Mark Zuckerberg——18个月内，AI将编写Meta大部分代码

摘要

• 核心判断是：未来12–18个月内，Meta AI相关工作所需的“大部分代码”将由AI编写。 Zuckerberg明确表示，这不是代码补全，而是能接收目标、运行测试、发现问题，并写出“比团队中平均水平的优秀成员质量更高的代码”的智能体。Meta正在为自身开发这类编程和AI研究智能体（内部工具：MetaMate），并不打算将其做成企业产品。
• 但他反对快速起飞的判断。 智能爆炸会撞上物理世界和人类时间尺度的瓶颈：GW级集群、NVIDIA稳定新系统、审批流程和能源供应链。最有力的内部证据来自Meta广告团队：他们已经“卡在运行测试所需的算力上”，而不是缺想法；因此，AI生成的假设必须先击败测试线以上最优秀的人类想法，否则连边际价值都没有。
• 分发层面的现实检验是：Meta AI月活接近10亿，但主要来自美国以外的WhatsApp。 美国有1亿WhatsApp用户，却由iMessage主导，这正是Meta推出独立Meta AI应用的原因。“信息流、个人资料、社交图谱，再加上你与AI的对话”形成的个性化闭环，是“下一件令人兴奋的事”。
• 关于Maverick在Chatbot Arena排名第35，Zuckerberg认为基准测试“很容易被做出来”：他的团队完全可以把一个版本调到“非常靠前”，但发布的是未经针对性调优的纯模型。 Meta AI的核心指标将主要是产品价值，而不是排行榜；Sonnet 3.7也没有排在最前面。
• 按他的说法，DeepSeek反而验证了芯片出口管制的效果。 DeepSeek的底层优化确实出色，但这是被“部分阉割的芯片”逼出来的。Llama 4在文本能力上“基本处于同一档次”，却使用了更小的模型，单位智能成本更低；在DeepSeek完全不具备的多模态能力上，Llama 4则处于领先位置。但如果中国在电力和数据中心建设上超过美国，“我们将处于明显劣势”。
• 开源战略中也埋着一个警告：如今跟进开源的竞争对手，可能正是因为Meta推动了这一趋势。 “如果我们不做开源，他们还会做吗？”Android从开放走向封闭就是前车之鉴。蒸馏是关键技术——以10%的规模获得90–95%的智能——但语言模型内嵌价值观，绑定另一政府的模型还可能植入可被利用的漏洞。
• 商业化路径是：免费消费者层靠广告，高级层则出售“任意规模的算力”。 在就业问题上，他给出了反直觉判断：如果AI以未来10亿美元级呼叫中心十分之一的成本处理90%的客服工作，Meta“可能反而会招聘更多客服人员”，而不是更少。
• Meta核心业务的增长逻辑是：美国人平均只有不到3个朋友，但平均每个人对朋友的需求约为15个；信息流内容也将从视频转向可交互的AI。 用户可以和内容对话，或者“像进入游戏一样跳进去”——“这些最终都会是AI。”

精读

1. Llama 4先发中型模型——Behemoth押注前沿能力

• 按Zuckerberg的说法，产品线包括Scout和Maverick：两者都能提供“单位成本最高的一档智能”，原生支持多模态，并可在单台主机上运行以降低延迟；它们先服务Meta自身的使用场景，随后开源。“Little Llama”则是最受欢迎的Llama 3 8B的后继版本，“可能在未来几个月内”推出；今年的节奏将延续Llama 3的打法——3.1带来405B，3.2带来多模态能力。
• Behemoth拥有超过2万亿参数，是Meta首个“某种意义上达到前沿水平”的模型。模型规模大到Meta必须专门建设基础设施才能完成后训练；真正悬而未决的问题是，普通开发者究竟如何使用它，答案很可能是将其蒸馏到可运行的尺寸。
• 对于Arena排名第35的尴尬，他的解释是，排行榜衡量的“其实不是任何普通人在产品里会做的事”：“我们的团队相对容易就能把Llama 4 Maverick的一个版本调到非常靠前。但我们发布的版本是纯模型，完全没有针对这一点做调优。”Meta AI的北极星指标是用户价值——包括用户表达出来的偏好和实际行为揭示的偏好；Meta主要看产品，而不是基准测试。
• 对于实验室分工，Anthropic转向编程和智能体，OpenAI转向推理；Zuckerberg猜测，使用量最大的方向会是“交互迅速、非常自然、原生多模态，并贯穿你一天生活”的产品。Llama 4推理模型即将推出，但对消费者来说，“如果能在半秒内给出总体上不错的答案，这就是很好的取舍”，没必要等待半分钟。

