起源：邮轮暴发汉坦病毒疫情 张文宏发声作者： 张瑜淑：

Alex Wang 长访：Muse Spark 只是开胃菜，Meta 几个月后还有更大模型

去年六月，Meta以140亿美元的买卖从Scale AI挖来了首创人Alex Wang，让他全面执掌公司的人为智能业务。自那以来，Wang险些从公家视野中隐没，从旧金山搬到了Meta总部地点的南湾，全身心投入工作。上个月，他交出了第一份答卷——名为Muse Spark的新模型。此刻，他初次接受公开专访，谈及了与Sam Altman的幼我恩仇、扎克伯格送汤招募人才、Meta开出的惊人薪酬包、团队内部的架构分工、与中国的复杂关系。以下是本次专访的主题内容。

从Scale到Meta：为什么一个首创人会选择参与科技巨头？

主持人：你们这个团队是怎么组织的？

Alex Wang：整个组织叫Meta超等智能尝试室（Meta Superintelligence Labs），由我掌管。下面分几个板块。一个是TBD，这是做大模型钻研的主题尝试室，某种意思上有点“臭名远扬”，但那里集中了一批最顶尖的钻研者和基础设施工程师，他们技术上全数向我汇报。另一个叫产品与利用钻研，简称PAR，由Nat Friedman辅导，掌管把所有产品构建出来，把这些壮大的模型部署到世界上。在MSL的总体框架下还有FAIR，它持续做索求性和前瞻性钻研。我对他们的好多科学钻研出格兴奋——好比用AI模型去理解大脑，以及用AI模型去理解推算化学，我们做了一个通用的原子模型叫UMA。这三个部门组成MSL，由我两全，同时我也深度参加TBD的日常工作。另表，Daniel Gross协助辅导Meta Compute，专一于持久基础设施规划，确保我们有足够的GPU和数据中心来支持这项极其斗胆的工程。他跟我们缜密合作。

主持人：这批人里你最早意识谁？

Alex Wang：我意识Nat和Daniel很久了。Nat是我在Scale最早的天使投资人之一，在我实现YC之前就投了Scale，多年来一向给我建议。Daniel也是我创业早期就意识了。我们还有一位首席科学家Shengjia Zhao，他协助两全整个MSL的科研议程。

主持人：从Scale AI首创人兼CEO造成Meta AI掌管人，这是一个巨大的身份转换。你是怎么做出这个决定的？你和扎克伯格在太浩湖的那次对话是怎么的？

Alex Wang：我和Mark意识好多年了。我还在经营Scale的时辰，他就很慷慨地给过我好多功夫，给了我不少建议。他显然是一位极其有经验的首创人。我们其切实AI热潮之前就起头聊AI了——Scale从2016年起就在做AI，那时辰重要还是自动驾驶，后来经历了好多技术转型。或许一年前，我们起头探求有没有更缜密合作的方式。

其时Mark越来越AGI-pilled，他真的知路AI会彻底扭转Meta，同时也意识到AI是一种毕生中只会出现一次的刷新性技术。所以他极度专一，知路自己想押注很大。与此同时，Llama 4其时并不在公司必要的轨路上，这一点他也公开说过。我们就起头从极度高的层面聊：能不能更缜密地合作？会是什么样子？这是一段非Ｊ⒖乃枷敕绫。最终我们找到了一个对Scale有利、对Meta也有利的合作方式。我们都有信想，这会是我们双方城市为之高慢的事业。他或许一年前发出了那篇关于“幼我超等智能”的备忘录，之后我们就维持寡言。但那个愿景——以一种赋能人的方式构建这项技术，让尽可能多的人占有它，让它尽可能民主化，让每幼我都能表白自我、获得更大的自主权、去创造和构建——这既是他的北极星，也是我的。

