摘要：上次提到了：“或许是因为最近Meta财报发布，或许是因为最近Llama受到的非议太多，或许是因为小扎个人的分享欲爆棚，他在和Ben Thompson的访谈的前后脚，还接受了这档商业人文播客Dwarkesh Podcast的访谈。相比那篇主要谈的是Meta自己，

上次提到了：“或许是因为最近Meta财报发布，或许是因为最近Llama受到的非议太多，或许是因为小扎个人的分享欲爆棚，他在和Ben Thompson的访谈的前后脚，还接受了这档商业人文播客Dwarkesh Podcast的访谈。相比那篇主要谈的是Meta自己，这个访谈犀利点评他人更多，他聊到了OpenAI、聊到了谷歌的Gemini，聊到了Anthropic，全程还提及14次DeepSeek，8次China，4次Trump。”

本次访谈的上篇《扎克伯格谈DeepSeek(上):他们做了令人惊叹的底层优化，但还不支持多模态》，可以点击超链接阅读，这里带来下篇。

本次访谈的几大主题：

以下是整个访谈的内容目录，本篇只包含后5个部分。

一、How Llama 4 compares to other models

二、Intelligence explosion

三、AI Friends, Therapists & Girlfriend

四、 DeepSeek & China

五、Open source AI

六、Monetizing AGI

七、The role of a CEO

八、Is big tech aligning with Trump?

九、100x productivity

（我总觉得吧，我给他做的图片有点过帅了......）

五、Open source AI

Dwarkesh Patel：最近 Sam Altman 在推特上说，OpenAI 将发布一款开源的SOTA 推理模型，他还顺带调侃，说不会干“用户不超过7亿才能用”之类的蠢事。（you can only use it if you have less than 700 million users. 指申请使用Llama模型的公司。）

DeepSeek 直接采用 MIT 许可，而 Llama 许可里有几条附带条件：你用它做应用时要在显著位置标注 “built with Llama”，或者用 Llama 继续训练出的模型名字必须以 “Llama” 开头。

你觉得 Llama 的许可，是不是对开发者太苛刻？要不要再宽松些？

Mark Zuckerberg：说实话，开源大语言模型这条路，基本算是我们先趟出来的，所以我并不觉得许可证苛刻。最开始大家甚至还在争论：

当时Meta做了大量艰苦的工作，虽然也有其他团队，但真正把局面彻底打开的还是Llama系列。

既然我们投入了那么多资源，至少得在大型云厂商——微软、亚马逊、谷歌——把我们的模型拿去卖钱之前，跟我们坐下来谈谈商业安排吧？

我们的许可证，初衷并不是阻止任何人使用，如果你是那类巨头（有7亿用户以上的），比如Apple，那就来聊一聊，一起找个双赢的方式。

到目前为止，这样的做法运行得很好。

当然，如果哪天开源生态百花齐放、大家都有好模型，而Llama的这些许可证，反倒成了绊脚石，我们也会重新评估策略。

但现在，并没有公司真的跑来抱怨“7亿用户”的条款，反倒是一些开源原教旨主义者总是嚷嚷：“这还算纯粹开源吗？”，但是他们并不是真正的客户。

这种关于GPL、闭源API、二次开源义务的争论，自开源模型诞生就存在。

可问题是，训练这些模型，要花几十亿美元，要求和我们同级别的大公司在使用之前先来谈一谈，我觉得再正常不过。

DP：假设，今后出现一堆同样出色的开源模型，某些模型在编码等特定任务上甚至更强。那时开源生态已百花齐放，Meta 内部搞软件工程、或面向自家应用部署时，会不会干脆选用别的模型，而不一定非得使用Llama？

MZ：这得先退一步看，我们之所以自己训练大模型，是因为我们想要的东西市面上没有。就算其他模型开源，你也得面对它们在架构、尺寸上的权衡，那直接关系到延迟和推理成本。而我们公司的规模太大，这些细节特别重要。

比如，Llama Scout和Maverick设计成现在这个大小，是为了能单机运行、满足某些语音场景的实时性：从眼镜到所有应用、再到Meta AI App，都要用同一套底层能力。

只有自己造轮子，命运才掌握在自己手里。

当然，AI终将嵌入公司里的每一个环节。某些内部工具如果用Claude更合适，那就用 Claude，没必要自缚手脚。

至于其他人也在做开源、我们就不重要了，我倒不是很担心。如果没有 Meta把方向推到开源，那些团队还会开源吗？

很多公司是看到趋势，不得不跟，但他们真实的偏好是什么？Android 就是例子，开始很开放，现在却越收越紧。

如果Meta停下来，也许别人就缩回去闭源了。基于这种不确定性，我们不能把未来押在别人持续开源的承诺上。

DP：你还提到“最好让行业标准建立在美国模型，比如 Llama 上，我想弄清背后的逻辑。有些网络效应场景确实这样，比如苹果的App Store。

但如果某个框架最初适配 DeepSeek，难道转到 Llama 4 很难吗？毕竟 Llama 3 还不是 MoE，Llama 4 就是了，每代模型自己也在变化。你为何认为，生态会按单一标准形成“锁定”？

