Марк Цукерберг настолько верит в будущее ИИ-агентов, что лично потратил два месяца на найм исследователей, полностью очистив свой рабочий календарь. Вместе с Александром Вангом он представил Muse Wonder — мультимодальную модель, которая не просто ищет товары, а самостоятельно покупает их через Stripe и Instacart, превращая привычный поиск в интернете в архаизм. В Meta создали элитную структуру MSL, где нет места менеджерам без навыков программирования, а единственной метрикой успеха стал отказ от общепринятых бенчмарков в пользу субъективного «запаха большой модели».
🚀 Новая эра персонального интеллекта: Запуск Muse Wonder 0:00
Первая глава масштабного интервью с Марком Цукербергом и Александром Вангом посвящена выходу Muse Wonder — новой флагманской модели от Meta Superintelligence Labs (MSL), которая знаменует собой переход компании в высшую лигу разработчиков ИИ. Спикеры обсуждают, как Meta сменила фокус с простых текстовых помощников на создание «персональных супер-агентов», способных видеть мир глазами пользователя и обладать долгосрочной памятью.
Запуск Muse Wonder и новая архитектура моделей 0:00
Марк Цукерберг и Александр Ванг представили Muse Wonder как модель нового класса, находящуюся на переднем крае (frontier) современных разработок . По словам Марка, процесс создания был методичным: команда не просто использовала самый большой вычислительный кластер, а постепенно «поднималась по лестнице», обучая модели, каждая из которых была в 4-5 раз больше предыдущей .
Предшественник новой модели, Muse Spark, продемонстрировал впечатляющие результаты для своего размера, но Muse Wonder — это значительный скачок в нюансах мышления и способности справляться со сложными задачами . В линейке представлено две версии:
- Muse Wonder — основная флагманская модель .
- Muse Wonder Full — «полная» версия с максимальной производительностью для самых сложных профессиональных задач .
Александр Ванг подчеркнул, что Wonder оптимизирована специально для роли «персонального и профессионального агента» . Модель демонстрирует выдающиеся результаты в написании кода, занимая лидирующие позиции в бенчмарках DeepSWE и SWE-Marathon . На текущий момент доступ к Wonder будет предоставляться в рамках платных подписок Muse, в то время как бесплатные пользователи продолжат работать с моделью Spark . Цукерберг отметил, что это только начало: по мере оптимизации технологий Meta планирует довести возможности уровня Wonder до форм-фактора Spark, чтобы сделать их доступными сотням миллионов людей .
Мультимодальность как приоритет Meta 4:44
Одной из ключевых стратегий Meta стало обучение моделей мультимодальности «от начала и до конца» (end-to-end) . В отличие от конкурентов, которые долгое время фокусировались исключительно на тексте и коде, Александр Ванг с самого начала настаивал на важности визуального восприятия, звука и видео .
Цукерберг привел личный пример использования мультимодальности: он использует Muse в качестве коуча по MMA . Установив камеры в своем спортзале, он получает от модели обратную связь по технике движений, балансу и положению бедер прямо в перерывах между раундами [01:35, 03:22]. Модель самостоятельно научилась нарезать видео на кадры и анализировать их, используя свои фундаментальные знания о биомеханике .
Ставка на мультимодальность критически важна для будущих продуктов Meta, таких как смарт-очки . В представлении Марка, очки со временем станут «чистым мультимодальным продуктом», у которого может даже не быть магазина приложений — ИИ будет генерировать нужный интерфейс прямо перед глазами пользователя, слыша и видя всё то же самое, что и человек .
Философия продукта: модель как интерфейс 8:48
В эпоху ИИ традиционное представление о дизайне продукта радикально меняется. Как отметил Марк Цукерберг: «Модель и есть продукт» . Вместо того чтобы писать многостраничные спецификации пользовательского интерфейса (UI), разработчики теперь фокусируются на «пост-тренировке» модели — обучении её личности, надёжности и проактивности .
