Meta 为什么认为开放 AI 基础设施有利于自身业务

摘要

30 秒看懂

在这段 2024 年 2 月的视频中，Matthew Berman 重新审视 Meta 对开放软件的贡献，并回顾 Mark Zuckerberg 对公司 AI 战略的解释。他重点讨论了社区审查、行业标准、人才招聘，以及专有数据和产品集成的作用。 Zuckerberg 将通用智能描述为长期目标，并谈到负责任地开放它；视频中对 AGI 将会开放的笃定预测并非已经确定的结果。Llama 2 采用含有限制条件的社区许可证发布，与许多传统开源软件项目所用的获认可许可证不同。

1长期目标，不是已完成的发布Zuckerberg 表示 Meta 的目标是构建通用智能并负责任地将其开源。这并不保证未来一定会发布 AGI，也没有保证其发布条款。
2社区审查Zuckerberg 认为外部反馈可以改善安全性、信息安全和计算效率。这些是潜在收益，并非自动得到的保证。
3标准与招聘Meta 期待广泛采用的技术栈让外部创新更容易整合进产品，并帮助公司招募开发者和研究人员。
4共享基础设施，保留专有产品Zuckerberg 表示，即使共享通用基础设施，独有数据和产品集成仍能保持 Meta 的差异化优势。
5更长的软件贡献历史Berman 提到 React、PyTorch、GraphQL 等项目，以更全面地评估 Meta 的贡献。

要点建议

Zuckerberg 将通用智能和负责任的开放列为长期目标，而非 Meta 已经实现 AGI 的证明。
Meta 认为，社区反馈可以改进模型并降低计算成本。
广泛采用共享技术栈有助于 Meta 整合外部创新并吸引研究人员。
Meta 还期待专有数据和产品集成提供差异化优势。
Meta 曾为 React、PyTorch 和 GraphQL 等项目作出贡献，但模型许可证与软件许可证有所不同。

主题Open Source Open-weight models AI Strategy 通用人工智能 Developer productivity

全文

按章节阅读整理后的全文

对照原始文稿

只看原始文稿

重新审视 Meta 的历史

Berman 表示，他低估了 Meta 早期对开放软件的贡献。Zuckerberg 的一段视频将通用智能和负责任的开放描述为长期目标。

最近我一直在称赞 Meta 分享 AI 工作，但一位观众促使我进一步回顾它的历史。我此前没有充分认可这家公司早期对开放软件的贡献。在这段 2024 年 2 月的视频中，我回顾 Mark Zuckerberg 对这一战略的解释，并看看其中一些项目。

在一段视频中，Zuckerberg 将 Meta 的长期目标描述为构建通用智能、负责任地将其开源，并让它对人们有用。这是一项目标，并不能证明 Meta 已经实现 AGI，也不是对未来任何发布作出的无条件保证。在更早的公开讲话中，Zuckerberg 表示，如果系统接近超级智能，Meta 可能会重新考虑其做法。

共享基础设施的商业理由

Berman 回顾 Zuckerberg 关于审查、效率、采用和招聘的观点。Meta 还期待专有数据和产品集成带来优势。

幻灯片 1 / 3Zuckerberg 对共享 AI 基础设施的商业论证画面中的财报电话会议摘录列出了 Meta 认为社区反馈、行业标准和人才招聘带来的战略收益。

接下来我看 Zuckerberg 在 Meta 2023 年第四季度财报电话会议上的发言，PyTorch 联合创作者 Soumith Chintala 曾在一则帖子中强调这段内容。Zuckerberg 表示，分享耗资巨大的研究成果可以通过外部意见改进模型，而将模型转化为产品仍需大量工作，这给公司留下了实现差异化的空间。

他的第一个论点是，社区的审查、反馈和开发可以让软件更安全、更可靠、更高效。我同意，大型社区能够发现较小的内部团队可能遗漏的问题，并提交修复方案。开放可以让外界进行审查，但实际的安全和信息安全取决于审查、资源和部署情况，并不会自动得到保证。

Zuckerberg 的第二个论点是，共享软件可以成为行业标准。如果其他人基于 Meta 的技术栈开发，公司就能更容易地整合更广泛生态中的创新。我想到 Linux、Python 和 Firefox 等成熟例子，它们说明广泛采用的开放项目如何支持庞大的社区；这些只是例子，并非 Meta 的产品。

他的第三个理由是招聘：开发者和研究人员可能希望自己的工作得到广泛使用，并通过协作不断改进。我觉得这一点很有吸引力，因为它让公司的商业利益与工程师分享和完善工作的愿望保持一致。Zuckerberg 认为，在新技术领域竞争时，吸引优秀人才十分重要。

Meta 的论证也依赖于在其他方面保持优势。Zuckerberg 表示，即使共享 Llama 等通用基础设施，独有数据和产品集成仍能让 Meta 的服务与众不同。他描述的是共享基础设施、保留具体产品实现的战略；这并不意味着所有用户数据都会公开，也不意味着未来每个模型都会发布。

Llama 之外的项目

视频梳理了与 Meta 相关的软件和研究项目。Berman 最后表达了对当时仍在训练的 Llama 3 的期待。

一条回复列出了与 Meta 相关的项目，包括 React、PyTorch、React Native、GraphQL、Jest、Flow、Yarn、Hermes、FBT、Prophet 和 Cassandra。我此前过于聚焦 Llama，低估了这段更广泛的历史。清单还提到了 Mercurial，这是 Meta 使用并参与贡献的版本控制系统，并非由 Meta 最初创建。

Meta 的开源目录还包含更多项目和研究资源。我向下浏览 Segment Anything、Detectron 和 AudioCraft 等项目；我曾介绍过 AudioCraft 这一文本生成音频工具。不同项目的许可证和发布内容各不相同，因此不能把整个目录理解为一套统一的授权条件。

幻灯片 3 / 3Meta 开源项目目录目录展示了发布条款各不相同的软件和研究项目。

我还注意到 Apple 正在发布 AI 论文和项目，不过这些例子并不能证明是 Meta 促成了这一变化。我期待 Llama 3，Zuckerberg 表示该模型当时正在训练。Meta 将 Llama 2 称为开源，但其社区许可证包含限制条件；开放源代码促进会并不认为该许可证符合开源定义。未来是否会实现或发布 AGI，仍是一个悬而未决的问题。