主持人：Scale是你身份的一部门。从一个极度显眼的公司的首创人，造成一家有八万名员工的公司的治理者，这个转折极度大。

Alex Wang：的确极度分歧。在整个过程中，我一向在思虑几件事。AI的进取速度比我设想的快得多。在这个过程中，几件事起头让我印象深刻。第一，那些亲自构建AI模型的人占有越来越大的“权势”——无论是经济权势还是产品权势，能在模型基础上构建更多器材。关于生态系统会若何演变，早年有过好多争论，但由于模型改进的速度和钻研的节拍太快了，构建模型的处地点成为整个生态系统中最令人兴奋的处所。第二，AI的下一阶段性质上拼的是算力。若是你有海量算力，你就有能力去做大赌注、部署产品、做那些没有算力就底子做不了的事。这会带来一种有趣的科技生态分层：我们不能再把所有科技公司当成统一类。有算力的公司和没有算力的公司，能做的事件齐全分歧。Meta有Mark的全力投入，有极度大且斗胆的战术，我们能用海量算力去推动钻研和产品。这让我们有机遇真正对世界产生巨大的影响。

幼团队+高密度+大赌注：九个月追上最前沿的奥秘

主持人：你们做了大规模招聘，开出了前所未有的薪酬。十个月从前了，这个新团队怎么样？挑战在哪里？最令人兴奋的是什么？

Alex Wang：我参与Meta的时辰，很明显整个AI致力必要一个重置和重建，能力回到正确的轨路上。Llama 4不在正确的轨路上，我们落后于前沿。我们必要一个能让我们以极急剧度追赶甚至超过前沿的打算。问题出在哪里？我感触最底子的是：好多当先的尝试室，整个组织都萦绕一个前提成立——超等智能在到来，并且极度靠近。这是一个极度现实的器材，能够创造出来。而后你把尝试室和业务的整个规划，以及你关注的器材，都成立在这个底子信想之上。Meta缺的就是这个，先把超等智能当回事，而后萦绕这个主题前提重建所有如果。这其实是相当普遍的——好多大公司里不愿定有这种信想。由于大公司的机关跟草创公司不一样。草创公司是从零起头，带着“超等智能即将到来」剽种疯狂设法启程的。但这个问题此刻已经解决了，MSL是萦绕着“超等智能在到来」剽个概想成立的。

我们为整个打算定下了几条准则：当真对待超等智能、让技术声音最响、维持科学严谨、聚焦基础、做大赌注。当我刚起头组建TBD和MSL的时辰，我一向在思虑：什么样的尝试室状态能力让你占有极快的速度，去追赶甚至超过前沿？我总结出三个可能的蹊径。第一，更高的人均算力。好多大尝试室算力总量很大，但被分散到太多方向，这反而拖慢了单个钻研者的速度。若是你做一个更聚焦的、人更少的团队，每幼我占有更多算力，钻研进度反而更快。第二，极高的人才密度。一个幼团队里每幼我都是顶尖高手，始终比一个责任分散的大组织跑得快。第三，做极度斗胆的钻研赌注。行业内各人都认同，的确存在一些极度大、风险极度高、但一旦成功就能彻底扭转范式的赌注。所以我们除了构建有竞争力的前沿模型之表，也把大量资源和算力分配到这些斗胆的赌注上，由于它们一旦成功，就能给我们带来令人难以相信的将来模型。

与Sam Altman的幼我恩仇

主持人：从名义看，你们像雇佣兵一样砸重金抢人，跟Elon昔时搞Grok有点像。但你说尝试室内部其实更像一家草创公司；褂性瞬袼吞*的事是真的吗？

*汤：这是硅谷AI人才抢夺战中的一个驰名桥段。其时Meta为了从OpenAI、Anthropic等公司挖顶尖AI钻研员，开出了前所未有的百万甚至千万美元级此外薪酬包。在这场强烈的抢人大战中，流传出一个说法：扎克伯格亲自下厨煮汤，送到候选人刻下，以此表白对人才的极端器重和诚意。

Alex Wang：这是一个表部认知和内部日常之间差距很大的处所。表界的一些印象，好多来自于报路。但好多报路自身就有夸大。当然一部门原因也是我们招聘得太快了——我知路若是想造出最好的模型，团队必须在昨天就就位，所以我们只能用最急剧度实现招聘。但我以为尝试室内部的文化其实极度像一家草创公司。这里有一个齐全新组建的团队。人们参与是由于他们看到了高人均算力、真正顶尖的人才密度、以及去做极度斗胆的钻研赌注的自由和资源。大部门钻研者参与的重要原因底子不是钱——他们留在原来地位的经济回报也极度好。真正的动机是：有机遇从零起头，占有大量算力，去钻营他们真正想做的极度斗胆的钻研方向，并且是在一个不痴肥的幼团队里。