Александр Ванг пояснил, что важные дизайнерские решения теперь принимаются на уровне обучения:
- Как именно модель должна вести себя в неоднозначных ситуациях?
- Какова её личность в конкретных сценариях использования инструментов?
- Когда и в каком контексте она должна проявлять инициативу?
Спикеры не согласились с мнением ведущего Джона о том, что продукты ИИ упрощаются и становятся одинаковыми . Напротив, они считают, что мы находимся на этапе, аналогичном ранним дням мобильных приложений: тогда всё казалось просто «приложением», но со временем выявились глубочайшие различия в пользовательском опыте . В Muse Wonder сознательно отказались от «селекторов моделей» и технических настроек, чтобы сделать продукт максимально простым для обычного пользователя, скрывая под капотом колоссальную инженерную сложность .
Active Memory: решение проблемы забывчивости AI 18:22
Одной из главных инноваций в Muse Wonder стала система Active Memory (Активная память). Александр Ванг признал, что во многих существующих агентах память работает некорректно: данные либо теряются, либо «компактизация» контекста происходит с ошибками .
В отличие от стандартного окна контекста, Active Memory — это глубоко интегрированная в модель система, которая позволяет:
- Помнить детали общения на протяжении дней, недель и месяцев .
- Эффективно использовать накопленные знания при выполнении будущих задач .
- Осознанно управлять процессом сжатия (compaction) информации, понимая, что действительно важно сохранить .
Память дополняется функцией Active Focus — способностью модели сохранять настойчивость (persistence) при выполнении долгосрочных и сложных задач, не отвлекаясь и находя альтернативные пути решения при возникновении препятствий [20:28, 21:24]. Это делает Muse Wonder гораздо более надежным инструментом для профессионального делегирования, чем простые чат-боты, ориентированные на мгновенный поиск информации.
🧠 Внутренняя кухня Meta: Бенчмарки, таланты и рецепты обучения 25:27
Переход от разработки экспериментальных моделей к созданию флагманских продуктов уровня Muse Wonder потребовал от Meta радикального пересмотра методологии оценки и самого процесса «производства» интеллекта. В то время как индустрия ориентируется на публичные таблицы лидеров, Марк Цукерберг и Александр Ванг делают ставку на внутреннюю экспертизу и экстремальную концентрацию ресурсов.
Бенчмарки против реальности: проблема Benchmaxing 25:27
Марк Цукерберг отмечает, что на ранних этапах Meta активно использовала внешние бенчмарки, чтобы «подняться по лестнице» и убедиться в правильности научного подхода . Однако с каждой новой итерацией компания все больше полагается на внутренние тесты . Это связано с феноменом, который в Meta называют Benchmaxing — когда модели искусственно подгоняются под публичные метрики, теряя при этом реальную пользу для пользователя.
В качестве антидота Meta ввела метрику «Big Model Smell» («запах большой модели») . Она количественно определяет разрыв между производительностью внутри обучающего распределения (in-distribution) и вне его (out-of-distribution) .
- Muse Wonder демонстрирует огромный скачок в этом показателе по сравнению с Muse Spark благодаря более мощной базовой модели .
- Цукерберг критикует слепую гонку за внешними баллами, называя это «аутсорсингом продуктового мышления аспирантам», создавшим виральные тесты годы назад .
- Для личного суперинтеллекта (Personal Superintelligence) критически важна «дискретность» — способность модели действовать в мире, зная медицинские или личные данные пользователя, но не раскрывая их третьим лицам без необходимости .
Стратегия талантов в Meta Superintelligence Labs (MSL) 31:32
Успех лаборатории MSL, по словам Александра Ванга, строится не на массовости, а на «плотности талантов» (talent density) . Когда Марк Цукерберг впервые обратился к Вангу за консультацией, ключевым советом Александра было: «Вам не нужно много людей» .
Команда исследователей MSL намеренно ограничена и насчитывает менее 200 человек (фактически около 100 исследователей и группа инженеров инфраструктуры) . Такая структура позволяет Meta сочетать стабильность корпорации с маневренностью стартапа .
