摘要

Meta据报计划斥资140亿至150亿美元，收购Scale AI 49%的股权，这是一场试图靠砸钱重返前沿的昂贵行动。 Scale CEO Alexander Wang将离开公司，带领Meta的新超级智能团队，但团队的第一个任务实际上是先给自己发明一套使命：“我们的计划是，先想清楚计划。”
Meta最初的AI优势之所以消退，是因为其研究方向、既有利益和快速跟随者打法全都把公司带离了前沿模型。 Facebook的AI工作帮助打造了PyTorch，但Yann LeCun拒绝走大语言模型路线，而OpenAI等公司则沿着规模化道路推进；Llama的开源战略在Llama 3之前奏效，但Llama 4显示，最新系统已经不再容易复制。
九位数薪酬可以吸引注意力，但主持人怀疑它能否快到足以建立一个协调运作的实验室。 Meta据报为一支约50人的团队提供最高达1亿美元的薪酬方案，其中有一份可信报价达到7500万美元；团队由28岁的Wang领导。真正训练过最大模型的全球少数几百名研究人员早已富有、流动性高，而其中一名研究员的回复是：“LOL，LMAO。”
Scale交易可能因为把最大客户赶走，反而削弱Meta正在收购的资产。 Scale向Meta及其竞争对手的实验室提供清洗、结构化和标注后的数据；Casey的消息人士预计，大客户宁愿离开，也不愿让专有使用信息暴露给Meta。Ben Thompson认为，如果49%的股权实际上把一个重要参与者从市场中移除，而Meta又正受到反垄断审查，这一安排可能引发监管担忧。
Apple的WWDC再次说明，去年许多AI承诺仍未兑现，也没有明确时间表。 原本应当协调消息、邮件、日历和各类服务的跨应用Siri仍未发布；Craig Federighi为Apple的“使命”和价值观辩护，却不愿给出日期。取而代之的是，Apple展示了Liquid Glass、消息投票、可调整大小的iPad窗口，以及更强大的Spotlight。
Apple更大的风险，是在成熟的硬件和服务业务承压之际，仍未解决自身定位危机，也没有明确的AI增长引擎。 Casey认为，概率性、混乱的AI与Apple精致、确定性的文化相冲突；Kevin则认为，Apple高调发布的“The Illusion of Thinking”论文，显示公司仍存在制度性的怀疑。缓解因素是：即便Google更先进的Pixel AI，也没有给大众提供一个显而易见的理由去放弃iPhone。
听众的经历显示，在AI还不能可靠地取代完整工作之前，它已经在扭曲劳动力市场和管理行为。 一名初级工程师所在的公司统计员工声称有多少代码由AI编写，并解雇得分低的人，结果激励所有人撒谎；另一些地方，高管则因为“20个AI奇迹”冻结招聘，但员工仍然需要人类。Kevin偏好的模式是自下而上的试验，而Clay的支持团队正在培养能够跨职能流动的“专家型通才”。
主持人认为，无论企业还是政府，都没有提出与其领导人所预测的就业冲击相匹配的应对方案。 一名听众建议对AI征税，以重新分配高度集中的收益并放慢部署速度；Kevin提到Dario Amodei的“token tax”，而Casey坚持认为，准备安全网的应是民选官员，而不是企业。他们共同的结论是，影响已经显现，而且很可能加速。

精读

1. Meta斥资最高150亿美元，重启AI竞赛

Casey称，Meta正准备以140亿至150亿美元收购Scale AI 49%的股权。Scale联合创始人兼CEO Alexander Wang将离开公司，带领Meta一个明确负责打造超级智能的新团队。
Kevin对现状的判断非常直接：Meta如今被视为“二流AI研究公司”，内部动荡、组织混乱、战略决策失序。考虑到这家公司在为AI浪潮大举准备之后，已经拥有硅谷最大的GPU库存之一，这一处境格外刺眼。
竞争问题不只是模型排名。ChatGPT正在快速增长，Google的AI产品拥有庞大用户基础，Anthropic正在打造重要的企业业务；与此同时，尽管Meta相信AI可能重塑社交媒体、广告、陪伴产品和元宇宙，却始终没有进入这场对话。

