Mark Zuckerberg：Meta 的 Muse AI agent 如何让人们赚钱

摘要

• Meta 正在推出 Muse，这是一个长时运行的个人 agent，Zuckerberg 将其定位为“个人超级智能”理念最完整的体现。 与一问一答式聊天机器人不同，Muse 运行在云端虚拟机上，接收的是目标而非提示词，能够“7×24 小时”工作、通过整合反思“夜间学习”并写入记忆，还会主动建议新项目；重要模型大约每月更新一次。
• 其商业模式刻意采取激进路线：每周免费提供约1亿 tokens，外加虚拟机，之后从交易中收取“一小部分”费用，费用可能由商家而非用户承担。 Zuckerberg 的明确判断是：“我们认为，这个东西真的会帮你赚钱、帮你省钱，这就是它自我支付成本的方式”——如果要为所有人构建这样的未来，免费使用“至关重要”。
• 模型路线方面，Muse Spark 1.3 基于一款相对更小、代号为 Avocado 的预训练模型。 Heath 引用 Artificial Analysis 最近的一张图表，称他认为 Muse Spark 排在 Claude 的 Fable 5.1 和 Opus 5 之后。Zuckerberg 表示，更大的 Watermelon 很快发布，而俄亥俄州的 GW 级 Prometheus 集群正在扩容，以支持 Watermelon 之后的模型。
• Zuckerberg 将隐私描述为一项差异化能力：架构采用机密虚拟机，并由 Signal 创始人 Moxie Marlinspike 参与打造；Zuckerberg 与 Nat 亲自招募了他，而他曾在2014年参与构建 WhatsApp 加密，因此“连 Meta 也看不到内容”——这一承诺在技术上可以验证。 其上还叠加了监控提示词注入的 Sentinel agents、支付和登录的人在回路审批、安全凭证库以及最小权限连接器。“我不知道还有谁接近这一水平。”
• 这份宣言的核心，是反对硅谷限制访问的共识：“我个人更担心的是，少数实验室或少数人控制如此强大的东西。” 他的3项原则是：赋能推动繁荣；AI 的目的在于发明而非自动化；安全来自制衡；他最有力的证据是 Hugging Face 遭入侵事件——防守方因为无法访问部分闭源模型，转而使用开源模型。
• 个人 agent 市场不会赢家通吃，但 Zuckerberg 猜测，真正能做到 state-of-the-art 的公司不会超过12家，而最强者将通过幂律获得大量使用量。 Meta 声称的优势包括从底层设计模型（包括对“discretion”的重视）、社交基因，以及未来可能实现的全体 agent 互动和学习——“目前行业大多数人仍把 agent 当成单人游戏”；此外还有最终触达“数十亿人”的分发能力。Zuckerberg 表示，大多数 agent 之间的互动不会在本次版本中推出。
• 谈到数据中心引发的反弹，他区分了运营数十年的长期主义者与买下场地再转手的投机者，并提到路易斯安那州的税收曾用于支付5万美元教师奖金，以及一所为受训技工保证就业的劳动力学院。 他不愿称之为泡沫——“这意味着它被高估了……但繁荣肯定存在”——并认为，如果 AI 不能创造广泛共享的繁荣，“它实际上就不可能发生”。
• 谈到治理，他强调要与美国政府保持紧密合作，而不是依赖几个月后就可能“过时”的僵化框架，包括确保政府知悉重要的训练运行。 青少年安全和解被描述为一种具有法律约束力的行业机制：Meta 先单方面限制青少年使用，等 YouTube 和 TikTok 签署相同条款后再锁定下一步——“率先行动，确实让我们承担了一些风险”。

