扎克伯格押注五年内普及 AI 智能体，考验投资者耐心

马克·扎克伯格表示，尽管 Meta 成本不断上升、投资者对可衡量回报的要求日益提高，仍将在五年内有数十亿人使用个人 AI 智能体。因此，这篇 meta techcrunch 报道的意义不止于又一个雄心勃勃的预测。扎克伯格正要求股东为一场昂贵的转型买单，而 Meta 尚未证明消费者愿意让智能体全天候替自己工作。

他描述的智能体能够理解个人目标，并在财务、健康、人际关系和家庭管理等领域持续推动目标实现。Meta 希望 WhatsApp 及其其他消息服务成为人们与这些系统互动的主要场所。这将把人们熟悉的通信应用转变为受委托数字工作的控制中心。

时机至关重要。Google、OpenAI 和 Anthropic 已在推动智能体走出聊天界面，但它们主要聚焦于搜索、编程和受管理的职场任务。Meta 则在进行一场更广泛的消费者押注。其庞大的分发能力或许能将智能体带给数十亿人，但仅凭触达并不足以建立信任、可靠性或持续使用。

核心矛盾如今已十分明确。Meta 拥有在全球规模分发个人智能体所需的用户基础和基础设施。投资者则必须判断，这一优势是否足以证明在产品模式、安全边界和商业回报尚未明朗前，持续多年投入是合理的。

Meta TechCrunch 的说法将预测变成了期限

扎克伯格为 Meta 最昂贵的战略项目设定了五年倒计时。

在 Meta 7 月 29 日的财报电话会上，扎克伯格表示，五年后仍有数十亿人没有个人智能体的可能性“极低”。他将智能体描述为一种理解用户目标并持续努力实现这些目标的系统。

这一预测出现在电话会后发布的一篇个人智能体预测中。扎克伯格指出，财务、健康、个人关系和家庭管理，都可能成为智能体帮助用户的领域。

这些例子将 Meta AI 的定位大幅拓展，远超其最初作为消息和社交应用内对话助手的角色。聊天机器人会在用户提问时作答；智能体则会规划行动、使用已连接的工具、检查结果，并在较少直接监督下调整方法。

这一差异同时带来了机遇与张力。助手可以推荐餐厅，而智能体可能会查看日历、比较选项、协调宾客，并持续维护计划。后者需要更广泛的访问权限、更强的记忆能力，以及代表用户采取行动的许可。

Meta 已开始朝这一模式推进。其 Muse Spark 1.1 系统可以制定计划、连接电子邮件和日历应用、开展研究、制作幻灯片，并维护周期性任务。Meta 表示，这些功能正通过其 AI 应用和网站在部分市场陆续推出。

公司公开的示例包括每周训练计划、每日简报、餐厅规划、研究报告和家居翻新灵感板。这些只是有限范围内的演示，并不能证明人们已准备好将敏感的财务或健康决策委托给系统。

不过，它们表明扎克伯格的预测与一项正在推进的产品战略有关。Meta 并非只是等待未来模型出现，而是在将现有模型与个人上下文和工具连接起来，再将这些功能推向 WhatsApp。

这一消息服务战略赋予 Meta 显著的分发优势。公司称，2026 年 6 月其应用家族的日均用户数达到 36.0 亿。在引入智能体之前，Meta 无需说服这些用户建立全新的数字使用习惯。

相反，Meta 可以将辅助功能嵌入用户每天已经会打开的服务中。用户可以在 WhatsApp 对话中寻求帮助，获得计划，并在稍后无需切换平台即可批准某项行动。

然而，日常使用某个应用并不等于人们对持续性 AI 辅助存在需求。人们使用 WhatsApp 是因为其功能明确。个人智能体则要求用户接受一种不太熟悉的关系，其中涉及观察、记忆、建议和委托行动。

因此，这项五年预测构成了一项严苛考验。Meta 必须将被动可用性转化为重复使用，再将重复使用转化为足够的价值，让消费者愿意接受所需的数据访问。

这项预测也改变了投资者评估 Meta 进展的方式。当“数十亿”与五年时间线结合时，它不再是遥远的研究愿景。每一次产品发布、采用情况披露和支出更新，都会成为支持或反驳这一说法的证据。

