今天小编分享的互联网经验：那些年扎克伯格的错过与过错，欢迎阅读。
图片来源 @视觉中国
文 | 硅基研究室，作者 | 山核桃
2013 年，在美国内华达州的一个酒店舞厅里举办了一场私人聚会。几十名工程师、计算机科学家们围坐在一起，他们正在庆祝一个人工智能组织的成立。
" 这是一场天堂里的婚礼 "。说这话的人叫做杨立昆，除了「卷积神经网络之父」的称号，在这一年，他做了一个重要的决定，从实验室走进 Facebook，成为这家科技公司人工智能研究院 FAIR 的第一代领导者，由此开启了深度学习的浪潮。
但请注意这是 2013 年，当时科技行业的大多数人甚至都没有听说过深度学习，彼时的 Meta（在当时还是 Facebook）还是一家社交网络公司，人们天然地认为，它的使命不该是探究最前沿的技术，而是快速扩充规模。但扎克伯格没有这么做，他下定决心要押注最前沿的技术，比谷歌、微软等巨头们更快。
细数扎克伯格和他的 Meta，曾一度是 AI 界仅次于谷歌、微软的存在。不仅在深度学习浪潮早期就占尽人和，将杨立昆等明星科学家纳入麾下，同时也拥有最前瞻性的目光，扎克伯格甚至参与过 DeepMind 的竞购，从微软里抢走不少的人才。
十余年过去，在微软、OpenAI、谷歌等一众科技巨头的「AI 军备竞赛」中，Meta 沦为了第二梯队，但扎克伯格并不愿意承认这一点。在近期接受 The Verge 的访谈中，很久没有现身的扎克伯格对外宣布了 Meta 打造通用智能的野心，不仅公布了最新的大模型动态，还大秀算力储备，借 AI 之风，Meta 股价创历史新高，市值超过 1 万亿美元。
只是这一次，扎克伯格的 AGI 野心真的能实现吗？
Meta AI 前传：占尽天时、地利和人和
在 AI 浪潮中，曾经的 Meta 是可以和谷歌、微软掰手腕的存在。
这得益于扎克伯格自身的「野心」，也是「天时」。扎克伯格很早就决定加入谷歌、微软、苹果等巨头的战争，即便规模尚小，他渴望通过下一项变革性技术，成为领导者，因此当谷歌率先通过收购「深度学习之父」辛顿的初创公司进入深度学习领網域时，扎克伯格就意识到他也必须抵达那里。
2013 年，当杨立昆决定加入 Facebook，成为人工智能研究院的第一任主任前，这位学者向扎克伯格提了两个条件：一个是不会离开纽约大学，另一个则是坚持企业研究的「开放哲学」。
扎克伯格同意了这两个条件，某种程度上也为 Meta 在 AI 时代的领先位置奠定了基础。
「不会离开纽约大学」让 FAIR 始终致力于追赶最前沿的技术，充满着理想主义。据当时从谷歌跳槽到 FAIR 的根据实验室华人成员田渊栋介绍，FAIR 实验室不像谷歌那样条条框框很多，有各种各样的限制，相对非常自由，没有产品压力。" 我到了 Facebook 之后就好像回到了读博时的状态，特别有兴奋感，在工作上特别有动力，整个人就好像活过来了。"田渊栋说。
可以说，彼时规模尚小的 Facebook 并未有谷歌「大象难转身」的难题，FAIR 这种自由包容的研究氛围可以被视为是第一重「地利」，同时扎克伯格凭借 Facebook 牢牢掌握着流量入口，社交网络上的图片、视频、语音等种种多模态的数据，这是深度学习成长的沃土，这是第二重「地利」。
杨立昆所提出的另一个条件——企业研究的「开放哲学」则为 Meta 带来了「人和」。
杨立昆坚信「开放研究」，并以此为条件，让这种愿景变成了 Meta 的规范。" 因为如果你的研究秘密进行，你的研究质量会很差，你无法吸引最好的人才，你不会招募到有能力推动最先进技术发展的人。" 杨立昆曾这样说。
在这样的企业研究哲学下，Meta 不走封闭的 AI 路线，而是尽可能地对外开源研究代码、数据集和工具。一方面，取得了看得见的研究成果，直接推动了 AI 的进程，其中最典型的案例有两个。
一个是自监督和生成模型（Self-supervised learning and generative models）。SSL 一直都是 Meta 布局 AI 的重要方向。杨立昆曾将 SSL 视为「人工智能的暗物质」。他认为，区别于监督学习这种范式，SSL 可以利用大量未标记数据来扩大人工智能规模，这对于识别和理解世界更微妙、更不常见的表示模式很重要。2014 年，当 Ian Goodfellow 提出了 GANs 模型（生成对抗网络）时，科技巨头们先后跳上了研究 GANs 的彩车，连一向在 AI 上鲜少发声的苹果也在当时发布了一篇「如何更好地利用 GANs」的研究论文。
Meta 无疑走在前列，从 2015 年开始，Meta 就关注 GANs 的不同变体，让其从研究人员着迷的「玩具」变成可辅助人类生产的「工具」。
Meta 的科学家和工程师们认为，GANs 真正有趣的部分是它们对未来的意义，上图展示了可参与时尚单品的创作图源：Meta
