这就像是一个充满机遇与风险的绝佳摇篮，我认为这使得当下成为构建者——那些对世界变革有着强烈愿景的人——的黄金时代。稀缺的资源将不再是智力或执行力，而是远见和雄心。关键在于，你是否对未来的世界模样有着清晰的构想？你希望如何影响未来五到十年世界的演变轨迹，使其与今天截然不同？
让我们聊聊你的故事。你从小就很聪明，比如参加数学奥林匹克竞赛等。请回到那个时期的亚历山大：当时你在想什么？有什么驱动力让你走上这条路吗？
我在新墨西哥州的洛斯阿拉莫斯长大，那里现在因《奥本海默》而闻名，但当时真的是荒无人烟。我记得我参加了各种数学和计算机科学竞赛，但我一直想做些大事，只是路径并不清晰。高中毕业后，我的一位朋友对编程很感兴趣，他在硅谷实习（据说是Palantir），他对我产生了影响。因此，高中毕业后我在Quora工作了一年，然后去了麻省理工学院（MIT）。
19岁时在Quora工作，18岁去MIT，19岁创立Scale。从17到19岁这段时间，我感觉自己一直在变化，想做的事情也在不断调整。我从周围的人身上学到了太多，感觉就像在不停地从消防水龙带里喝水一样。
我强烈建议两点：一是去公司工作非常有价值，因为局外人根本不知道公司内部如何运作、构建产品或迭代的过程，也不知道群体如何做决策。二是去MIT读书很重要，因为它给了我探索兴趣的机会。正是在MIT，我训练了第一批模型，尝试刚发布的TensorFlow，并萌生了Scale的想法。一年后申请YC（Y Combinator），当时能进去简直像奇迹，这对我的创业之旅至关重要。
YC不仅是支持性的合作伙伴，他们真心希望你成功，但也会直言不讳地指出你的愚蠢之处，这正是我们生活中所需要的。所以，19岁创立Scale，之后的故事便是传奇了。
你当时与Jared Friedman合作，但最初的想法与你最终创立的Scale截然不同？是的，我们原本想构建一个AI代理来帮助人们获取医疗服务。这是一个最终会存在的绝佳例子（如今我们也看到了），但当时时机不对。我们做了一两个月后，Jared把我们叫住说这行不通。这正是我们需要听到的建议。
当时我在MIT学过AI并训练过模型，我们回到原点，深入思考机会所在，从而确立了Scale的方向。当时大规模语言模型尚未兴起，自动驾驶和计算机视觉正在崛起，这成为了我们的第一个市场？
在MIT时我训练过各种模型，虽然与今天相比只是“玩具模型”。我记得训练一个模型需要三样东西：云账户（如GCP）以获取算力、运行模型的代码，以及数据。前两者只需点击按钮即可在线获得，但当时获取训练数据的途径非常低效。
因此很明显，未来会出现一种像点击按钮一样轻松获取数据的方式。有趣的是，在Scale成立的头几年里，“数据”依然不性感。尽管我们的业绩和收入很好，但风投总是怀疑这个业务的持久性和耐用性。这很奇怪，因为投资者们大多从未训练过模型，所以并不真正理解这一点。
如今形势逆转：当初拒绝我们、对AI潜力持悲观态度的同一批投资者，现在却在撰写文章强调数据在AI中的核心地位及巨大商业机会。看到这一切闭环完成，真是有趣。这难道不是第一性原理思维的绝佳案例吗？不能只看《华尔街日报》说数据热门就创业……
"在那上面工作。”这就像是你根本无法以那种方式开始Scale。你必须从一些关于你所知世界的简单陈述起步，这些陈述是确凿无疑的真理，然后在此基础上构建某些事物。是的，我认为关键在于你需要对一组无人认同的信念产生坚定的信念。比如，如果你审视全球最成功的企业，它们大多是在核心概念尚未流行很久之前创立的。它们在默默无闻中耕耘多年，直到该理念、领域或商业概念成为共识。而你要想成功，就必须能够尽早识别出这些关于世界的真理，远远早于其他人。
我想说的是，最令人惊讶的一点是，我们在AI领域已经工作了十年。你不能仅凭周围人的言论来做商业决策。如果你盲目从众，只会陷入极度的困惑，最终一事无成。因此，你必须建立自己的指南针，去构想未来的模样，因为其他人的意见只会让你迷失方向。看起来你极其擅长的一件事是：从一个“我们相信X而别人不信”的核心信念出发，然后处理构建企业的机制——与投资者沟通并说服他们，不让他们打击你的士气；与客户交流，因为他们理应理解这一点。
