九三读书网

扎克伯格谈超级ai：meta要做“帮人的ai”，而非“养人的ai”（第3页）

如果超级AI真的“替人类完成所有工作”，人类不用劳动就能获得“生活配给”，久而久之，就会陷入类似的“价值危机”：学生不用上学，因为AI能直接灌输知识；医生不用看病，因为AI能自动诊断；父母不用陪孩子，因为AI能帮孩子做饭、辅导作业——当人类失去“学习、工作、陪伴”这些核心活动，就会慢慢忘记“自己为什么而活”，最终失去“作为人的价值感”。这不是“解放人类”，而是“让人类失去存在的意义”，这是Meta绝对不愿看到的。

4.2 Meta要让AI“帮人”而非“替人”——把核心决定权交给用户

Meta的核心主张是“AI是工具，不是主人”：AI可以帮人类做“重复、麻烦、需要大量计算的工作”，但“有温度、有创意、需要情感判断的核心决策”，必须由人类自己来做。

比如在医疗领域，AI可以帮医生“分析CT片”——它能在30秒内找出“可能存在肿瘤的区域”，并对比“10万份类似病例”，给出“良性或恶性的概率”，帮医生减少“误诊”的风险；但“要不要告诉患者病情、选择哪种治疗方案（手术还是化疗）”，必须由医生来决定——因为医生能“感受到患者的情绪”，知道“如何用温和的方式告诉患者坏消息”，能“结合患者的家庭情况、经济条件”选择最合适的方案，这些“情感判断”和“人文关怀”，是AI永远无法替代的。

再比如在教育领域，AI可以帮老师“批改作业”——它能在10分钟内批改完50份数学试卷，标出“每道题的错误原因”（如“没掌握勾股定理”“计算失误”），还能生成“班级错题报告”，告诉老师“全班有60%的学生没掌握‘一元二次方程解法’”；但“怎么给学生讲懂这个知识点、如何鼓励‘学习吃力的学生’”，必须由老师来做——因为老师能“发现学生的‘畏难情绪’”，知道“用‘举例子’的方式比‘讲公式’更易懂”，能“拍拍学生的肩膀说‘别着急，再试一次就能学会’”，这些“个性化的引导”和“情感支持”，AI做不到。

更重要的是，个人超级智能会“完全听用户的指挥”：你可以随时调整AI的“帮助范围”——比如你想“自己写作文，只让AI帮忙批改语法”，AI就不会“替你写作文”；你想“自己规划旅行路线，只让AI帮忙订酒店”，AI就不会“直接给你一套现成的路线”。AI永远是“你说东，它不往西”，把“要不要用AI、用AI做什么”的决定权，完全交给你。

本小章还未完，请点击下一页继续阅读后面精彩内容！

5. Meta的“底气”：为何能做成个人超级智能？

打造“个人超级智能”不是“说说而已”，需要“技术、用户、硬件”三大核心支撑，而Meta恰好具备这三大“底气”。

5. Meta的“底气”：为何能做成个人超级智能？

打造“个人超级智能”不是“说说而已”，需要“技术、用户、硬件”三大核心支撑，而Meta恰好具备这三大“底气”：

5.1 技术底气：多年积累+巨额投入，构建“AI技术护城河”

Meta早在2013年就成立了AI实验室（FAIR），是全球最早布局AI的公司之一。截至2025年，Meta在AI研发上的累计投入已超1500亿美元，2025年的研发预算更是高达600-650亿美元，重点投入四大核心技术：

- 大语言模型（LLaMA）：Meta的Llama 4 Behemoth模型参数规模达1.8万亿，能精准理解人类语言的“深层需求”——比如你说“想找个‘安静又便宜’的咖啡馆”，它不仅能推荐“人均20元、顾客评价‘安静适合办公’”的店铺，还会补充“该店周末人多，建议工作日前往”的细节，这背后是模型对“安静”“便宜”等模糊需求的精准拆解，以及对用户潜在场景（如办公）的预判。

- 计算机视觉技术：Meta在2025年Connect大会发布的AI眼镜，搭载了自研的“多模态视觉传感器”，能实现3K分辨率的实时场景识别——比如你在超市拿起一盒牛奶，眼镜能瞬间识别“品牌、生产日期、营养成分表”，并同步对比“货架上其他牛奶的价格”，帮你“选性价比最高的一款”；开会时，它还能自动识别白板上的文字和图表，实时转化为“可编辑的文档”，避免你漏记关键信息。

- 生成式世界模型（GenWorld）：这是Meta突破现有AI局限的关键技术，能模拟物理世界的运作规律——比如你想“规划家庭聚餐的菜单”，AI不仅能推荐“适合老人和小孩的菜品”，还能根据“你家厨房的厨具（如是否有烤箱）”“食材的新鲜程度”调整做法，甚至能模拟“不同菜品的烹饪时间”，帮你“错开做饭顺序，让所有菜同时上桌时都是热的”，这背后是模型对“厨房场景、食材特性”的深度理解。

- 神经接口技术：Meta通过149亿美元收购的神经接口公司，研发出了“Meta Neural Band”腕带，能检测大脑向肌肉发送的电信号，实现“无声控制”——扎克伯格在公开演示中，仅通过“意念”就能在智能眼镜上输入文字，速度达每分钟30词，彻底解决了“运动时无法语音交互”的痛点（如跑步时想调整音乐，不用说话，意念就能控制）。

除了技术研发，Meta还构建了“数据+算力”的底层支撑：通过收购Scale AI 49%的股权，Meta获得了全球35%的AI训练数据流量，这些数据涵盖医疗、教育、生活等多个领域，且错误率控制在0.3%以下，能让个人超级智能更精准地理解不同场景的需求；同时，Meta自研的AI训练芯片“MTIA v5”，能效比超越英伟达H100，配合已部署的35万块H100 GPU集群，能将Llama 5模型的训练周期缩短40%，为个人超级智能的快速迭代提供了“算力保障”。