Meta的前沿模型追赶、模型租用策略与消费级AI落地障碍——Meta首席技术官Andrew Bosworth访谈要点梳理（Big Technology Podcast，2026-07-08）
——据Big Technology Podcast节目《Meta CTO Andrew Bosworth: Our Path To Frontier AI, Renting Models, Consumer AI's Struggles》（2026-07-08）整理
摘要：本文对Big Technology Podcast节目主持人Alex Kantrowitz专访Meta首席技术官Andrew Bosworth的主要观点进行了梳理汇总。梳理了Meta在前沿模型竞赛中一度落后的原因与此后的调整，介绍了其“模型可租、产品是价值”的策略、多模型调度的产品架构、消费级AI进展缓慢的症结以及人机交互与应用形态的演进方向，最后阐述了Meta内部数千名员工调岗、键盘追踪数据计划等转型举措。Bosworth认为单体模型的时代大约在Llama 3发布前后结束，Meta相对竞争者的优势在于领先模型、产品、分发与消费者体验四者的组合。
关键词：消费级AI；个人代理；模型路由；前沿实验室；组织变革；Meta；Muse Spark；Andrew Bosworth
一、前沿模型竞赛中的落后与调整
Bosworth承认Meta在前沿模型竞赛中一度落后，并将原因归结为Llama 3阶段的研究组织方式；此后公司把AI提升为具有根基意义的战略投入。
（一）落后的原因
据其介绍，Bosworth同时主管Meta内部的“代理化转型加速器”，其中包括应用AI团队。主持人提出，长期以来的理论是做出顶尖模型需要大量算力与顶尖研究者，Meta两者兼备，领先模型却没有出现。Bosworth在算力与人才之外补充了数据这一要素，并将Llama 1至Llama 3定性为“处在前沿并推动行业”的阶段，问题出在Llama 3的组织方式上：为交付那一代模型，团队“拉出了每一个能拉的塞子”，把全部研究力量投入其中，“不知不觉间杀死了管线”。
他描述的研究组织常态分为三层：一是一个基础模型；二是一批人在其基础上做增量版本；三是另一批人在外围探索全新策略。Llama 3把探索未来的赌注全部前置到当期交付中，到Llama 4时，其他实验室仍在推进的路径探索，Meta一项都没有，结果是在推理模型、专家混合以及一批维持行业进步节奏的关键技术上同时落后。他表示这“反映了我们当时对这件事的关注不够”，并将一年前外界的公开失望归结于此。
（二）组织与资源调整
据其介绍，Mark Zuckerberg由此把AI从“公司众多赌注中的一个”调整为“对整个公司具有根基意义的赌注”，进入“创始人模式”，亲自获取算力与人才；Alexandr Wang加入Meta刚满一年，已经可以看到成果。Meta新近发布的模型为Muse Spark，他两次强调这“并非我们的前沿模型”，只是在Meta看重的、与自家产品相关的评测上表现良好。他对现状的总结是，团队、算力、数据都已齐备，“我非常有信心会到我们该到的位置”。
二、模型租用策略与产品价值
Bosworth认为，模型可以租用，价值在于产品；自有模型的作用主要体现为掌握自身命运与增强议价能力，领先的AI产品将在底层调度多个模型。
（一）产品是价值所在
Bosworth表示，Anthropic、OpenAI、谷歌（Google）的模型都可以租用，而且都很好。“我们将在世界上创造的真正价值是产品。模型本身并非价值所在。”他为Meta给出的差异化是“个人超级智能”这一产品愿景，理由是Meta比几乎任何机构都更有机会理解用户是谁、想做什么、在意什么；自有模型的意义则被他概括为两点，一是不依赖他人，二是掌握自己的命运。
