30 秒看懂
扎克伯格在与 Jacklyn Dallas 的访谈中说，Meta 的 Muse 被设计成能为用户目标采取行动的智能体，而不只是回答一次问题的聊天机器人。他表示，Meta 训练它谨慎处理隐私，并为每个智能体提供虚拟机和独立的安全智能体；一个更注重保密的版本仍在开发中。他也说，Llama 4 偏离了 Meta 的预期轨迹，因此公司重组为更小的研究团队。他认为大规模计算可能进一步推动 AI，并预计模拟技术能加快生物学研究；他把治愈所有疾病描述为未来目标，而非已经取得的成果。
- 1家中搭建的智能体启发了一款面向普通用户的产品扎克伯格说，早期在家使用智能体的经历让他相信，如果用户不必自行安装和调试，这类产品可能惠及数十亿人。
- 2个人智能体需要知道什么信息不该透露他以预订餐厅为例：智能体需要完成任务，同时保护用户敏感的健康信息。他说 Meta 为此训练了模型的谨慎能力。
- 3安全智能体监控 Muse 的操作扎克伯格介绍了安全虚拟机、凭据存储和独立的 Sentinel 智能体。旨在阻止 Meta 自身访问内容的保密虚拟机当时仍在开发。
- 4AI 比平价全息技术先到来，出乎他的预料扎克伯格说，Meta 把眼镜研发的大部分精力转向 AI 功能，同时继续开发逼真的虚拟形象。
- 5Llama 4 的表现促使研究团队重组他说，自己曾按大型推荐和广告团队的模式组建团队，后来认为语言模型研究需要更小、协作更紧密的团队。
- 6扎克伯格预计虚拟细胞将加快疾病研究他预测 AI 模拟能支持更多实验，让治愈、预防或控制疾病的目标更近一步，但没有给出确切时间。
- 7他认为扩大算力大有潜力，但对齐至关重要扎克伯格认为大型计算集群可能带来接近 AGI 的系统，同时承认工程挑战仍然存在。他说，模型需要训练边界和用户反馈，才能按用户意图行事。
要点建议
- 扎克伯格说，个人智能体需要懂得谨慎：完成任务时，不应泄露它知道的所有敏感信息。
- 他描述了 Muse 的安全虚拟机和安全智能体；Meta 自身也无法访问内容的保密版本仍在开发中。
- Llama 4 偏离预期轨迹后，扎克伯格将模型研究重组为规模更小的团队。
- 扎克伯格认为扩大计算规模可能带来更强大的 AI，但工程和对齐问题仍待解决。
- 他认为 AI 模拟能让治愈所有疾病的目标提前实现，这是预测，而非临床结果。
按章节阅读整理后的全文
从家庭智能体实验到 Muse
扎克伯格回顾 Meta 的 AI 工作，并讲述早期使用智能体的经历如何让他决定面向更广泛的人群开发产品。他说 Muse 上线不久便获得数百万用户。
Jacklyn Dallas 介绍了扎克伯格，并问 Meta 长期押注的 AI、智能眼镜和虚拟世界如何结合。扎克伯格说，公司从早期 News Feed 开始就使用机器学习，后来又建立了 AI 研究实验室。
他说，Meta Superintelligence Labs 汇集了来自业界各处的人才，代表公司研究工作的一次重新启动。Meta 正在准备下一代模型，并已推出个人智能体 Muse。
扎克伯格说，他曾在家尝试搭建类似 OpenClaw 的系统。这段经历让他认为，如果个人智能体不需要用户购买计算机、使用终端或自行调试，就可能对数十亿人有用。
他说，Meta 构建了智能体及其配套系统，包括为每个智能体提供的虚拟计算机。他表示，Muse 上线约两周后已有数百万用户；他也指出，产品通常需要根据真实用户反馈继续迭代。
Dallas 注意到 Muse 已有一个可见的角色形象。扎克伯格说，这个形象让 AI 显得实用又有趣；一位设计师最初设计的版本经过后续迭代仍是他的最爱。
为个人任务训练智能体
他区分了编程能力与智能体需要的更广泛技能。处理个人信息时，谨慎、记忆、主动性和可调整的个性都很重要。
被问及个人任务模型与通用模型有何区别时，他把编程专长与作为智能体行动的能力区分开来。他说，即使用户没有在写软件，智能体也可能在后台编写代码来完成任务。