- Вместо того чтобы распределять вычислительные мощности («размазывать их как арахисовое масло») между множеством мелких проектов, Meta концентрирует гигантский объем GPU на ключевых специалистах .
- Процесс найма описывается как «безумный» и «интенсивный», с жесткой фильтрацией как внутренних сотрудников Meta, так и кандидатов извне .
- Такая компактность делает работу более драйвовой: каждый исследователь напрямую влияет на результат, работая в условиях избытка ресурсов .
Процесс и этапы обучения фронтирных моделей 35:19
Александр Ванг детально описывает иерархию обучения, где pre-training закладывает фундамент, а post-training «выжимает» из него способности.
-
Pre-training (Предварительное обучение): На этом этапе модель поглощает колоссальные объемы данных: весь публичный интернет, книги и, что критично, данные разных модальностей (аудио, видео, изображения) . Для Muse Wonder приоритетом стали доменные знания: право, финансы, медицина и налоги . Модель должна быть «командой экспертов в вашем углу» . Ванг называет pre-training самой высокорискованной стадией («ученые, которые жуют стекло и смотрят в бездну»), так как на неё уходит львиная доля бюджета и вычислительных мощностей .
-
Post-training и RL (Reinforcement Learning): Здесь происходит тонкая настройка поведения. Процесс делится на:
Интересно, что для RL «меньше значит больше»: качество данных здесь гораздо важнее их количества . Улучшение Muse Spark с версии 1.0 до 1.3 произошло исключительно за счет RL-рецептов без смены базовой модели, при этом пользователи ощущали разницу как «небо и земля» . Подготовка Muse Wonder велась с августа прошлого года , а Muse Spark была лишь «ступенькой» на пути к ней . Ранее в разговоре они касались Active Memory, но именно масштабные кластеры, такие как Prometheus и Hyperion , стали физическим фундаментом для этих расчетов.
💰 Экономика и риски: инвестиции в сотни миллиардов 52:11
Переход Meta к созданию фронтирных моделей ИИ ознаменовал собой отказ от классической кремниевой стратегии «Lean Startup». Как отмечает Марк Цукерберг, разработка таких систем, как Muse, требует принятия решений в условиях экстремального дефицита информации . В отличие от привычного цикла «проверь гипотезу — масштабируй», в сфере ИИ компания вынуждена инвестировать десятки миллиардов долларов за годы до того, как появится хотя бы первый работающий прототип . Александр Ванг называет этот процесс «предпринимательством на максималках» (on steroids) и «игрой в покер, где нужно идти ва-банк еще до того, как тебе сдали карты» .
Масштабы финансовых обязательств Meta поражают:
- Стоимость инфраструктуры: Эксплуатация одного кластера мощностью в гигаватт обходится примерно в $15 млрд в год .
- Капитальные затраты (CapEx): Строительство такого объекта требует от $50 до $60 млрд авансовых платежей .
- Общий бюджет: Александр Ванг подтверждает, что суммарные затраты на обучение фронтирных моделей и развитие необходимой экосистемы оцениваются в «десятки миллиардов долларов» .
Ситуация усугублялась тем, что Meta строила центры обработки данных для продукта Muse еще до того, как сам продукт начал существовать даже в виде концепции . В конце прошлого года финансовый директор Meta Сьюзан Ли (Susan Li) неоднократно предупреждала команду, что если модель не оправдает ожиданий, последствия для компании будут «катастрофически плохими» в финансовом плане .
Несмотря на давление, Марк Цукерберг считает риск оправданным благодаря «обратному страхованию» . Во-первых, если Meta не сможет использовать вычислительные мощности сама, на них всегда найдется огромный спрос со стороны других игроков рынка, готовых платить больше себестоимости . Во-вторых, внутренняя вера в технологию опиралась на очевидные тренды: успех ChatGPT и появление кодинг-агентов у Anthropic . По мнению Марка Цукерберга, для компании такого масштаба единственно верный путь — это создание собственной сквозной (end-to-end) суперразведывательной системы . Ранее в разговоре они также упоминали, что Meta всегда стремилась к технологической независимости от сторонних платформ.
