当你可以尝试AI生成的灵感内容时,谁还有时间关注元宇宙?
Meta首席执行官马克·扎克伯格的元宇宙梦想似乎被一个新愿景所取代:AI生成的社交信息流。在周三的财报电话会议中,扎克伯格重申了他的信念,即AI将成为下一个重要的媒体格式,让信息流变得"更具沉浸感和互动性":
"我们从文本开始,当我们有了带摄像头的手机后转向照片,当移动网络变得足够快时转向视频。很快,我们将看到新媒体格式的爆发,这些格式更具沉浸感和互动性,只有因为AI的进步才成为可能。"
扎克伯格补充说,目前的应用"感觉像是推荐内容的算法"。但据扎克伯格说,这将会改变,因为Meta的应用最终将用能够"理解"用户、能够提供他们喜欢的内容并"生成出色的个性化内容"的AI来迎接用户。
去年,扎克伯格也类似地提到了注入AI的社交媒体,称Meta将"向其推荐系统添加另一个巨大的内容库",因为AI使内容"更容易创建和重新混合"。Meta已经实现了这个计划的一部分,它在Meta AI应用中推出了新的"Vibes"信息流,让你滚动浏览AI生成的短视频信息流。
在电话会议期间,扎克伯格还暗示了一种新格式,将允许用户使用提示创建世界或游戏,然后与朋友分享,并补充说视频也可能变得互动。"未来肯定有这样一个版本,你看到的任何视频,你都可以点击并跳进去...以更有意义的方式体验它,"扎克伯格说。
随着电话会议的进行,扎克伯格没有提及元宇宙的目标,而是说公司在虚拟现实(VR)和Horizon Worlds上的投资将"与这些AI进步很好地配对",帮助通过"移动设备"将这些体验带给人们。Meta的Reality Labs(包括元宇宙部门)报告在2025年最后三个月的运营亏损为60.2亿美元。本月早些时候,Meta在该部门裁员至少1000名员工,同时关闭了三个VR工作室。
Meta报告2025年最后一个季度的收入为599亿美元,净收入为228亿美元。该公司似乎计划通过货币化其Meta AI聊天机器人来开拓更多收入流,因为扎克伯格告诉投资者,Meta AI将有"订阅和广告"的机会,这与TechCrunch的报告一致,该公司计划将高级AI功能放在付费墙后面。
Q&A
Q1:Meta的Vibes信息流是什么功能?
A:Vibes信息流是Meta在其AI应用中推出的新功能,让用户可以滚动浏览AI生成的短视频内容。这是Meta实现AI社交媒体愿景的一部分,旨在为用户提供更多AI生成的个性化内容。
Q2:扎克伯格提到的新视频格式有什么特点?
A:扎克伯格暗示的新格式将允许用户使用提示创建世界或游戏并与朋友分享,视频也将变得可互动。用户可以点击任何视频并跳进去,以更有意义的方式体验内容,让视频观看变成沉浸式体验。
Q3:Meta的元宇宙业务现在情况如何?
A:Meta的元宇宙业务面临挑战,Reality Labs部门在2025年最后三个月运营亏损60.2亿美元。公司本月裁员至少1000名员工并关闭了三个VR工作室。扎克伯格现在更专注于AI技术,认为VR投资将与AI进步配合。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。