惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

P
Proofpoint News Feed
Microsoft Azure Blog
Microsoft Azure Blog
Jina AI
Jina AI
博客园_首页
宝玉的分享
宝玉的分享
The Cloudflare Blog
钛媒体:引领未来商业与生活新知
钛媒体:引领未来商业与生活新知
量子位
T
Tailwind CSS Blog
雷峰网
雷峰网
Blog — PlanetScale
Blog — PlanetScale
Last Week in AI
Last Week in AI
奇客Solidot–传递最新科技情报
奇客Solidot–传递最新科技情报
Hugging Face - Blog
Hugging Face - Blog
月光博客
月光博客
罗磊的独立博客
F
Fortinet All Blogs
酷 壳 – CoolShell
酷 壳 – CoolShell
Stack Overflow Blog
Stack Overflow Blog
J
Java Code Geeks
V
V2EX
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
The GitHub Blog
The GitHub Blog
Apple Machine Learning Research
Apple Machine Learning Research
博客园 - 聂微东
U
Unit 42
freeCodeCamp Programming Tutorials: Python, JavaScript, Git & More
Cyber Security Advisories - MS-ISAC
Cyber Security Advisories - MS-ISAC
D
Docker
阮一峰的网络日志
阮一峰的网络日志
I
InfoQ
Simon Willison's Weblog
Simon Willison's Weblog
D
DataBreaches.Net
Threat Intelligence Blog | Flashpoint
Threat Intelligence Blog | Flashpoint
I
Intezer
Scott Helme
Scott Helme
B
Blog
M
MIT News - Artificial intelligence
K
Kaspersky official blog
H
Help Net Security
V
Vulnerabilities – Threatpost
C
CXSECURITY Database RSS Feed - CXSecurity.com
Engineering at Meta
Engineering at Meta
博客园 - 【当耐特】
L
Lohrmann on Cybersecurity
P
Privacy & Cybersecurity Law Blog
Project Zero
Project Zero
The Hacker News
The Hacker News
B
Blog RSS Feed
T
Tor Project blog