🛒 Будущее коммерции через AI-агентов 1:07:25
Александр Ванг и Марк Цукерберг прогнозируют фундаментальный сдвиг в мировой экономике — переход к «агентской коммерции» . В этой парадигме Muse перестает быть просто чат-ботом и становится посредником, которому пользователь полностью делегирует процесс покупки . Традиционный поиск товаров по ключевым словам, по мнению Цукерберга, уже выглядит «примитивным» на фоне возможностей ИИ .
Ключевые особенности агентской коммерции будущего:
- Снятие ограничений: Пользователь может задавать контекстуальные фильтры, например: «Мне нужен этот товар к среде», и агент будет взаимодействовать только с теми магазинами, которые гарантируют доставку в срок .
- Автоматизация рутины: Агенты Muse обучаются использованию браузера, чтобы самостоятельно заполнять формы и оформлять заказы без необходимости специальной интеграции со стороны бизнеса .
- Глубокая персонализация: Благодаря доступу к «холистическому контексту» жизни пользователя, агент понимает его отношения с семьей, друзьями и коллегами . Это позволяет ИИ подобрать идеальный подарок, основываясь на истории общения всей группы друзей .
Александр Ванг приводит личный пример: его трехлетняя дочь любит печь, и Muse, используя раннюю версию голосового режима , помогает им планировать рецепты всю неделю. Каждую субботу агент автоматически формирует корзину в Instacart, учитывая предпочтения ребенка и даже самостоятельно добавляя товары, чтобы добрать сумму до бесплатной доставки .
С точки зрения бизнеса, Meta ожидает, что в будущем каждый бренд будет иметь своего собственного AI-агента, подобно тому, как сейчас у всех есть веб-сайты или страницы в соцсетях . Хотя некоторые компании могут пытаться блокировать агентов, защищая свои «тонкие рвы» (moats), Цукерберг уверен, что гравитация потребительского удобства неизбежно приведет к доминированию агентских транзакций в экономике . В следующих главах будет подробнее разобрано, как именно агентская экосистема интегрируется с существующими сервисами.
🌐 Агенты, деньги и открытые системы 1:17:13
В развитии искусственного интеллекта наступает переломный момент: переход от чат-ботов, которые просто отвечают на вопросы, к полноценным агентам, способным действовать в физическом и цифровом мирах. В этой главе Марк Цукерберг и Александр Ванг обсуждают, как Meta превращает Muse в исполнительный орган, способный управлять финансами и покупками, почему существующие голосовые помощники вроде Siri зашли в тупик и как компания планирует окупать многомиллиардные инвестиции в вычислительные мощности через новую экосистему сервисов.
Интеграция с сервисами и агентская экосистема 1:17:13
Центральной темой обсуждения стала способность ИИ-агентов выходить за пределы окна чата. Марк Цукерберг поделился личным опытом использования Muse, отметив, что интеграция с Instacart радикально изменила его потребительские привычки: если раньше он почти не пользовался сервисом доставки, то теперь Muse сам формирует рецепты и заказывает ингредиенты, делая это частью ежедневного рабочего процесса . Это ставит перед экономикой новый вопрос: является ли аккаунт в сервисе собственностью человека или он уже принадлежит агенту? .
Александр Ванг подчеркнул, что ключевым технологическим прорывом стал «Computer Use» — способность модели взаимодействовать с интерфейсами так же, как это делает человек . Это служит универсальным слоем обратной совместимости, позволяя Muse использовать любые существующие сайты и приложения .
Основные вехи развития агентской среды:
- Партнерство со Stripe: Meta активно сотрудничает со Stripe для реализации «агентской коммерции» (agentic commerce), где ИИ может самостоятельно проводить транзакции .
- Надежность как магия: Цукерберг отмечает, что Muse стал полезным только благодаря достижению высокого порога стабильности — если бы агент ошибался в заказах или платежах, пользователи бы мгновенно отказались от него .