2. Meta曾参与打造现代AI，却选择了另一条路

Facebook曾在2012年前后尝试收购DeepMind；DeepMind选择Google后，Facebook在Yann LeCun领导下成立了FAIR。LeCun是图灵奖得主和“深度学习教父”，招募了一批实力强劲的研究员；Facebook在PyTorch上的工作则成为基础设施，至今仍被各大AI公司广泛使用。
分岔点出现在Google于2017年发布Transformer论文之后。OpenAI，以及程度稍弱的Google和DeepMind，用大约5年时间构建规模不断扩大的语言模型，并逐渐认识到性能会随着规模提升；Facebook和LeCun没有沿着这条轨迹推进。
公司注意力转而在选举虚假信息、内容审核、加密货币、元宇宙以及与TikTok的竞争之间来回切换。其已发布的机器学习产品改善了推荐系统，也识别了违规内容，但没有产出吸引公众和开发者注意的ChatGPT式系统。
LeCun的怀疑态度具有决定性影响，因为他并不相信大语言模型，至今仍是规模化时代的著名批评者。Casey的总结是绝对性的：“如果你想知道ChatGPT为什么不是从Meta出来的，Yann LeCun算是其中的原因。”

3. Llama的快速跟随策略在前沿失效

ChatGPT于2022年出现后，Meta陷入恐慌，开始囤积GPU并开发Llama。早期版本取得成功，部分原因在于Meta将其开放发布，让开发者无需支付ChatGPT等封闭系统的使用费就能构建产品。
Casey剥去了其中的慈善叙事：开源是一种竞争武器。Meta打算把竞争对手以每月20美元出售的东西免费送出，制造成本压力，拖慢OpenAI和Google，同时足够紧密地复制已公开的进展，以满足Meta自身的需求。
这种熟悉的快速跟随打法曾在Snapchat Stories等产品上奏效，并且直到Llama 3都显得可行。Llama 4暴露了它的边界：前沿模型已经更难逆向工程，而市场反响表明，Meta不是仍然落后领先者一步，而是“迷失了方向”。

4. 超级智能既可能是使命，也可能是招募话术

Kevin对Meta转向给出了两种解读：Zuckerberg确实放弃了失败的方向，愿意不惜代价冲到前沿；或者Meta主要是在借AGI和超级智能的叙事，招募那些原本会选择OpenAI、Google或Anthropic的人。
Casey给出的“介于两者之间”保留了这种张力。随着Meta的绝望感加深，Zuckerberg的野心也在扩大：当AI只是支持现有业务目标时，超级智能并无必要；但当顶尖研究员不愿加入，他就不得不“改变我在这件事上的说法”。
更深层的不匹配在于动机。前沿实验室的信奉者谈论富足、治愈疾病和解决贫困；Casey相信其中许多人确实真诚地抱有这些宏大目标。但在她的描述中，Zuckerberg希望Meta继续跻身全球最强大的公司之列，然而“在超级智能存在的世界里，我不确定Meta还能扮演多大角色”。
2024年1月的一次重组已经部分借用AGI语言来吸引研究员，但没有带来预期结果。因此，Scale投资是又一次重启，而不是Meta第一次意识到自己的AI组织结构正在失灵。

5. Scale带来关键数据，也带来客户冲突问题

Scale不是前沿模型实验室。它的子公司以相对低廉的成本雇人，对内容、图像和其他材料进行分类；Scale随后清洗并结构化这些标签，让客户可以用更高质量的数据训练分类器和语言模型。
这使Scale成为典型的“卖铲子公司”：它帮助客户扩张AI业务，但自己并不构建AI。Casey称，Wang已经证明自己善于追逐资金流向，但打造超级智能与经营一家成功的数据供应商完全是两回事。
Meta可能获得一种重要模型训练原料的优先访问权，但现有多年期合同可能阻止它简单切断竞争对手的供应。更直接的风险是，Casey的消息人士完全预计Scale最大的客户会离开，因为他们会认为专有使用信息可能回流Meta。
Casey还转述了Ben Thompson的观点：这种结构可能触发监管担忧。即使没有完全收购Scale，Meta也可能事实上移除一个重要供应商；与此同时，Meta正面临要求剥离WhatsApp和Instagram的反垄断诉讼。