人人都是产品经理

为什么你的产品找不到差异化?90%的失败都卡在第一步上(下) – 人人都是产品经理, 3年从30万到1300万用户、获2200万美元融资,这个AI教育产品用“抽卡”破解了获客难题 – 人人都是产品经理, 园区招商系统怎么做才能真正帮到去化?我加了这一个功能,推广链接转发400次阅读过万 – 人人都是产品经理, AI大事件:OpenAI发完网络安全模型又搞药物研发,小鹏汽车要抓”DeepSeek时刻” – 人人都是产品经理, 电商不是卖货,是一场更残酷的产品经理实战 – 人人都是产品经理, 没想到,活动营销又回来了! – 人人都是产品经理, 为何All-in海外KOC:一场关于AI时代窗口期的豪赌 – 人人都是产品经理, 重新理解企业的内部协作 – 人人都是产品经理, 苹果的 AI 战略到底是什么? – 人人都是产品经理, 医疗智能体·第2讲——合规护城河:等保、PIPL与HIPAA的架构实战 – 人人都是产品经理, 向量知识库五步法:从“答非所问”到“精准回复” – 人人都是产品经理, 鸿蒙PC三方库构建总指挥HPKBUILD(sha)库为例 – 人人都是产品经理, 何时该用LLM?AI产品经理的LLM设计指南 – 人人都是产品经理, 医疗信息领域的需求方、决策方、准入方以及关注点(二) – 人人都是产品经理, 即梦涨价:一场被误读的「傲慢」 – 人人都是产品经理, 面试AI PM必答题:Hermes和OpenClaw的区别,如何讲清楚业务价值 – 人人都是产品经理, AI的下一张船票:世界模型——AI产品经理必须理解的技术拐点 – 人人都是产品经理, 小红书做GEO,怎么让AI信你?记住这 3 个重要信息 – 人人都是产品经理, 5 家印度 AI 初创公司,看看印度 AI 再做什么 – 人人都是产品经理, AI项目跨团队协作:产品技术业务如何不打架 – 人人都是产品经理, Agentic Workflow(智能体工作流):让AI从”答案生成器”变成”数字员工” – 人人都是产品经理, lycium_plusplus 项目全景解读:OpenHarmony 三方库构建的“大管家” – 人人都是产品经理, 从爆单救火到前置履约:两套预采策略,把生鲜大促履约效率拉满 – 人人都是产品经理, 什么时候该补货?我用一轮数据做了一个决定 – 人人都是产品经理, 从“机械兜底”到“动态分流”:AI客服重复进线治理的4大底层逻辑 – 人人都是产品经理, 抖音拼效率,红书拼洞察 – 人人都是产品经理, 全民狂欢与退潮——为什么龙虾这波热潮冷却得如此之快? – 人人都是产品经理, Stripe押注!MPP重塑全球支付 – 人人都是产品经理, 小红书GEO:AI引用你的内容,不是因为你对,而是因为你看起来可信 – 人人都是产品经理, 前百度副总裁押注办公Agent,日韩付费爆发,Manus迎来强劲对手 – 人人都是产品经理, 企事业单位数字化的业务供需本质 – 人人都是产品经理, 医疗智能体·第1讲——医疗信息化重构:从“辅助软件”到“自主智能体”的范式转移 – 人人都是产品经理, 粉丝量就是空气!!! – 人人都是产品经理, 用户说“薯片碎了”,机器回“要买吗?”:意图识别的翻车与破局 – 人人都是产品经理, RAG召回准确率从75到90 我做对了这三件事 – 人人都是产品经理, AI大事件:Anthropic改收费、OpenAI发安全版、手术机器人纳入医保、阿里发布”秒悟” – 人人都是产品经理, Chrome 推出 Skills 新功能,Agent 重塑上网方式 – 人人都是产品经理, GitHub前创始人拿了a16z的1700万美元,做Agent时代的Git – 人人都是产品经理 拷贝或克隆其他 Flutter OH 项目到本地后无法运行 – 人人都是产品经理, 优惠券设计:优惠券创建 – 人人都是产品经理, 不用死磕文档!AI 助手 1 小时搞定飞书 CLI 安装 + 配置 + 知识库 – 人人都是产品经理, 用小龙虾做竞品分析报告:从2天到20分钟,我是怎么做到的 – 人人都是产品经理 用小龙虾做市场分析报告:搞懂这3个公式,市场规模不再靠猜 – 人人都是产品经理, 你早就在做 Harness 工程,只是不知道它叫这个名字 – 人人都是产品经理, Think Long就够?你可能想多了! – 人人都是产品经理, 货代SRM实战:供应商准入怎么做,才能让资源池不是通讯录而是可交付网络? – 人人都是产品经理, 如何做好用户调研?详解基本技巧 – 人人都是产品经理, 木鸟、途家、美团对打,平台春天行动开“卷” – 人人都是产品经理, 入职才发现公司不靠谱?