Meta(META-US) 创办人兼执行长祖克柏（Mark Zuckerberg）重新将「开放」拉回AI战略核心，并提出不应由单一超级AI掌控所有人的「分散式智慧」愿景。从重新开放Muse Glimmer、计划释出Muse Spark 1.2权重，到个人代理的兴起与不同AI之间的协作，AI发展可能正从单纯的模型开源，进一步走向「分发、分化、协作」三阶段。未来真正的关键，将不只是谁拥有最强大的模型，而是能否让不同个人、企业与AI节点形成一个彼此连结、持续演进的智慧生态。

祖克柏本月发表长文《The Future is for Everyone》，重新阐述他对人工智慧（AI）未来发展的看法。他认为，未来不应由单一、中心化的智慧代表所有人的价值、利益与目标，更理想的状态，是让智慧广泛分布在个人与企业之间，让不同目标的AI彼此竞争、制衡。

在这番论述之后，Meta重新开放Muse Glimmer，祖克柏也透露，未来将开放Muse Spark 1.2的模型权重。相较4个月前以闭源形式推出Muse Spark，Meta如今再度将「开放」置于AI策略的重要位置。

分析指出，这项转向也让Meta近来所谈的「分散式智慧」概念更加具体。

不过，若目标是不让智慧集中在少数中心化模型手中，单纯开放模型仍不足以完成这项愿景，真正关键在于后续如何建立一套能让不同智慧持续形成、分化并彼此协作的生态。

从开放模型到分散式智慧，关键在三个阶段

分析人士指出，开源并不等同于分散式智慧。若要描述这项演进，可以将其拆解为「分发、分化、协作」三个阶段。

其中，开源首先解决的是「分发」问题，也就是降低取得AI能力的门槛；接着，个人代理有机会进一步推动智慧「分化」；最后，真正的分散式智慧仍必须建立在不同AI彼此「协作」的基础上。

在智慧分发方面，Meta近年的成果相当明显。截至2026年3月，Llama系列模型累计下载量已突破24亿次。

但大量下载本身并不代表智慧已经分散。如果数十亿次下载取得的仍是同一个模型，那么使用者拥有的其实只是同一种智慧的不同副本，而非真正独立发展的智慧。

祖克柏曾设想，未来每个人都能拥有一个持续替自己工作的个人代理，理解使用者自身的目标与重视的事物。Meta此次重新开放Muse Glimmer，便提供了一个参考方向。该模型参数量为30B，能够在本地运行。

然而，取得模型与真正拥有属于自己的智慧仍是两回事。即使模型可以在消费级高阶硬体上执行，实际进行训练、工程最佳化以及大规模部署，依旧需要相当程度的算力与专业能力，并非一般使用者都能负担。

这与Linux的发展存在某种相似之处。Linux开放原始码后，确实大幅推动整体软体产业发展，但其巨大影响力主要体现在伺服器、云端运算与超级电脑等领域；对一般消费者而言，日常使用的仍多是Windows与MacOS等闭源作业系统。

更重要的是，同一个模型被复制数十亿次，也不会因此自然产生原本不存在的新知识。

真正分散在社会中的知识，本来就不会完整集中于某一个人或单一机构，而是存在于不同个体之中，具有局部性、不完整性，甚至彼此矛盾。若未来AI要成为真正分散的智慧，同样需要让智慧存在于不同的人与组织之中。

例如，医师所使用的AI与制造业经营者所使用的AI，即使最初采用相同模型，只要长期处于不同资料、工作环境与判断脉络之中，最终就有可能形成截然不同的智慧。

这也正是「分化」的核心。

祖克柏同样指出，代理不应只是服从某一家公司的价值观，而应该与每一个人的目标与价值观对齐。换言之，未来每个人的代理都可能有所不同。

至于支撑这种分化的技术架构，目前仍没有明确答案。可能是一个大型模型搭配大量代理，也可能由多个小型模型共同构成复杂代理系统，甚至可能发展成由大量模型、代理与Skill动态组合的架构。

