十多年来，Meta 遵循着一个可预测的“创造性破坏”周期。该公司会推出一款小型的实验性社交应用，如 Paper 或 Slingshot，在未能赢得用户后，便在两年内悄悄关闭该项目。这些尝试就像是一场数字彩票，公司投入数百万美元，希望能够偶然发现下一个大热门。从历史上看，这些实验之所以失败，是因为构建和维护独立应用需要过多的人力工程师和过多的手动维护，难以实现规模化。
从大局来看，该公司现在已经用人工智能取代了那种手动流程。在最近的一次财报电话会议上，首席执行官马克·扎克伯格解释说，大语言模型（LLM）使 Meta 能够以以前不可能的速度构建和发布软件。Meta 不再聘请数百名设计师来猜测用户想要什么，而是利用人工智能实时生成代码并分析趋势。这种转变不仅关乎速度，更关乎实验成本。当构建应用的成本下降时，一家公司就能负担得起推出十个分众产品，看看哪一个能引起公众共鸣。
社交实验的坟场
要理解为什么这种人工智能转型具有重大意义，我们必须回顾 Meta 内部孵化器的历史。2014 年，该公司成立了 Creative Labs。该团队开发了 Paper，这是一款深受许多科技评论家喜爱但被普通用户忽视的新闻阅读器。随后，他们又推出了 Slingshot（一款旨在与 Snapchat 竞争的瞬时照片应用）和 Rooms（一个匿名聊天服务）。到 2015 年，这些应用无一幸存。对于缺乏大规模、即时增长的产品，公司根本无法证明投入支持资源是合理的。
2020 年，Meta 通过 NPE 团队（新产品实验）再次尝试。该团队推出了一系列应用，包括名为 Spark 的约会工具、名为 BARS 的音乐制作软件以及名为 Tuned 的情侣应用。从实际角度来看，这些应用感觉就像是业余项目。它们缺乏 Instagram 的精致感，也缺乏 Facebook 的覆盖范围。到 2022 年，大多数应用都已关闭，因为它们无法在内部人才竞争中获得足够的关注度。公司发现自己陷入了一种模式：核心应用越来越庞大，而新创意却在孤立中枯萎。
人工智能如何充当不知疲倦的开发者
在底层，Meta 现在正利用大语言模型来解决应用开发中的两个最大难题：编写代码和寻找受众。扎克伯格告诉投资者，人工智能正在通过处理软件工程中的重复性任务，帮助团队加速产品开发。这使得一个小团队能够像构建 Forum 或 Seller 这样的独立应用，而所花费的时间仅为五年前的一小部分。本质上，人工智能充当了数字产品的自动化装配线。
一旦应用问世，下一个挑战就是让人们使用它。过去，新应用必须从头开始构建自己的推荐引擎，以便向用户展示相关内容。如今，Meta 使用统一的人工智能推荐系统。当用户打开专注于二手交易的新应用 Seller 时，人工智能已经从 Facebook 了解了他们的购物习惯。当他们打开新的游戏应用时，系统会根据 Instagram Reels 理解他们的偏好。这种互联数据让新应用从用户登录的第一分钟起就能提供个性化体验。
Threads 的成功蓝图
Meta 现在拥有一个成功的战略模型，即 Threads。虽然之前的实验很难达到 100 万用户，但 Threads 在创纪录的时间内达到了 5 亿月活跃用户。该公司通过依托现有的用户群，并利用人工智能在信息流中填充有趣的帖子来实现这一目标。Meta 首席财务官苏珊·李指出，大语言模型通过理解内容的实际含义，而不仅仅是查看标签或关键词，使这些系统变得更加智能。
抛开术语，这意味着人工智能会阅读每一篇帖子并观看每一个视频，以确定语气和主题。今年早些时候，Meta 证实 Instagram 上的每一个 Reel 和 Feed 帖子都经过了大语言模型的处理。这种分析有助于系统决定将哪些内容推送给新应用。对于普通用户来说，这带来的信息流感觉更直观，重复性更小。这也意味着 Meta 不再需要等待新应用变流行后才让它变得有用。内容已经存在，只等人工智能去组织。
碎片化互联网的小众应用
Meta 目前正在摆脱“一个巨型应用包揽一切”的想法。相反，该公司正在针对特定任务推出专门的工具。Forum 是一款针对“小组”（Groups）的独立应用，专为那些想要社区讨论而又不希望被 Facebook 新闻流干扰的人设计。Seller 为 Marketplace 的资深用户提供了专用空间。Instagram Instants 则专注于快速、瞬时的分享。
这种策略模仿了专用工具箱的工作方式。用户不再为每项工作都使用瑞士军刀，而是可以选择适合眼前需求的特定工具。在市场方面，这使得 Meta 能够占用用户更多的时间，而不会让其主应用显得功能过载。扎克伯格暗示，这些新的消费产品即将问世，预示着一波人工智能生成的软件将在未来几个月冲击应用商店。
快速扩张的代价
从消费者的角度来看，这个应用开发的新时代既带来了便利，也带来了复杂性。一方面，专门的应用通常比臃肿的 Facebook 主应用提供更简洁的界面和更好的性能。另一方面，这意味着用户的主屏幕上可能会出现半打 Meta 旗下的应用。这些应用中的每一个都会收集数据并反馈给核心大语言模型，使公司对你习惯的了解更加精准。
好奇的是，这种快速扩张发生在投资者密切关注 Meta 支出的时期。构建和运行大语言模型非常昂贵。公司必须通过证明人工智能确实改善了利润，来证明花费在英伟达（Nvidia）芯片上的数十亿美元是合理的。通过推出更多应用并延长用户停留时间，Meta 可以在更多地方展示更多广告。最终目标是使获取新用户的成本低于该用户通过人工智能定向广告产生的收入。
这对你的数字习惯意味着什么
随着 Meta 继续推进这一计划，你可能会在 Instagram 和 Facebook 中看到更多提示，邀请你尝试这些新的独立体验。这些不是像 2014 年那样的随机实验。它们是数据驱动的产品，旨在让你留在 Meta 的生态系统中。如果你对主流社交应用的杂乱感到沮丧，这些小众替代方案可能会提供更流线型的体验。
从实际操作来看，你应该观察这些应用占用了多少存储空间和注意力。虽然人工智能让软件变得更好，但它也通过根据你的心情完美定制内容而使其更具成瘾性。随着社交平台拆解为购物、游戏和社区聊天等专门功能，你可以预见你的数字生活将变得更加碎片化。请留意这些新应用请求的权限，因为它们是喂养 Meta 不断增长的人工智能大脑的传感器。
来源：Meta Q2 2024 Earnings Call Transcript, Meta Newsroom, Instagram Engineering Blog, NPE Team Project Archive.
