53. 为什么不是谷歌做出了Muse？- Lewis｜微软 / ex-Gemini
摘要
Muse 的领先首先是产品化胜利，而非底层技术突破：Claude Code 等工具早已能连接 Gmail，但 Muse 把“检查订阅、追医院邮件、处理退款”变成可点选的 idea，让普通用户第一次知道 Agent 能做什么。 Lewis 的概括是“它不是技术导向的，它是一个产品导向”；面对“Google 明明掌握 Gmail、Calendar 两条关键数据入口，为什么没先做”的问题，他直接回答：“Google 太慢了”，并认为 Google 长期较为 reactive，更多是在跟随市场做 countermeasure。
Google 在大模型战争初期把 OpenAI 当作主要对手，资源因而集中于 consumer、模型 benchmark 和“更 fancy 的 demo”，反而给了 Anthropic 从 core engineering 与 enterprise 切入的机会。 Lewis 认为 Anthropic 的下注是：“我们不搞你们这些花里胡哨的，我们就 bet core engineering、bet enterprise。”当这条路线被验证后，OpenAI 和 Google 又转向 coding 与企业相关产品，说明产品选择也会改变竞争位次。
企业 Agent 真正难题不是聊天框，而是 memory、knowledge、permission 与 context graph 的组合。 微软的优势在于 SharePoint 沉淀了海量 PPT、文档和内部数据，但员工、双人对话、团队、公司拥有不同权限；如何把一次成功 trace 沉淀成 procedural memory，又只把安全内容从个人层“promote”到团队层，决定了 Agent 能否从个人玩具变成企业基础设施。
Personal Agent 的关键数据入口是 Gmail、Calendar 与长期行为数据，这也让隐私信任成为核心门槛。 Lewis 因 Instinct 条款允许使用其访问的数据而拒绝尝试，却愿意用 Muse；他同时提醒，用户不信 Zuckerberg，不等于就该相信一家刚成立的 startup。“基本上你是谁、你做什么，里面都有”，既是个性化价值，也是 Personal Agent 的风险。
美国开放 API 给 startup 留出了 Muse 的窗口，中国的 walled garden 则让 Agent 机会更容易受限于超级 App。 Google 的原则更接近“数据是用户的”，所以第三方能调用 Gmail；微信、小红书等平台的数据彼此隔绝，导致用户像面对“十个人站在那里”，必须逐个询问。微信更有机会做通用型 Personal Agent，其他玩家则可能凭搜索、消费和兴趣数据做垂直 Agent，但中国的数据割裂使跨生活、工作与偏好的统一助手更难出现。
To C Agent 很难靠 200 美元入场费或一次性退款建立稳定 LTV，更合理的早期路径是 freemium 加 token 计费；To B 则能按可测量的生产率定价。 Lewis 的检验是：“那两百块钱是解决了问题来 charge，还是只不过让别人先付了这么多 token？”退订、price match、refund 单次很有用，却未必重复发生；企业 workflow 反复运行，可直接用节省工时和员工 hourly pay 算 ROI。
隐私、安全、推理成本与芯片路线共同把 Personal Agent 推向本地：约 1.2 万美元的高配 Mac Studio，Apple 官方称其可运行 trillion-parameter 模型，网上也已有运行案例；千问 27B 已足够覆盖大量 day-to-day 任务。 Lewis 判断“Edge Compute 的时代已经到了”，并引用芯片从业者的路线判断：六七年后，今天不少云端模型可能跑进手机。真正未解的问题不是硬件能否承载，而是谁能把安装、权限和任务执行做成“一键可用”的软件体验。
Lewis 仍相信 Gemini 会赶上，但发布节奏已成为结构性负担：一个新模型至少要期待维持一周 SOTA，而竞争对手几乎每隔几天就刷新标杆。 Google 的科研底子、合规与不滥用用户数据是长期资产，也可能是短期速度劣势；DeepSeek 带来的冲击则显示，开源仍能贡献真实 innovation，但行业竞争窗口已从“六个月、三个月”压到可能“发一篇 paper 就只剩一周”。
精读
1. Lewis 从云计算早期一路走到大模型产品化前线
Lewis 大学学习 computer science，毕业后先做 software engineer，随后带团队参与 Oracle public cloud；他记得 2011—2012 年左右，AWS 的服务仍主要围绕 EC2 和 database，整个行业才刚开始接受“所有东西都要上云”。
做了七年多基础设施后，他转入 Google 并改做产品经理，因为自己“对做什么比怎么做可能更感兴趣”。在大模型浪潮前，他连续参与三四个 AI 产品的零到一，随后成为 Google 最早一批把大模型产品化的人。
2022 年八九月，Lewis 加入 PaLM 2 相关项目；团队与 Labs 合作，把只有 pre-training、几乎没有 post-training 的 research model 针对 use case fine-tune，再完成 API serving、定价和 developer community 建设。最初核心团队只有八九个人，启动时间比 ChatGPT 发布早约三个月。
2. 大模型最早解决的不是聊天，而是 Document AI 的泛化瓶颈
Lewis 用 Document AI 解释当时的产品动机：每个人、每家公司文档都不同，如果为了达到 99.9% precision 而“每一个文档 train 一个模型”，效率会很低。真正的问题是，能否训练一个模型去 generalize、处理所有文档。
因而 Google 内部早已在寻找“更加泛化的智能”；ChatGPT 的突破不只是技术，而是把原本偏 To B 的能力带到 consumer，让普通用户通过问各种问题第一次感到“AI 的时代来临了”。
3. ChatGPT 暴露了 Google 从 research 到产品发布的断层