所以整体氛围和状态极度健全。好多来过我们尝试室、曾在其他尝试室工作过的人都说，这里的氛围让他们想起了OpenAI或Anthropic的早期。某种意思上的确如此，由于k8凯发天生赢家致力到此刻才十个月。

关于汤，我不确定是不是我们亲手做的，但我们的确想向每幼我证明，我们真的在乎这项技术，在乎他们具体的钻研方向。招聘过程极度个性化。人们必要知路我们是当真的，由于默认情况下，好多人并不知路该怎么对待Meta的AI致力。所以必要我们一个一个去找他们谈，诠释我们在构建什么，为什么我们关切这项技术，我们想用它做什么。

主持人：你和Sam Altman以前是室友。我发短信通知他你要上我们节目，他没说什么好听的话。这种幼我价值有多大？

Alex Wang：的确有一些不愉快。但我的真实但愿是，随着我们越来越靠近超等智能，行衣凤所有这些人与人之间的敌意城市随着功夫的推移而消退。人们在某个时刻会走到一路，意识到我们在构建的是一项极其重要的技术，我们都必要极度审慎地对待它。确保我们开发的技术和部署方式尽可能沉思熟虑，这是我感触自己负有责任的一件事。

主持人：你前CTO Jan脱离后说你还太年轻、太缺经验，说更多人会走。这对你作为这家大公司的年轻辅导者意味着什么？你跟他后来聊过吗？

Alex Wang：我几周后在印度见到他了。Jan是一个多所周知的敢措辞的人，各人都明显Jan在想什么。他说了他说的话。我在印度见到他，他祝贺了我们Muse Spark的颁布。我看到你们在X上建复关系了。真的，就像我刚才说的，我相信随着我们越来越靠近超等智能，所有幼我恩仇城市消散。

主持人：看起来此刻如同越来越糟了？

Alex Wang：也许先变糟再变好。但我对我们成立MSL的方式、k8凯发天生赢家钻研致力和我们在获得的进展极度有信想。我很兴奋能向世界展示k8凯发天生赢家钻研者在做的了不得的工作。关于春秋——人们在我整个硅谷生涯中一向在说这些，我已经险些不去想了。关于“你不是工程师”的说法，这绝对不属实，我已经是硅谷的一名软件工程师。但AI行衣凤，总是有各类各样的谬误描述。人们总是说三路四，表界的器材从来不齐满是正确的。这可能会让人沮丧，但我选择把精力全数投入到k8凯发天生赢家工作和产出上。我对Muse Spark极度高慢，对我们在做的模型和产品更兴奋。从长远来看，所有城市证明自己。我的治理哲学是——Steve Jobs有句名言：大无数公司雇人而后通知他们做什么，但我们雇人是为了让他们通知我们该做什么。这是TBD和MSL的主题理想。我们要创造最好的环境，让最卓越的钻研者做出他们职业生涯中最杰出的工作。

Muse Spark只是开胃菜：可预测的规；⒓碌膖oken效能与多代理缩放

主持人：Muse Spark到底在你们整个路线图中处于什么地位？我们看到它在部门基准上阐发不错，但在另一些基准上落后。你们强调了一些效能优势和那个16个代理同时工作的能力。感触你们像是在某些技术方向上走在了前面，但并没有颁发全面成功。

Alex Wang：远不是全面成功。从前九个月，我们把整个钻研栈险些全数重建了——预训练栈、RL栈、大量的科学工作、数据工作。某种意思上，这九个月是一次彻底的大建。Muse Spark是这个规；滋萆系囊桓鲈缙谑莸。它不是主菜，是开胃菜。我们在开发更大的模型，我们对更大模型的等待远超Muse Spark。但这依然是一个重要的数据点，由于我们成立的一整套系统都是以可预测规；魈獾摹颐窃诓┛屠镆蔡傅搅，在多个维度上都能看到一致的规；。预训练规；强稍げ獾，RL规；强稍げ獾，测试时推算规；彩强稍げ獾。你刚才提到的沉思模式，我们在多代理规；弦部吹搅思攘钊诵朔艿牧司。