小红书从业者求职避坑指南 – 人人都是产品经理, 美国 AI 三巨头联手封堵,中国 AI 突围之路在何方 – 人人都是产品经理, 小红书,放在需求对面的镜子 – 人人都是产品经理, AI 会带来大规模失业吗? – 人人都是产品经理, 从出单到补货前,我第一次犹豫:该不该放大? – 人人都是产品经理, Flutter 三方库鸿蒙化适配:5 种高效检查方式,快速判断是否需要适配 – 人人都是产品经理, 从做产品进阶拿结果:医美机构产品经理转岗科室运营经理 – 人人都是产品经理, 阿里HappyHorse,一场关于“Token经济”的阳谋 – 人人都是产品经理, To B AI:客户留存落地的观察与思考 – 人人都是产品经理, AI产品的“生命线”——数据采集、标注、清洗的产品化设计 – 人人都是产品经理, 谈谈AI Agent(二):当“孩子”能自己“体验世界”时,你该学什么? – 人人都是产品经理, UI/UX设计师的3层能力进阶,前两层让你活下来,第三层…才是真正的分水岭 – 人人都是产品经理, 2分钟 → 30秒,效率提升75%:B端产品经理如何用「规则枷锁」驯服AI幻觉? – 人人都是产品经理, 还没来得及学OpenClaw,来了个更猛的:Hermes Agent – 人人都是产品经理, AI日报:宇树机器人跑出10m/s刷新世界纪录 – 人人都是产品经理, 一文说透基金互金如何用情绪价值引导用户决策做转化 – 人人都是产品经理, 当浏览器开始替你”看”网页:AI 浏览器正在亲手拆掉它脚下的那张网 – 人人都是产品经理, 0代码,一天时间我Vibe Coding了个网站 – 人人都是产品经理, Hermes 和 OpenClaw 之争,Agent 的能力应该“装上去”还是“长出来”? – 人人都是产品经理 视频生成的“桌子”,字节Seedance 2掀完,阿里快乐马掀 – 人人都是产品经理, 从听不懂到完全信任:我的 Codex 深度产品体验 – 人人都是产品经理, 当虚拟偶像有了北京户口,与真人偶像还有什么区别? – 人人都是产品经理, 会说,远远比会做更重要 —— 对 SBTI 爆火现象的五层观察 – 人人都是产品经理, AI产品经理必看:当“搭环境”比“选模型”更重要,你的认知还在2024年吗? – 人人都是产品经理, 2026年AI产品商业化核心逻辑:从功能demo到规模化营收的3个必破卡点 – 人人都是产品经理, 京东围绕供应链,卷起裤腿下场的那些事儿 – 人人都是产品经理, SBTI一夜刷屏:它赢在了“太会说人话” – 人人都是产品经理, 折扣零售的真相:不是便宜,而是价值感! – 人人都是产品经理, 和甲方吵了一架,最后加钱做了——我学到的ToB产品经理生存法则 – 人人都是产品经理, 和几位小红书操盘手聊了8小时,干货全在这 – 人人都是产品经理, 智谱GLM-5.1登场,开源模型首超Opus4.6!!! – 人人都是产品经理 Anthropic收入凭什么反超OpenAI,终于有人把这事说清楚了 – 人人都是产品经理, 史上最有故事感的技术报告——Claude最强模型Mythos 7个极其精彩的细节 – 人人都是产品经理, 模型不是壁垒,Harness 也不是 – 人人都是产品经理, 抖音本地生活业务思考21 – 人人都是产品经理, Superpowers:145k Star的AI编码框架,到底是什么来头? Superpowers:145k Star的AI编码框架,到底是什么来头? – 人人都是产品经理, OpenAI 的路走错了,Anthropic Harness 解法启示:模型需要实践专科生 – 人人都是产品经理, 画原型图的前一步:设计站点地图 – 人人都是产品经理, 给 DeepSeek 的最后一封催更信 – 人人都是产品经理, 手把手教你用 Claude Code 搭建 AI 营销团队:5 个 Agent、12 项技能,独立完成研究、写作、设计全流程 – 人人都是产品经理, 你以为大模型在学语言?不,它在重新发明语言学 – 人人都是产品经理 所谓Skill,不过是AI时代的工业垃圾 – 人人都是产品经理, 聊一聊内容传播的几个方法 – 人人都是产品经理, 当平台开始吃掉生态:从 OpenClaw 被封杀,读懂 Anthropic 的这盘棋 – 人人都是产品经理, 你装了 10 个 AI 插件,Obsidian 还是一个文件夹 – 人人都是产品经理 关于AI智能体架构演进的系统性思考:从单体试水到多体协同的重构 – 人人都是产品经理, 当“人”变成Skill,我们又该何去何从? – 人人都是产品经理 Mythos 事件:前沿 AI 治理的意外实验 – 人人都是产品经理, 货代CRM:信用与风险管理怎么做,才能把坏账风险拦在放货之前? – 人人都是产品经理, 从HR收集自拍照到员工自助录入——我见证了园区人脸识别从”不可用”到”真好用”的全过程 – 人人都是产品经理 千问闯关AI混沌期:阿里画靶,吴嘉张弓,马云射箭? – 人人都是产品经理,
深度|扎克伯格最新对谈:Llama 3.1 比 GPT4 成本低 50%!​未来企业拥有 AI Agent 数量或超地球总人口
有新Newin · 2024-07-25 · via 人人都是产品经理