2. 18个月内Meta大部分代码将由AI编写——但编程不是全部

• 这个判断的条件没有变化：“未来12到18个月的某个时候，我们会达到这样一个节点：推动这些工作所需的大部分代码将由AI编写。我说的不是代码补全……你给它一个目标，它可以运行测试、改进东西、发现问题，写出的代码质量已经高于团队中平均水平的优秀成员。”
• 他认为智能爆炸的逻辑“相当有说服力”，这也是Meta在打造“完全接入自身工具链”的编程和AI研究智能体，以专门推进Llama。但他也留有余地：“我不知道这是不是全部。”这个领域太大，不可能由“一家公司、一个优化函数”包打天下；预计会出现分别专注于企业、生产力、社交娱乐和陪伴等细分领域的实验室。

3. 为什么不会快速起飞：解决一个瓶颈，就会遇到下一个

• 基础设施链条需要时间：GW级集群需要NVIDIA先稳定新一代系统，随后还要解决网络、建筑、审批和能源问题——“无论是燃气轮机还是绿色能源，背后都有一整条供应链。”他的工程学定律是：“解决一个瓶颈，就会遇到下一个瓶颈。”
• 最具代表性的例子来自Meta广告团队：他们已经自动生成排名实验，却发现约束不在想法，而在于“我们已有的好想法，已经多到超过现有算力，甚至超过可用于测试的用户群规模”。即便拥有35亿用户，要做出统计显著的测试，每次也需要数十万人。因此，AI假设必须先击败“线上最优秀的人类想法”，否则连边际价值都谈不上。也许5–10年后，人类再也无法匹敌AI生成的假设——“在那个世界里，显然所有价值都会由此创造。但那不是第一步。”
• 更隐蔽的瓶颈是共同演化和上下文积累：“你在这套系统运行一两年后醒来，助手可以提到你两年前谈过的事情……即使你第一天就上线一个完美产品，也做不到这一点。”

4. 10亿用户——但分发的悲观情景也值得正视

• Meta AI约10亿月活用户主要来自WhatsApp，而WhatsApp并不是美国的主流通信工具——那里由iMessage主导，WhatsApp在美国用户刚刚超过1亿。因此，Meta推出独立Meta AI应用，作为美国市场的一等入口，早期演示重点是全双工语音。
• Dwarkesh的悲观框架是：WhatsApp的分发可能无法提供训练自主编程智能体或远程工作者所需的数据。他把问题类比为互联网究竟偏向知识工作还是消费者应用，答案是：“两者都有。”人们不会在WhatsApp里写代码，但“人们会要求AI完成很多事情，而这些事情最终会让AI在用户未必知情的情况下编写代码。”
• 信息流的演变路径是文字→照片→视频，如今Facebook和Instagram的大部分使用时长已经来自视频；下一步是“可交互的AI内容”——“一开始看起来可能像一条Reel，但你可以和它对话……或者像进入游戏一样跳进去。”

5. AI陪伴与朋友缺口——以及对奖励劫持的反驳

• 他“总觉得不可思议”的统计是：美国人平均拥有不到3个朋友，但平均每个人的需求大约是15个。AI陪伴“可能不会”取代线下连接——“人们拥有的连接本来就没有他们想要的那么多。他们大部分时候都比自己希望的状态更孤独。”随着社会“找到解释其价值的共同语言”，今天围绕AI陪伴的污名会逐渐消退。
• 他的产品哲学是：“人是聪明的。他们知道什么对自己的生活有价值……如果你觉得某个人正在做的事情不好，但对方认为它非常有价值，那么以我的经验，大多数时候，是他们对、你错。”Meta AI目前最常见的用途之一，就是排练困难对话：“我和女朋友遇到了这个问题。帮我想想该怎么谈。”
• 当前陪伴类应用的具身化能力“相当弱”；终局则是Codec Avatars和始终在线的视频聊天，因为“超过一半的沟通……并不是你说出的那些话”。
• Dwarkesh担心，吃早餐时余光里不断播放Reels，等于“消除了我们被技术彻底劫持奖励机制的所有阻力”。Zuckerberg部分承认这一点，但解释称那是一次多任务演示；眼镜最重要的事情是“别挡路，先把眼镜本身做好”，这也是Ray-Ban Meta成功的原因。数字与现实的杂乱最终会成为“需要社会重新磨合的一种审美规范”。