他预测消费者很快会进入不指定模型的阶段，并以数据库作类比：用户并不关心底层是甲骨文（Oracle）还是SQL，只要功能可用，“这将是我们所有人都会被拿来衡量的标准”。他同时承认，当前行业讨论全部围绕模型展开，“这至少向我表明，我们在用户这一侧、在人类如何受益这一侧的权重偏低”，Meta在展示技术工作之外，还需要向消费者证明价值。
（二）自有模型的议价作用
主持人追问Meta是否不租用模型，Bosworth表示“我们确实租”：内部大量开发在自有模型上进行，也有部分开发使用谷歌、Anthropic或OpenAI的模型。他给出的机制是，做到模型无关并且在经济上说得通，前提是手里有一个有竞争力的模型可以退回去，“它对别人能向你收多少租金构成了真正的底线”，同时在谈判条款上处于更有利的位置。
他还表示，无论是公司内部开发者还是外部消费者，“我不希望他们长期为模型操心”。目前模型与产品仍紧密绑定，但随时间推移，使用者只需关心自己要达成的目标。他把拥有一个绝对领先的前沿模型称为一种重要的战略构造，“但并非有了它你就突然赢了”，模型必须接到产品、分发与消费者体验上才有意义。
（三）多模型调度的产品架构
Bosworth认为这一变化覆盖整个行业：“单体模型的时代大约在Llama 3发布前后就死了。”据其描述，用户在使用opencode、Claude Code、Codex这类harness时，底层在“按任务向不同模型采购”，例如Gemini会把图像生成任务分发给Nano Banana。
其架构判断主要包括三点。一是真正需要的是一个运行成本很高的高智能模型，把它以各种方式蒸馏到各处，只在必要时调用其“精致智能”，其余场景使用更便宜、更快、延迟更低的模型。二是人类任务的智能需求有限，他相信scaling law会让原始智能随算力持续上升，但“很多人类任务用常规水平的智能就能完成”。三是模型层会出现分层，问题从“哪一个模型统治一切”转变为“哪一组模型以正确的性能、价格与价值平衡组合在一起解决问题”。
（四）与苹果租用路线的对照
主持人援引报道称，苹果（Apple）以约10亿美元获得Gemini的蒸馏或分支版本用于Siri，早期反馈不错，并询问Meta是否考虑类似安排。Bosworth的回答分两层。一是Meta已在使用多种模型，选择标准是价格、性能与延迟，自有模型提供谈判筹码与退路。二是对苹果路线有所保留，他先表示“现在下判断太早，我没有使用权限”，随后把Meta的目标界定为“把巨大的特定能力带进产品，通用智能本身只是起点”。Meta把AI视为人与计算机交互的全新方式，延续Reality Labs多年的工作，以施乐帕洛阿尔托研究中心（Xerox PARC）、斯坦福研究所、贝尔实验室为范本，研究如何把信息从大脑送进机器（神经接口），再从机器送回大脑（增强现实与虚拟现实）。他表示：“AI可能是我们见过的把信息从大脑送进机器的头号工具，尤其当它能观察我们周围的很多事物时。”对苹果，他的看法是：“我不知道他们是否有更广的愿景来说明它如何融入人们的生活。”
他把Meta的竞争位置概括为领先模型、产品、分发、消费者体验四者的集合：“我们认为这四件事的集合是我们相对竞争者的超能力，他们当中大多数——无论是Apple、Anthropic、OpenAI还是Google——只有其中一件。”
三、消费级AI进展缓慢的原因
Bosworth认为，消费端AI进展缓慢的症结在于界面、易用性与用户习惯，把技术带给所有人是一项“苦活”。
（一）炒作周期与用户习惯
主持人指出，Character AI、Replika等尝试已经出现，OpenAI也从消费转向企业收入。Bosworth表示：“我不知道为什么我们以为这一次会免疫，炒作周期是我们这个行业不断上当的常青概念。”在他看来，炒作周期的真正含义是：“愿意跳过一堆圈子让它工作的人只占人口中相对小的比例，把它带给所有人的工作是真正的苦活。”