从 Llama 3.1 的发布到对未来 AI 助手的展望,扎克伯格不仅展示了 Meta 的技术实力,更描绘了一个由 AI 驱动的全新商业生态。正如他所说:“开源 AI 将成为行业标准。”让我们一起探索这场对话中的洞见,感受 AI 技术如何塑造我们的未来。

7 月 23 日,Meta CEO 马克·扎克伯格与科技评论家 Rowan Cheuang 深入探讨了开源 AI 的未来及其对社会和商业的深远影响。

扎克伯格强调,开源 AI 不仅是确保 AI 未来发展的关键,也是提升全球生产力和创造力的重要工具。

他认为,开源模型将使 AI 技术更安全、更透明,并加速其在各个领域的应用。Meta 通过发布 Llama-3.1 等开源模型,致力于建立一个更开放、更具创新力的 AI 生态系统。

Meta 的目标是在今年年底前使其 AI 助手成为全球使用最广泛的 AI 助手。通过提供免费且易于使用的先进模型,Meta 还希望每个创作者和小企业都能轻松创建自己的AI Agent,提升客户服务和业务沟通的效率。

扎克伯格将当前对 AI 的怀疑态度与 20 世纪 90 年代对互联网的怀疑态度相提并论。他认为,随着时间的推移,AI 技术将被越来越多的人接受和认可。开源方法将有助于确保 AI 技术的广泛应用,使更多人从中受益,从而减少对AI的恐惧和反对。

此外,Meta 不仅关注技术的开发,还重视将其整合到实际产品中,以便用户能从中受益。扎克伯格透露,Meta 未来的商业模式将侧重于构建最好的产品,而不是通过销售模型本身来赚钱。通过开放生态系统,Meta 希望推动更多企业和开发者参与进来,共同推动 AI 技术的进步。

他还认为,AI 技术有潜力显著提升全球的经济增长和生产力。开源 AI 将使更多国家、企业和个人能够利用最先进的技术,促进全球创新和经济发展。

以下为这场对话的全部内容,enjoy~

Mark Zuckerberg

我们第一次发布了一个具有 4050 亿参数的模型,这是迄今为止最复杂的开源模型,这是任何人所发布的最先进的开源模型。

Rowan Cheung

我有点震惊于你直接批评 Apple 及其封闭的方式。你能否详细讲述一下 Apple 在什么地方阻碍了 Meta ?

Mark Zuckerberg

是的,当你构建了一些你认为对社区有益的功能,但被告知你不能发布它们,因为某家公司想把你限制在一个框架内以便更好地与你竞争时,这是有点令人沮丧的。

Rowan Cheung

你能否谈谈你对 AI 的长期愿景以及未来可能会发生的事情?好吧,马克,非常感谢你做这个访谈。显然,今天 Meta 发布了重大的 AI 公告。你能否概述一下所有发布的内容以及为什么它们很重要?当然,没问题。

Mark Zuckerberg

今天的大新闻是 Llama-3.1 的发布,我们推出了三个模型。我们第一次发布了一个具有 4050 亿参数的模型,这是迄今为止最复杂的开源模型,这是任何人所发布的最先进的开源模型。

在某些领域,它甚至超越了一些领先的封闭模型。所以,我非常期待看到人们如何使用它,特别是现在我们制定了社区政策,允许人们将其用作教师模型来进行蒸馏和微调,基本上可以创建他们想要的任何其他模型。

除此之外,我们还将 4050 亿参数的模型进行了蒸馏,制作了更新的并且现在在其尺寸上处于领先地位的 7000~8000 亿参数模型。它们也具有非常好的性能和成本效益比。

所以,我非常期待看到大家如何使用这些模型。从整体上看,这是开源 AI 的一个重要时刻。我一直认为开源 AI 将成为行业标准,它会遵循类似于 Linux 的发展路径。

在 Linux 流行之前,有很多公司都有自己封闭版本的 Unix。当时,没有任何开源项目能达到这种复杂程度,人们认为封闭的开发模式是唯一可行的方法。

但最初, Linux 取得了一定的立足点,因为它更便宜,开发者可以以不同的方式定制它。随着生态系统的发展,它得到了更多的关注,因此实际上变得更加安全,功能也更强大。越来越多的合作伙伴为其构建了更多的功能,这使其比任何封闭的Unix系统都更具能力。

所以,今天 Llama-3.1 的发布是一个类似的转折点, Llama 有机会成为开源 AI 的标准,使开源成为 AI 的行业标准。

即使在性能上还未完全领先,但在成本、可定制性以及可以拿来微调和进行各种操作的能力方面,它都有巨大的优势。开发者会充分利用这些优势,我们专注于构建这个生态系统,围绕它可以开发出各种不同的能力。所以,我很高兴能讨论这些内容。

Rowan Cheung

是的,我看到了所有的基准测试结果,确实令人难以置信。这是首个具有 4050 亿参数的开源前沿模型。你对人们用这个模型构建的任何具体现实世界的用例特别感兴趣吗?