这正是为何 meta techcrunch 报道比典型的高管预测更具分量。扎克伯格给出了一个期限，股东、竞争对手、监管机构和用户都可以据此衡量可见成果。

Meta 的分发优势伴随着巨额基础设施账单

Meta 可以触达数十亿人，但要持续为他们提供有用的智能体，将需要非同寻常的计算能力。

Meta 第二季度业绩展现了支撑扎克伯格计划的财务实力。营收达到 608.0 亿美元，较上年同期增长 28%。Facebook 和 Instagram 的广告业务仍在为公司的 AI 扩张提供资金。

同一份业绩也暴露了不断攀升的成本。Meta 报告称，季度资本支出为 310.8 亿美元，其中包括融资租赁付款。该公司预计全年资本支出将在 1300 亿至 1450 亿美元之间。

公司将此前支出的增加部分归因于零部件价格和新增数据中心容量。这些投资支撑模型训练、推理、推荐系统、广告工具以及未来的智能体产品。

推理是指用户发送请求时，运行已训练模型所需的计算工作。持续性智能体会增加这一需求，因为它们不只是生成单个答案。它们可以制定计划、调用多项服务、审查结果，并重复步骤直至任务完成。

一个全天运行的系统还可能监控变化、准备周期性更新并维护用户上下文。这些能力产生的计算活动多于偶尔进行一次的聊天机器人会话，尤其是在数十亿人采用它们的情况下。

Meta 的规模有助于将基础设施成本分摊到庞大的用户群中，但也会让微小的低效变得昂贵。一个智能体为单一用户执行数个不必要步骤，在数十亿账户间重复后，就会成为重大的容量问题。

财务压力已经显现。Meta 第二季度成本和支出同比增长 55%。营业收入下降 8%，营业利润率则从 43%降至 31%。

这些变化并非完全由 AI 导致。Meta 将法律费用和遣散费列入了本季度成本之中。不过，这些数据进一步说明了为何投资者希望公司将其基础设施计划与具体的财务结果联系起来。

Meta 的季度财务业绩还显示，自由现金流为 7.84 亿美元。与经营现金流相比，这一数字较小，因为物业购置和融资租赁付款消耗了大量资本。

扎克伯格的论点部分建立在 AI 改善现有业务之上。更好的推荐系统可以提高参与度，广告模型则可以改善营销活动效果。这些收益可以在个人智能体产生直接收入之前到来。

智能体愿景则增加了第二种潜在回报。Meta 可以在消息服务、购物、企业支持和连接设备中创造新的商业互动。一个有用的个人智能体或许能帮助用户发现产品、协调交易，或与企业智能体沟通。

然而，公司尚未为持续性个人智能体建立完整的消费者商业模式。在处理健康或财务目标的系统周围投放广告，显然会引发担忧。向用户收费则会带来另一种采用门槛。

这意味着投资者既在为一项已被验证的优化战略提供资金，也在为一场不那么确定的平台转型买单。AI 已经支撑 Meta 的广告引擎，但这并不能证明个人智能体将成为广泛受信任的产品。

Meta 还持续投资于开发虚拟现实硬件、增强现实设备及相关软件的 Reality Labs。该部门第二季度录得约 45.3 亿美元的营业亏损。

这一并行投入之所以重要，是因为股东此前已经见过 Meta 为长期平台押注投入资金，而其经济效益尚未明朗。智能眼镜最终可能为智能体提供一个有用的界面，使其能够看见并听见用户周围环境。目前，它们只是又增加了一层投资。

公司 36.0 亿日均用户基础，使扎克伯格的数字预测在分发层面显得可信。Meta 无需逐一获取用户，便可让数十亿人接触到智能体功能。

更困难的任务，是让智能体使用足够频繁，以证明其背后基础设施投入的合理性。可用性可以立即统计，而有价值的委托则要求系统在长期内、跨越多种语言、设备和当地法规保持可靠。

Meta 还必须决定有多少工作在其数据中心远程完成，又有多少在设备端进行。远程模型能够提供更强的能力，而本地处理可以降低延迟，并保护部分个人信息。

两种方式都无法消除成本。能力更强的端侧系统需要合适的硬件和精细优化；大型远程系统则需要数据中心、网络、能源和持续的容量规划。

因此，投资者的问题并不是 Meta 能否建设 AI 基础设施。该公司已经证明自己能够以极大规模进行投入和部署。问题在于，个人智能体能否产生与这一承诺相称的收益。

真正的竞争是 Meta 的消费者触达能力与已验证的智能体实用价值之间的较量

Meta 的主要对手并不是某一家企业，而是广泛的消费者分发能力与自主智能体能够提供可靠价值的证据之间的鸿沟。

OpenAI 和 Anthropic 通过从完成标准更明确的工作入手，已在智能体领域获得进展。编程、文档处理、客户支持和结构化研究，使团队能够测试智能体是否正确完成了任务。