这项苦活主要包括三个方面：一是解决技术难题之后，还要把界面做到可用、易用；二是用户在没有这一工具时也把生活过得很好，产品实际上在要求用户以相当剧烈的方式改变与计算机打交道的习惯，“他们大多不喜欢这样”；三是“必须以价值领先”，讲清楚具体为用户做哪几件事、让生活哪里变好。
（二）代理产品的现状
据其介绍，他与业内许多人一样，自去年12月起使用Pi等代理框架搭建工具，“非常强大，但对用户很不友好，很难搭、很难维护、会随时间漂移”。他为妻子搭建了一个放在WhatsApp聊天里的代理，“她从来不用，我一直在用”，妻子的做法是直接请他办事，“我就是那个代理”，他再去找代理执行。他的结论是，搜索、研究、内容生成几类用例已被用户理解，但“我们还没有做那些让人愿意把它整合进日常生活的工作，它不够易用、创造的价值不够、太麻烦，这是要解决的产品问题”。主持人认为“需要好模型，但好模型不够”，Bosworth表示认同。
（三）企业侧与消费侧的分野
Bosworth表示，Anthropic以及看起来越来越集中由Greg Brockman推进的OpenAI，在做搭建harness的企业业务，“那是钱所在的地方，我理解他们需要钱”；大客户意味着更少的销售次数与更大的单笔资金，适合这场资本密集的竞赛。Meta的重心则“百分之百在消费者的生活”。
他认为消费侧存在锁定机制：一是个人助理掌握用户不愿广泛分发的信息；二是更换助理存在“上手期”；三是一个真正嵌入生活且做得好的助理会与用户形成连接，“竞争者需要拿出很多价值才能替换它”。
（四）对AI陪伴的看法
Bosworth对AI陪伴态度审慎。他承认个性重要，Anthropic在Claude各代产品上、Meta在自身实践中都发现，自然语言是否讨人喜欢对人的影响很大；但他预期人群偏好分布很宽，有人希望AI具身、有面孔，甚至为生活各部分设置二十个不同个性的代理，他本人只需要一个极其可靠、可信的无形实体，“市场会把这些都提供出来”。对于AI陪伴成为新社交媒体的设想，他预测AI的主要收益将是增加人与所爱之人相处的时间，真实人际连接的溢价会随时间上升，并以自身重度使用的体验为例，表示自己坐在电脑前的时间在减少。
四、人机交互与应用形态的演进
Bosworth将AI置于人机交互“比特率”持续上升的长期趋势中理解，认为长尾应用将逐步让位于按需获取的服务。
（一）比特率框架
主持人指出，Bosworth此前表示不会“与AI融合”，而现在的说法听起来接近融合。Bosworth对此予以否认，并将其框架概括为人到机器、机器到人的比特率持续上升这一长期趋势的延续与加速。他举了两个小例子：一是自动纠错，是“坐在你和计算机之间的一个小AI”，降低损耗、提高比特率；二是二维码，解决的是“我想输入一个网址，但绝不想手打，因为错误率太高”。一个能用人类语言理解事物的AI，即便只作用于输入侧，也是对已有算力利用能力的深刻改进，再加上输出侧的信息综合能力，比特率将大幅提高。他把这条线索追溯到Doug Engelbart在斯坦福研究所开展研究的初衷，即人类问题变难的速度超过人类能力的提升，需要人机共生，由此才有了早期的视频通话、协同编辑文档与鼠标。
（二）眼镜与可穿戴设备
据其介绍，眼镜的定位由一个问题决定：“有什么东西是你希望不用把手机从口袋里掏出来就能用的”，答案是摄像头和音频。AI为这一产品提供了顺风，其解锁的能力范围远超两三年前的设想；当时的路线图是终究要加显示、成为独立系统并配备一系列配件，现在看来市场可以容纳一整个谱系的可穿戴设备。带显示的眼镜刚上线一个“vibe coding”平台，任何人都可以为眼镜编写应用，下一步可能是戴着眼镜实时说出需要什么应用，由其当场生成。对于全AR眼镜Orion，他仍未给出时间表，原因是除功能齐全之外，还要好看、舒适、价格合理，被追问“以年计还是以月计”时，他只表示“我喜欢我们正在取得的进展”。
（三）从应用到服务