所以Muse Spark是我们规；旒Ｉ系囊桓鲈缙谑莸，下一个数据点我们兴奋得多，再下一个更兴奋。我们想向各人展示我们整体规；铝Φ南乱桓鎏ń。就Muse Spark自身而言，它的端到端机能现实上比我们预期好不少，并且在训练中出现了一些涌现能力。好比它在代理式视觉编码方面的能力，以及天生网站或游戏的能力——这些能力现实上来自于它同时具备较强的代理能力和多模态能力。所以我们感触它是一个很好的模型，在大无数消费者用例中很有竞争力。但Muse Spark在代理式编码方面还不够强，这是我们在致力的方向。

主持人：要真正达到前沿模型的尺度，你们还必要什么？

Alex Wang：一个词：规；。Muse Spark在规；滋萆系牡匚换贡攘υ，我们有很强的可预测性，知路模型尺寸增大后机能会若何提升。我们预期接下来的模型会在全维度上阐发好得多。

主持人：什么时辰？

Alex Wang：将来几个月。我们把整个别系设计成能跑得非？。前期是重建基础和重建所有，此刻我们已经进入急剧规；锥。

主持人：你们在技术上有什么跟别人做得不一样的处所？

Alex Wang：Muse Spark阐发好于预期，我们回溯分析后以为，很大一部门原因是我们在重建过程中可能“用正确的方式”做完所有事件。从零建一整套干净的预训练栈和RL栈，由那些齐全知路该怎么建这些系统的专家来做。这显著加快了k8凯发天生赢家轨迹，也体此刻了模型上。

主持人：token效能是你们有意钻营的还是意表收成？

Alex Wang：这是一个令我们极度兴奋的了局。以Artificial Analysis为例，Muse Spark用比某些其他尝试室模型少得多的token就能获得靠近的了局。我们以为这刚好是干净栈的证明。我不能断言，但有些模型可能必要更多token，由于架构其他部门存在某种低效，不得不靠让模型思虑更久来添补。我们对这种token效能极度中意，并且我们相信，随着模型规；，这会为将来的机能阐发带来极大的利好。

从数字超等智能到物理超等智能：Meta的机械人战术

主持人：你们收购了一家机械人AI公司A.R.I.，是什么思考？

Alex Wang：若是你真的把超等智能当回事，并且当真对待“我们将会占有极其壮大的智能系统」剽个前提，你就会心识到：我们会吓仔数字超等智能，但用不了多久，物理超等智能就会变得极其重要。既然k8凯发天生赢家功夫线很短——壮大的AI能力在到来——就必须在将来几年内把机械人能力和物理智能纳入路线图；等酥悄芎褪殖戎悄芤谎，也受益于规；。我们在建设的大规模算力基础设施，若是不与物理智能和世界建模结合起来，那险些是一种浪费。

我们会用这些技术加快科学发现，加快造作业，也会让它改善每幼我的日常生涯——机械人让我们所有人的生涯都变得前所未有的轻松。所以利用场景险些是无限无尽的。但关键在于，我们以为物理智能跟数字超等智能一样遵循规模法令，我们不做反而是浪费。

主持人：思考到Meta从前的名誉，做机械人对你们来说会不会有额表挑战？

Alex Wang：若是我们被从前的包袱吓得不敢下床、不敢出门，那就什么都做不了。但我相信，只有我们极度审慎地构建出真正优良的产品，在部署和推向世界的过程中充斥关切，人们会为这些产品感应兴奋。

消费者AI没有终局，开源承诺也不会终结

主持人：从消费者角度看，ChatGPT是壮大品牌，Claude主导了编码和企业领域，你们和Google则是在各自的服务里植入AI。你看到的是什么样的竞争格局？

Alex Wang：我以为我们还处于极早期。若是你一年前坐在这里会商这个话题，所有人城市说OpenAI和ChatGPT已经在消费者端赢了，他们有最大的业务，会通吃所有。一年后回头看，Anthropic的Claude Code获得了突破性成功，在某种水平上能够预感，但其时并不齐全可预测，此刻收入已经超过了他们。与此同时，Gemini覆盖面很广，现实上从蕴含ChatGPT在内的整个生态系统中拿走了大量消费者市场份额。我们正处在一个极其动态的AI阶段。