OpenAI 报告称，其内部的智能体使用已从工程扩展到法务、财务和招聘领域。其智能体使用研究指出，在 2026 年 5 月的抽样个人 Codex 用户中，70.2%曾请求至少一项相当于超过一小时人工工作的任务。

该数据集覆盖的是特定产品和用户群体，并不能证明普通消费者希望在私人生活中拥有一个持续运行的助手。但它表明，当用户有成本高昂且可衡量的工作可供委托时，智能体能够如何获得采用。

Anthropic 也通过 Claude Code 和 Claude Cowork 走上了类似路径。这些系统通常在项目、文件和公司应用中运行，用户可以检查其输出。

Meta 的目标是满足更广泛的需求。规划生日晚餐容易理解，也相对容易审核。但要为用户的财务、健康或人际关系提供支持，对准确性和判断力的要求高得多。

Google 展示了另一条路径。它可以将智能体与搜索、浏览、地图、电子邮件、日历、文档和移动操作系统连接起来。这让 Google 拥有广泛的消费者上下文，以及许多可供智能体执行操作的服务。

Meta 最强大的入口在于社交和对话。WhatsApp、Messenger、Instagram 和 Facebook 能呈现人们与谁沟通、哪些内容吸引他们，以及哪些社群对他们重要。

这种上下文能让助手显得更具个人化。但如果用户认为私密通信、社交行为或推断出的偏好在没有明确边界的情况下被整合，也可能感到不安。

竞争的关键将取决于哪家公司打造出最有用的权限体系，而不只是最聪明的模型。用户需要能够理解并掌控智能体可以读取、记住、分享和更改哪些内容。

Meta 最近的产品设计承认了其中一部分问题。该公司表示，其 AI 服务提供无痕对话，供用户在希望保持私密的互动中使用。该功能解决的是单次会话，但持久化智能体会带来关于长期上下文的更广泛问题。

一个有用的个人智能体需要记忆。它必须了解用户的承诺、偏好、周期性责任和过往决策。否则，人们将花费太多时间反复解释自己。

这正是个人知识管理在战略上变得重要的地方。用户需要一种保持有序、可检查且可纠正的上下文。私密的 AI second brain 提供了一种维护这类上下文的模式，而不是将每一次对话都视为一次性内容。

Meta 可以通过现有服务收集上下文，但原始访问权限并不能带来可靠的理解。消息可能存在歧义，旧偏好可能已经不再相关，社交活动也并不总能代表用户真正的目标。

智能体必须区分随口一说与长期指令。它还必须识别何时信息不完整、已经过时，或过于敏感而不能在未经明确确认的情况下使用。

工作场所系统通常会通过既定政策和权限来解决这一问题。一个财务智能体可能访问获批准的数据库、遵循既定流程，并在完成付款前请求授权。

个人生活中的标准化工作流较少。人际关系、健康选择、家庭优先事项和财务取舍都包含不确定性，并非总能通过再调用一个工具来解决。

Meta 的消费者覆盖范围仍将极其重要。如果该公司能通过消息服务让智能体交互变得熟悉，就可以降低限制专业产品发展的摩擦。

不过，分发能力只有在产品随着时间推移赢得更深层权限时才会取胜。用户可能在获得准确的规划帮助后允许日历访问，之后还可能连接电子邮件、购物或家庭服务。

这种渐进式发展比立即访问一个人生活的每个部分更现实。它也让 Meta 有机会在请求更敏感的数据之前先展示价值。

该公司的挑战在于，避免将权限请求变成一连串令人困惑、用户在不了解的情况下就批准的步骤。带来广泛访问权限却缺乏理解的同意，可能造成监管和声誉风险。

竞争对手面临同样的基本问题，但它们的起点不同。OpenAI 和 Anthropic 已在专业智能体任务中建立了可见的实用价值。Google 可以连接搜索和生产力服务。Meta 则可以将智能体带入数十亿人的对话之中。