Bosworth认为，内容仍需要一个“家”，类似电视频道或社交媒体上的媒体所在地；但对于长尾应用，“为什么我的烤面包机需要一个app”，他拒绝安装。他表示：“我认为未来的样子并非应用式的，未来是有价值的服务，你按自己想要的方式在需要时获取，并付钱给提供服务的人，这些都提前或按需协商好。”现有雏形是与Spotify的合作，对眼镜说放音乐，绑定账号后即可直接执行。主持人补充了Garmin连接器的例子，Bosworth将目标表述为“你的Meta AI理想上已经知道你在训练、有什么目标，并且接入了营养等所有相关环节”，同时承认“从现在到那一步之间有很多步”。
五、Meta内部转型与数据建设
Bosworth承认Meta在AI转型中的执行存在不足，解释了专家轨迹与键盘追踪两项数据计划的用意，并将行业阵痛视为必经过程。
（一）数千名员工调入AI组织
主持人援引《连线》（Wired）报道中一名员工对调岗的抱怨。Bosworth解释，Meta的传统是在看到紧迫机会时进入“封闭冲刺”状态，移动、视频、Stories都曾如此，而这一次“是我们职业生涯中从未见过的东西”。触发点是Muse Spark：该模型原本没有以编码为重点，但开箱即用的编码表现好于预期，实验发现只需“相对适量”的专家指导样本做后训练，竞争力即可显著提升。据此，建设编码模型具有三重意义：一是让公司运营更加独立；二是可作为面向用户的能力；三是可能让模型本身更广泛可用。Meta于是“急转弯”，把数千名员工调入AI组织做专家轨迹，他强调专业性是硬要求，“用糟糕的代码训练模型会伤到它”。
他承认执行上存在问题：一是推进过快；二是缺乏结构；三是沟通不到位，没有逐一向被调岗员工说明这项工作是什么、为什么需要、为什么重要。他表示，领导层必须更好地解释正在发生什么、为什么、对每个人意味着什么以及长期如何演变。
（二）键盘追踪计划
Bosworth表示，强化学习在当前发挥的作用远超两三年前的预期，并指出：“长尾很长。互联网上全部文本的语料尽管庞大，我们知道的大部分东西仍不在互联网上，在我们脑子里，是经验，是习以为常的行为。”在他看来，键盘追踪计划的设计“相当聪明”，员工无需改变任何做法，照常工作即可产出独特数据，本例中是设计工作以及“人类如何使用计算机”，而“AI在使用计算机这件事上仍然出奇地差，这是一个没有被很好解决的困难问题，computer use与代理化的全部精力都在这里”。他区分了两类数据：一是长尾专家训练，依靠应用AI团队完成的少量、文档完备的任务；二是键盘追踪形成的长期数据集，“等有了一年的数据，才有可能拿来放进模型”。据其介绍，计划上线后已作修改，允许无限次暂停，并可因多种理由退出。
（三）对行业阵痛的看法
主持人引用Bosworth旧博客中“疼痛就是康复”的说法，询问AI拿走工作中痛苦的部分之后会怎样。Bosworth先以自身经历说明代理的不足：他让代理把博客迁移到Substack，近期才发现所有项目符号列表都被删除，“我们在代理上还有很长的路要走”。随后他表示：“我要说，AI在每家公司引发的这些阵痛——不只是Meta——就是我说的那种痛。除了穿过去没有别的出路，你必须自己摸索什么有效什么无效，这就是苦活。”他区分了生产性痛苦与非生产性痛苦，以考试不许用计算器为例，不用计算器做数学题是一种没有多大用处的痛苦，用计算器完成一份更难、需要批判性思维的题目更有价值。引申到企业，回避整合AI的痛苦很容易，代价是落后于会用AI的同行与已整合AI的公司。他引用Sheryl Sandberg的话作结：公司通常不会因为定了难目标没达成而失败，失败的公司通常是定了容易的目标并一路达成。
总的看，Bosworth承认Meta在前沿模型上仍处于追赶阶段，同时认为模型可以租用、价值在于产品，Meta的优势在于领先模型、产品、分发与消费者体验的组合；在他看来，消费级AI的障碍主要在易用性、价值与用户习惯，应用形态将向按需获取的服务演进，企业引入AI的阵痛则需要亲身穿越。