MZ：我说的标准，更多指模型里蕴含的价值观与世界观。

早期，我们拿Llama的一个版本做过多语种翻译，好像是法语，法国用户看了反馈说：“这听起来像个会法语的美国人在说话，而不是地道法国人。”

并不是语言不通顺，而是思考方式带着美国味，这说明模型会把训练语料的文化内核带进去。

随着模型更强，它们理应能体现多元价值观。但我们测试一些来自中国的模型时，确实发现特定价值取向，已经深深嵌在里头，不是轻描淡写微调就能改掉的。

再看推理模型，如果它只做可验证的数学题，那文化偏见问题就很小，可编程领域还要担心安全问题：万一某模型跟某国政府有联系，悄悄在代码里埋后门怎么办？

未来，你的系统全靠它守护，某天它突然暴露漏洞，而那个国家早就知道了，而你只有等着被黑。

因此，开源真正吸引人的一点是可“蒸馏”。多数人，不会直接拿Llama原模型去跑，而是微调或蒸馏成小模型，对Behemoth级别的巨大模型来说，尤其如此。

从高IQ大模型，蒸馏到小模型，保留90-95%的智能，规模和成本却只是 10%，这对很多场景早就足够，而且十分划算。

更妙的是，如今开源社区百花齐放，可以蒸馏的模型不只 Llama。

一种做法是：Llama 在多模态、推理效率等方面非常强，而另一款模型在代码生成上表现更好，你完全可以把二者一起蒸馏，为自己的应用场景打造一个综合表现优于任何单一模型的新模型。

不过，这就引出了安全问题：如何确保蒸馏过程本身可靠、可控？

我们投入了大量时间研究，发现凡是涉及语言的，就不可避免地夹带价值观。若不想直接继承源模型的全部价值取向，就不宜把完整的语言世界模型原封不动地蒸馏过来。

对于“可验证领域”的推理任务，情况要简单得多——只要把范围限定在可验证的题目，再配合代码整洁度和安全过滤（例如开源的Llama Guard或我们推出的Code Shield工具），就能较好地控制输入输出的安全性。

接下来还需要大量red team测试，让专家持续“挑刺”，确认蒸馏后模型没有出现不受欢迎的行为。

综合运用这些手段，我们基本可以在可验证推理领域实现安全蒸馏。对此我相当有信心，也做了深入研究。

当然，这仍是个大课题，如何在释放巨大价值的同时，妥善处理潜在偏见与安全隐患。

六、AGI的商业化 Monetizing AGI

DP：谈到即将释放的价值value to be unlocked，你认为 AI 最合适的商业化路径是什么？数字广告确实很赚钱，但在整体GDP中，只占很小一部分，相比之下，所有远程工作的生产总值，要大得多。即使只是在不取代岗位的前提下，提升生产率，其价值也可能以数十万亿美元计。