扎克伯格押注，消费者分发最终将比在编程或工作场所自动化领域的早期领先更重要。未来五年将检验社交上下文究竟会成为优势还是负担。

个人 AI 智能体仍面临控制问题

个人智能体越有用，当它误解目标或遵循恶意指令时可能造成的损害就越大。

智能体与传统助手的不同之处在于，它会主导自身流程的一部分。它可以决定调用哪些工具、检查结果、修订计划，并持续推进，直到完成任务或需要人工指导。

这种运行循环让智能体变得有用，但也增加了出错的环节。错误回答或许只是带来不便，错误行动却可能更改日历、发送消息、暴露信息，或发起不希望发生的交易。

在扎克伯格提到的领域，风险会变得更加严重。财务和健康任务的后果，远不止选错一家餐厅。关系建议也可能影响脆弱用户，却没有可靠的方法来衡量其是否正确。

Anthropic 的智能体安全框架描述了四个相互作用的层面：模型、其运行指令、工具和环境。任何一层的薄弱环节都可能削弱整个系统。

工具决定了智能体实际上能够做什么。拥有日历访问权限的智能体，与能够发送付款、打开私密文件或与医疗服务沟通的智能体，面临的风险不同。

环境同样会改变利害关系。一台工作笔记本电脑可能包含机密公司数据，而一部个人手机可能暴露消息、照片、位置记录和身份验证应用。

提示注入带来了尤其棘手的安全问题。这种攻击会将恶意指令隐藏在智能体处理的内容中。一条被攻陷的消息或网页可能试图重定向智能体，或提取信息。

传统软件可以通过预先定义的逻辑限制行动。智能体会解读语言和上下文，这赋予了它灵活性，但也制造了模糊性。攻击者可以利用这一解释层。

权限控制能降低风险，但也引入了易用性权衡。要求用户批准每一项行动可以让用户保持参与，但会让智能体变慢，也更令人烦躁。

授予广泛的长期权限能提升便利性，但也会增加潜在伤害。人们在反复看到批准请求后也可能变得不那么专注，尤其当大多数行动看似无害时。

合理的系统可以按后果对活动进行区分。读取公开网页可能无需确认，而发送私密消息或更改财务设置则应要求明确批准。

系统也可以在开始复杂任务前展示其计划。用户可以审查预定步骤，并在某项假设看起来有误时介入。

即便这种模式也存在局限。许多人并不了解每项集成、数据来源或授权行动的含义。界面必须解释后果，同时不要求用户具备技术专长。

可靠性仍是另一个未解决的问题。智能体演示通常突出成功完成的案例，但日常使用会遇到不完整数据、相互冲突的指令、不可用的服务和意外变化。

晚餐规划智能体可能找到餐厅和日历空档，却仍可能遗漏数月前提到的过敏情况。家庭智能体可能在家人已从别处购买某件商品后再次下单。

这些失败听起来微不足道，直到智能体在多个领域反复运行。信任取决于系统能否察觉不确定性，并在行动前提出正确的问题。

Meta 自己的产品示例表明，用户可以引导持续进行的研究和规划任务。这种能力很有用，但主动引导不同于一个全天候独立工作的系统。

最严峻的考验将是 Meta 是否发布有意义的性能证据。用户和投资者需要的不只是参与度总量，还需要完成率、纠正率、权限模式，以及对重大失败的解释。

目前，独立比较仍很困难，因为各家公司使用不同的定义和评估方法。一项任务在没有干预的情况下完成，即使用户之后手动修复结果，也可能看上去是成功的。

隐私又增加了一个维度。个人智能体随着积累上下文而变得更有价值，但这些上下文也会成为攻击者有吸引力的目标，以及平台运营方掌握的敏感资源。

用户应能够检查智能体记住了什么、删除不正确的内容，并限制哪些上下文适用于每项任务。清晰的来源追踪，也就是记录信息来自何处，将有助于用户纠正错误。

结构化的个人知识库可以让源材料更容易检查。然而，智能体仍需要政策来规定何时适合使用这些材料。

Meta 还必须应对其在隐私、青少年安全、广告和平台治理方面受到监管审查的历史。个人智能体会将这些争议从内容和定向扩展到授权决策。

不应仅凭 Muse Spark 是否完成精美的演示来评判该公司。决定性的问题是：当目标冲突、信息恶意或后果变得严重时，系统是否仍能以可预测的方式运行。

扎克伯格关于数十亿用户的预测，假设这些问题将变得足够可控，以供普通用户使用。这仍是公司的说法，而非独立确立的结果。

三个信号将显示扎克伯格的五年押注是否奏效

接下来的证据必须来自采用质量、智能体可靠性和财务回报，而不是又一次宏大预测。

第一个信号是 Meta 通过 WhatsApp 的推广，以及其对重复使用智能体情况的披露。该公司表示，其新的行动导向功能将覆盖更多国家和入口，包括 WhatsApp。