2017 年，Facebook 联合罗格斯大学和查尔斯顿学院艺术史系，针对 GANs 提出了名为 CAN（创造性对抗网络），让 AI 绘画真正走入大众视野。据当时研究人员的测试，请观众去判断由 CAN 模型生成的 AI 艺术作品是人类艺术家的作品，还是人工智能的创作。结果，有 53% 的观众认为艺术作品出自人类，这也是历史上类似的图灵测试里首次突破半数。
另一个案例则是 AI 框架 PyTorch。作为时下流行的开源深度学习框架，PyTorch 被广泛应用于人工智能和机器学习领網域，其地位一度逼近谷歌的 TensorFlow。杨立昆曾说：" 当初谷歌的 TensorFlow 确实比 Torch 更火。然而 Meta 的 PyTorch 出现之后，现在其受欢迎程度已经超过 TensorFlow 了。"
而根据中信建投对 Github 上的项目数量、关注人数的对比，在 AI 工程领網域，Meta 工程领網域相关能力仅次于微软和谷歌。
这种「开放开源」更深远的影响就是吸引了众多顶尖人才的加入。深度学习发展的历史，就是一部科技巨头的抢人史。彼时的 FAIR 可以被视为深度学习「研究与工程」的人才库。有 ResNet 网络的发明人何恺明、VC 维和 SVM 的缔造者 Vladimir Vapnik、提出随机梯度下降法理论的 L é on Bottou 等。
天时、地利、人和，Meta 似乎具备成为 AI 时代的霸主的因素，那么究竟为什么，Meta 和扎克伯格会错过这次浪潮呢？
FAIR 的两次重组：Meta 错过的时代
2014 年，扎克伯格开启了自己的「亚洲行」，到访中国时，在清华大学经管学院舜德楼内，用中文演讲的扎克伯格阐述了当时十岁的Facebook 在「下一个十年」的三个方向：连接整个世界、发展人工智能、虚拟现实。
" 第一，我们想要连接整个世界，所以我们要帮助所有人用互联网，第二，我们想要发展人工智能，第三是所有人用手机以后，我相信下个平台是虚拟现实（virtual reality），Oculus 是第一产品，我们希望还有别的很多产品。"
三大方向对应当时 Facebook 最重要三个业务板块：连接，即对应来自社交媒体平台所创造的收入。VR，也就是扎克伯格所坚信的「下一代互联网」，也是后来他口中的「元宇宙」。而人工智能，既是彼时扎克伯格对外展示的野心，也同样可视为支撑其他业务的重要技术组件。
扎克伯格曾在说服杨立昆加入时，向这位学者描述过自己的愿景——未来，社交网络上的互动变成独立完成任务的技术驱动，在短期内，这些技术将识别照片中的人脸，识别语音指令，并在不同的语言之间进行翻译。从长远来看，智能体或机器人将巡视 Facebook 的数字世界，接受指令，并根据需要执行指令。
当杨立昆问 Facebook 是否有任何不感兴趣的人工智能研究领網域时，扎克伯格说：" 可能是机器人学。" 但其他一切——数字领網域的一切——都在扎克伯格兴趣范围之内。
按照这样的战略逻辑，依靠领先的技术、社交网络规模化的收入以及 VR 作为硬體载体，Facebook 理应走出一条更顺畅的发展道路。但事实上，谁也难以预料技术的发展与周期变化，扎克伯格与他的 Facebook 也毫不例外。
理解 Meta 为何没有成为当下最热门的 AI 企业，FAIR 的两次重组是一个很好的观察視窗。
在 2018 年之前，FAIR 实验室主要负责学术研究，另一个被称为应用机器学习部门（下文简称：AML）则是负责产品团队成果的转化，双方互不干涉，相对比较独立。一个强调最前沿的技术，另一个则是注重转化，因此如何强调团队之间的协作，成为了关键。但好在，尽管工作方式不同，但两个团队的共识都是一致的，比如强调开放，因此上述问题还并没有显露。
转折的点发生在 2018 年，FAIR 的第一次重组。
2018 年，杨立昆宣布卸任 FAIR 的职位，转任首席 AI 科学家一职，接任杨立昆的是当时 AML 的领导者 J é r me Pesenti。这次调动不同的点在于，削弱了 FAIR 的独立性，Pesenti 同时拥有 FAIR 和 AML 两个部门的话语权。杨立昆在一次采访中这样评价这次变动：「AML 和 FAIR 向 CTO 汇报，随着 AI 重要性、围绕深度学习建立更多系统重要性的提升，CTO 再也不用担心了。」
杨立昆的「言外之意」其实有二：一是 FAIR 正在去集中化，这意味着未来将更多为产品和业务服务。二是在当时 Facebook 陷入到了严重的监管，CTO 必须要用技术解决公众的信任危机，因此 FAIR 加大了在识别型 AI 的投入，以促进人工智能的公平、透明和可解释性。
