4月28日下午，我在Meta总部与 Zuckerberg 面对面交流，因此这期内容非常值得一听，当时距离周二的LlamaCon主题演讲和周三的 Meta 财报发布仅有一步之遥。

本次访谈的重点，是在更宏观的层面上把Llama放进 Meta 的历史脉络之中。我们回顾了过去二十年 Meta 的平台雄心、社交网络的演进，以及 Zuckerberg 对两者思考方式的变化。

我们讨论了Llama API，探讨了 GPU opportunity cost 与 leveraging training costs 之间的张力，以及为何即便必须独自承担，Zuckerberg 仍认为后者值得投入。

我们还谈到Meta AI如何可能让 Zuckerberg 最早的一些设想“环形归位”，这又如何与Reality Labs相呼应，并解释了“Meta”最终为何成为这家公司的完美名称。

话题目录 （本篇包含前四部分）

From f8 to LlamaCon

The Llama API

Meta’s AI Opportunity (Part 1)

The Llama API

Social Networking 2.0

Meta’s AI Opportunity (Part 2)

The Meta AI App

Tariffs and Reality Labs

1、From f8 to LlamaCon

Stratechery：这次访谈的直接契机是LlamaCon——一场全新的 Meta 开发者大会。在聊它之前，我想先回顾一下 Facebook 过去的大会史。2007 年至 2019 年间，Facebook 举办过F8（其中有几年停办）。当年的重大发布包括最早的 Facebook Platform、Open Graph、Parse 等等。不过有意思的是，其中绝大多数要么已寿终正寝，要么与最初愿景相去甚远。我突然把这个问题抛给你……

MZ：这是个不错的开场（笑）。

Stratechery：这些项目的“消逝”，究竟让你感到失望，还是给了你某种教训？你怎么看？

MZ：其实谈不上失望。最初的 Facebook Platform 完全是为了 Web 场景而生，那是移动时代之前的产物。随着用户从桌面 Web 转向移动端，Apple 基本上直接表态：“你们不能在平台内再建一个平台，也不能让应用调用你们的东西。” 于是，那套系统忽然失去了前景，当时它已成为我们业务的重要组成部分，我记得在2012 年 IPO 时，游戏和应用大概贡献了 20% 收入。我们尝试过把它改造成 Connect、让第三方应用用来 Sign In 等形态，但……

Stratechery：如今仍存活的，大概只剩 “Sign In with Facebook”。

MZ：是的，它和开发者想知道app安装量等需求之间，仍有些许连接，但整体而言已经相当单薄。我认为这在很大程度上是 Apple 政策的“副作用”——他们会说：“这些本来很有价值的功能不允许做。” 由此导致双方长期积累了不小的隔阂，我觉得这很可惜，如果移动生态更开放——

Stratechery：不过也有人认为，这对你们其实是好事，逼着你们成就了今天的样子。

MZ：或许吧，但我认为我们既能成为今天这样，也完全可以做得更多。有太多次，我们本可以在自家应用里构建更丰富的体验，却被告知“不行”。回头看，很难说这给用户或开发者带来了多少价值。总之，让我们快进到Llama……

Stratechery：对了，还有Meta Connect，元宇宙还算个事吗？

MZ：当然，但我们需要一个完整活动专门谈 VR 和 AR。

Stratechery：那倒会是挺直接的平台。

MZ：而我们之所以要办LlamaCon，部分原因是——

Stratechery：你抢了我的问题，那么，LlamaCon具体定位在哪里？

MZ：这两场大会关注的产品完全不同。Connect聚焦 AR/VR，吸引的是相应开发者与受众，但未来一切都会与 AI 融合，比如Ray-Ban Meta智能眼镜，本质上就是 AI 眼镜，但那依旧属于特定品类。对于主要想围绕Llama构建产品的人，我们觉得应该有一场专属活动，于是就办了LlamaCon。

回顾F8和 Platform 的历程，其实挺有意思。Llama的一大核心价值是开源，而我们坚持建设“开放平台”，某种程度上正是出于对过去移动平台经验的反思，因为开发者曾被强加了各种在我们看来相当武断的限制，这也是如今开发者如此渴望使用开源模型的原因之一。

过去，直接调用 OpenAI 或 Anthropic 的 API 也许更省事，但这意味着他们随时可以修改接口、让你的应用突然无所适从；他们可以审查你的请求，不喜欢就直接拒答，你也无法深度定制模型。相反，开源在这些方面给予了极大自由。因为曾在封闭平台上吃过亏，我们对“开放”更为敏感，也更愿意投入。