Mark Zuckerberg

我最感兴趣的是看到人们用它来蒸馏和微调自己的模型。正如你所说,这是第一个开源的前沿级模型,但它不是第一个前沿级模型。所以,已经有其他具有这种能力的模型,人们会希望直接在 4050 亿参数的模型上进行推理,因为据我们的估计,这样做的成本将比 GPT-4 低 50% 左右。

这对很多人来说显然是一个很大的差异。但这世界上真正新的东西是因为它是开源的,人们可以将模型蒸馏到任何他们想要的大小,用于合成数据生成,作为教师模型使用。

所以,我们对未来的愿景并不是说会有一个单一的东西。OpenAI 有一种愿景,他们会构建一个大 AI ,Anthropic 也有类似的愿景, Google 也是。但这从来不是我们的愿景。我们的愿景是应该有很多不同的模型。

每个创业公司、每个企业、每个政府都希望拥有自己的定制模型。而当封闭生态系统比开源系统好得多时,使用现成的封闭系统是更好的选择,因为即使你可以定制开源系统,性能之间仍然存在一些差距。但现在我们不再看到这种情况。

现在,开源基本上弥合了这一差距。你会看到模型的广泛扩散,人们现在有动力去定制和构建并训练适合他们需求的模型,将他们的数据训练到模型中。

因为像 Amazon 通过 AWS 或者 Databricks 这样的公司提供的一整套服务用于蒸馏和微调开源模型。我们与这些合作伙伴进行了很多特定的工作以实现这一目标。同时,还会有像  Grok 这样的公司,他们在超低延迟推理方面做了非常有趣的工作。

我非常期待将其交到他们手中,他们正在为推出而构建一些东西,这也将实现这一点。然后,还有一整套企业公司,像 Dell、Scale. AI 、Deloitte 或 Accenture,他们与世界各地的企业合作进行技术部署。

这些公司会帮助构建定制模型,无论是大型企业还是政府,很多公司希望拥有一个可以训练其定制数据的模型。但很多公司不想通过API将他们的数据发送到 Google 或 OpenAI 。这并不是因为这些公司有特别的隐私问题,而是出于类似于人们喜欢加密和 WhatsApp 的原因。

人们希望拥有一种设计上安全的架构,他们的数据可以保存在他们自己手中。会有一个围绕这些构建的完整市场。所以,我对所有这些都感到非常兴奋。但这次我们采取了更积极的立场,帮助构建生态系统,因为这是它增长并为每个人创造更大价值的方式。

Rowan Cheung

是的,这确实是一个大事。你们是如何教育开发者使用这些工具的?更广泛地说, Meta 是否有计划或策略来教育世界其他地方关于开源的重要性?

Mark Zuckerberg

是的,在 Llama-3.1 之前,我们的做法主要是这样的。Meta 投资于此的根本原因是我们希望确保我们可以获得领先的模型。由于我们在移动互联网历史上的一些经验,我们不希望处于必须依赖某个竞争对手提供这种基础技术的地位。所以我们为自己构建了它。

在 Llama-3.1 之前,我们本能地认为,如果我们将其开源,就会有一个社区围绕它成长,并实际上扩展其能力,使其对包括我们在内的每个人都更有价值。因为最终,这不仅仅是一项技术,它是一个生态系统。为了使它对我们来说成为一个有用的东西,必须有一个广泛的生态系统。

在 Llama-3.1 中,我们看到的一个重大变化是,我们不仅仅是为自己构建它,然后将其发布给开发者使用,这次我们采取了更加积极的立场,建立合作伙伴关系,确保有一个公司生态系统可以用模型做有趣的事情,并以我们不会做的方式服务开发者。我们不是公共云服务提供商,对吧?开发者市场不会来找我们构建他们的东西。但我们希望确保所有这些公共云都能够很好地进行这项工作。

这包括一些更基本的功能,比如托管模型和提供推理服务。但我们也希望确保一些新的功能能够实现,比如蒸馏和微调,因为这些在封闭模型中不太可能实现。所以我们必须与这些合作伙伴进行特定的工作来实现这一目标。同时,也会有一些公司,如 Grok ,他们在超低延迟推理方面做了非常有趣的工作。

