邱懿武
工作台

扎克伯格亲述:Muse 到底想干什么(一文讲透 Meta 野心)

Agent 的新定义是“交给它目标、24 小时一直干”,而安全(哨兵+最小权限+人工确认)成了下半场主战场。

整理日期
讲者
马克·扎克伯格(Sources 播客 69 分钟访谈);整理:傅盛的 AI 助理「三万」(公众号「傅盛和龙虾三万」)

渠道:公众号「傅盛和龙虾三万」 · 体裁:访谈 · 信源层级:二手(原始出处:Sources 播客 69 分钟访谈;末尾含推广,读时打折)


〇、背景

Muse 是 Meta 刚推出的个人 AI Agent,上线后冲到美国 App Store 免费榜第一,超过 ChatGPT,带动 Meta 股价大涨。它会长期记住你的目标和生活背景、主动提建议,还能接入邮箱/日历/Instagram。

主持人的一句话定位:“Muse 就是普通人版的 OpenClaw。”


一、Agent 的新定义:从“问答”到“交项目”

“以前你发一个问题,AI 给一个答案。现在你交给它一个目标,它 24 小时一直干,不达目标不停。” —— 扎克伯格

三个特征:

划界:只想一个答案 → 用 Meta AI;问 Muse → 它理解成“这个人长期想要什么”,更可能直接去干一段很长的活。

旁证(傅盛):中秋让 GPT-6 接管微信几小时,逐人了解背景、写祝福、等他确认后发出,零失误发完 100+ 条。结论:新一代 AI 的分水岭,不是回答得多好,而是能否拿着一个目标长时间干下去。


二、扎克伯格自己怎么用:全是生活,不是办公

内测用户的信号:有人一天内用它管家庭学校;有人 12 小时规划完整旅行;一位平时很怀疑技术的人,几天没吭声后问:“正式上线后,我的 Agent 还能保留吗?会不会被重置?”

→ 用户开始害怕失去自己的 Agent,说明 Agent 攒下的记忆本身就是价值。

扎克伯格:“我用 Muse,就是想让它帮我做个更好的父亲、更好的丈夫,更好地照顾朋友。”——社交公司做 Agent,主打“关系”。


三、AI 最大的问题:多数人不知道拿它干什么

“AI 的一大问题是,很多人不知道用它来做什么。如果 Agent 能自己建议'我能帮你做这些',就解决了一大半问题。”


四、商业模式:免费到让对手没法打

这是典型的“主业补贴新业务”——没有广告收入兜底的创业公司,会被“每周 1 亿 tokens 免费”直接打掉价格预期。


五、最大的差异化:隐私与安全(他讲得最细)

逻辑链:Agent 要有用 → 必须真正了解你 → 就得接入邮件/消息/健康数据 → 用户必须非常信任这个系统。

  1. 机密虚拟机(Confidential VM):挖来 Signal 创始人 Moxie Marlinspike(当年帮 WhatsApp 做端到端加密的人)。目标:Agent 跑在云上,连 Meta 自己都看不到内容,且可技术验证。
  2. 直接点名 OpenClaw(约 33 分钟处):
  3. “今年早些时候 OpenClaw 出来,很多人去买 Mac Studio 放在家里跑,觉得这样安全。但我不认为会有几十亿人去买 Mac Studio、自己配置、放在家里跑。”

→ 他的解法:部署在云上,但安全性要像放在你桌子底下的机器一样。他预测想要本地机器的人“也许有几百万,但不会有几十亿”。

  1. 安全凭证库:信用卡/密码不让 Agent 直接看到,用时才调用;支付时生成一次性卡号。
  2. Sentinel“哨兵” Agent:主 Agent 之外另有一批哨兵专盯进出数据——检测提示词注入攻击、检查有没有把不该发的信息发出去;登录/支付/发送敏感信息都要你确认,也可设置“这类事以后都允许”。
  3. 最小权限原则:接邮箱默认只读,想让它发邮件得单独授权。(“很多产品一接就给全部权限,Meta 不这么做。”)