这正是为什么开源 AI 正在迅速崛起。当然，现在不只有Llama，还有DeepSeek等诸多中国模型。我曾预测 2025 年将成为“开源模型成为主流开发范式”的节点，我觉得这大概率会成真。这便是我们整体的思考框架。

二、Llama API

Stratechery：有一项新发布的内容——在你之前与我交流时，你坚持说它“很小”，但我猜外界未必会这么看——就是Llama API。这到底是什么？为什么现在要推出？

Mark Zuckerberg：哦，我并不觉得它小。严格来说，我们并不是想把它做成一门大生意。

Stratechery：明白。

MZ：每当有人推出付费 API，外界往往下意识认为背后一定是“要做生意”。可我们听到的主要反馈是——正如我刚才所说——开发者喜欢开源，因为他们希望拥有完全的控制权，希望能自定义，希望不会被人随时收回，想要随心所欲地使用，而且开源通常更高效、更便宜。这些都是价值所在。但开源至今的劣势在于——

Stratechery：没人真正想自己托管。

MZ：对——托管需要付出额外工作。相比之下，直接调用一家成熟服务的API ，要简单得多。当然，已经有不少公司把“托管模型”做成了业务，包括托管开源模型，其中有些做得不错。我们最近发布Llama 4时学到了不少运营经验，但也发现了问题：我们把模型放出来后，很多 API 提供商在实现上出现了 Bug，导致不少人第一次测试 Llama 4 时就踩到了这些外部 API 的坑。

Stratechery：那是最近的事吧。你们这么快就决定“我们需要一个官方参考 API”了吗？

MZ：倒也不是这么简单的线性因果，我只是举例说明。从Llama 3开始，网上就有人抱怨：“我想要一家能提供未量化版本的405B 模型的 API 服务，可是很难判断各家用了什么量化策略、取了哪些捷径，质量参差不齐，我们只想要一个可靠来源。”

所以，我认为拥有多元的 API 生态是好事，而且很多公司做出了有趣创新。举例来说 ，比如Groq，他们垂直整合，自研定制芯片，只为做到极低延迟推理，这就很有吸引力。

Stratechery：你这里说的是Groq这家芯片公司，而不是Grok那个 AI 模型，对吧？

MZ：对。Grok——Elon Musk的项目——也很有意思，但我说的是芯片公司Groq。他们自己造芯片，再提供垂直整合的超低延迟 API，这非常酷。我希望在生态里，能出现更多此类公司来利用开源模型。

不过，为了回答你最初的问题，我应该先给一句“主题句”：Llama API的目标，是为行业提供一个参考实现reference implementation。我们无意把它做成某种庞大业务，我们要做的是一个“纯净、标准”的 API，让大家确信调用到的就是我们意图提供的原生模型，而且能够稳定运行。这样，开发者只需把原来指向 OpenAI API 或其他服务的 URL 换成我们的，就能直接对接。同时，我们几乎不加溢价，基本以我们自己的资本成本定价。

Stratechery：既然几乎不加价，那听起来它倒可能变成一门大生意？

MZ：但对我们而言，利润不会高。

Stratechery：你一边说“只是个小东西，不会收太多钱”，可这两件事好像冲突啊。

MZ：怎么讲？

Stratechery：如果你们收费很低，那大家为什么不都来用你们的，而不用别家的云服务？

MZ：理论上，那些专门靠托管模型吃饭的公司，应该能做出更有特色、更有价值的产品。刚才提到的Groq，就是例子——他们为延迟敏感场景做了芯片级优化。

Stratechery：但很多人，其实是在AWS上跑 Llama。

MZ：没错，而AWS的价值在于，它还有大量你原本就会用到的配套服务，如果你本来是 AWS 用户，这很方便。

Stratechery：那么，如果有人开发应用，且不依赖某家云厂商锁定，你们的 API 就是最简单、最便宜的方案？

MZ：对，如果你想上手 Llama 4，又想知道“哪里有一个肯定能用的参考实现”，那就来用这个。等规模做大后，大家自然会根据需求在不同服务之间优化或自行托管。但易于上手的参考实现，是开源生态缺少的。

Stratechery：万一有客户用量暴增，你会不会说“太大了，请另寻他处”？

MZ：（笑）我们还真没细想过。

Stratechery：待定？

MZ：是的，还没深入讨论。你可能会问：“既然如此，为什么我们之前一直没做 API，也没做云业务？”

Stratechery：这又是我的下一个问题。

MZ：尤其考虑到大家会说：“你们投了这么多钱训练 Llama，得想更多办法把这笔投入赚回来。”