第二次重组则发生在 2022 年 6 月，Meta 再次宣布 FAIR 重组调整，明确提出 AI 部门不再「集中化研究」，而是分布式的下放到每个组织部门中去。这项改动加速 AI 技术在 Meta 实际业务中的应用，而被引入到不同产品组的业务部被称为「AI 创新中心」。其中，FAIR 也将成为 Reality Labs Research 旗下部门，就在一年前，Facebook 正式改名为 Meta。
科技公司的组织变动非常常见，毕竟技术的变化太快了。但不同于微软、苹果等科技公司，FAIR 之于 Meta，两次重组的不同点有二：
一是 AI 都是「救急」，而非创新。无论是用以服务社交媒体，识别与解决假新闻等问题，还是应对不成熟的 VR 业务，FAIR 本身聚焦前沿技术的创新被大大稀释了。
二是缺乏战略的稳定性。「拥抱变化」尽管是科技公司经常挂在嘴边的一句话，但参考微软、苹果的经验，总有一个稳定长期的「主线」。例如，苹果尽管市场被吐槽「挤牙膏创新」，但在围绕 C 端的软硬體迭代上始终放大自己的生态、供应链等核心优势。
至此，如果回头看看十年前扎克伯格给自己留的三个方向：连接整个世界、发展人工智能、虚拟现实，似乎三个都没有助力其成为 TOP1。
重新变酷的 Meta，不愿再走老路
" 我们可以发现的一点是说，Meta 又变酷了。" 曾在 Meta 担任 AI 架构总监，如今创业的贾扬清如此评价 Meta 的新变化。
在由 chatGPT 所开启的生成式 AI 浪潮中，之所以说 Meta「重新变酷」的关键有二：一是区别于 OpenAI 等巨头的闭源路线，Meta 加入战场的姿态是「开源」。
从 LLaMA 系列开始，Meta 相继开源了一系列的模型，包括视觉领網域的 SAM 和 DINOv2、音频领網域的 AudioCraft 系列模型、多模态大模型 ImageBind 等。而据扎克伯格的最新透露，Meta 正在训练 Llama 3，且该模型具备更强的代码生成能力。
而由 LLaMA 所引发的「开源和闭源」之间的讨论已足以证明了 Meta 的变化。杨立昆曾这样形容开源社区与闭源模型在生成式 AI 上的发展。" 开源人工智能模型正走在超越专有模型的路上 "。
第二个「重新变酷」的原因则是扎克伯格态度的转变。区别于过去对增长的迷恋以及混乱的 AI 策略，无论是与微软合作，还是宣布对开源大模型的押注，Meta 的 AI 策略逐步从分散走向整合。具体来说，一是延续开源路线，加大 AI 生态的繁荣，这既符合对 FAIR 当初的承诺，也有利于在开发者和公众间，改善 Meta 的形象。二是借助 AI 更快抵达元宇宙，一方面利用 AI 降低开发门槛，另一方面，发挥应用优势，更好地优化体验。
据「硅基研究室」梳理，区别于谷歌、亚马逊等巨头，Meta 的 AI 能力主要集中在 C 端和视觉，包括影像识别和目标检测、影像生成、增强现实（AR）和虚拟现实（VR）、人脸识别和人脸相关技术以及社交网络数据处理和隐私保护。这些技术储备在生成式 AI 时代具备先发优势。
可以肯定的是，扎克伯格和他的 Meta 都不愿重走过去的老路，曾经的 AI 王者是否能够再度翻身，这是时代交给扎克伯格的新命题了，毕竟 Meta 所面临的挑战还有很多。
首先，是老生常谈的 Reality Labs 的盈利问题。从 Meta 去年第三季度财报状况来看，广告业务强势复苏，但 VR/AR 业务持续亏损。去年 9 月，Meta 发布了首款消费级 MR 头显 Quest 3，据天风国际证券分析师郭明錤的分析，Quest 3 头显销量将明显少于最初的预期。据机构 IDC 的估计，2023 年 AR/VR 头显的出货量为 810 万台，同比下降 8.3%，尽管有苹 Vision pro 的热度加持，但市场回暖依旧需要一定的时间。
其次，即便不走过去的老路，AI 战略已逐渐连贯，但比起微软、OpenAI 等巨头，Meta 想做的还是太多了。如「互联网怪盗团」的评价，当所有科技巨头都在集中投入 AI 这一个「研发焦点」时，Meta 却必须将资源分散在两个「研发焦点」，这不可避免地要面临资源和精力的分配问题。
时间拨回 2012 年，彼时 Facebook 尚未改名，面对当时股价的低迷、移动化战略的失误，扎克伯格回应道：" 我能承受人们的低估，因为我宁愿被低估，这样才能真正让他们刮目相看。" 如今在这场关于 AI 的新战事中，扎克伯格回到了原点，他和 Meta 都急需一场胜仗。
参考资料：
1、福布斯：杨立昆希望用开源战胜 OpenAI？
2、甲子光年：三次误判后，扎克伯格这次终于做对了
3、远川研究所：差一步称霸 AI：历史进程中的扎克伯格
4、互联网怪盗团：Meta 的逆袭：扎克伯格到底做对了什么？
5、深度学习革命，凯德 · 梅茨
