Mark Zuckerberg
前沿洞察
扎克伯格正将生命科学重构为“AI+数据飞轮”的工程学基建：以开源生态（如ESM、CELLxGENE）为杠杆，通过超万卡算力与湿实验室协同，将十亿级细胞及蛋白质数据固化为虚拟细胞模型，弥补传统科研断层。其关键警示在于：虚拟模拟向临床疗法跨越难度极大，海量基建投入若无法打通湿实验闭环与临床转化，算力飞轮或将沦为悬空试验。
观点集合
Mark Zuckerberg：Meta 的 Muse AI agent 如何让人们赚钱
Meta推出Muse这一全天候、目标驱动的个人agent，每周提供约1亿免费tokens，并计划通过向商家收取交易小额分成实现变现。机密虚拟机、专用模型和未来的全体agent学习可能构成差异化，但Watermelon发布及Muse Spark 1.3落后Claude Fable 5.1和Opus 5的表现仍是关键观察点。
查看摘要（8段）
- Meta 正在推出 Muse，这是一个长时运行的个人 agent，Zuckerberg 将其定位为“个人超级智能”理念最完整的体现。 与一问一答式聊天机器人不同，Muse 运行在云端虚拟机上，接收的是目标而非提示词，能够“7×24 小时”工作、通过整合反思“夜间学习”并写入记忆，还会主动建议新项目；重要模型大约每月更新一次。
- 其商业模式刻意采取激进路线：每周免费提供约1亿 tokens，外加虚拟机，之后从交易中收取“一小部分”费用，费用可能由商家而非用户承担。 Zuckerberg 的明确判断是：“我们认为，这个东西真的会帮你赚钱、帮你省钱，这就是它自我支付成本的方式”——如果要为所有人构建这样的未来，免费使用“至关重要”。
- 模型路线方面，Muse Spark 1.3 基于一款相对更小、代号为 Avocado 的预训练模型。 Heath 引用 Artificial Analysis 最近的一张图表，称他认为 Muse Spark 排在 Claude 的 Fable 5.1 和 Opus 5 之后。Zuckerberg 表示，更大的 Watermelon 很快发布，而俄亥俄州的 GW 级 Prometheus 集群正在扩容，以支持 Watermelon 之后的模型。
- Zuckerberg 将隐私描述为一项差异化能力：架构采用机密虚拟机，并由 Signal 创始人 Moxie Marlinspike 参与打造；Zuckerberg 与 Nat 亲自招募了他，而他曾在2014年参与构建 WhatsApp 加密，因此“连 Meta 也看不到内容”——这一承诺在技术上可以验证。 其上还叠加了监控提示词注入的 Sentinel agents、支付和登录的人在回路审批、安全凭证库以及最小权限连接器。“我不知道还有谁接近这一水平。”
- 这份宣言的核心，是反对硅谷限制访问的共识：“我个人更担心的是，少数实验室或少数人控制如此强大的东西。” 他的3项原则是：赋能推动繁荣；AI 的目的在于发明而非自动化；安全来自制衡；他最有力的证据是 Hugging Face 遭入侵事件——防守方因为无法访问部分闭源模型，转而使用开源模型。
- 个人 agent 市场不会赢家通吃，但 Zuckerberg 猜测，真正能做到 state-of-the-art 的公司不会超过12家，而最强者将通过幂律获得大量使用量。 Meta 声称的优势包括从底层设计模型（包括对“discretion”的重视）、社交基因，以及未来可能实现的全体 agent 互动和学习——“目前行业大多数人仍把 agent 当成单人游戏”；此外还有最终触达“数十亿人”的分发能力。Zuckerberg 表示，大多数 agent 之间的互动不会在本次版本中推出。
- 谈到数据中心引发的反弹，他区分了运营数十年的长期主义者与买下场地再转手的投机者，并提到路易斯安那州的税收曾用于支付5万美元教师奖金，以及一所为受训技工保证就业的劳动力学院。 他不愿称之为泡沫——“这意味着它被高估了……但繁荣肯定存在”——并认为，如果 AI 不能创造广泛共享的繁荣，“它实际上就不可能发生”。
