一点。对眼镜而言，首要任务是“隐形”，它本质上是一副好眼镜。这也是 Ray-Ban Meta 受欢迎的原因，它能听歌、接电话、拍照录像，AI只有在你需要时才出现，当你不需要时，它就是一副好看的眼镜。
更宏观地看，数字世界在我们生活中如此重要，却只能通过“物理数字屏幕”来访问——手机、电脑、墙上的电视，这些都是大块硬件。
技术已经走到让物理与数字彻底融合的阶段，比如全息叠加holographic overlays就是实现路径。
但正如没人愿意让现实空间过度杂乱，因为精神上会被压垮，人们同样不会想让混合现实空间显得拥挤不堪。
DP：回到 AI 这个话题。你刚才提到，物理基础设施会成为非常大的瓶颈。拿其他开源模型来说，比如 DeepSeek，他们目前掌握的算力明显少于 Meta 这样的实验室，可有人认为它的表现已经能和 Llama 系列抗衡。
如果中国在搭建物理基础设施、扩大工业规模、获取电力以及上线数据中心方面更有优势，你会不会担心他们最终在这条赛道上超过我们？
MZ：这确实是一场真刀真枪的竞赛，而你已经能看到各国产业政策在发挥作用。中国正在并网更多电力，因此，美国必须加快数据中心建设和能源生产的流程，否则我们会落入相当不利的境地。
与此同时，针对芯片等产品的export control，也的确在产生效果。大家谈到 DeepSeek 时常说，他们做了很多“令人惊叹的底层优化”。没错，他们确实做到了，而且相当厉害。
可接着就要问：为什么 DeepSeek 得这么做，而美国的实验室却不用？
原因是，他们用的是经export controls“降级”后的 NVIDIA 芯片，而美国实验室可以直接用完整版。DeepSeek 只好把大量精力花在底层基础设施优化上，这是美国同行不必付出的成本。
结果是，DeepSeek 在文本任务上，拿出了漂亮的成绩，但他们目前只支持文本。他们的优化很惊艳，文本效果也不错，可如今每个重磅新模型都是多模态：既能处理图像，也能处理语音，而 DeepSeek 的模型做不到。
为什么？并不是他们能力不足，而是他们必须先投入资源去弥补export controls带来的硬件缺口。
再看 Llama 4 与 DeepSeek 的比较，我们的推理版本还没发布，所以 R1 的对标暂时不清楚。但就文本任务而言，我们用更小的模型，就能达到和 DeepSeek 相同的水平，因此单位智能成本（。在多模态上，我们目前处于领先，而他们的模型根本没有这部分能力。
综合来看，Llama 4 表现很强，我相信大多数人最终会更愿意使用 Llama 4。不过，DeepSeek 那边显然也有一支优秀的团队。你提到的电力、算力与芯片的可获得性，确实至关重要。不同实验室能够做什么、做到何种程度，在很大程度上都取决于这些前置条件。
