「策听」Meta被指在AI大模型排行榜上“作弊”——扎克伯格分享Meta AI的“猥琐发育”之路
从流量变现到互动革命：扎克伯格眼中AI驱动的媒体消费新未来
「本期简介」
节目日期：2025年4月29日
近期，Meta因在LM Arena AI基准测试中涉嫌"作弊"而引发争议。Meta被指在提交Llama 4 Maverick模型时使用了经过特殊优化的版本，而非公开发布的通用版本，导致其模型在排行榜中从发布时的第二调整为32名。扎克伯格回应称，模型差异源于稳定性需求，而非故意操纵。
在这样的背景下，扎克伯格通过这期播客节目分享他心中的开源AI策略——不仅仅是技术共享，更是一场精心设计的商业布局。通过开源Llama模型，Meta成功引领了行业趋势，它保持灵活的商业许可条款，要求大型企业在使用前先与Meta协商。同时Meta AI已经通过WhatsApp作为流量入口，拥有近10亿月活用户。
这种“猥琐发育”的策略不仅让Meta掌握AI技术标准，还为其社交平台注入AI能力。更令人瞩目的是，扎克伯格展现了一个更具野心的愿景：通过AI驱动的交互式内容彻底改变用户消费方式。他设想未来的社交媒体将不再是被动观看，而是充满互动性的沉浸式体验，用户可以与内容实时对话、互动，甚至深度参与其中。Meta已准备好在这场媒体革命中抢占领先地位。
「扎克伯格对AI行业的思考」
1. 回应Meta在排行榜上作弊这一事件？
"LM Arena stuff is it's just, they're often skewed for either a very specific set of use cases, which are often not actually what any normal person does in your product."
在讨论AI模型评估方法时，扎克伯格对当前基准测试体系提出质疑。他认为标准化的基准测试经常"偏向于非常特定的用例集"，而这些用例往往与"任何普通人在产品中实际做的事情"不符。
所以扎克伯格重申了Meta AI的北极星指标："我们的标准是Meta AI中的用户价值。"
在Meta的产品生态中，用户价值可以理解为两个核心维度：
用户付费能力 - 用户愿意为产品功能付出多少钱
用户时长 - 产品吸引用户停留和持续使用的能力
扎克伯格说，Meta更注重实际效果而非理论评分："我们试图将我们的核心指标锚定在产品价值上"，他的最终的目标很明确：Meta对AI开发的核心追求不是为了赢得理论竞赛，而是为了延长用户停留时间，最终提升整个Meta生态的商业价值和竞争力。
2. Meta团队内部会用AI提效吗？
"We're working on a number of coding agents inside Meta. (But) because we're not really an enterprise software company, we're primarily building it for ourselves. […] (And) It writes higher quality code than like the average very good person on the team already.
扎克伯格在访谈中透露，Meta已大规模部署AI编码助手，这一举措虽然没有明说以提高人效为目标。但他提到了两个已经落地的重点方向：AI编程和AI研究代理，称这些工具已完全融入公司的工作流程中。
关于未来展望，扎克伯格做出了一个大胆预测："在未来12到18个月内，我们的AI项目代码将主要由AI完成。"这不是简单的写代码的插件，而是一个完整的智能系统 - 能够自主生成代码、运行测试、识别并修复问题。他毫不避讳地表示："AI写出的代码质量已经超越了团队中的许多优秀工程师。"
这一发展对软件工程行业意味着什么？
首先，传统的编程工作可能逐渐减少。
其次，码农的角色需要转变：
系统架构设计
AI提示工程
特定领域专业知识
重要的是，这不是简单的"人机替代"，而是职业定义的革新 - 推动人类走向更具创造性和战略性的岗位。
3. AI发展的瓶颈？
"I think some of these are just like physical world, human time things that as you start getting more intelligence in one part of the stack, you'll basically just run into a different set of bottlenecks."