特别是像说服人们加入你团队这样的挑战。是的，我认为构建公司的这些早期机制，你可能天生就有一些优势，但没人能在刚开始创业时就擅长此事。我记得与许多早期接触的投资者交谈时，他们常说：“哦，你增长得这么快，变化也如此迅速，我当时并没有看出来。”我想这对所有创业者来说都是真的。没人能在从未做过的事情上立刻表现出色，对吧？因此，对于所有企业家而言，起步时往往什么都做不好，而整个游戏的关键在于如何不断提升自我、变得更好并快速学习。
我们在后台讨论过，现在其实是一个创业的好时机，因为你可以来YC（Y Combinator）。在座的各位彼此相识，这很奇妙。不仅如此，现在你还有个人AI助手可以告诉你“嘿，这是几种可行的方法”。你认为这是否会帮你加速得更快？你觉得在AI时代创业是怎样的体验？是的，我真的认为我们正处于一个非凡的时刻。瓶颈不在于AI模型的进步，而在于如何将这些技术扩散到全世界，帮助世界适应这项已经存在的惊人科技。
即使模型从今天起不再进步，未来几十年仍会有巨大的经济动荡和世界运作方式的变革。因此，这大概是一个百年一遇的机会去成为梦想家、拥有愿景和抱负，并通过构建惊人的事物来强加你对未来世界的看法。我们曾在后台聊到，十年前我创立Scale时，创业就像大卫对抗歌利亚。你必须聪明，找到市场切入点，在资源匮乏的情况下竞争。而现在我认为，借助智能体和AI的力量，这更像是歌利亚对抗歌利亚。
也许初创企业是一个被智能体和AI极大增强的“麦加式”歌利亚，而大公司则是传统的歌利亚。但我认为初创企业现在如果正确拥抱AI智能体并找到利用其优势的最雄心勃勃的方式，就能轻松超越现有巨头。那么让我们谈谈超级智能吧，毕竟这甚至出现在你实验室的名字中。在Meta内部，“超级智能”目前在操作层面意味着什么？是的，我认为一年前马克写了一篇关于“个人超级智能”的备忘录，这与你的“个人AGI”概念非常相似。但我们相信世界上数十亿人将拥有适应并量身定制给他们的超级智能，它能帮助他们实现目标、了解其背景，并最终扩展他们自身的能动性。
我们深思的是能动性的扩展：如何帮助人们完成以前从未梦想过的成就？如果一切变得轻而易举，世界上的每个人会做什么呢？我们也从生态系统角度思考这个问题。正如帕特里克提到的，我们不认同那种控制世界的极权式AI观点。我们相信这些技术将增强一个广泛的生态系统。因此，我们坚信全球数十亿人各自拥有个人超级智能。我们也相信创业将迎来爆发式增长。目前Meta平台上有2亿家企业，随着创造力的迸发和AI工具的使用，这个数字应增至数十亿。
最终我们认为，将出现一个动态的生态系统，商业智能体与个人智能体协同工作，发展出一个完全由AI超级赋能的复杂生态。所以看到Meta Spark 1.1让我非常兴奋，我的OpenClaw绝对喜欢它。运营一家前沿实验室的感觉如何？Meta Spark的水平可以说是巅峰之作。
还有源源不断的新产品推出，而且我认为大家越来越关注开源领域，我想在座的各位都非常喜爱这一趋势。是的。我在Meta大约待了一年多，这一年非常不平凡。我们曾公开讨论过，Llama 4的发展轨迹并未达到Meta所需的标准，因此我加入后，我们几乎从零开始构建了一个前沿实验室。当然，我们在某些方面利用了现有的资源，但目标是尽可能快地建立起整个体系。在那之后的九个月内，我们推出了New Spark 1；两个月后，又发布了New Image和Spark 1.1。
在这个过程中有几件事让我感触颇深。首先是人才密度至关重要，这是我们要押注的核心要素。人才密度的优势在于它能自然复利：你拥有的顶尖人才越多，越能吸引其他最优秀的人才加入。从内部来看这确实令人惊叹，但前沿AI工作本质上是研究，是科学探索。我们在探究这些模型能做什么、如何推动它们的发展以及它们的潜力边界在哪里，这需要一种与互联网公司产品截然不同的思维模式和运营体系。
