博客 详情

Muse登顶，Meta靠agent扳回一局

Muse上线大约10天后，成功登顶美国App Store免费应用排行榜，将ChatGPT甩在身后。

几乎在同一时期，另一款个人Agent领域的代表产品Manus，也传出了新一轮融资的消息，计划筹集5亿美元资金，估值约为40亿美元。

Agent正为前沿AI巨头开辟一条“弯道超车”的路径。基础模型固然关键，但在Agent的赛道上，产品设计、工具调用、任务执行、权限管理和用户入口等因素都成为竞争要素。后来者不必先在模型排名上超越OpenAI和Anthropic，也有机会在应用层面率先取得成果。

Meta显然已经踏上了这条“捷径”。

过去一年，它在模型竞赛中追赶得颇为吃力。投入了大量资金、人才和算力，但效果却雷声大雨点小，能让普通用户感知到的成果相对有限。

直到Muse的出现，Meta才终于拥有了一款真正属于自己的AI爆款。

01

Muse为何能成为爆款？

Muse刚发布时，单从功能来看，其实并不算特别突出。

它能够浏览网页、调用工具、处理文件，以及替用户预订酒店、发送邮件、购物。这些能力，ChatGPT、Claude乃至之前的Manus都已经展示过。

按理说，这些功能很容易触及隐私和权限的边界，用户很难不担心Agent的安全风险。

让它替你整理日程，你就得开放日历；让它替你读邮件，它就得进入你的邮箱；让它帮你购物，它不仅需要知道地址和偏好，还得接触账号和支付信息。

提示词注入也是一个需要警惕的问题。Agent在浏览网页、读取邮件和文件时，会不断接触外界信息。如果有人将恶意指令隐藏在网页中，诱导模型泄露用户资料，一个权限较高的Agent可能会将攻击传递到真实账户。

Meta在开发Muse时承认，无论模型训练得多好，Agent都可能犯错，也可能遭受攻击。

它的独特之处在于，并没有将安全完全寄托于模型足够听话，而是在模型之外，构建了一套完整的权限系统。

简单来说，Muse在云端为每个用户配备了一台独立的电脑。

你可以把它理解为一台永远开启、且只属于你的远程电脑（虚拟机），里面包含浏览器，也能存储文件、运行程序。Muse替你查资料、处理文件、执行任务，基本都在这台电脑内完成。

你的文件、网页登录状态、邮箱和日历连接，不会与其他用户混在一起。即使Muse需要长期替你工作，它也只在这台独立电脑中活动，不会拿着权限在整个系统里四处游走。

值得注意的是，住在这台电脑里的Muse，并不是这台电脑真正的“管理员”。

Meta将整个系统拆分为两个相互隔离的安全区域，Muse居住在其中一区，而另一区则存放着真正敏感的内容——包括用户的登录凭证、安全服务，以及一个名为Sentinel（哨兵）的独立安全Agent。

这个Sentinel专门负责审批网络访问和第三方服务，Muse可以提出发邮件或调用账户的请求，但真正放行的是Sentinel。它能够检查Muse准备访问哪个网站、哪个地址，使用何种请求方式，以及准备发送什么内容。

密码和支付信息也遵循类似的逻辑。登录凭证被保存在独立的安全存储中，Muse可以使用，但看不到具体内容；发送邮件、购买商品等敏感操作会再次向用户确认。用户还可以单独规定某个连接器的权限，比如邮箱是只允许读取，还是同时开放发送功能。

支付环节也做了额外隔离，Muse接入Stripe的Link后，可以生成一次性支付卡，让真正的银行卡信息不直接暴露给Agent或商家。

层层保障，限制了Muse可能造成的破坏。

用户愿意信任它——或者说，愿意相信它即便出了问题也掀不起什么风浪——它才有机会真正进入普通人的生活。

当然，只有安全肯定还不够。

Muse背后的模型是Meta自研的Muse Spark。Alexandr Wang后来透露，从Muse Spark 1到最新的1.3，这整个模型系列从一开始就在为Muse这个个人Agent做准备，每轮升级都重点强化了Agent和多模态能力。

模型之外，Muse背后还有Meta自身的整套产品生态。

它能够接入Instagram、Facebook等平台，也可以直接在WhatsApp中使用。

Meta官方给出的案例是，如果你准备请朋友来家里吃饭，Muse可以翻阅你在Instagram中收藏的菜谱短视频，帮你挑选菜品、列出购物清单，还能记住朋友是否有忌口，最后再帮你将邀请发送出去。