6. 新超级团队有钱，却没有运营蓝图

Zuckerberg计划把新AI团队安排在自己附近办公，这让人联想到Cambridge Analytica危机期间，他曾让传播团队围绕在自己身边。据报薪酬最高可达九位数，其中一份可信报价达到7500万美元。
Casey将这场公开招募描述为一则“招聘启事”，告诉候选人这里有1亿美元可拿。但有人接受之后，团队连第一天要做什么都没有确定：“我们的计划是，先想清楚计划”——从竞争对手实验室引入做法，重塑Meta，并设法回到前沿。
28岁的Wang可能会领导一支约50人的高薪团队，但这些人的协作关系仍需建立。Casey问道，一支团队能否在不到6个月内磨合成形；她还指出，如果AGI或超级智能已经接近，那么从6个月到1年半后才交付第一个重大项目，可能会带来重要后果。
Kevin补充称，全球或许只有几百人曾在最大的超级计算机上训练过最大模型，而他们已经富有到可以选择任何雇主。Meta的AI陪伴产品和Anduril战场头戴设备项目可能有价值或有利可图，但Kevin怀疑它们能否打动这一群体；一名顶尖研究员对他的招募提问只回复：“LOL，LMAO。”

7. Apple仍无法给出其宣传中的Siri发布时间

Apple在上一届WWDC的核心承诺，是让Siri能够结合消息、邮件、日历和应用中的个人上下文；其示例是，在某人的母亲航班抵达时，替她安排一辆Uber。一年过去，这套系统仍未发布。
《华尔街日报》记者Joanna Stern追问软件负责人Craig Federighi，为什么Siri不如竞争对手。他重申，Apple的目标是打造一个整合、个性化且私密的产品，而不是“旁边外挂的聊天机器人”；但他说，在讨论日期之前，Apple希望产品“真正握在手里”。
Casey的诊断是文化问题：Apple擅长严格、确定、精致且可预测的系统，而AI是“混乱的”“杂乱的”，并且具有概率性。主持人讨论的报道显示，公司内部真正相信这项技术的人太少，同时为了保护已经极其出色的业务，公司对AI的重视程度不足。
Kevin将这段历史与AI负责人John Giannandrea，也就是JG，联系起来。JG是Apple从Google招来的。据Kevin引用的报道，JG认为语言模型是一种干扰，相信消费者不喜欢聊天机器人，并抵制大规模投入；如今Apple无法交付的产品，正展示着这些决策的后果。

8. Liquid Glass让Apple缺失的AI路线图更加显眼

Apple最受瞩目的发布是Liquid Glass，这是一项操作系统重设计，为界面元素加入透明、相互重叠的表面。Casey承认，改变数亿乃至超过10亿人使用的软件很重要，但开发者的早期反馈称，半透明效果让屏幕更难阅读。
她借用了Steve Jobs的表述：“设计不在于它看起来怎样，设计在于它如何运作。”Liquid Glass似乎专注于让界面更漂亮，却没有解释界面现在能完成什么；Kevin则把这个想法戏称为：“如果我们做一部所有东西都透明、你什么都看不见的手机，会怎样？”
Kevin认为，发布会的其余部分都显得“打小球”：群聊投票和输入提示、可配置的聊天背景、语言覆盖范围不明的实时翻译、桌面版Phone应用，最后是可调整大小的iPad窗口。高管们对这些没有构成未来主义愿景的功能表现出“欣喜若狂的热情”。

9. Spotlight很实用，但Apple仍缺少下一个现金引擎

Casey认为，生产力方面最值得关注的更新，是Spotlight变得更像Raycast这类启动器应用。用户除了查找文件或打开Keynote，还可以通过Command-Space触发快捷指令和操作，比如在睡前一键关掉所有灯，从日常流程中移除多余点击。
即便作为生产力工具爱好者，Casey也承认，这“听起来并不太有趣”。但这仍体现了她所欣赏的Apple：帮助人们更快工作、更有创造力的工具，而不是试图回答“我们还能在这部iPhone上卖给你第7个订阅服务”的更大问题。
Kevin认为，Apple正夹在几项逐渐成熟的业务之间。iPhone销量已经持平或下滑，连续几代产品的差异化有限；服务业务则面临反垄断和法院对App Store支付控制权的挑战。Apple尚未找到“下一个现金喷涌点”，也没有决定AI应当处于多核心的位置。
Casey的辩护让看空逻辑变得复杂：Google更先进的Pixel功能，仍未给普通iPhone用户提供放弃iMessage的明显理由；Amazon的升级版Alexa也只触达了100万名客户，并且正在谨慎扩大推送范围。每一家巨头都在努力把能力不错的AI变成不可或缺的消费产品。