这其中涉及大量的实验和科学研究，一切最终都关乎如何建立一个实验室及运营模式、一套系统，使其能够随着生态系统中指数级增长而不断复利。这包括能力的指数级提升、算力的指数级扩张，以及采用率和使用量的指数级增长。我们正处在整个生态系统各个维度上极其陡峭的上升曲线中，因此重要的是要像生物有机体一样去构建这个实验室，使其能够随之共同成长。
这段经历非常令人兴奋，我们将发布更多产品。我们刚刚推出了Muse Spark 1.1，这是一个很棒的模型，未来还会持续更新该系列。此外还有更大的模型即将到来，我认为它们将与当今最顶尖的模型更具竞争力。我们很快还将发布一个“Harness”（工具集），一直在努力开发它，以帮助赋能所有的开发者以及代理型开发人员。
正如你提到的，我们也在致力于开源模型的开发。如我之前所述，我们相信AI能力、进步和开发应处于一个去中心化的世界中。我们希望赋能更广泛的生态系统和全球每个人，让他们能够利用这项技术进行构建和发展。因此，我们有很多令人兴奋的事情即将推出，我们希望尽可能多地赋能生态系统和开发者。
听起来其中一种方式就是……当我用Open Claw使用Muse Spark时，很明显它在代理工作流（特别是技能文件方面）的表现与开源模型相当，但成本实际上低了8倍。[笑声] 是的。我想这正是我们的理念所在：我们不认为这些模型应该昂贵到只有最富有的开发者和公司才能配给使用。重要的是每个人都能利用这项技术，构建他们想做的任何东西。
我认为最好的AI产品尚未被开发出来。如果你观察AI生态系统和发生的一切，每一波浪潮都比上一波大十倍。当我开始Scale时，第一波可能是自动驾驶汽车。它们确实很棒、很酷，但与大型语言模型和聊天机器人相比就显得微不足道了。而聊天机器人的规模可能是自动驾驶汽车的十倍，几年后出现的编码代理又比聊天机器人大十倍。
我们认为我们正处在这条陡峭的曲线上，将继续看到AI范式的新模态、新形式和新发展，每一个都将比上一个巨大得多。因此我们的观点是：释放生态系统的力量，去探索、去构建，共同塑造世界的未来。那么，利用你们Spark开源编码模型的最佳方式是什么？
是的。目前最简单的方式是使用Open Code，网站上已有相关入门指南。很快我们也将拥有自己的Harness。最终，我们希望提供能接入所有可用Harness的优秀模型，从而尽可能多地赋能生态系统中各种组合式创新。我知道那个Harness目前还在保密中，但能否透露一点信息？我仍然使用Open Claw和Hermes Agent。
这些东西就像停在路边抛锚的法拉利一样经常出问题，你的这个Harness会是那种不会抛锚的法拉利吗？希望能如此。我认为我们非常专注于速度，对于任何使用这些工具的人来说，速度可能是最关键的因素之一。同时我们也注重可靠性，正如你提到的，我们要做到极高的可靠性和可扩展性，以支持你想要构建的任何复杂且有趣的智能体协作设置。
坦白说，我认为在Harness之上还会有大量的创新发生，特别是在如何编排、设置循环以及开发这些智能体协同工作的复杂生态系统方面。我们希望具备极强的可扩展性，最终赋能人们去驾驭这项技术。“Harness up”（准备好工具/上马）。哦。[笑声] 没有双关语，真的没打算用这个梗，但我真心相信这些模型已经极其强大。
非常强大。它们应该变得如此强大，以推动国内生产总值增长的许多方面的大量扩张。我认为，这需要拥有远见和雄心壮志的聪明人来促成这一切的实现。
让我们来看看这个问题。我的意思是，当你回顾过去十年时，你认为事后看来关于人工智能有什么显而易见的事情是人们在当下所忽略的？
你知道，如今发生的许多辩论都围绕着模型究竟变得有多好、它们能否真正解决这一问题以及我们何时能获得超级智能展开。是在两年内还是五年内？我们会撞墙吗？我认为，这种辩论在某种程度上有点浪费时间。因为我觉得拥有非常强大的模型是不可避免的。