在被问到如何看待当前AI发展速度时扎克伯格提出了一个观点，他认为即使AI在算法层面取得突破性进展，整个系统仍会面临物理世界的瓶颈限制，也就是"人力和时间的问题"。他以构建大规模AI基础设施为例，详细解释了这些实际障碍。
首要挑战：硬件供应链
任何一个公司想要建立一个千兆瓦级的计算集群，需要等待英伟达稳定供应其新一代芯片系统，然后解决网络架构、建筑物建设、许可证申请和能源供应等一系列问题。无论AI算法多么先进，这些物理世界的限制都无法简单跳过。
关键瓶颈：能源供应
扎克伯格提到："你需要建造建筑物，你需要获得许可证，你需要获得能源。"无论是传统能源还是绿色能源，整个供应链扩展都需要时间，这成为了AI规模化的重要瓶颈。
制度挑战：监管框架
扎克伯格还提到需要时间建立支持大规模基础设施的"监管框架"，这也是AI大规模扩展不可回避的挑战。
这反映出当下AI发展的现实挑战：技术突破与基础设施扩展之间存在显著时间差。即使解决了一个瓶颈，新的瓶颈便会出现，这是工程领域的普遍规律。这种整体性的思考有助于帮助相关从业者判断AI的实际发展轨迹，提醒我们AI虽然强大，但其发展速度仍受限于物理现实。
4. AI会如何影响人类职业？
"Two impacts: one is more people are doing kind of creative and cultural pursuits. And two is that more people […] spend less time working and more time on entertainment and culture."
聊到AI对人类社会的长远影响时，扎克伯格认为，人类社会经济的演进遵循一个明确的历史趋势：从最初大部分资源（人力和时间）投入食物生产的农业社会，逐渐转变为满足基本物质需求所需的人力占比越来越小的现代社会。
这一历史进程，尤其是工业革命以来的这一百多年，产生了两个关键影响：
供给端：更多人摆脱了基础生存需求的束缚，从事创意和文化活动。
消费端：人们普遍工作时间减少，在娱乐和文化活动上消费的时间增多。
扎克伯格认为，AI技术将进一步加速这一趋势，使人类拥有更强大的创造工具。
他预测未来世界将变得"更有趣、更怪异、更具特色"，类似于互联网时代高度定制化的表情包这种情况。扎克伯格认为AI会让meme文化更加多样性和定制化，以微妙方式增强人际连接：
"我自己就经常刷到搞笑梗图，然后发送到和不同朋友的群聊中，分享给我认为会觉得有共鸣的人。"
5. 未来AI最有商业价值的应用是什么？
"I think you'll be scrolling through your feed and there'll be content that is basically, I don't know, maybe it looks like a reel to start, but then like you talk to it or you interact with it and it talks back or it changes what it's doing or you can jump into it like a game and interact with it."
虽然当前AI在编程和企业服务领域展现出巨大潜力和可观的收入(ARR)，但他质疑这是否会成为AI最大的应用场景。主持人问到什么是最有价值的应用时，扎克伯格反问道：“未来互联网的主流会是什么？是知识工作场景，还是面向大众的消费类应用？” 答案不言自明。
扎克伯格的愿景是革命性的。在他看来，互联网内容经历了显著演变：从文字，到图片，再到视频。而下一个重大突破将是交互式内容的爆发——"五年后，我们仍然只会坐在那里消费视频媒体吗？不，它一定会是交互式的。"
这种转变的核心在于AI与AR技术的深度融合，Meta在这一领域早有布局。扎克伯格描绘了一幅未来场景：当用户滚动信息流时，看似普通的短视频可能突然变成互动体验 - 你可以与之对话、互动，内容会随着你的参与而演变，甚至让你像玩游戏一样深度参与其中。这不仅是技术的进步，更是媒体消费方式的根本变革。
个性化和自然对话将成为新型媒体的关键特征。Meta正在开发的全双工语音技术（允许同时说话和聆听）虽处于初期阶段，但其自然对话特性已展现出令人兴奋的前景。扎克伯格预见，在不久的将来，AI将无处不在 - 回答问题、提供情境建议、协助即时通讯。
当然，这一愿景从企业伦理的角度有让用户成瘾的风险 - 沉浸式娱乐可能导致用户被技术"奖励劫持" (Reward Hacking)，就像社交媒体App通过个性化推荐和即时反馈，让用户产生满足感，从而形成依赖性的使用习惯。但扎克伯格保持乐观，他相信随着技术发展，大众终将理解并接纳这种全新的互动方式。
「本期章节」
00:00 Meta AI发展与用户增长
02:00 Llama 4模型家族介绍
11:00 开源AI模型与闭源竞争
20:00 推理模型与延迟的权衡
23:00 对AI爆发式发展的看法
33:00 现实世界限制与物理基础设施
43:00 开源许可与商业策略
50:00 AI治理与政府关系
57:00 AI商业模式的未来
01:04 硬件与软件生产力提升