6. DeepSeek说明出口管制正在奏效

• 这是一场真正的产业政策竞争：中国正在上线更多电力；如果美国不简化数据中心和能源建设流程，“我们将处于明显劣势”。
• 他对DeepSeek备受赞誉的优化的判断是：确实出色，但也是被迫的——“他们使用的是部分阉割的芯片……DeepSeek基本上不得不投入大量精力和时间，做美国实验室不需要做的底层基础设施优化。”这也是为什么DeepSeek只有文本能力，而每个新一代主流模型都支持多模态。
• 在正面对比中，他先加上一个前提：Llama的推理模型尚未推出，因此不能拿来和R1比较。“在所有文本相关能力上，基本处于同一档次……但使用的是更小的模型”，意味着单位智能成本更低；“在多模态方面，我们实际上处于领先位置。”

7. 许可证、Android警示与蒸馏的安全问题

• 对于7亿用户条款，Meta“基本上开创了开源大语言模型这条路”。如果Microsoft、Amazon或Google想销售Llama，或者你是Apple，“直接来和我们谈你想做什么”。他表示，尚未见过公司因为许可证而拒绝使用Llama；真正抱怨的是“开源纯粹主义者”。但如果许可证最终损害采用率，他会“重新评估这一战略”。
• Meta会不会在内部使用竞争对手的模型？会：“也许Claude更适合构建这个特定的开发工具……好，那就用它。我们不想把一只手绑在背后和别人竞争。”但自研模型能带来“掌控自身命运”的能力，模型尺寸可以围绕单主机部署和语音延迟进行有意设计。
• 战略上的担忧是，其他实验室转向开源可能只是对Meta推动的回应：“如果我们不做开源，他们还会做吗？……他们已经展示过自己的真实偏好……而那并不是开源。”他的前车之鉴是：Android起初开放，“后来变得越来越封闭”。
• 蒸馏是今年最具突破性的技术——以10%的成本获得95%的智能，其中还包括混合不同来源。但语言模型内嵌价值观，“相当棘手”；早期Llama用法语回答时，“听起来像一个学会说法语的美国人”。而与另一政府绑定的编程模型带来更尖锐的风险：“它能不能在代码里植入漏洞，供对方情报机构日后利用？”缓解办法包括可验证领域、Llama Guard/Code Shield过滤器和高强度红队测试；对于推理蒸馏，他“相当有信心”可以安全完成。

8. 商业化与就业：广告加高级算力——招聘更多人，而不是更少

• 商业模式按成本结构拆分：广告为免费消费者层提供资金；在拥有“100万广告主”的流动性基础上，广告可以增加价值。高算力智能体则遵循Netflix/ESPN的逻辑：1000个软件工程智能体，“你可能愿意为它支付数千、数万，甚至数十万美元”。Meta将同时运营免费广告支持层和高级算力层。
• AI创造就业的客服案例是：为35亿日活用户提供语音客服，“会成为世界上最大的呼叫中心……每年需要100亿或200亿美元”。如果AI处理90%的请求，再将剩余部分交给人类，成本只有原来的十分之一，“最终结果是，我实际上认为我们可能会招聘更多客服人员”。这类似卡车驾驶——尽管自动驾驶被讨论了20年，相关岗位仍然增长。
• 长期来看，正如从农业社会转向创意社会一样，AI释放的富余产能一部分会流向疾病和科学等难题，但很大一部分会流向文化——“世界会变得更加幽默、更加古怪、更加不拘一格”，就像互联网时代的迷因越来越如此。

9. 政治：与执政者合作——同时对自己的决定负责

• 对于是否靠拢Trump，他的回答是：“他是美国总统。作为一家美国公司，我们的默认做法应该是，努力与任何正在管理政府的人建立富有成效的关系。”与此同时，他公开表达了对上一届政府的不满，称对方“没有与我们或商界接触”，并将其直接与AI所需的能源建设联系起来。至于关税和数据中心成本，他认为“现在还处于早期阶段……很难判断”。
• 他对内容审核的复盘意味着态度转变：事实核查失败，是因为“这不是一个互联网规模的解决方案”；Community Notes才是正确答案。更深层的教训是：“我可能过多地听从了媒体……或者政府的意见，把他们并没有真正权限决定的事情交给了他们……我们就在驾驶座上，需要为自己做出的决定负责。”