我想我们会回过头来想：“哦，围绕这一切究竟何时会发生的争论有点短视。”因为现实是，作为一个整体的人类文明，我们正处于令人难以置信的指数级增长中。
如果你回顾过去十年人工智能的发展进程，你一定会被它所取得的巨大进步所震撼得目瞪口呆。十年前，最好的AI模型只能在YouTube视频中识别猫。而现在，我们正在与一个数字之神对话，它拥有你所知道的一切能力。
我的意思是，我们都见过一些黑客攻击以及这些系统所具备的一些功能。你忍不住会感到惊叹不已。而且我认为这种趋势将继续下去。这些模型将变得越来越强大。
因此，我想十年后回头看，智能变得丰富且代理能力也变得丰富将是显而易见的。我们目前所遵循的趋势将继续下去。这将是非常奇怪的。
我认为在人类历史上，一群聪明人为了共同的目标聚在一起曾是进步的瓶颈。美国在某些方面就是这方面的一个例子。
美国是由一群非常聪明的人聚集在一起形成的，他们拥有想要实施的关于未来的愿景。这几乎是每家美国公司的故事，也是每一个YC（Y Combinator）创业公司的故事。
但这将会改变。突然之间，稀缺的资源不再是智能或代理能力。我真心认为它将是远见和雄心壮志。
你是否清楚地看到了你希望未来世界呈现的样子？你想通过哪种方式去影响世界未来的发展轨迹，使其在5到10年后与今天截然不同？
你是否有雄心壮志和动力去经历所有繁琐的事情以实现这一目标？AI将使这一切变得更容易。代理技术和AI使其比十年前容易10倍或100倍。
但另一方面，你也可以梦想得更远大。我认为世界上有太多的事物需要进化，以便我们完全接纳这项技术。
你知道，当今世界甚至还没有为这项技术做好充分准备。我认为作为一名构建者，我们有责任让世界做好准备。
我们必须帮助企业政府适应这项新技术。我们必须弄清楚如何从生物安全或网络安全的角度保护世界免受威胁。
我们需要找出如何应对我们在这项新技术中看到的所有风险。但另一方面，这也是人类前所未有的机遇时刻。
我们可以开发新的科学领域。我们可以解决健康和生物学中那些永远未解的难题。我们可以建立以前无法想象的新业务。
存在着以前不可能存在的全新创意机会。所以，这是一个充满机遇和风险的巨大摇篮，我认为这是作为构建者且对世界变革有强烈观点的人最好的时代。
你认为这条路改变了吗？我的意思是，我注意到斯坦福大学的计算机科学专业人数实际上下降了两位数的百分比。人们对此感到担忧，这在我看来简直疯狂。
你仍然需要这些技能才能创造出如此优秀的代理程序。也许情况并非如此，我不太确定。你知道你会怎么对现在的观众说些什么吗？
这是一个人们正在面临的真实问题：他们应该变得更像“文字细胞”（WordCell，指专注内容/提示词的人）还是更少的“形状旋转器”（Shape Rotator，指专注代码/结构构建的人）？
你知道这该怎么做吗？>> 是的。 >> 这在某种程度上改变了吗，比如你正在招聘的人员类型以及你现在在Meta管理团队的方式？
我认为系统性和严谨的思维仍然极其重要，因为在抽象层面上……我的意思是，我以前不相信这会是这样发展的，但它确实发生了。
抽象层一直在变化。所以，当我开始创业时，在我们那个年代，我们写代码。>> [笑声] >> 而现在，我相信这里没有人再写代码了。这太荒谬了。
但现在的问题是如何协调代理程序一起工作？然后问题变成了如何开发这些由代理组成的组织？
你如何让一百万个代理程序协同工作得很好？然后将是如何使一万亿个代理程序协同工作得很好。
我认为我们将持续需要弄清楚如何在我们要操作的抽象层上构建工作流程结构。这种严谨的系统性思维，
传统上来说，在我那个创业时代的方式是：你先写代码，然后你拥有由人类组成的组织，并弄清楚如何组织这些人类。
这需要系统思维。而现在，也许更接近于：你先组织代理程序，然后弄清楚如何组织这些由代理组成的军队。
但我想系统思维永远不会过时。所以，我认为完全投入“文字细胞”是一种错误。你需要成为“形状旋转器”。
