#模型时代# Alexandr Wang：Meta有两个长期AI愿景
这次印度举办的AI Impact Summit，来的人还真蛮多的。谷歌、Anthropic、OpenAI，再加上微软、Adobe，十几家大厂CEO吧（好几位都是印度裔CEO）。其他人的发言，相对常见。所以，我优先整理了一个前英国首相Rishi Sunak与Meta首席AI官Alexandr Wang的对话。
两个原因，一个是嘉宾之一是前英国首相Rishi Sunak，他现在成了一个AI活动家，经常批评现领导层对AI不重视，应该加大力度在英国搞AI的招商引资；而嘉宾之二是是Alexandr Wang，Meta的首席AI官。好像自从他上任之后，就没有怎么对外公开发言过。
不过，Alexandr Wang还是讲的不是太具体，谈的都是长期愿景，对于Meta现在的工作细节几乎没怎么提。但，也还是值得看看吧。
一、AI技术的三个时代
Wang给出了一条三阶段时间线来概括AI发展至今的轨迹。
1、预训练时代（2018-2024）：长达六年的指数曲线。特征是可预测的scaling——投入越多资源，产出越多性能。这个阶段伴随大量怀疑论，质疑曲线能否持续、是否存在边际收益递减。Wang把这段时期称为"AI怀疑主义的近代史"。
2、强化学习时代（2024年末启动）：模型学会推理，叠加在预训练之上。Wang提到圈内经典梗："Ilia看到了什么？Ilia看到了推理。"同样伴随质疑：这波能持续多久？有没有天花板？
3、递归自我改进时代（2025年末至今）：Wang认为这是一个全新范式。模型本身成为加速生产下一代AI的核心工具。从外部看是模型发布速度加快；从内部看是"单个研究员的生产力出现了戏剧性飙升，而且我们预计这不会停止，会平滑地持续加速"。
Sunak在追问时提到，Dario Amodei和Demis Hassabis私下和公开都确认了同样的加速趋势。三家前沿实验室的掌门人给出一致判断，这是一个信号。
4、Agent同步落地
与递归自我改进并行的另一条主线是agent（智能体）。Wang坦承，agent从2023年就开始炒，"很长一段时间是一个从未兑现期望的炒作词"。但到2025年中后期，agent开始真正work了。从coding agent起步，正在向personal agent渗透。Meta在这个方向上押注很重。Wang的预判：2026年将出现大规模agent部署，"AI的GDP将指数级增长"。
二、信任是AI扩散的决定性瓶颈
对话中，自Sunak讲他两个女儿用聊天机器人的故事：她们每次都说"please"和"thank you"。Sunak说不用，这又不是真人，而且多打字增加算力成本。女儿们回答："如果AI统治世界了，我们希望自己对AI友好过。"
这个故事引出了全球AI信任的话题：印度等国对AI高度乐观，西方国家焦虑仍是主导情绪。
1、Meta的信任逻辑：产品越亲密，信任门槛越高
Wang说Meta的愿景是部署"比大多数人更了解你的personal agent"，了解你的健康、目标、关系、家庭。要实现这种产品形态，需要消费者、政府、所有组织给予巨大的信任。这不是技术问题，是社会契约问题。
2、WhatsApp的启示：为信任优化，而非为商业目标优化
Wang提到WhatsApp之所以成为全球公用设施级产品，很大程度上因为对隐私的承诺，"很多时候，优化的不是我们的商业目标，而是用户对WhatsApp作为平台的信任"。他认为AI产品需要走类似的路。考虑到Meta当下的信任赤字（Llama 4 benchmark争议、LeCun公开炮轰），这番话多少带有一些公关修复的意味。
3、安全测试从"应该做"变成"必须做"
Wang明确说，模型正在达到令人警觉的能力水平，涉及国家安全和网络安全风险。"正确测试并构建合适的系统来安全部署这些模型，是最高优先级。"Sunak补充了他创建英国AI安全研究所的逻辑：政府缺乏技术能力评估风险，需要与前沿实验室合作做部署前测试。