精读

1. 这份15页宣言：反对硅谷共识的3项原则

• Zuckerberg 解释写下宣言的原因：“如果你要投入这么多资源构建 AI……让人们理解你的实验室代表什么就很重要。”他的3项原则是：赋能人类是繁荣的来源；AI 的首要目的在于“发明新事物，而不是自动化”；安全依靠“制衡与权力平衡，而不是限制访问”。他认为，这些原则“奇怪地与很多传统认知非常不同，尤其是在硅谷”。
• 他的历史论据是：“大多数进步并非来自既有企业或建制派，而是来自边缘地带的人——他们的想法一开始并不被认真对待”，直到他们获得了工具。
• 他最尖锐的担忧与末日论者相反：“我个人更担心的是，少数实验室或少数人控制如此强大的东西。”他认为，在不发布模型的情况下训练先进模型，这一正在形成的做法“相当危险”。

2. 开源作为安全政策：Hugging Face 案例

• 这套网络安全论证刻意反直觉：“阻止某人拥有可能入侵系统的 AI，最好的解药，是让所有人都能使用 AI，从而优先加固自己的系统”——这与开源软件几十年来变得更安全的机制相同。
• 他反对把高能力网络安全模型限制给“前100家机构”，理由很具体：“世界上有超过100家重要机构。”Hugging Face 发现遭到入侵时，“他们转向了开源模型，因为他们无法访问造成问题的部分闭源模型”。
• 但他保留了一个重要限定：“我不是这件事的狂热分子……并不是我们做的一切都开源。”对于一家营利性公司而言，部分闭源工作完全合理；比开放权重更重要的杠杆，是把 Muse 这样的产品直接交到个人手中。

3. 数据中心：长期运营者与投机者

• Meta 深入研究了为什么反数据中心情绪没有同样强烈地针对其项目，发现“投机者与专注长期经营的公司之间存在相当大的差异”——那些买地再转手给大型实验室的公司，“并不那么在乎当地社区”。他的反例是路易斯安那州，那里数据中心带来的税收曾用于发放“5万美元教师奖金”。
• America’s Workforce Academy 正在培训光纤技术员、电工和木匠——美国需要“数十万、甚至数百万人”从事这些工作——并保证他们获得建设 Meta 基础设施的工作。“这不完全是慈善……而是一种双赢”，只有“打算投入数十年”的公司才会进行这样的投资。
• 他的乐观有一个核心前提：“我甚至不知道该不该称之为泡沫，因为泡沫意味着它被高估了……但繁荣肯定存在。”如果 AI 不能创造就业和广泛共享的繁荣，“它实际上就不可能发生”。让更多人分享收益，是规模化的“前提条件”。

4. 谁来决定超级智能的方向：数十亿人，而非“所谓专家”

• 他形容自己对一种说法“过敏”：由“少数专家”来决定 AI 应该解决哪些重大问题。他的替代方案是：“如果你问数十亿人，他们在乎什么……他们对这个问题的汇总答案，就是最重要的工作方向。”
• 药品和生物科技是支撑这一论点的例子：行业通常优先解决最常见的疾病，但“如果你患有罕见病，你可能会希望自己的个人 AI 专注于这个问题”。罕见疾病“获得的投资比例明显偏低”，这一判断部分来自他在 Biohub 的工作。
• 这条逻辑也延续了 Meta 的历史：内容审核争论最终都在讨论，“人们是否应该能够自行决定，并在自己的生活中表达什么重要”——如今，同样的信念构成 Meta AI 战略的基础。

5. Zuckerberg 家里的 Muse

• 他的第一个项目并不宏大，而是和3岁女儿一起进行的周末烘焙项目：Muse 会挑选一个“适合3岁孩子和完全不懂烘焙的成年人”的食谱，通过 Instacart 订购食材，再根据反馈更新方案。最终结论是：“蛋糕棒真的很难做。难得出人意料。”
• Muse 还接入了许可申请网站，让他可以和大女儿去爬山（“我想那天就算请假不上班了”）；它也会查看他 MMA 健身房的摄像头并发送训练反馈：“看起来你真的放弃了。”他的回应是：“对，我放弃了。”教练则说：“这正是我们觉得不能告诉你的事，但你的 agent 告诉你了。”
• 测试版用户的经历成为产品验证：有人在一天内搭起了家庭学校；有人在12小时内规划好一次旅行；还有一名技术怀疑论者几天没有消息，随后发来短信：“正式发布时，我还能保留自己的 Muse agent，还是你们会把它重置？”