我对 AI 的担忧实际上不是 Apple ,而是其他公司,担心这种封闭生态系统的发展。在某种程度上,我并不是在说他们是坏人,而是这种系统的物理和激励结构会推动你去限制某些事情。

如果生态系统像网络一样开发,但更加强大,它会更健康。因为在移动互联网的发展过程中,封闭模式获胜了, Apple 获得了最多的收益,虽然可能有更多的安卓手机,但 Apple 几乎获取了移动电话市场的所有利润。这存在一定的近期偏见,因为这些是长期的周期。

iPhone 于 2007 年推出,我们已经接近 20 年了,这是一个漫长的周期,但人们很容易忘记封闭模式并不总是获胜。如果回到 PC 时代,尽管很多人,尤其是使用 Linux 类比的人,可能不认为 Windows 是完全开放的,但相比 Apple 将操作系统与设备捆绑的方式,Windows 的开放生态系统更胜一筹。

我的希望是,下一代平台,包括 AI 和我们在增强和虚拟现实方面的工作, Meta 希望站在建立开放生态系统的一边。我们不仅希望建立一个封闭生态系统的替代品,还希望恢复行业状态,使开放生态系统成为领导者。

这是可能的,我们在  AI 、AR 和 VR 方面都在取得良好的进展。但这也是我个人和哲学上的一个关注点,因为我感受到的创造力限制在过去 10~15 年间是由于移动互联网封闭模式的发展。

我不想深入讨论这个点,但这确实是一个重要的议题。我们现在有了 Llama-3.1 的 4050 亿参数模型,它在一些关键基准测试中与最好的封闭模型竞争,甚至超过了一些封闭模型,这本身就很惊人。

Rowan Cheung

但在你的信中还提到, Llama-4 有望成为行业中最先进的模型。你对 Llama-4 有什么特别兴奋的地方吗?

Mark Zuckerberg

我们刚刚发布了 Llama-3.1 ,可能谈 Llama-4 还为时过早。我们已经建立了计算集群,准备了大量的数据,对架构有了一个大致的概念,并进行了大量的研究实验来最大化其性能。所以我确实认为 Llama-4 将是 Llama-3 的又一次大跃进。我们还有很多进展可以取得。

这是 Llama 的首次发布,还有很多我想做的事情,包括推出多模态模型,我们在这一点上遇到了一些不幸的挫折,但我们将在未来几个月内推出它们,尤其是在欧盟以外的地方。

现在谈 Llama-4 可能有点早,但它肯定会很棒。管理公司时,计划计算集群和数据轨迹不仅仅是针对 Llama-4 ,而是未来四五个版本的 Llama ,这确实是件有趣的事情。因为这些都是需要长期投资的事情,建设数据中心、配套的电力、芯片架构和网络架构等。

这个回答可能有点含糊,只是表达了一些一般的兴奋。但 Llama-3.1 至少应该有一周的时间让我们消化一下发布的内容,然后再谈未来。

Rowan Cheung

接下来的几周将是疯狂的,只因为 3.1 的发布。但听到 Meta 已经在为 Llama-4 做准备,仍然令人兴奋。在这个方面,你能否多谈谈你对 AI 的长期愿景以及未来可能会发生的事情?

Mark Zuckerberg

是的,我很高兴从技术和产品的角度来谈论这个问题,但既然我们已经谈论了很多模型方面的内容,那我就先从产品开始吧。我们的愿景是,应该有许多不同的 AI 和 AI 服务,而不仅仅是单一的 AI ,这也确实影响了我们的开源方法,并影响了我们的产品路线图。

Meta AI 目前表现相当不错,我的目标是在今年年底前使它成为世界上使用最广泛的 AI 助手,我们很有希望在几个月内达到这一里程碑。而且我们有能力和商业模式来构建世界上最先进的模型,并向所有人免费提供,这是一个巨大的优势。我们的所有应用程序都非常容易使用,所以我对目前的进展感到非常兴奋。这是我们所拥有的基本助手,这将是一件大事。

但更重要的是,我们的重点是让每个创作者和每个小企业都能创建自己的 AI Agent,使每个人都能在我们的平台上创建他们想要的 AI Agent。

如果你想想看,这些都是巨大的市场。世界上有数亿的小企业,非常重要的一点是,通过相对少量的工作,一个企业可以通过几次点击就能创建一个 AI Agent来进行客户支持、销售,并与所有客户沟通。