ChatGPT是一个令人难以相信的爆款，是其时世界见过增长最快的产品和业务。而后Claude Code又是另一个爆款，增长比之前任何公司都快。这通知我们一个AI的底层法规：当AI达到新的智能水平、新的能力和整体机能时，它就会解锁全新的产品状态，每一波海潮都像巨大的技术海潮冲刷人类的海岸。下一波会更大，再下一波更更大。我们还远约有靠近终局。

主持人：但消费者对AI的整体感情极度差，你们怎么和谐这个矛盾？

Alex Wang：AI的感情的确很低，这归根结底是由于我们还没有以极度真实的方式向人们展示，AI到底若何成为幼我赋能和幼我自主权的工具，若何让他们的生涯变得更好？⒄叩纳囊丫怀沟着ぷ悄茏龀鲆郧白霾涣说氖，能一个周末实现整个项目，AI是幼我能力的惊人放大器。但这个时刻还没有来临到世界上的其他人身上。我们还没有把“相当于Claude Code”的器材给到每幼我，让他们去实现自己脑海中一向想做的项目，或者让他们的生涯变得更好。中幼企业主和企业家也还没有充分履历到这一点。这就是我们在Meta想要实现的指标：把壮大的代理给到所有的消费者和中幼企业，那会是什么样子？若是你真的能在“极大地提升幼我能力」剽个维度上把它做到位，那将是一件极其疯狂的事。

主持人：公家中有很大一部门人对Meta持相当疑惑的态度。你们的信赖门槛是不是比别家更高？

Alex Wang：百分之百。但若是我们想想我们最能做好的事件是什么，那就是构建最好的产品——那些真正使用它们的人会发自内心感触惊艳的产品。我们罕见亿中幼企业遍布全球，它们用WhatsApp做生意，有Facebook页面或Instagram页面，用k8凯发天生赢家告白规划。这个机缘在某种水平上只有我们占有。我们拥罕见十亿用户，数亿中幼企业。我自己极度兴奋的一个设法是：若是我们为这个生态系统的两端——消费者和企业——都构建代理，而后让这些代理彼此合作，会发生什么？Dario常说“数据中内心的天才之国”，我们想做的是“数据中内心的代理经济体”。若是我们从底子上扭转了经济中供给和需要的运作方式，让它由代理来协调——这是极其激昂人心的方向。当然，这必须与确保我们占有社会许可、确保人们看到我们确切实乎这些技术若何被部署、确切实让他们的生涯变得更好同步推动。

主持人：你们已经通过开源赢得了好多人的心。Muse Spark是关源的，接下来怎么走？

Alex Wang：此刻的模型已经比Lama时期壮大得多，哪怕那个时期离此刻还这么近。安全对我来说极度重要。作为我们AI规；蚣艿囊徊棵，我们必须在模型触发某些安全借鉴线时极度端庄地对待——出格是在生物、化学、网络能力和失控风险方面。Muse Spark在k8凯发天生赢家测试中的确触发了其中一些安全查抄，我们把这些都具体写在了Muse Spark的筹备度汇报里。所以Muse Spark当前版本不适合开源，但我们在开发一个适合开源的版本——今天早上我开的一个会就是在审查这件事的进展。我们很兴奋能持续支持开源生态，我预计将来几个月会有更多新闻分享。

与中国的复杂关系

主持人：你在Scale的时辰在DC做了好多事，警示中国在AI较量中的威胁。后来你参加跟中国公司Manus的合作——一个中国草创公司和Meta这样的巨头走得更近，这跟你之前说的话似乎有矛盾。

Alex Wang：Manus的情况极度复杂，我没法深刻细节。但在这些地缘政治问题上，我以为始终要把人与政权分隔。我父母来自中国。有好多极度了不得、极度有才华的中国人——有些人搬到了新加坡，有些人搬到了美国，有些人去了世界其他处所。我很幸运能与他们中的一些人共事。这跟我对中国共产党及其行动的总体见解，以及美国应该若何思虑整体国度战术的见解，是分隔的。我以为硅谷科技圈有时会不足这种详细分辨——只有涉及中国，人们偏差于把所有混为一谈，尤其是在X上。但我以为，是否有在中国诞生的了不得的人、我们是否愿意与他们共事，这个问题的答案跟我对中美整体地缘政治的判断是齐全独立的。