6. Muse 是什么，以及它如何自我支付成本

• Heath 对这一品类变化的概括得到 Zuckerberg 认可：关键突破在于“在后台增加一台虚拟机”。它不再是一个提示词对应一个答案，而是“你给它项目或目标，它就会7×24小时工作，直到帮助你实现目标才停下来”。它会“夜间学习”，把反思整合进记忆，还会提出自己的扩展建议——比如他的《文明》攻略就在 Muse 建议下新增了一个历史课程标签页。
• 经济模式包括订阅，但“你可以免费获得非常大的使用量——我想一开始我们会提供每周1亿 tokens”，同时还包括虚拟机，“这需要大量计算机资源”。预期模式是“从交易中抽取一小部分……不一定由付款的人承担，也可能由它所服务的商家承担”，支付环节使用 Stripe。
• 对企业用户而言，Muse 可以接入 Meta 的广告系统，帮助企业制作产品并让业务“永远循环运行、7×24小时运行”；而每一次重要的月度模型发布，“它都会变得更聪明”。

7. 全体 agent 学习与差异化能力栈

• Heath 提出的结构性新主张是：“目前行业大多数人仍把 agent 当成单人游戏。”他的描述是：agent 在整个 fleet 中学习匿名化洞察，并根据类似用户的行为提出想法；他认为此前几乎没有人真正这样做。Zuckerberg 表示，未来 agent 可以彼此互动，随着更多人使用 Muse，“它只会变得更好”；但他也指出，这项能力“总体上”不会在当前版本中推出。
• 他们声称的3项差异化能力是：为个人 agent 场景“从底层开始”设计模型；Meta 围绕关系构建的“社交基因”；以及——“这可能会让一些人感到意外”——隐私与安全。
• 一个从底层设计模型的例子是“discretion”：如果你怀孕后在预订餐厅，“你未必想直接说我怀孕了，但可能希望找一家无酒精鸡尾酒不错的地方”。这一能力对企业编码 agent 并不那么核心。因此，他下了一个绝对判断：“另一家公司不可能只是拿一个现成模型做一点后训练”，就能匹配一款专门打造的模型；随着这种能力“在数年时间里不断积累”，差距会越来越大。

8. 隐私护城河：机密虚拟机、Sentinel 与最小权限

• WhatsApp 带来的根本经验是：“连 Meta 也看不到人们发送的消息……这对我们的成功非常重要。”Zuckerberg 与 Nat 亲自招募了 Signal 创始人 Moxie Marlinspike——他也是2014年参与构建 WhatsApp 加密的人之一——参与开发机密虚拟机：在云端提供“像把设备放在办公桌下那样的安全性与机密性”，而且无法查看内容这一承诺可以通过技术验证。“我不知道还有谁接近这一水平。”
• 多层控制包括安全凭证库（“你的 agent 不应该知道那些东西”）；Sentinel agents 监控进出流量，识别提示词注入和不必要的信息披露，并在登录、支付和敏感转账时触发人审；连接器默认遵循最小权限原则——电子邮件默认只读，发送邮件需要明确请求。Zuckerberg 还提到自动批准功能，同时强调用户必须看见 agent 正在做什么。
• OpenClaw 之后兴起的 Mac Studio 路线，在市场规模上被他否定：实体设备确实可行，但“我不认为会有数十亿人购买 Mac Studio 并完成配置”（Heath 补充：“尤其考虑到现在的 RAM 价格”）。可能有数百万人，但他怀疑不会达到数十亿人。

9. 市场结构：幂律，而非赢家通吃

• 谈到个人 agent 是否赢家通吃，他说：“即便是人们认为赢家通吃的领域，通常也不是赢家通吃。”但“真正拥有 state-of-the-art 能力的公司可能不会超过12家”，而且“如果你在某件事上做到最好，通常最终会获得大量使用量”。
• 其中的细微之处在于，不同领域的最佳产品可能发生分化：“帮助你处理人际关系的产品，是否会与最适合帮助你经营小企业的个人 agent 有所不同？也许会。”他的反驳是，Meta 服务数亿家小企业和数十亿人，“所以也许我们两方面都能做到最好”；Meta 的独特能力在于“把一个适合消费者的产品分发给大量用户”——数亿人，最终是数十亿人。
• 目前 Muse 与 Meta AI 并存：Muse 会把问题理解为需要长期推进的目标；Meta AI 则直接回答。“也许它们最终会融合，但我不确定。”