- Провокация 2023 года: Марк вспомнил свой ужин с Патриком Коллисоном (CEO Stripe) в 2023 году, где он «срочно и настойчиво» убеждал его, что агенты скоро начнут покупать вещи и инфраструктура платежей должна быть к этому готова .
Проблемы голосового управления и Siri 1:20:40
Джон поднял вопрос о том, почему видение «разговора с компьютером», продвигаемое Apple с запуском Siri еще в 2011-2015 годах, до сих пор не реализовано в полной мере . Цукерберг выделил несколько фундаментальных причин, по которым текущие голосовые помощники кажутся бесполезными.
Во-первых, существующие системы не умеют «делать дела» (take actions) . Если вы просите ИИ перенести встречу, пока вы за рулем, вам нужно, чтобы он реально зашел в календарь и договорился с участниками, а не просто выдал текст . Во-вторых, есть проблема «разговорной динамики»: люди не общаются по схеме «промпт — ожидание — ответ» . Мы перебиваем, делаем паузы, и текущие модели часто ошибочно воспринимают трехсекундное молчание как завершение мысли .
Александр Ванг добавил, что важным фактором является пропускная способность: голос — самый быстрый способ выдать информацию (input), но крайне медленный для её потребления (output) по сравнению с визуальным интерфейсом . Именно поэтому Meta делает ставку на мультимодальность: вы говорите Muse, что делать, а он показывает процесс на экране или в очках . Интересное наблюдение от Ванга: современные студенты используют ИИ как «сито» для потока сознания, надиктовывая 15 минут сумбурных мыслей, которые модель затем структурирует в связный текст .
Бизнес-модель: монетизация через подписки и услуги 1:27:15
На вопрос Джона о том, как Meta планирует окупать колоссальные затраты на энергию (гигаваттные дата-центры) и чипы, Цукерберг ответил, что компания видит несколько четких путей монетизации. Несмотря на то, что базовая версия Muse останется бесплатной для достижения сетевого эффекта и масштаба , Meta вводит платные уровни доступа.
Стратегия получения дохода включает:
- Премиум-подписки: Доступ к самым мощным моделям, таким как Muse Wonder, будет платным .
- Meta Enterprise Platform: Под руководством Си-Джея Десаи (CJ Desai) Meta создает подразделение для работы с крупным бизнесом, предлагая ИИ-решения с корпоративным уровнем безопасности и поддержки .
- «Бизнес в коробке»: Помощь малому бизнесу в администрировании всех процессов — от маркетинга до ответов клиентам .
- Комиссии с транзакций: Поскольку агенты будут экономить людям деньги (например, находя и отменяя ненужные подписки), Meta рассматривает возможность брать небольшой процент от сэкономленных или заработанных с помощью Muse средств .
Марк подчеркнул, что ИИ уже сейчас ускоряет основной рекламный бизнес Meta (сотни миллиардов долларов дохода), и рост эффективности этого бизнеса даже на несколько процентов способен полностью профинансировать R&D новых моделей .
Открытый код против монополии одного победителя 1:35:45
В завершение главы спикеры обсудили архитектуру будущего рынка ИИ. Вопреки прогнозам 2023 года о том, что одна лаборатория добьется «рекурсивного самосовершенствования» и захватит мир (winner-takes-all) , реальность оказалась гораздо более диверсифицированной.
Ванг отметил, что «антигегемонной силой» стала дистилляция моделей (distillation) . Эта технология позволяет упаковывать возможности гигантских систем в маленькие и эффективные модели, что дает открытому сообществу возможность не отставать от закрытых лабораторий . Цукерберг добавил, что Meta сознательно выбирает путь открытости, так как считает концентрацию мощнейших технологий в руках одной-двух компаний более рискованным сценарием для безопасности человечества, чем распределенную экосистему с системой сдержек и противовесов .
«Многие талантливые люди пришли в Meta Superintelligence Labs именно потому, что хотят дать эту технологию миллиардам, а не держать её в секрете», — подытожил Александр Ванг .