Stratechery：对，很多投资者也这么想。

MZ：但在我们的业务里，把新增 GPU 投向内容/信息流或广告推荐，总体边际收益marginal return，一直更高。

Stratechery：这也是我一直认为你们暂不推出 API 的原因。

MZ：正是如此，不过这次情况不同：如果 Llama 生态做大，而“参考实现 API”有助于它的成长，那它就值得存在。但基于经济性考量，我并不把它当成大规模盈利项目。如果哪天它消耗了巨量 GPU，而且还能盈利，那当然好，但它必须与我们现有的推荐系统资源竞争。

Stratechery：机会成本如今很真实。

MZ：是啊，而且没人能精确预估到底要建多少 GPU。我们内部总在权衡：“该多给 Instagram Reels 团队一点，还是给另一个新项目一点？” 说实话，API 业务在优先级上，大概率排得很靠后。但我们自有的数据中心规模庞大，功率以“吉瓦Gigawatts”计。拿极小一部分去做参考实现，帮助更多人轻松使用开源 AI，我觉得划算，现在的大局就是如此。

Stratechery：如果某个客户规模做大，或许得好好谈一谈？

MZ：到时候再说，到时候再说。

Stratechery：船到桥头自然直？

MZ：总体而言，这类业务里，客户做大是好事。

Stratechery：当然，这也算是“甜蜜的烦恼”。不过成本问题很有意思——你提到推理成本，我也同意：那些 GPU 你本可以用在内部业务，而另一方面，训练成本也很高，你们花了几十亿美元训练模型，如何最大化回报？这也是投资者觉得你们应当做 API 的原因之一。坊间还有传闻：既然那么多公司受益于 Llama，它们是否该为训练贡献资金？你们在推进这事吗？有人愿意出手吗？

MZ：我们跟一些伙伴聊过，目前还没成。随着成本继续攀升，也许会成，但现在看来各种新项目反而还在增多。

Stratechery：明白。

MZ：一些我原以为会“认准 Llama 开源标准、借此省钱”的公司，结果反而启动了各自的新模型项目，再看看结局如何吧。我猜未来几年，训练规模会升级到“吉瓦级集群gigawatt clusters”，届时肯定会出现整合。

Stratechery：总会有人退出。

MZ：是的。不过，我在财务规划里，假设我们独自承担所有成本，如果日后能与别人分担，那只是“额外利好”，并非刚需。

Stratechery：明白。

MZ：从某种意义上说，这对我们是正面的。如果需要，我可以进一步讲讲其中的商业逻辑。

三、Meta 的 AI 机遇（第一部分）

Stratechery：我想先整体询问一下你的开源策略。一方面，作为行业观察者，我对你们的做法非常感激——可以说，正是你们率先打开了闸门，消除了某些或许出于善意、但却不合时宜的顾虑，使得大型模型得以广泛普及。另一方面，大公司历来都是开源的主要贡献者，过去的 Facebook、现在的 Meta 亦然。你曾把Llama与Open Compute Project相提并论——在 OCP 中，你们的标准被全球数据中心采用，硬件厂商也据此生产设备，最终收益依然回流到你们的底线，而且正如你所说，你们并不是数据中心服务商，因此皆大欢喜。问题是：Llama开源到底有何经济回报？尤其考虑到“或许我们还想针对自身进行专门调优”。这究竟只是品牌与口碑，还是因为研究人员青睐开源？我特别想听听其中的经济考量。

Mark Zuckerberg：是否开源，其实是“先有需求，再谈模式”。我们并不是为了“给开发者开源”而去构建模型，我们先得出结论：要实现自己想要的服务，就必须拥有这样的模型。接下来才是：要不要开源。

关于是否必须站在前沿，能否落后六个月都没关系？我认为，从长远看，必须处于前沿。现在行业中出现了专门化趋势：不同公司擅长不同方向、聚焦不同场景，我们的用例与他人并不完全相同。以我们这种规模，打造一款真正为自身需求深度定制的模型，才最合理。

Stratechery：那具体而言，哪些要素对你们最重要？

MZ：这会让我们稍微偏离刚才的问题。

Stratechery：没关系。

MZ：我认为Meta眼下有四大产品与商业机会。我先从最简单、也是最容易实现的说起，再谈离当下更远的。

机会一：让广告业务更强大。这是最基础的一项，是用 AI 让广告业务大幅改进。目标是：任何企业都能来找我们，不必制作任何素材，也不必了解客户细节，只要告诉我们希望达成的商业结果、愿意支付的金额，并把银行账户连上，就能按效果付费。

Stratechery：史上最强“黑箱”。

MZ算是吧，可以视作终极商业 Agent。广告环节大致分三块：内容创意、受众定位和效果衡量。我们最早完善的是衡量——使业务模式真正围绕“交付结果”，而非“展示曝光”。随后是定位，过去十年，我们几乎不再鼓励广告主进行人为限制受众，以往他们会指定“我要投放到 18–24 岁女性”，而我们现在会说：“你可以提示，但如果完全交给我们，效果会更好。”