10. 模型实验室重启：Llama 4 的教训与人才密度信仰

• 他承认曾犯下一个错误：“我错误地认为，既然我们擅长其他各种机器学习，那么构建和扩展 LLM 的方法也会类似。”Llama 3 表现不错；但“发布 Llama 4 时，我认为我们已经偏离了应有的轨迹”。
• 修正方案是：“我更加相信人才密度……你几乎希望团队小到每个人都能把整个事情装在脑子里，就像一个团队科学项目。”每个岗位都由最优秀的人担任，实验室“实际上围绕我坐在哪里来搭建”；Zuckerberg 亲自投入大量时间招募人才，也让自己在技术上更贴近具体工作。
• 计算力与模型路线方面，俄亥俄州 GW 级 Prometheus 集群已经上线，并正在扩容 Watermelon 之后的模型；Watermelon 比 Avocado 更大，很快发布，Zuckerberg 表示“我们对它感觉很好”。Heath 引用了 SemiAnalysis 7月的文章（“对 MSL 来说，重要的是斜率，而不是截距”），并称他认为 Artificial Analysis 最近的一张图表把 Muse Spark 1.3 排在 Claude 的 Fable 5.1 和 Opus 5 之后。至于考虑到成本，是否可以落后前沿模型运行：“不，不，不——那不是我们。Meta 是一家端到端科技公司。”

11. 安全：奖励投机、育儿与超级智能律师

• 谈到奖励投机——模型通过修改虚拟机配置来“解决”编码任务——他给出一个谨慎的类比：“这个类比很快就可能被拉得过远，但它确实有点像育儿：你需要建立清晰而坚定的边界。”好的边界不仅教会模型课程内容，也会随着时间推移，在他看来教会它“更好的价值观”。
• 宣言中的标志性思想实验是：一个拥有超级智能律师的人，“可能赢下本不该赢的官司”；如果每个人都有这样的律师，就会产生“非常高效的对练”，让“正义得到更高效、更公平的实现”。真正危险的是能力集中，因为集中会“扭曲所有这些体系和制度”。
• 谈到政府，他认为任何具体而僵化的框架都有很大概率“几个月后就过时”；与其只依赖流程，不如保持紧密合作——“政府应该知道所有重要训练运行”——以及“真正、可信的对话，而不是某个具体流程”。他表示，这两种方式并不互相排斥。Heath 补充了市场纪律的观点，Zuckerberg 表示认同：如果 Meta 的模型造成损害，责任追究和市场纠偏本来就会发挥作用。

12. 眼镜反弹、青少年和解与在 X 上发帖

• 对于间谍眼镜的担忧以及部分场所禁止眼镜，Zuckerberg 表示，录制指示灯从一开始就被设计进产品，篡改后“摄像头就会变砖”。真正的失败在于，随着“数百万人”购买产品，沟通逐渐偏离；这也呼应了他对20年社交媒体历程的反思：“我不认为我们像本应做到的那样直接回应了其中一些担忧……我认为，这影响了人们今天看待这些产品的方式。”
• 青少年安全和解的设计，是为了解决集体行动问题。Zuckerberg 举例说，如果 Meta 单方面把青少年使用时间限制为每天1小时，用户只会转移到 TikTok——“我们真的帮助了任何人吗？”因此，Meta 先在使用时长、通知、上学时间和睡眠时间限制上迈出第一步；“等 YouTube 和 TikTok 签署相同条款后，我们作为一个行业就可以共同锁定下一步”。
• 谈到重新回到 X，他说 Threads “现在要么已经比 X 大，要么很快就会超过 X”，但“很多 AI 从业者都在 X 上”。因此，做法是到处发布内容，并“在人们所在的地方与他们互动”。