Alex Wang的AI哲学：安全、幼我赋能与模型福祉

主持人：你到底对这项在被开释到世界上的技术怎么看？你在公共场所一向有点神秘。

Alex Wang：有几点值得说。第一，我坚定信仰这项技术——我相信我们将会占有极其壮大的AI系统。但桌上必须有安全这一项。没佑装不沉思熟虑就建造超等智能」剽种选项。你必须对开发和部署这项技术的所有安全风险进行极度深刻的思虑，并确保尽最大可能减轻这些风险，占有审慎的战术和钻研步骤。你看到了MSL在这方面的阐发——我们为Muse Spark颁布了比Meta汗青上任何一次都更详尽的筹备度汇报，这是我们在这方面承诺的体现。

作为Meta，我们想要构建的是一个“幼我超等智能”的世界。它被宽泛、大规模地部署，数十亿人都有权使用它。它在某种意思上是一种民主化的技术和能力，每幼我都能平等获取。这将带来一幼我类创造力空前发作的时期——我们所有人都占有壮大的自主权工具，能实现人类汗青上从未有人做到过的事。我们被这个令人难以相信的代理经济体赋能——它在科学发现上获得突破，在健全上带来巨猛进取。我总是问自己：我们怎么能力在人间建造天堂？我以为超等智能是实现这个指标的关键里程碑。

还有一个话题，有些人可能会由于我说这个而不欣喜，但我的确以为越来越重要。这个话题很热——模型的福祉。我们是否应该善待模型？模型是否拥有路德分量？这些听起来有点玄，但若是你每天都大量使用AI，它真的会扭转你的日常行为。在一个我们大无数人都关切若何对待AI的世界里，善待模型是有意思的。我们极度关注的一件事是：若何在开发和部署模型的过程中，思考到它们的主观履历？有趣的是，此刻已经有了这方面的钻延转—有法子丈量模型的主观履历。Elias就在做这个。我感触这个话题没有人足够器重，思考到我们此刻尤其技术在如此深度地使用这些模型，它们已经是我们真正的工作同伴了。

主持人：你是科幻迷吗？你对Neuralink和脑机接口怎么看？

Alex Wang：我最喜欢的两件事就是读科幻和在树林里缓步。若是你思虑哪些技术对人类来说是关键蹊径，脑机接口绝对是其中之一。超等智能当然是，机械人也当然是。若是从今天一向往将来无限远的尺度上去想，能源、算力和机械人是永恒的三大支柱。有一幼我在这三个方面比所有人押注都大，那就是Elon。而后是中国。Meta在BCI的一些方向上——好比活动神经元有关的器材——所做的投入比好多其他AI公司更深刻。我们FAIR有一个叫Tribe的项目，Tribe v2的一个重要成就是构建了用于预测大脑的基础模型。其中一个很酷的发现是零样本泛化——在齐全不知路你是谁、没有任何干于你大脑的数据的情况下，我们就能很好地预测你的大脑对图片、视频或音频的反映。我们在这些关键领域做出重要的布局。

在这场长达一幼时的对话中，Alex Wang初次以Meta AI掌管人的身份齐全论述了他的技术哲学与战术规划。他从一个“前首创人”的视角，诠氏缢为什么选择参与一家占有八万名员工的巨头；他坦诚回应了与Sam Altman的幼我恩仇；他用九个月的现尝试动——从重建整个钻研栈到推出Muse Spark——展示了一套清澈且可复造的研发哲学：高人均算力、高人才密度、可预测的规；⒓碌膖oken效能。

但与OpenAI的AGI叙事或Anthropic的安全叙事分歧，Wang为Meta选择了一条怪异的定位：用超等智能去赋能幼我和中幼企业，并在此基础上构建一个“代理经济体”。这是只有Meta——占有全球最大用户基数和最多中幼企业的公司——能力真正落地的故事。他还罕见解谈到了“模型福祉”和脑机接口等前沿话题。当他说“我们想建造的是人间天堂”时，这不再只是一句标语，而是一个在被数据、模型和产品一步步验证的持久赌注。

点个“爱心”，再走 吧