- 谈到治理，他强调要与美国政府保持紧密合作，而不是依赖几个月后就可能“过时”的僵化框架，包括确保政府知悉重要的训练运行。 青少年安全和解被描述为一种具有法律约束力的行业机制：Meta 先单方面限制青少年使用，等 YouTube 和 TikTok 签署相同条款后再锁定下一步——“率先行动，确实让我们承担了一些风险”。
Mark Zuckerberg 与 Priscilla Chan：AI 将如何治愈所有疾病
Biohub将共享工具、开放生物数据和虚拟细胞模型视为加速治愈疾病的最高杠杆，CELLxGENE的社区贡献已超过CZI出资，并形成实验到模型的数据飞轮。下一催化剂是将共享算力从约1,000张GPU扩展至10,000张左右；关键不确定性在于方向性模拟能否转化为疗法，以及1亿至10亿美元、持续10–15年的基础设施投入能否扩大科学采用。
查看摘要（7段）
Biohub 的核心判断是，共享科学工具——而不是再发一轮小额资助——才是加速治愈疾病的最高杠杆。 Mark Zuckerberg 表示，重大突破通常伴随着观察现象的新方法，但成像系统、虚拟细胞模型等工具，可能需要在10–15年内投入1亿美元至10亿美元。「我们不会治愈所有疾病」；Biohub 的策略是帮助科学界做到这一点。
只有当前沿模型与前沿生物学形成闭环数据飞轮，AI 才会真正改变时间表。 Biohub 计划围绕模型的盲区设计实验和仪器，生成专门数据，重新训练模型，再重复这一过程。这也弥合了两种截然不同的文化判断：生物学家认为治愈疾病「雄心大得近乎疯狂」，而 AI 研究者认为这「有点无聊——这件事本来就会自动发生」。
CELLxGENE 说明，开放基础设施可以形成超越最初出资方的网络效应。 它最初是为了解决细胞注释瓶颈，后来统一了单细胞实验室之间的格式和元数据；CZI 只为这一共享资源提供了25%的资金，整个社区贡献了75%。Vineeta Agarwala 的概括是：「为注释而来，因虚拟细胞模型留下」（Come for the annotation, stay for the virtual cell model）。
在昂贵的湿实验开始之前，虚拟细胞可能先扩大生物科技可承受的风险预算。 Vineeta Agarwala 认为，即便只能给出方向性预测，研究人员也可以先在计算机中检验更大胆的假设，不必拿数年的工作、论文或终身教职冒险。Zuckerberg 将这一模型比作「新的果蝇」，并表示不需要完美模拟；方向性信号同样可能有用。目标是建立与人类相关的模型，同时接受这一准则：「所有模型都是错的，但有些模型有用」。
这里所说的精准医疗，是把常见疾病视为一组分别罕见的生物学问题。 Chan 的表述非常明确：「大多数疾病都应该被视为罕见病」，因为今天对高血压和抑郁症的治疗仍高度依赖试错。若能把突变与下游细胞、蛋白表达、药物靶点以及预测的脱靶效应连接起来，就有望实现更精准的诊断和治疗。
CZI 正将慈善事业集中到一个统一运营的 Biohub，以整合 AI、数据生成和生物学研究。 EvolutionaryScale 的研究人员此前在 Meta 从事蛋白质折叠模型研究，如今将加入 Biohub；其负责人也将负责更广泛的科学项目。Chan 表示：「Biohub 确实将成为我们慈善事业的主线」，教育和本地社区工作仍会继续。他们并未将集中化描述为所有科学研究的模式；去中心化工作和外部实验室依然重要。
下一轮实验室扩张将发生在计算领域：Biohub 计划从大约1,000张 GPU 增加到10,000张左右。 外部科学家可以申请使用这部分算力，研究那些单个实验室仅有几十张 GPU、无法处理的问题。正如 Zuckerberg 所说：「GPU 在某种程度上是零和的，数据不是。」
Mark Zuckerberg——18个月内，AI将编写Meta大部分代码
Zuckerberg预计未来12—18个月内，AI智能体将编写Meta人工智能业务所需的大部分代码，并能自主测试、发现问题和改进。但算力、审批、能源和测试容量仍是关键瓶颈；Llama 4的单位智能成本与多模态优势，仍面临中国数据中心建设速度更快的风险。
查看摘要（8段）
- 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。”