🚀 Культура MSL: Перезагрузка и решительное лидерство 1:40:46
Второй год существования Meta Superintelligence Labs (MSL) стал поворотной точкой в истории компании. Марк Цукерберг и Алекс Ванг подробно обсудили, как принималось решение о «перезагрузке» направления фундаментальных моделей и почему для успеха в ИИ-гонке Meta пришлось перенять повадки агрессивного стартапа, несмотря на свои масштабы .
История создания и «перезагрузка» MSL 1:40:46
Процесс формирования MSL начался в апреле 2025 года, сразу после запуска Llama 4 . Марк Цукерберг признал, что траектория развития предыдущей программы его не устраивала, и он начал искать способы радикально изменить подход. Решение о создании новой структуры созрело быстро: уже через две недели после запуска Llama 4 Марк начал обзванивать экспертов для консультаций .
Ключевым моментом стало приглашение Алекса Ванга на пост директора по ИИ. Цукерберг давно наблюдал за Вангом, считая его «самым острым предпринимателем своего поколения» . Несмотря на то, что Алекс ранее руководил операционно сложным бизнесом в сфере данных, Марк был убежден, что именно его стратегическая ясность и драйв необходимы для создания фронтирных моделей .
Процесс запуска лаборатории напоминал рождение сверхновой:
- Интенсивный рекрутинг: В первые два месяца Марк практически полностью очистил свой календарь от текущих дел, чтобы лично встречаться с исследователями .
- Полный «ребут»: Чтобы привлечь лучшие таланты, было решено не просто обновлять существующий отдел, а начать всё с чистого листа, объединив лучшие кадры из команд Llama и FAIR в новую структуру с культурой стартапа .
- Плоская структура: Алекс Ванг настоял на максимально горизонтальной иерархии. Дошло до того, что формально у него было почти 200 прямых подчиненных, что подчеркивало одержимость лаборатории «плотностью талантов» и отсутствием бюрократии .
Цукерберг отметил, что привлечение внешней экспертизы и «новой крови» было критически важным . При этом компания пошла на беспрецедентные финансовые условия, чтобы выкупить долю в бизнесе Алекса и обеспечить переход ключевых специалистов .
Лидерство Цукерберга: байесовский подход и решительность 1:48:42
Алекс Ванг охарактеризовал стиль управления Марка как уникальное сочетание интеллектуальной гибкости и масштабной решительности. Он отметил способность Цукерберга мгновенно обновлять свое мировоззрение (своеобразный «высокий learning rate»), как только данные подтверждают необходимость изменений .
Ванг выделил четыре аспекта лидерства Марка, которые отличают его даже от других успешных основателей:
- Признание неудач: Готовность публично признать, что предыдущие усилия компании на определенном треке не были достаточно хороши .
- Масштабные ставки: Готовность инвестировать «невероятные суммы» в таланты и инфраструктуру .
- Ставка на потенциал: Доверие к лидеру (Алексу), который ранее не обучал фронтирные модели, но обладал нужными качествами .
- Фокус: Способность CEO одной из крупнейших корпораций мира бросить всё и заниматься только одной проблемой в течение нескольких месяцев .
Эта решительность помогла преодолеть внутреннюю инерцию Meta. Цукерберг обеспечил «глобальную оптимизацию» всей компании под нужды ИИ, заставив отделы инфраструктуры и дата-центров работать в приоритетном режиме для MSL . Марк подчеркнул, что его задача — не быть ведущим исследователем, а детально разбираться в работе лаборатории, чтобы направлять ресурсы всей корпорации на её поддержку .
Эволюция культуры: от скепсиса к «AI-pilled» штабу 2:02:45
Важным этапом трансформации стало изменение менталитета руководства. Алекс Ванг вспомнил анекдот о своем первом совещании в Meta: один из тогдашних лидов команды заявил, что пользователям якобы «не нужны модели с рассуждениями (reasoning)», что шокировало Алекса .