然而，创意层面依旧繁琐：企业得自己做文案、视频或图片。我们的目标是：未来企业来投广告，只需说明目标、连上账户，无需创意、无需人群定向、无需自行评估，只需查看我们产出的结果报告。

我相信这会彻底重塑广告范畴，换句话说，广告在 GDP 中所占比例很可能继续上升，因为 AI 把“面向结果的广告”，推广到了远超传统“买户外广告或电视商业”的场景。

Stratechery：我同意，我完全认可这种黑箱模式。那第二点呢？

机会二：提升消费者端参与度与推荐MZ第二个方向是在用户产品层面，利用 AI 提升内容推荐与消费时长。第一步，是把现有内容更精准地推给正确的人，这正是Reels的做法。接下来，AI 不仅推荐内容，还将辅助用户创作，甚至直接生成内容。

如果把我们的产品发展史，分为“两大纪元”：第一个纪元，是好友之间的分享；第二个纪元，是在此之上，叠加“创作者内容”，朋友和关注对象的动态仍在，但我们又加入了庞大的创作者内容库，算法负责推荐。

Stratechery：2015 年，当时 Facebook 似乎坚持“连接好友”这一叙事——

MZ：稍等，让我把思路讲完，

Stratechery：好的，之后我们可以回到心智层面的问题。

MZ：我认为，即将到来的“第三纪元”，会充满AI 生成内容。朋友内容、创作者内容依旧存在，但 AI 生成内容，将带来前所未有的爆发式增长，且高度个性化。

从宏观角度看，随着迈入AGI时代，生产力极大提升，人们会延续百年来的趋势：工作时间减少，娱乐与文化消费时间增多，各类信息流服务因而会占据更多注意力。AI 在内容创作和推荐两端的能力越强，它们的价值就越大。这便是第二类机会。

我先回答你刚才提出的疑问，然后再谈第三类。

四、Social Networking 2.0

Stratechery：如今的 Facebook， 已不再仅仅是用来与亲朋好友保持联系的平台，对此你有什么感受？

Mark Zuckerberg：整体来说，这是一次很好的转变，但我当初有点没弄明白背后的原因。过去，你在信息流里与所关注的人互动：有人发帖，你就在帖子下评论，这就是“社交”。

如今，我们把 Facebook、Instagram、Threads，以及现在的 Meta AI App 和其它产品，视作发现引擎discovery engines。

大多数互动，并不发生在信息流里，我们通过算法帮你发现有趣内容，而真正的社交互动，则发生在你把这些有趣内容转发到群聊或私聊之后。

所以，现在形成了信息流与消息流messaging的两大飞轮，而实时、深度和细腻的线上社交，几乎全部转到消息流，而信息流则越来越成为发现平台。

Stratechery：当初收购 WhatsApp 时，你是否已经预见到这一格局？还是说走着走着就“撞上”了？

MZ：我当时就知道，消息会很重要。但坦白说，之所以我们在与 TikTok 竞争上稍显滞后，部分原因是我并未完全理解这种转变。

等到真正使用 TikTok，我才意识到：这不仅是“短视频”，而是对社交媒体形态的彻底重构。

未来，人们的主要互动不会发生在信息流条目下，而是围绕内容本身展开，随后，大部分互动会在私聊和群聊里完成。

Stratechery：你以前提过一句话——我当时还批评过，大意是“在任何地方都展现完整自我”，后来你好像已淡化这种说法。我的观点是，群聊让人们可以根据不同的受众，展现自己不同的侧面。

MZ：没错，消息产品非常契合这一点。Facebook 和 Instagram 长期面临的挑战是：用户随着时间推移，积累了大量好友或粉丝，那么“你究竟在跟谁说话”，就变得模糊。

Stratechery：对。

MZ：如果你是创作者，你有一个明确的受众，这就说得通。但如果你只是普通用户想社交——

Stratechery：你绝对不想“爆火”，我向你保证。

MZ：正是如此。人们希望真实地分享，但更愿意在小范围分享。现代的解决方案，就是消息应用：你不会只有一个共享圈，而是有多个群聊、以及各种一对一聊天。我可以把东西分享给家人，也可以分享给一起运动的伙伴。

Stratechery：当年你担心 Google Circles，如今你把它的理念纳入自己手中。

MZ：它只是落脚在“消息流”，而不是“信息流”。如果你还想继续往下聊……

Stratechery：当然，我想听下去。

（请关注本公众号：一个胖子的世界，本次访谈的下半篇将在未来三天内发布，欢迎收藏和分享给你的朋友。）