广告，会不会并非最终答案？你是怎么思考这个问题的？

MZ：正如我们之前讨论的，不同应用场景会对应不同的商业模式。

当你想向用户免费提供服务时，广告是理想方式。

既然免费，总得有收入来源来覆盖成本，广告正好解决了“用户不用付钱，也能享受极佳体验”的问题。

而且，如果广告系统做得好，许多情况下，广告本身还能提升体验价值。

要做到这一点，你必须擅长排序，并且拥有足够多的广告主。假设系统里只有5个广告主，再怎么精细排序，也未必能向某位用户展示他真正感兴趣的东西。

可如果有 100 万个广告主，再加上优秀的匹配算法，就极有可能挑出“干草堆里的那根针”，正中用户的需要。

所以广告，肯定有它的位置。但同时，也会出现成本更高、根本不适合用免费模式来做的业务形态，这种情况一直存在。

为什么社交媒体是免费的、靠广告支撑，而看Netflix或ESPN，就得付费？因为那类内容，制作本身成本极高，广告收入无法弥补，用户就必须掏钱。

结果是规模变小：使用人数从数十亿降到数亿，这是一种价值取舍。

AI也是类似逻辑，并非所有人都需要一个，或者一千个“软件工程师代理”。但如果你真有需求，花个几千、几万，甚至几十万美元去买，你可能也是愿意的。

这说明，未来会存在一整条多样化的商业模式光谱，对Meta而言，面向大众的部分，我们必然提供免费的服务，很大概率依旧是广告模式。

但我们同样需要一种能够支撑“随意调用大量算力、完成更惊艳任务”的付费方案，也就是付费版或高级版。

总的来说，我们的核心价值观还是尽可能服务全球最多的人。

七、CEO的角色 The role of a CEO

DP：你的公司里有这么多项目，其中一些，我们今天才谈到，而我想还有许多，是外界根本不知道的。

作为 CEO，你要统筹一切，介入的深度可以是到Llama 团队面前说：“这些就是你们该用的超参数”，也可以只是下达一个大方向，比如把 AI 做得更好就行。

项目如此繁杂，你如何判断自己的价值增量，应体现在哪些方面？又该怎样高效地管控这一切？

MZ：我的大量时间，都花在招募顶尖人才上。除此之外，还有那些跨团队协同的部分。

比如Meta AI做出来了，要嵌进WhatsApp或Instagram，就得让各团队坐在一起讨论。

接着，问题就来了：WhatsApp的Meta AI聊天窗口，是保持与普通 WhatsApp对话一致的界面，还是更像业内常见的AI聊天体验？

二者各有交互惯例，需要做取舍。

这类如何把新能力融入现有生态的细节，必须逐一厘清。

再往下，是基础设施的推进。若要搭建吉瓦级算力集群，就对数据中心建设方式、选址州的政策协调、乃至公司财务都有巨大影响。

比如当前全球经济不确定性这么高，我们是不是仍要加码基建？如果加码，还要在公司层面做哪些取舍？这些都是其他角色难以拍板的大决策。

还有品位与质量的把关，比如何时产品足够成熟、值得上线？

通常我在公司里担此“品控人”的角色，当然也有不少同事同样眼光敏锐，负责各自领域的“质量闸门”。

总体来说，大概就是这些核心维度。

AI有一些独特之处，它比过去许多业务更研究驱动、模型驱动，而非单纯产品驱动。

你无法先画好产品蓝图再硬配模型，相反，需要先确定想要的模型能力，从中观察涌现出来的特性，随后再决定能做哪些产品。

归根结底，用户只想用到最好的模型。

这也是为什么我们强调打造最个性化的AI、最佳语音交互、最优延迟与智能并存。

为此，我们研发全双工语音full-duplex voice，也要让AI拥有持久记忆，并且能接入Meta体系的其他数据。

同时，在模型设计上精确控制规模与时延，以满足这些体验需求。

八、Is big tech aligning with Trump?

DP：说到政治，人们觉得一些科技领袖正与Trump走得更近。你和其他人曾向他的就职仪式捐款，还与他同台。我记得你们还和他达成了一项导致对方获得2500万美元的诉讼和解。

我很好奇，这究竟是怎么回事？这是不是与政府打交道必须付出的成本？我们该如何理解这种现象？

MZ：在我看来，他就是美国总统。作为一家美国公司，我们的默认立场就应该是与任何执政政府建立建设性的关系。

我们此前也尝试过向历届政府提供支持，我公开表达过对上一届政府的一些不满，比如他们基本不愿与我们或更广泛的商业界接触。

坦率说，如果缺乏对话、他们又不把这些事务当成优先事项，我们就不可能在很多事情上取得进展，也无法获得所需的能源规模。

很多人想用“站队”来解读这一切，我能理解，但对我们来说，目标是打造卓越的产品，并与有关方面保持建设性关系，我就是这样看的。我想大多数人也会这么看，不过我不能替他们发言。

DP：过去在内容审核问题上，你曾谈到如何重新思考与政府的互动与让步。

现在，你如何看待AI治理？如果AI真的如我们想象的那样强大，政府必定会介入。

最有效的应对方式是什么？政府又该关注什么？

MZ：我过去的评论，多与内容审核相关。过去十年，这真是一段有趣的历程，也是一个特殊的历史时期，线上内容管理出现了很多新问题。

其中一些催生了颇具成效的新系统，比如用AI 检测他国对选举的干预。我们会继续完善这些系统，它们总体是正向的。

但也有些做法走了弯路，我认为“事实核查fact-checking”就不如 Community Notes 有效，因为它无法扩展到互联网规模not an internet-scale solution。

比如核查人员不足not enough fact-checkers，而且大众不信任特定核查机构。

你需要一个更健全的体系，而 Community Notes 正是更合适的方案。

我想说的是，历史上我或许过于听信媒体或政府的批评与意见，而这些领域并非他们真正拥有管辖权的地方。

我们试图搭建一些系统，让自己不必独自承担所有内容审核决策。过去十年的成长让我意识到，好吧，我们是一家有影响力的公司，必须对自己的决定负责。应当倾听各方反馈，但也不能过度依赖那些根本无权做主的人。