10. Apple的推理论文成为AI信仰之争的代理战场

Apple研究人员的“The Illusion of Thinking”论文称，推理模型——包括OpenAI的o1以及近期的Gemini和Claude系统——并不像人类那样思考，并且会在问题复杂度上升时遇到限制。怀疑者抓住这点，认为规模化已经撞墙，不会通向通用智能。
Casey将这种反应称为“AI自我安慰泡沫”：那些寻找理由来降低对颠覆担忧的人，把这篇论文当成“天赐甘露”。她在语义上的反驳是，任何关注这件事的人都能告诉你，LLM并不会完全像人类大脑那样推理，因此证明这种差异，没有宣传得那么具有启发性。
她在技术层面的反驳是，最难的任务需要的输出token数量超过了受测模型被允许使用的数量。这一限制说明系统无法解决所有问题，但并不能支持更宽泛的结论，即这些系统不真实、没用，或无法实质性影响人们的生活。
Kevin称，这篇论文没有改变他对推理模型的看法，却改变了他对Apple的看法。一家把自己描述为接近前沿的公司，正把高调的智力资源用于证明前沿只是炒作；这反映出与WWDC上所见相同的、尚未解决的制度性怀疑。

11. AI的劳动力冲击，先通过激励机制到来，随后才是自动化

听众Christian Danielson质问那些预测就业将出现“截然不同级别”冲击、却没有任何缓解方案的高管：既然政策还在追赶，政府为什么不能“狠狠地对他们的技术征税”，重新分配高度集中的财富并放慢部署速度？
Kevin提到Sam Altman关于无条件现金的研究，以及Dario Amodei提出的“token tax”，即将部分AI收入用于福利和安全网。他说，多数行业人士还没有走到这一步；Casey则反驳称，负责治理社会的是民选官员，而不是企业，政府早就应当开始准备。
软件工程师Sarah于2022年毕业。她先是因为更廉价的人力失去了第一支团队，随后加入一家家喻户晓的“AI优先”公司；这家公司按照开发者声称有多少代码由AI编写来评估他们，并解雇得分低的人。于是所有人都声称自己的大部分代码由AI编写，而面向拥有2年经验人员的职位几乎消失。
Kevin警告，取消初级岗位和导师制度，会摧毁未来领导者的人才管道。Casey认为，这种衡量方式适得其反：如果高管把被迫做出的说法误认为AI已经完成80%工作的证据，那么由此导致的裁员可能让他们陷入严重困境；与此同时，Sarah担心“新毕业生身后的梯子已经被收走”。

12. 持久的AI采用始于员工，也依赖更广泛的人类技能

一家营收超过1.5亿美元的装修公司的CFO描述了“尴尬的中间状态”：员工会用AI写邮件和招聘启事，却抗拒在财务和人力资源领域进行更深层的改变。他预计未来会由更少的人完成更多工作，也可能替换拒绝适应的员工。
Casey看到了一个持久矛盾：对管理者而言，软件往往比对员工更容易体现价值。Kevin建议自下而上地试验——给员工购买工具，组织黑客松或外出活动，奖励最好的想法；他不接受在以替换员工相威胁的情况下强制追踪使用率，认为这不是“持久转型”的策略。
另一名听众描述了一位“AI成瘾的老板”：这位老板冻结流程类岗位的招聘，同时转发声称常用软件很快会过时的粗制滥造LinkedIn帖子，尽管公司眼下急需增加人手、工具很差，还有隐私风险。Casey给出的纠偏方式是先定义业务目标，再决定人类还是AI是更好的路径。
在Clay，支持团队负责人George Dilthey则通过培养“专家型通才”来应对，让优秀员工轮岗于产品、工程和市场部门。Kevin认为，定制化、高接触的服务以及对客户痛点的直接了解，可以迁移到许多工作中；他还建议高级领导轮流参与客户服务，以理解用户正在经历什么。Casey同意，这些来自一线的经历，正是AI系统无法复现的东西。

本周 AI 你错过了什么（Google、Apple、ChatGPT）E196｜稳定币之战：Circle崛起之路与传统金融入局的新势力角逐