在 WhatsApp 内的曝光将证明分发能力，但更有力的指标是重复授权。Meta 应展示有多少人创建周期性任务、连接外部应用，并在最初尝试后继续回归。

留存率将强化扎克伯格的论点，因为这表明智能体解决了持续存在的问题。即使 Meta 将每个打开该功能的人都计入统计，一次大规模发布后使用量下滑也会削弱这一论点。

任务类型同样重要。研究摘要和创意规划所需的信任程度低于持续协助处理财务或健康事务。采用逐步进入后果更重大的活动，将表明用户正在授予更深层的权限。

第二个信号是有关可靠性和控制力的证据。Meta 需要说明其智能体何时自动行动、何时请求许可，以及用户如何审查其记忆。

有关任务完成、用户纠正、中断行动和安全测试的公开报告，将让这项五年主张更具可信度。独立评估会比仅有内部演示更有分量。

竞争对手的做法将影响这一标准。Anthropic 正在强调人工控制、分层安全和提示注入防御。OpenAI 正围绕受控的企业行动和升级规则开发智能体。

如果这些公司发布更清晰的可靠性证据，Meta 将面临跟进的压力。如果整个行业仍依赖选择性的演示，消费者可能会犹豫是否授予广泛访问权限。

第三个信号是 Meta 的财务转化能力。该公司预计 2026 年资本支出将在 1300 亿至 1450 亿美元之间，因此投资者将寻找头部采用率之外的回报。

广告业务的改善可以带来早期回报，但这并不能验证个人智能体业务。Meta 需要证明，其面向消费者的 AI 能够提升高价值互动、支持新的交易，或在不损害用户信任的前提下创造可持续收入。

营业利润率、自由现金流和基础设施指引将揭示股东还需等待多久。强劲的核心业务增长可以延长这种耐心；如果成本持续增长，却没有可识别的智能体价值，这种耐心就会缩短。

Reality Labs 提供了一个值得警惕的对照。Meta 一直承受该部门的巨额亏损，因为 Zuckerberg 相信新的计算平台需要长期投资周期。但对于另一项没有明确期限的投入，股东未必会给予同样的宽容。

如果 Meta 同时交付这三个信号，meta techcrunch 的预测就会更有说服力。WhatsApp 必须形成重复使用，可靠性证据必须证明扩大权限的合理性，而其经济效益也必须开始覆盖基础设施成本。

仅在一个维度上取得进展，并不足以平息争论。没有信任的分发只能带来浅层互动；没有采用的技术可靠性，只会造就一款功能强大但小众的产品；没有可接受经济效益的采用，则意味着投资者将无限期为昂贵服务买单。

开发者和企业采购方应关注 Meta 如何处理集成。大型消费者智能体平台可能塑造通用的权限模型、工具接口，以及跨应用自动化的预期。

知识工作者应关注记忆层。理解用户目标的智能体需要准确的上下文、清晰的来源，以及一种能够遗忘不再适用信息的方式。

消费者应将重点放在控制权，而非人格化风格。友好的对话方式并不能说明智能体可以访问什么、会保留信息多久，或哪些操作需要批准。

Zuckerberg 或许是对的：到 2031 年，数十亿人将拥有个人智能体。Meta 已拥有将智能体带到这类受众触手可及之处所需的通信界面。

尚未解决的问题是，人们会将这些系统视为值得信赖的代理人，还是偶尔使用的聊天功能。这一区别决定了 Meta 是在构建新的个人计算层，还是在其现有应用中加入一个昂贵的交互界面。

未来几个季度，不妨忽略最宏大的承诺，审视产品证据。Meta 是否披露了重复任务、有意义的留存率和纠错情况？它是否围绕敏感操作收紧了权限？财务业绩是否显示出超越广告改善的回报？

这些答案将决定 meta techcrunch 的预测会成为可信的采用曲线，还是又一个遥远的平台承诺。在向任何智能体授予持续访问权限之前，先问一个更简单的问题：你能否查看它的上下文、限制它的行动，并有把握地撤销它造成的错误？