因为最终坐在驾驶席上的，是我们自己。这是一次成熟的过程，有时也伴随痛苦，但我相信公司因而更强大。

DP：关税，会否推高在美国建设数据中心的成本，进而把建设转移到欧洲或亚洲？

MZ：很难判断结果会怎样，我想现在还只是初局阶段，具体走向尚难预料。

DP：在一周里你最具杠杆效应的那一小时single highest-leverage hour in a week，是在做什么？

MZ：我也说不好，每一周都不一样。

最具杠杆的一件事，往往不会每周都相同，否则按理说你应该每周花超过一小时来做它。

行业高度动态变化，这也是这份工作的乐趣之一。

世界的面貌和今年年初、去年年中，都截然不同。

自上次我们对谈以来，大约一年了吧？很多牌面已被翻开，进展巨大。

DP：是的，你之前提到，招募人才是你杠杆最高的事情之一。

MZ：招人确实是非常高杠杆的。

九、100倍生产力

DP：你提到这些模型，到了年底都会成为中级软件工程师。如果在两年内，软件生产力提高 100 倍，会出现什么可能？有哪些现在根本无法打造的东西，届时能被创造出来？

MZ：这个问题很有意思，我们今天的对话里有一个主题：被释放的创造力将是巨大的。

回顾过去一两百年，人类社会与经济的整体轨迹，就是人们主要从事农业，把大部分精力用于填饱肚子，这部分占比越来越小。满足基本物质需求所耗费的人类能量，越来越低。

这种转变带来两个结果：第一，更多人开始投身创意和文化领域；第二，人们整体工作时间减少，娱乐和文化活动增多。

我几乎可以肯定，这一趋势会持续下去。

短期内，一个拥有超强软件工程师能力的AI，会带来什么？从长远看，如果每个人都拥有超人级工具去创造各种东西，多样性将空前丰富。

其中一部分，将用于攻克难题，治愈疾病、推进科学、研发改善生活的新技术。

但我猜，相当大一部分会进入文化、社交和娱乐领域。世界会变得更有趣、更古怪、更具特色，就像过去十年互联网梗文化的发展。

这增添了丰富的层次，从某种角度说，还能帮助人们更好地连接彼此。如今，我整天在网上看有趣内容，然后发到群聊给朋友看。

人们现在能制作的媒体，已足以表达极其细腻、具体的文化意象，这股潮流还会继续推进。它确实在多方面推动社会进步，即便不是那种“硬科学”式的治病救人。

从社交媒体的视角看，未来人们会花更多时间做这些事，而且体验会更好、更能促进连接，因为它帮助表达多元观点。

世界会更复杂，而我们的“文化技术”，比如会用一段幽默小视频或别的形式表达复杂思想，也会大幅进化，我觉得这很棒。

至于明年会怎样，有一点值得一提，至少在可预见的未来，这种变革会提升对劳动力的需求，而非减少，人们可以自主选择工作时间。

举个我们最近讨论的例子，Meta 每天有近 35 亿人使用我们的服务，我们长期苦于一个问题：如何提供客户支持？

现在的用户可以写邮件给我们，但是，我们从没考虑过提供电话支持，作为免费服务，每位用户带来的营收，不足以支撑电话客服的成本。

日活35亿，意味着海量来电，可能需要世界最大规模的呼叫中心，每年成本100–200亿美元，这完全不现实。

然而，随着AI变强，它将能解决大部分用户问题。也许十年后，就能处理所有问题。

就算只看3–5年的时间线，它也能解决相当多的问题。就像自动驾驶，能覆盖很多路况，虽然尚未完全独立。

有人曾预测，卡车司机会失业，但自从二十年前谈论自动驾驶以来，卡车司机的岗位，反而增加了。

回到客服场景，若AI能处理 90%的咨询，把剩下 10% 分派给人工，再把服务成本降到原来的十分之一，那么电话支持就变得经济可行。

最终结果可能是，我们反而可以雇更多客服人员。

很多人相信AI会让工作消失，但历史从来不是如此简单。

技术，通常能削减90%的工作量，却让岗位需求增加，而不是减少。

DP：最后一个问题：当今世界上，你最常寻求建议的那个人是谁？

MZ：唔，很难说，我的风格是广泛请教顾问，而不只依赖一个人。

我们有出色的团队、董事会成员，也有不少在业界做新东西的朋友，我没有唯一的导师。

但在动态世界里，与志同道合的人一起做很酷的事，这对我来说，就是生活的意义。When the world is dynamic, just having a reason to work with people you like on cool stuff… To me, that's what life is about.

DP：以这个美好的话题收尾吧，感谢你接受我的访谈。

MZ：Yeah，thank you

【扩展阅读】

来源：老夏看商业一点号