未来每个企业都会像现在有电子邮件地址、网站和社交媒体一样,拥有一个他们的客户可以交流的 AI Agent。

我们希望为这些企业实现这一点,这将会是数亿甚至数十亿的小企业 Agent。对于创作者来说也是同样的道理,我们的平台上有超过 2 亿人自认为是创作者,他们主要利用我们的平台来建立社区、发布内容,感觉这就像是他们工作的一部分。他们都有一个基本问题,就是一天的时间不够用,无法与他们的社区进行足够的互动。

同样,他们的社区通常希望能有更多的互动时间,但时间总是不够用。这将是一个巨大的突破,基本上每个创作者都可以从社交媒体上获取所有信息,训练这些系统以反映他们的价值观和业务目标,然后人们可以与之互动。这几乎就像是创作者创作的一个艺术品,人们可以以不同的方式与之互动。

这还不包括所有其他人将能够为自己创建不同的 AI Agent来做不同的事情。所以我们将生活在一个拥有数亿甚至数十亿不同 AI Agent的世界里,可能最终 AI Agent 的数量会超过世界上的人口,人们将以各种不同的方式与它们互动。这是产品愿景的一部分,显然其中有很多商业机会,这是我们希望赚钱的地方。

我们不会通过销售模型本身来赚钱,因为我们不是公共云公司。我们将通过构建最好的产品来赚钱,最好的产品的重要组成部分是拥有最好的模型,而围绕开源建立最好的生态系统将帮助我们做到这一点。这就是为什么所有这些都对我们来说是一致的,也是为什么这对我们构建高质量产品并取得最佳商业结果非常有价值。但这也是为什么这在哲学上是一致的。我

们不相信会有一个单一的 AI 产品或模型,每个人都使用。我们根本上相信拥有多样化的模型集,每个企业和个人都将希望拥有他们自己的东西,这将是非常有趣的,这也是让这个事情有趣的原因之一。

Rowan Cheung

是的,看到 Meta 将技术直接整合到产品中,并且向数十亿用户免费提供前沿 AI 模型,这是一个巨大的突破。在这个基础上,我有一个关于怀疑态度的最后一个问题。

在 20 世纪 90 年代,对互联网的怀疑态度无处不在,但最终反对它变得几乎是不合理的。现在关于 AI 的怀疑态度似乎也在经历类似的轨迹。你认为我们正处于这一早期阶段,并且会有一个时刻反对 AI 的态度会像今天反对互联网一样被视为不合理吗?你认为哪些因素将是改变这种看法的关键?

Mark Zuckerberg

人们有不同的方式来担忧某件事。我很清楚的是,互联网在成功之前经历了一次大泡沫破灭,所以所有对互联网持长远观点的人最终都是对的,但有时候事情的发展比你预期的要慢,你需要有信心坚持下去。这是我意识到的一点,因为我对 Llama-3 以及 Llama-4 、 Llama-5将带来的所有解锁感到非常兴奋,这将转化为更好的产品。

但现实是,很难提前知道某件事什么时候足够好,可以让数十亿人使用,然后准备好成为一个大生意。我们现在都在投入大量的资本来训练这些模型,所以人们可能会在相当长的一段时间内亏钱,但我不知道,也许这一切会更快发生,这很难说。

你更关心的是人们对其生计的担忧。在这方面,这也是开源方法、许多不同的个性化和定制化模型的重要原因之一。如果这一发展仅仅是由少数公司构建产品并从中受益,而人们只使用这些产品,虽然可能他们喜欢与 AI 助手交谈,这对他们有价值,但如果这没有在某种程度上帮助提升所有人的生活水平,那么最终会出现反弹。

在 Web 2.0 的发展过程中,我花了一些时间思考,在 AI 、AR 和 VR 等下一代技术中,如何不仅创建一个繁荣的产品集和经济生产力增长,还如何创建一个更好、更可持续的政治经济环境,让更多人感到他们从中受益并支持这一系统。

我们在社交媒体方面做得相对不错,但从世界的一些反馈和回应来看,在 AI 和其他新技术方面,我们需要做得更好,以缓解人们对这些技术对他们生计、工作和生活影响的担忧。

本文由人人都是产品经理作者【江天 Tim】,微信公众号:【有新Newin】,原创/授权 发布于人人都是产品经理,未经许可,禁止转载。

题图来自采访截图