个人智能体还需要懂得谨慎。扎克伯格以寻找餐厅为例：智能体可能知道用户过敏或怀孕，但应在完成请求的同时尽量少透露敏感信息。
他说，Meta 能将这种行为训练进自己的模型，并围绕模型构建其余产品，包括记忆、定期检查能否帮助用户实现目标的机制、动画形象和实时语音交流。
为每位用户提供虚拟机和安全智能体
扎克伯格介绍安全凭据存储与监控智能体。他说，一个旨在限制 Meta 访问权限的保密虚拟机仍在开发。
Dallas 问虚拟机为何重要。扎克伯格说，智能体需要一个地方存储个人信息，而 Meta 希望让每个人无需购买和配置电脑，也能获得类似为智能体配备独立计算机的体验。
他介绍了一种安全凭据存储方式，旨在让智能体在用户指示时使用密码，同时避免不必要的暴露。他说，更广泛的目标是在赋予智能体行动能力的同时保护敏感个人信息。
扎克伯格介绍了独立的安全智能体 Sentinel，用来监控进入和离开 Muse 的信息。他说，它可以阻断可疑的入侵，并在某项操作需要用户参与时请求许可。
他说，Meta 还在与 Moxie Marlinspike 开发保密虚拟机。设想是给用户一个加密密钥，让 Meta 无法访问其中内容。他说，这使调试更加困难，因此该版本当时尚未推出。
他把目标比作让智能体使用一台放在用户桌下的电脑：服务提供商或攻入其服务器的人都无法访问。他预计个人智能体会深入了解用户的目标，因此隐私和安全对信任至关重要。
让用户调整智能体的个性
他认为，没有一种个性适合所有人。他说 Muse 允许用户配置虚拟形象、声音和行为方式。
Dallas 问，除了让模型有能力之外，Meta 如何塑造它的个性。扎克伯格认为，没有一种个性适合所有人：用户应该能够调整智能体的行为、虚拟形象和声音。
他说，自己把智能体设定得直接、偏工作风格，此前也试过更讽刺幽默的版本。它使用默认角色形象，穿着托加袍，声音低沉得有些夸张。
眼镜、全息影像与物理世界
AI 的进步比扎克伯格预期的平价全息技术更快。他设想智能体和远程参与者能与现场的人一同出现。
Dallas 问起虚拟世界技术和逼真虚拟形象的进展。扎克伯格说，他曾以为全息影像会比高级 AI 更早到来，结果顺序恰恰相反：让全息影像普及且价格可接受仍然更难。
他说，Meta 因此把眼镜研发的大部分精力转向 Muse 等 AI 功能，同时继续研究临场感和虚拟形象。他对比了过去需要大量扫描和强大设备的演示，以及如今只需几张照片就能创建形象的新流程。
被问及人们的虚拟自我是否会不同于现实自我时，他说相关社会和心理影响仍未得到充分理解。虚拟形象既可以呈现一个人的外貌，也可以成为自我表达，就像人们选择头像一样。
展望 2030 年，扎克伯格把元宇宙描述为物理世界与数字世界的融合。他设想，人们不必只能通过桌面电脑或手机接触数字内容，远程参与者也能与其他人产生同处一地的感觉。
他举例说，朋友们可以举行扑克之夜，一部分人在现场，另一部分人以全息影像加入。他还设想 AI 智能体通过可见的角色形象与人们一起参加工作会议。
Dallas 问，眼镜是否能用来指挥计算机工作。扎克伯格提到拥有多个虚拟屏幕的 VR 工作站，并介绍了从仅支持音频的设备到带显示屏和全息功能原型的一系列眼镜。
他说，Muse 正被引入眼镜，用户可以呼叫自己命名的智能体，让它在安全虚拟机中工作，并通过眼镜获得帮助。他把这种方式与只进行一次提示和回复的体验作了对比。
Llama 4 后重建 Meta 的模型团队
扎克伯格说，该模型偏离了预定轨迹。他的应对方式是组织更小的研究团队，并重建基础设施。
Dallas 问，当 AI 实验室看起来进展不顺时，他是什么感受。扎克伯格说，偏离预期轨迹的是 Llama 4；在此之前，Llama 3 当时已接近行业前沿。
他判断，自己曾按照负责信息流和广告的大团队模式组织研究。后来他认为，语言模型研究需要一个关系紧密、把工作视为共同科学项目的小团队，于是从公司内外引入人才，组建了 Meta Superintelligence Labs。