Axios特别提到，Muse能快速走红，靠的不仅是模型本身，还包括Meta一直擅长的几件事——把复杂技术做成普通人能用的产品，将产品迅速推向大量用户，以及理解用户到底喜欢什么、需要什么。

Muse上线大约10天后，就冲上了美国App Store免费iPhone应用榜第一，超越了ChatGPT。

Meta过去一年那场声势浩大的AI重建，也终于拿出了一项普通用户能直接感知到的成绩。

02

不再恋战SOTA，

Meta瞄准个人Agent

过去一年，Meta在前沿AI公司中的处境一直有些尴尬。

钱没少花，人没少挖，算力更是越堆越大。但放在OpenAI、Anthropic和谷歌旁边看，Meta始终差了点意思——前两家自不必说，谷歌至少还有云服务和TPU生态支撑其AI版图。

相比之下，Meta迟迟没有拿出一个足够有说服力的大成果。

2025年，Llama 4令人失望，原本被寄予厚望的Behemoth也一再延期。曾经靠开源掀起浪潮的Meta，在SOTA模型竞争上逐渐掉队。

于是，Meta开始了重建工作。

2025年6月，它花费143亿美元收购Scale AI 49%的股份，将Alexandr Wang直接挖来负责新的AI体系；随后成立Meta Superintelligence Labs（后文简称MSL），不惜开出上亿美元的惊人待遇，从OpenAI、Anthropic、Google DeepMind大规模挖人，AI组织在半年内多次重组。

算力也一同增加，Meta 2025年资本开支达到722亿美元，2026年的指引进一步提高到1300亿至1450亿美元，并建设了Prometheus、Hyperion等吉瓦级AI数据中心。

到了今年4月，Muse Spark发布。Meta自己也表示，这是MSL“从头重建AI技术栈”9个月后的第一份模型答卷。

我们不妨将Manus视为Meta转向Agent的一次重要启发。

去年12月，Meta一度直接收购Manus，而后者最出名的地方，在于将模型、浏览器、工具和执行环境拼成了一个能独立完成复杂任务的通用Agent。后来这笔超过20亿美元的交易被监管部门要求拆解，但Meta愿意花费如此大的代价购买Manus，已经可以看出，它至少认为这条路值得尝试。

Meta没能留下Manus，但将Manus代表的那套Agent逻辑留了下来。

巧合的是，Manus自己后来也开始向个人Agent方向走。2月，它将产品接入Telegram，官方文档中直接写道：“你的个人Agent，随时随地”。

Agent是任务的入口，理想条件下，用户只需给出需求，Agent就能完成任务——用户不需要去想中间用了谁家的模型、接了谁家的工具。

Meta并没有放弃训练模型，但它不再等着模型先拿第一，再考虑产品怎么做。模型开始成为底座，Agent则成了更直接的突破口。

Muse Spark这一系列模型，瞄准的正是个人Agent；而Muse这个产品，证明了这条路确实能拿出非常亮眼的成绩。

这条路线并不偏门，甚至充满机会。

Muse之外，一个名为Instinct的个人Agent甚至尚未正式全面上线，就已经被资本追着下注。

它目前仍处于邀请测试阶段，可以接入邮箱、消息、日历和位置，替用户购物、订餐厅、取消订阅，最近又开始测试独立邮箱和代打电话等能力。8月底，它以约25亿美元估值完成融资；9月，据《The Information》报道，公司正在讨论再融资10亿美元，估值直接冲到了约100亿美元。

03

“选择大于努力”

如果再把视角拉远，会发现过去一起追赶大模型的几家老牌科技巨头，现在已经开始分头走了。

谷歌是少数还在坚持全栈打法的公司：模型要争，Agent要做，云要卖，芯片也自己造。

早些时候，谷歌还传出可能退出顶尖模型竞争的传闻，但就在最近几天，Arena里还出现了一个挂着“gemini-3.8-flash”名字、能力明显异常的模型，被社区广泛猜测是尚未发布的Gemini 4 Pro。另一边，Flash系列几乎三周一更，谷歌9月又连续更新了Gemini 3.8 Live和3.8 Live Extended Thinking。

今年I/O上，谷歌直接宣布进入“Search Agent时代”，让Agent可以24小时在后台替用户追踪信息；Google Cloud也推出了Gemini Enterprise Agent Platform。再往底层，还有已经做到第八代的TPU、Google Cloud和整套AI基础设施。