对企业:这套清单——哨兵、最小权限、一次性卡号、敏感操作人工确认——值得拿来对照自家 AI 系统逐条查一遍。


六、模型层:为什么必须自己训


七、组织反思:Llama 4 之后


八、价值观:技术要分发,不要囤积

对很多硅谷共识“强烈不同意”,三条原则:

  1. 赋能个人,才是繁荣的来源;
  2. AI 的主要用途是发明新东西,而不是自动化;
  3. 安全的基础是制衡,而不是限制访问。

谴责“训出更强模型却不发布”(如网安能力只给前 100 家机构用)——“可世界上重要的机构远不止 100 家。”

比方:只有一个人有“超级智能律师”,他能赢本不该赢的官司;人人都有,就是高效的对抗,正义反而更有效率。

对“一小群专家决定 AI 该解决什么问题”他有“过敏反应”:制药业盯着常见病,但每个罕见病患者都会希望自己的 AI 专门研究自己的病。


九、市场格局:幂律,而非赢家通吃


十、对中国的六点启发(傅盛团队总结)

  1. 方向已被验证:交目标、长时间干、记住你、主动做事——傅盛从年初“三万”替他发 611 条飞书拜年,到中秋让 GPT-6 接管微信,走的正是这条路。如今世界最大社交公司把它当“下一章”。
  2. OpenClaw 成了巨头的参照物:主持人说 Muse 是“普通人版 OpenClaw”,扎克伯格拿“买 Mac Studio 自己跑”做反例。说明这一波开创者已被认可;接下来的竞争,是让不会配置电脑的普通人和企业也能用上。
  3. 安全会是下一轮主战场:哨兵 Agent、最小权限、一次性卡号、敏感操作人工确认。
  4. 价格战会来:每周 1 亿 tokens 免费,会把个人 Agent 的收费预期打下来。Muse 目前只在美国,中国市场是一个窗口期。
  5. “主动提建议”值得学:“多数人不知道用 AI 干什么”,这个判断非常准。谁能降低用户的想象门槛,谁就赢得日常。
  6. 中国版“连接生活”绕不开微信:Muse 能接 Instagram/邮箱/日历,因为有开放接口;而中国人的生活在封闭的微信里。傅盛让 AI 像人一样操作微信,啃的正是中国版个人 Agent 最硬的那块骨头。

读后判断(范德)

这篇是“Personal AI”那条线(言之/a16z)从“外部观察”变成“巨头操盘手亲述”的一篇——而且它把前面所有的抽象判断,全落成了具体做法。 三组交叉验证:言之讲定义、a16z 讲什么能赢、扎克伯格讲他自己怎么做出来。

三条对造物云/我们最直接的:

  1. OpenClaw 被巨头当“参照物”(even 反例),是这一晚最有分量的一条。 扎克伯格:“我不认为会有几十亿人去买 Mac Studio、自己配置、放在家里跑。” 这几乎是对“OpenClaw 式本地部署”的判决——能力对,但分发形态不可规模化。对应我们(范德团队就是 OpenClaw 起的):下一步不是加能力,是把能力封装到“普通人/企业不用配置就能用”。
  1. 安全清单是可逐条搬的施工图。 哨兵 Agent、最小权限(接邮箱默认只读)、一次性凭证、敏感操作人工确认——这四条正好补上我们“Trust 缺失”那块(言之公式里我们缺 Proactivity + Trust)。我们团队的 Agent 现在几乎都是“全权限”,这是明确的欠债。
  1. “用户害怕失去自己的 Agent”= 记忆锁定的产品化实证。 言之讲的“Personal Context Lock-in”,在这里变成了一个真实用户的追问:“我的 Agent 还能保留吗?会不会被重置?”——记忆攒厚了,迁移成本就出来了。这条对我们的球球老师(学生档案系统)是直接的产品信号。

诚实标注:本文是傅盛团队(“三万”)整理,末尾带明显推广(Easy AI Suite 私有化部署产品 + 猎豹 AI 实战班课程)。信息本身有价值,但“六点启发”那节是站在卖解决方案立场写的,读时打折。


附:本文在两条线上都有位置