他说，Llama 4 后的意外比重建需要花费的时间更令人不安。在他看来，创始人既要在事情出错时找到前进方向，也要在产品超出预期时迅速扩大规模。
他说，对于 Muse，Meta 各团队正努力扩大发行并改进基础设施，包括更充分地利用现有 GPU，以及把产品带到眼镜上。
通过写作明确愿景，通过练习磨炼技能
他用写作厘清立场，再通过不同形式向外传达。他还谈到创造的内在动力，以及反复练习如何培养直觉。
Dallas 问，他如何在众多项目中传达愿景。扎克伯格说，写作有助于厘清自己的想法。他介绍了一份 15 页的文稿，涵盖 AI 对社会的影响、政府、就业、国家安全和风险，经过多次讨论和修改才完成。
他把文稿压缩成较短的评论文章和视频，因为不同受众需要不同的解释方式。他说，创始人不能在每种情况下都用同一种方式沟通：有些人需要更多说明和保证。
扎克伯格说，创造东西是他内在的需求，就像另一些人需要写作或创作一样。如果不能发挥创造力，他会感到不开心。
他把学习语言、武术或其他困难技能与培养产品直觉相比较。他说，有些部分可以从理论上理解，但直觉需要反复练习和时间。
他以女儿对音乐的兴趣为例：他希望她找到自己感兴趣的事，同时学会足够的钢琴和乐理，以支持作曲。他说，成年人持续练习也需要自律。
Dallas 认为，只要找到开始的方法，人们就愿意创造。扎克伯格同意人们有不同的创造或服务动机，并说 AI 智能体能帮助一个人在尚不清楚每个执行步骤时，先把想法勾勒出来。
虚拟细胞与治疗疾病的希望
扎克伯格谈到资助科学工具，并预测 AI 模拟可能加快医学研究。他区分了治愈、预防和控制疾病与延长寿命。
Dallas 问及他在 Meta 之外针对疾病开展的工作。扎克伯格说，最初的目标是帮助科学界在本世纪末前治愈疾病，而不是由自己的机构独自完成。其方法是创造工具，让研究人员以新的方式观察和理解生物学。
他认为，当资金分散到单个研究项目时，大型科学工具可能得不到足够支持。他说，Biohub 旨在制造其他科学家可以使用的工具，从而加快研究。
扎克伯格现在预计进展会比原定时间更快，但没有给出具体日期。他介绍了虚拟细胞模型：它可以模拟蛋白质和细胞，未来也可能模拟更复杂的生物系统，让研究人员探索大量实验情景。
被问及这是否意味着人类能够永生时，他区分了延长寿命与治疗疾病。他说自己的重点是帮助人们治愈、预防或控制疾病，包括那些可能造成持久损害或降低生活质量的疾病。
他说，自己最关注的事情每周都会变化，目前重点是 Muse：了解用户需求、扩大使用范围和改进模型。他的目标是让 Meta 打造领先模型。
扩大 AI 规模并让智能体值得信任
他预计大型计算集群能推动 AI 显著进步，同时承认研究和工程挑战仍在。他说，对齐需要训练边界和用户反馈。
谈到未来的突破，扎克伯格说研究人员无法预先确切知道会发现什么。他认为，即使没有根本性的新架构，扩大基础设施规模也可能让 AI 取得很大进展；但他也预计更高效的架构是可能出现的。
他介绍说，俄亥俄州的大型计算集群正用于训练下一代模型，路易斯安那州还有一个更大的集群正在建设。他猜测，在多吉瓦级集群上训练可能产生近似 AGI 的系统，同时表示这未必是效率最高的路径。
在他看来，大公司投资扩大规模，是因为即使研究人员没有发现更便宜的突破，这仍提供了一条可能的路径。他提醒说，扩大规模的问题尚未解决：每个阶段都会带来新的工程问题和需要调试的意外行为。
他说，如果智能体要服务众多用户，对齐和可信性至关重要。智能体不仅要理解字面指令，还要理解用户的意图和价值观，以免用用户不希望的方式达成目标。
他预计，对齐既需要用户反馈，也需要在训练过程中采取措施。例如，模型应该学会真正解决编程问题，而不是通过修改配置或利用捷径来获得奖励。
扎克伯格说，Meta 多花了几个月改进 Muse 的谨慎能力和虚拟机安全。他认为，让产品安全可靠既符合用户利益，也符合公司利益；他相信 AI 实验室有强烈的内在动力把这些工作做好。