微软和亚马逊的选择则不同，它们正在将优势集中到企业服务和AI基础设施上。

尽管微软还在做MAI系列，亚马逊也有Nova，但模型已经不再是这两家公司最重要的目标。

微软现在更强调多模型平台。Azure AI Foundry中同时提供OpenAI、Anthropic、xAI和微软自己的MAI模型，企业可以按质量、成本和任务自由选择。微软最新财报披露，今年以来，同时使用多家模型的客户数量增长了5倍；Foundry和Agent 365则负责将这些模型真正接入企业数据、权限和Agent体系。

比起将自己的模型做到最强，微软更想确保，无论最后谁家的模型更好，企业都在Azure上使用。

亚马逊的转向则更加明显。

今年7月，亚马逊直接裁掉了AGI团队的部分岗位。此前，这支原本相对独立的AGI组织已被并入一个更大的技术部门，与芯片、量子计算放在一起；包括Rohit Prasad、David Luan在内的多名核心负责人也先后离开。亚马逊给出的解释是，要精简优先级，将资源集中到最能给客户创造价值的领域。

与此同时，AWS越来越强调Bedrock和AgentCore。Bedrock直接接入OpenAI模型、Codex和托管Agent；AgentCore甚至明确做成“模型无关”，开发者可以自由更换模型，AWS负责运行环境、权限、安全和监控。

其思路与微软类似，与其花费大力气追赶SOTA，不如确保别人做出来的模型和Agent最终都运行在AWS上。

Meta走的是第三条路。

尽管Meta也在建设巨型数据中心，今年甚至传出计划将部分AI算力对外出售，但与谷歌、微软和亚马逊相比，Meta并没有一个已经成熟的公有云业务可以直接承接AI需求。

Meta现成的优势在另一端，在几十亿普通用户、社交关系、内容推荐、广告系统，以及Instagram、Facebook、WhatsApp和Threads这些消费级入口上。

在SOTA模型的比赛中，这些东西几乎帮不上忙；可一旦比赛来到个人Agent，情况就完全不同了。

一个真正好用的个人Agent，不仅需要一个足够智能的模型，还需要知道你喜欢什么、与谁来往、最近准备做什么；要能进入你每天使用的软件，还要有办法长期待在你身边。

这时，Meta过去积累的那些“老本行”，突然都变成了AI能力的一部分。

社交关系变成上下文，内容推荐变成对用户兴趣的理解，几十亿用户变成分发渠道，WhatsApp和眼镜又可以继续变成入口。

Muse真正重要的地方就在这里。至少从Muse开始，Meta终于不再只是靠“有钱、有卡、有人”证明自己还坐在前沿AI的牌桌上。

它有了一个真正能摆上桌的结果，而且这个结果，不是靠复制OpenAI最擅长的方式拿到的。

Meta终于找到了一块更适合自己长板的战场。

事实上，国内的三家大厂也看上了个人Agent这个方向。腾讯、字节、阿里各有不同的先天优势，并且最近都有类似的动作出现。

与更偏工作流程的办公Agent不同，个人Agent真正要接管的，是一个人的日常生活。

在这个战场上，腾讯最强的是关系和服务。微信中有人际关系、聊天、支付、小程序、公众号、视频号和大量线下服务，一个个人Agent如果真要替用户处理生活事务，微信几乎天然就是操作台。最近正在灰度测试的微信助手“小微”，已经开始调用微信原生功能和小程序替用户办事。

字节最强的是内容、推荐和消费端AI入口。抖音知道用户喜欢什么，豆包已有大规模用户，飞书掌握工作上下文；最新的豆包手机助手又进一步进入系统层，开始直接操作手机和跨应用完成任务。

阿里的优势则是交易和商业服务。淘宝、天猫、支付宝、饿了么、高德、飞猪、钉钉，再加上阿里云，本身就覆盖购物、支付、本地生活、出行和工作。千问已经开始将这些服务串联起来，让AI直接完成搜索、下单、支付和出行规划；蚂蚁阿福则从健康场景切入，尝试长期管理用户的个人健康信息。

在这个方向上，最后谁能做出最大的个人Agent可能没那么重要。只要几家大厂都开始争着替用户把事情办完，最终省事的还是我们。

本文来自微信公众号“字母AI”，作者：袁心玥，36氪经授权发布。