三、国家AI战略的四层框架
Sunak引用了Jeffrey Ding教授的《Technology and the Rise of Great Powers: How Diffusion Shapes Economic Competition》（普林斯顿大学出版社，2024）的核心论点：不需要发明技术，也能从中获益最多。以此引出国家AI战略讨论。
这个观点实际上，也是工业革命的核心论点。第一次工业革命的时候，之所以英国先行，也是因为其他国家对蒸汽机技术需求没有那么大。所以，谁发明不那么重要，谁需求大，用得多更重要。
Wang给出的框架由底向上分四层：
1、数据层：把数据当石油储备来经营
"如果把数据看作新石油、对AI发展至关重要的基础原材料，那么政府应该思考：你的储备是什么？你的数据资产是什么？"两个最清晰的方向：第一是医疗健康数据，建立有效机制让AI模型和agent最终能在此之上服务公民；第二是国家安全数据，"不言自明，但各国需要深入思考核心数据资产"。
2、基础设施层：不必自建，但必须有获取策略
"我不认为每个国家都需要在本国建大型AI数据中心，但必须有策略规划如何获取基础设施。"可以是联盟形式，也可以是与大型云服务商合作。
3、创新生态层：印度消费者AI创业公司数量已超美国
Wang前一晚与印度创始人和VC们共进晚餐，得知印度的消费者AI创业公司数量已经超过美国。这是一个值得验证的说法，但至少反映了他试图传递的信息：AI创业的重心不一定在硅谷。
4、政府服务层：让公民直接感受到AI的好处
Wang认为信任的战场在公共部门。"如果公民体验到更好的医疗、更高效的政府服务，信任讨论就从抽象变成具体。"他举了印度的例子：部分邦已通过WhatsApp提供绝大多数政府服务，去年仅地铁票一项就通过WhatsApp售出1亿张。
四、AI落地的双引擎：自上而下+自下而上
Sunak观察到CEO推动AI落地的方式可以映射到政府。他的判断：几乎每个大公司CEO都在思考AI是否会颠覆自己，"这必须由CEO亲自驱动，不能留在IT部门"。
Wang给出Meta内部经验：
1、自上而下：宣布这不是可选项
"在最高层明确：组织将成为AI优先组织。组织的成败完全取决于能否正确拥抱AI。"他加了一句："你现在大概可以让AI帮你设计这个战略了，它可能做得还不错。"
2、自下而上：靠真实案例点燃全员
"Meta有些工程师用AI实现了10到100倍的生产力提升。当这样的案例出现，所有人意识到：这不是高管空谈，一线已经非常真实了。"
两个引擎缺一不可。只有战略没有案例是空谈，只有案例没有方向是散兵游勇。Wang在内部备忘录里说过类似的话：裁掉600人是为了"减少做决策所需的对话数量，让每个人承担更多"。这套"top-down指令+bottom-up案例"的逻辑，与他在Meta内部的管理动作是一致的。
五、终极愿景：从个人超级智能到人际超级智能
对话尾声Wang抛出两个长期愿景。
第一个是personal superintelligence（个人超级智能）：每个人有一个agent，帮助探索热情、建立事业、做出发现、"实现自己生命中最大化的版本"。这是扎克伯格在2025年年度宣言中提出的概念，Wang在公开场合为它做了具体阐释。
第二个更大胆——interpersonal superintelligence（人际超级智能）。Wang的观察是：人类社会中大事的发生往往只需要"对的人以对的方式组织在一起"。AI有可能让人类以比今天更好的方式组织起来，"也许我们能够以社区、团体或新型公司的形式组织起来，解决我们最大的挑战"。
Wang自己也说"这听起来有点高大上"。但这个概念至少提供了一个区分Meta和其他AI实验室叙事的角度：OpenAI讲AGI，Anthropic讲安全，Meta讲的是30亿用户基础之上的社会化AI。