Однако решительный настрой Марка быстро распространился на всю верхушку Meta. Цукерберг «заразил» лидеров идеей ИИ-приоритетности (стал «AI-pilled»), и теперь даже ветераны компании, такие как Адам Моссери (глава Instagram), активно внедряют продвинутые ИИ-инструменты в свою повседневную работу . Ранее в разговоре они также упоминали, что для MSL был установлен режим работы «без дедлайнов», чтобы сфокусироваться на качестве, а не на спешке, что парадоксально привело к высокой самомотивации команды и быстрой отгрузке результатов .
Эта адаптивность лидеров Meta, переживших множество технологических волн, позволила компании за один год превратиться из «догоняющей» в одного из лидеров гонки фронтирных моделей .
🏁 Техническое превосходство и дух фронтира 2:06:01
Завершая масштабное обсуждение будущего искусственного интеллекта, Марк Цукерберг и Александр Ванг фокусируются на фундаменте, который позволяет Meta Superintelligence Labs (MSL) двигаться быстрее конкурентов. Это не просто вопрос вычислительных мощностей или объема данных, а глубоко укоренившаяся культура, где техническая экспертиза превалирует над административным управлением. Ранее в разговоре они касались истории создания лаборатории, но именно в финале становится ясно, как этот «технический радикализм» определяет повседневную работу.
Отказ от нетехнического менеджмента 2:06:01
Одной из самых радикальных особенностей структуры MSL является практически полное отсутствие классических «нетехнических» менеджеров . Марк Цукерберг подчеркивает, что это осознанный выбор: в лаборатории не приветствуется модель управления, где руководитель занимается исключительно карьерными беседами или эмоциональной поддержкой, не погружаясь в код .
По мнению Цукерберга, в индустрии существует опасный паттерн: талантливый специалист становится руководителем, перестает вникать в детали архитектуры и очень быстро теряет техническую хватку — гораздо быстрее, чем сам успевает это осознать . В такой динамичной области, как ИИ, это недопустимо.
В MSL культивируются следующие принципы:
- Личный пример: Руководители должны продолжать писать код и лично использовать разрабатываемых агентов .
- Плоская структура: Наличие 200 прямых подчиненных у лидера — это не баг, а фича, исключающая слои бюрократии .
- Владение продуктом: Инженеры не должны чувствовать себя «слепыми исполнителями»; они обязаны отстаивать свои решения, даже если это приводит к жестким спорам .
Александр Ванг подтверждает, что в лаборатории поощряются «позитивные конфликты» . Команда состоит из волевых и талантливых людей, и Марк предпочитает, чтобы они спорили за свои идеи, чем просто соглашались с руководством .
Философия «Stay Technical»: жизнь на грани фронтира 2:08:16
Александр Ванг, делясь опытом работы с Марком, отмечает его уникальную способность к «байесовскому обновлению» мировоззрения . Как только Цукерберг интернализирует новые данные, он мгновенно меняет курс компании, проявляя невероятную смелость в принятии масштабных решений . Александр признается, что даже для него и Ната Фридмана масштаб инвестиций и ставок Meta в области ИИ поначалу казался поразительным .
Этот подход — готовность идти ва-банк, когда фундаментальные сдвиги еще не отражены в метриках или выручке — Ванг считает «секретным соусом» Meta, позволившим компании пережить множество технологических циклов . Цукерберг парирует это просто: «Жизнь коротка, просто делай правильные вещи» .
В финале беседы Джон поднимает тему активности Ванга в социальных сетях, называя его посты «безумными» (deranged tweets) . Марк встает на защиту аутентичности, заявляя, что для лидера гораздо важнее быть настоящим и живым, чем следовать выверенному PR-скрипту .
Завершая встречу за бокалом свежепривезенного из Дублина Guinness , участники сходятся в главном: в мире ИИ невозможно почивать на лаврах. «Очень легко отстать, — резюмирует Ванг. — Нужно всегда оставаться в деталях, оставаться техническим специалистом и удерживать фронтир» .