我认为，未来真正必要的是拥有更深层的指南针和哲学视角，去看待世界应该如何运行。我想从人类历史中汲取许多教训，关于文明如何度过这段时期。因此，我相信人性在未来十年的变化将超过过去一百年。所以我认为，对于我们要为未来持有积极的愿景，并清晰地阐述其发展路径，比以往任何时候都更为重要。
让我们更具体一点。我很好奇的是，在你的朋友或Meta内部，你是否看到了一些AI的应用场景可以分享？这些可能是显而易见的近期应用，但人们尚未完全意识到。请给我们一些独家内幕吧。（笑声）
我认为在智能体循环（agentic looping）方面，机会仍然是天文数字般的巨大。关键在于弄清楚如何开发系统，使你们能够投入比现在多100倍或100万倍的token费用，以在持续的反馈循环中驱动结果。如果你思考一下大多数公司，它们本质上就是大规模的反馈循环，人类在每一个环节运作。比如，公司获得客户并想办法让客户更满意；如果客户更满意，他们就会花更多钱；如果他们花得更多，公司就能雇佣更多人；然后你们再去想办法获得更多客户并让他们更满意。这就是每个初创企业或商业的反馈循环，其中还存在着微观层面的反馈循环。
我认为开发能够运行和优化这些反馈循环的智能体系统，其中蕴含着巨大的价值（alpha）。我在Meta内部看到过案例：如果你能开发出正确的智能体循环，并为智能体设定合适的评估标准或优化指标，一群智能体可以非常轻松、毫不费力地完成超过100名工程师团队的工作量。因此，我认为弄清楚拥有大量此类智能体协调问题的世界将是什么样子，是当今最有趣的问题之一。
从机械层面来说，是指使用Markdown文件、定时任务（cron jobs），基本上是将足够的指向智能体的数据喂给它，让它去弄清楚那些可能不在分布内的东西吗？是的。我认为搞清楚这一点……没错，从机械上讲，就是确定指标是什么，然后归结为技能、Markdown文件、定时任务。或者说是目标（slash goal）。
是的，斜杠目标。我觉得一旦你真正深入挖掘，一切都会显得非常平凡。但这并不是魔法，你明白我的意思吗？有些人把很多神秘色彩加在AI上。LinkedIn上有不少关于这些“魔法”的帖子。我的建议是：忽略LinkedIn。LinkedIn是用来获取客户的地方。（笑声）
我喜欢以这个问题结束访谈：如果你能发一条电报给18岁的自己，考虑到你现在拥有的一切智慧和经验，你会对那个年轻人说什么？谢谢你回来与观众分享你的见解。如果让你给18岁的自己写一封瓶中信，你会说什么？
我认为这归根结底是要建立你自己的内部指南针，去构想未来将如何发展，并对它持有坚定的信念。因为你会被大量的噪音淹没，人们会告诉你各种事情，这可能会非常令人困惑且艰难。尤其是当你年轻、缺乏经验时，对自己所相信和想要做的事情持有真正的信念会感觉非常困难。但我认为这是最重要的事情。正如我们讨论过的，正是因为我们对我们所构建的事物有着深刻的信念，我们才能抵御多年来市场、行业以及周围人带来的混乱风暴。
我给出的另一条建议是：尝试识别出世界上哪一条指数级曲线既拥有最陡峭的斜率，又能持续最长久的时间。几十年前，这条曲线是摩尔定律，那在当时无疑是正确的投资方向。我认为现在是AI的进步，但未来还会有更多这样陡峭的曲线。这些曲线的起点可能非常枯燥或看起来并不那么有趣，这没关系。比如当我开始研究规模化时，我们在YouTube视频中使用了猫检测器。很难解释这是当今最重要的技术之一，但它确实建立在一条难以置信的指数曲线上。
我还有最后一件事要说。是的，Meta很自豪地向在座的每一位提供1000美元的免费额度，用于新的Spark API。（掌声）（欢呼声）我们将继续改进模型。目前，我认为新Spark的价格比Opus便宜八倍。如果换算成Opus美元的话……（笑声）那数额就大多了。不过，在座的每个人都会努力让大家了解如何获取这些额度的详细信息，我们非常期待看到大家构建出的成果。亚历山大·王，谢谢大家。（嗯。）