这种模型分化的现象其实已经开始出现。早在2024年底，Hugging Face上的Llama衍生模型数量就已超过8.5万个。

另一方面，代理所累积的成熟能力也可能逐步被固化至背后模型，让模型执行任务时更加直接、有效；而能力更强的模型，又可能进一步催生新的代理，形成相互推动的循环。

Anthropic的发展便呈现出模型与代理彼此促进的现象。虽然目前没有公开证据显示Claude Code使用者资料直接被用于训练Claude，但随着Claude Code崛起，Anthropic后续模型持续强化长期程式设计、工具使用与代理任务能力，后来推出的Mythos模型更强大到不敢直接开放。

分析认为，这些现象可视为智慧逐步分化的早期表现。

未来真正重要的，可能不只是模型本身的能力，而是智慧是否能围绕不同个人、企业与产业持续产生差异。属于个人或企业的长期记忆与私有资料，也不必被公开并集中到某个中心化的超级智慧之中。

换句话说，共通能力可以集中演进，但具有差异性的知识则可以留在不同智慧节点。若这种架构最终能够成立，分散式智慧才算真正建立基础。

从个人代理到代理协作，下一步是让智慧彼此连结

但分散式智慧要进一步形成更高阶的能力，关键仍在于「协作」。

假设未来每个人都拥有自己的个人代理，而且代理充分理解使用者，那么个人的健康代理不必自己成为肿瘤专家，而可以在获得使用者授权后，将相关资讯交给专业医疗代理，再把取得的判断带回来，结合使用者自身的历史资讯作出决策。

企业经营者的代理同样如此。它可以充分掌握企业自身状况，但当需要行销、法律或策略等专业能力时，便可以进一步呼叫其他领域的专业代理。

若进一步扩大到社会层面，未来甚至可能出现用于公共协商的社会级代理，与不同个人、企业及其他主体的代理进行沟通，汇整分散的需求，再透过持续协商提出方案与进行决议，形成集体决策。

原因在于，未来的智慧很难同时精通所有领域，因此协作将成为不可避免的一环。

每个人的判断都建立在自身拥有的知识、资讯，以及所处位置、经历与人际网络之上，也就是所谓的「立场性知识」（Situated Knowledge）。中心化智慧很难天然掌握所有这类知识，因此也难以成为未来唯一的智慧形态。

只有先建立以这些立场性知识为基础的个人化代理，再让不同代理彼此协作，分散于不同节点的知识才有机会被整合利用。

而支撑这种协作所需的生态，也已开始出现。

Anthropic推出MCP，主要是希望解决AI如何以统一方式连接外部工具与资料；Google(GOOGL-US) 发起的A2A则进一步处理不同框架、不同业者之间的代理如何相互发现、通讯与协作。

近期出现的代理 Plugins 1.0，则由Vercel发起，并有亚马逊(AMZN-US) 、微软(MSFT-US) 、OpenAI等公司参与，试图进一步将Skills与MCP Server的设定转化为统一且可移植的插件。

目前仍难以判断最终哪一套标准会胜出，但这些发展至少反映出，AI产业正在逐步处理一个更根本的问题：智慧如何在不同系统之间流动、组合与协作。

这也可能是从开源模型走向分散式智慧的重要一环。

Meta重新谈「开放」，真正考验在于能否走出完整路径

回到祖克柏提出的愿景，避免由单一中心化超级智慧控制所有人，确实是一种明确的方向。但如果只有愿景，却没有清楚的实现路径，最终仍可能停留在口号层次。

如果Meta希望智慧不被少数中心控制，那么除了重新拥抱模型开放，也需要进一步思考如何推动个人化代理、智慧分化以及不同代理之间的协作，让整个生态真正朝分散式方向发展。

从「分发」到「分化」，再从「分化」走向「协作」，若这三个阶段逐步建立起来，未来形成的可能不会是一个统治一切的超级AI，也不只是大量彼此孤立的开源模型，而是一套由无数人及其AI共同构成、能够彼此协作并持续演进的分散式智慧体系。

分析人士指出，这或许才是祖克柏所描绘的「人人都能拥有智慧」愿景，真正需要面对的下一个问题。