扎克伯格发6500字长文，提出去中心智能！但开源只是第一步【思想荟】

抓住风口，看懂趋势

本期要点：这次，我们想一口气把分布式智能讲清楚
你好，我是王煜全，这里是王煜全要闻评论。

未来的超级智能，到底该集中在少数机构手里，还是成为每个人的工具？我们一直认为，是后者。AI最终可能不是一个中心化的超级智能，更可能是走向某种分布式智能。

8月10日，Meta创始人兼CEO扎克伯格发了一篇长文，叫《The Future is for Everyone》。他明确指出，不应该只有一个单一中心智能同时代表所有人的价值、利益和目标，更好的状态，是把智能广泛地分配给个人和企业，让不同目标的智能彼此竞争和制衡。Meta随即将Muse Glimmer重新开放，扎克伯格还表示，未来将开放Muse Spark 1.2的权重。这也意味着Meta的路线出现了回摆。四个月前，Muse Spark以闭源形式上线；如今，他又用一篇长文把“开放”重新放回战略中心。当然，这和我们最近讨论的“分布式智能”很接近。但我们更想追问一步，扎克伯格提出愿景之后，路线是什么？如果Meta希望智能不被少数中心控制，就不能只开放模型，还要推动后续生态的形成。但从少数基础模型，怎样演化出“去中心化”的智能，扎克伯格并没有展开。那么今天，我们就试着给未来的智能画一张路线草图。三步走首先，要说明白的一点是，开源不等于分布式智能。我们认为，可以把分布式智能概括成三个阶段：分发、分化、协作。具体来说，开源是在降低获取智能的门槛，是在解决分发的问题，个人Agent则可能会解决智能分化的问题，而真正的分布式智能，还得让这些不同的智能协作起来。可以说，这几年，Meta在分发智能这个事上成绩斐然。截止到2026年3月，Llama系列模型的累计下载量已突破24亿次。

不过，要注意的是，分发并不代表分化。如果这几十亿次下载，给的是同一个模型，那用户得到的，只是一个智能的几十亿个副本。就像扎克伯格设想，未来每个人都有一个一直为自己工作的个人Agent，理解你的目标和你在乎的事情。于是，他们开放了Muse Glimmer，一个参数量为30B、可以本地跑的小模型。但拿到模型和拥有自己的智能是两回事。即使模型已经可以在消费级的高端硬件上运行，但真正进行训练、工程优化和规模化部署，仍然需要相当的算力和专业能力，普通用户不太可能做得了这件事。这有点像当年的Linux操作系统，虽然开源了，也极大地推动了整个软件产业的发展，但所带来的巨大影响力更多体现在服务器、云计算和超级计算中，普通消费者用的还是闭源的Windows和MacOS。而且，同一个东西复制很多份，并不能长出别人没有的、来自它自己环境的知识。就像是社会真正需要的知识，并不会完整地集中在一个人、一个机构脑子里，而是分散在无数人手里，是局部的、不完整的、甚至彼此矛盾的；这个世界真正要的智能，也应该是分散在无数人手里的智能。一个医生的AI和一个制造业老板的AI，如果用的是同一个模型，本质上还是同一个智能；它们要分别泡在各自的数据和判断里，持续地积累，才能变成两个不同的智能。扎克伯格其实也意识到了这一点，他认为Agent不能只是对齐某个公司的价值观，应当是对齐每一个人的目标和价值观。

也就是说，每个人的Agent都不一样。这才是智能的分化。只不过，承载这种分化的技术形态，现在还无法确定。有可能是一个大模型带很多个Agent，也可能是多个小模型配合一个复杂的Agent系统，更可能出现大量模型、Agent和Skill动态组合的体系。早在2024年底，仅Hugging Face上就已经出现超过8.5万个Llama衍生模型。同时，Agent里的成熟能力还可能被固化进背后的模型里，让执行更直接、效果更好，同时更强的模型又会催生新的Agent。Anthropic的发展就能看到这种模型和Agent相互促进的现象。虽然，目前没有公开证据证明，Claude Code的用户数据直接被用于训练Claude。但随着Claude Code的兴起，Anthropic后续的模型就在不断强化长期编程、工具使用和Agent任务，再到后来Mythos模型更是强到不敢直接开放。这些都是智能分化的前期表现。总之，真正重要的，是智能很可能会围绕不同的人、公司和行业持续形成差异，并且这些差异化的、属于个人或企业的长期记忆和私有数据，不会被公开并吸收到一个中心化超级智能里。也就是说，共性的能力可以集中进化，差异性的知识则可以留在不同的智能节点中。如果这种结构能够成立，分布式智能才真正有了自己的根。

协作——迈向新型智能当然，分布式智能形成更高层次能力的关键，还在于协作。假如，未来真的像扎克伯格所说那样，每个人都拥有自己的个人Agent，每个Agent都很懂自己的主人。那么，也许个人的健康Agent不用自己变成肿瘤专家，它要做的是找到那个最专业的医疗Agent，把经过用户授权的信息交过去，拿回判断，再结合用户的历史来做决定。再如，企业家的Agent可能很懂自己公司的状况，但需要营销、法律或战略能力时，就要去调用更专业的Agent。再扩大到社会层面，未来也可能出现用于公共协商的社会级Agent，可以和各个不同主体的Agent进行沟通，把分散的诉求汇集起来，再不断协商、提出方案并进行决议，得出更理性的集体决策。

简言之，客观来说，未来真正的智能，很难什么都懂，协作就非常重要。因为，每个人所做出的判断，都依赖自己独有的知识和信息，以及所在的位置、经历和关系网络，也就是我们常说的“立场性知识”，Situated Knowledge。中心化的智能很难天然拥有这些知识，也就不可能是未来智能的唯一形式。只有在这类立场性知识的基础之上，先形成个人化Agent，再让它们彼此协作，智能才可以利用这些分布在不同Agent中的知识。而这不是想象，协作所需要的生态已经开始出现。Anthropic推出MCP，主要解决AI如何用统一方式连接外部工具和数据；谷歌发起的A2A则再往前一步，解决不同框架、不同厂商的Agent如何发现、通信和协作。最近出现的Agent Plugins 1.0，由Vercel发起，由亚马逊、微软、OpenAI等公司共同参与，又试图把Skills和MCP Server配置变成统一且可移植的插件。这些标准最后谁会胜出，现在还很难说。但它们至少说明，AI产业正在解决智能如何流动和组合的问题，而这才是通往分布式智能的关键一环。

最后，再回到扎克伯格的愿景，我们想说的是，不能把美好的意愿，当成必然的未来。不应该有一个中心化的超级智能来控制所有人，这个愿望很好。但愿望再美好，如果说不清到达它的路径，就只是一句口号。Meta这样的大企业，应当看清和指明路径，并主动成为未来生态中的重要节点，而不是说完愿景以后，等着别人去做。既然扎克伯格没说，今天在这，我们就给出一点自己的设想，算是抛砖引玉，也欢迎各位朋友一起添砖加瓦。我们想强调的是，当分发、分化、协作这三步逐渐走通，我们将获得的就不再是一个超级AI，也不是一堆散落的开源模型，而是有望构建一个由无数人和他们的AI共同组成的、能够协作进化的分布式智能。而这，才是人类第三次进化的核心和基础。