ChatGPT launch 后，Google 内部并非毫无准备：公司已有 Mina 之类的 chatbot，且做了很长时间，但因 legal、responsible AI 等原因没有公开。另一派也承认，OpenAI 的模型在很多场景里“更像一个跟人的对话”，实际体验优于 Google 当时的内部产品。
危机感来自两层：模型技术是否达标，以及能否“把一个 research 的东西变成一个 API，然后用户来用”。Google Brain、DeepMind、Google Research 当时资源分散，随后为追赶 OpenAI 才进行资源集中。
Sergio 的介入是渐进式的：从偶尔参加季度会，逐渐到月会、周会和每天的 stand-up，也会在聊天群里追问技术细节和预报。Lewis 的形容很直白——创始人在群里 @ 你，已经是足够强的鞭策，“强度不能再大了”。
4. Gemini 2.5 Pro 的高点，反而成为 Lewis 离开的时点
Lewis 在 2025 年夏天、Google 发布 Gemini 2.5 Pro 后离开。原因之一是模型产品化的主要道路已经铺平：API、定价、use case 和 developer community 都相对成熟，接下来更多是“卷模型、卷 benchmark”。
Raymond 用水厂作比：智能是水，产品是水龙头；水龙头的形态、大小和颜色逐渐被定义后，竞争转向水质、价格和 model architecture。Lewis 认同这已更接近 research 的战场，自己则想进入一个仍未被定义的新问题。
另一个原因是组织膨胀。Gemini 成为全公司 priority 后，参与者与管理层越来越多，中间层有时会“withhold information，这样的话他们的存在才有意义”，协作遂变成“传话的游戏”。
Lewis 没有直接创业，而是选择微软，因为微软在 enterprise 用户、内部数据和开发者生态上有独特位置；与其继续“卷水龙头”，他更想解决 Agent 怎样安全利用企业知识的问题。
5. 微软的 Agent 机会建立在企业知识，而非操作系统
Lewis 听到的内部量级判断是，SharePoint 中的数据“是整个互联网的很多很多倍”：大企业积累了大量 PPT、文档和内部记录，却通常没有 Google 级别的 search engine，许多数据存在但实际找不到。
他在微软负责两块：Agent memory，以及为 Agent 提供 knowledge；后者进一步涉及 context graph，目标是让 Agent 更高效地访问海量企业数据。
这些能力面向开发者，并不限定 Windows。无论最终产品运行在 Mac、Windows 还是 Web，都可以调用同一套后端，保存个人 preference、历史 memory 和可检索知识；微软提供的是一套后端能力，而不是单一终端应用。
6. Memory 的价值既是个性化，也是让 Agent 自我改进
第一类 memory 让 Agent 知道“你是谁、做过什么、之前聊过什么”：它可以记住 Lewis 上次的对话，或主动提醒尚未追踪的 refund。这在 customer support 与长期助理场景里尤其直接。
第二类是 procedural memory。Agent 执行任务时常常“试了一个东西 fail 了，再试另外一种”，大量 token 被浪费；系统若能读取历史 trace，识别过去的 failure 与成功路径，下次便可直接选择更有效的方法。
Lewis 认为 procedural memory 与 skill 差别不大：前者是要浓缩的解决问题经验，skill 是一种呈现形式。同一类经验既可以做成 procedural memory，也可以存成 skill。Agent 的 self-improvement 需要先把运行轨迹沉淀为可复用资产。
7. 企业 Memory 的核心难题是多层权限与知识晋升
C 端 memory startup 通常只区分用户 A 与用户 B；企业里则完全不同。CEO 的 memory、开发者排查 bug 时的上下文和普通员工的对话必须有严格 enforcement，开发者不能因排查 bug 就读到 CEO 的私人上下文。
Memory 同时存在个人、双人 chat、team 和 company 多个层级。Lewis 举例：两名员工讨论工作形成的知识，不应永远只属于两人；但哪些内容可以 consolidation 成团队资产，哪些必须留在原层级，是大量 corner case 的来源。
Raymond 用飞书举例：员工离职后，主管可以接管其文档，却无法真正继承聊天中更高价值的隐性上下文；即使拿到三个月、数百万字的聊天记录，也没有人能读完。Agent 的价值正是提炼，但提炼不等于自动获得传播权限。
Lewis 的当前原则是先由模型抓取候选信息，再询问当事人能否“promote 到下一个级别”。因为隐私边界难以自动判定，什么内容进入 team 或 company memory，应该由对话当事人决定。
8. 全透明协作降低权限复杂度，也会改变员工行为
Raymond 提到 Shopify 的做法：员工与同一个 Claude Agent 交互，相关窗口对组织开放。它的好处是知识天然共享，不必再解决复杂的 access control；代价是员工从一开始就知道内容会被其他人看到。
Lewis 的提醒是，一旦每个 chat 都像“有一个人看着你”，员工就不会再用它谈私人问题或随意闲聊，体验接近“老板站在你背后一直盯着你干活”。被监控感会把真正的交流赶到 WhatsApp、微信等第二窗口。
对大多数企业，他判断私人聊天仍不能被无故读取；通常只有 harassment、unfair workplace 等正式 investigation 才可能触发访问。AI-native 的 30 人公司可以靠共享群聊运转，十万人公司却不可能照搬。
9. 模型部署位置决定隐私承诺是否真正可执行
Raymond 提出，Anthropic 等模型供应商可能逐行查看用户数据，追问更尊重员工隐私的微软是否会在竞争中吃亏。Lewis 的回应是，这首先取决于企业 policy：若公司明确要求查看员工数据，员工至少可以选择是否加入，但普通企业很难合法地任意读取私人 chat。
对 hyperscaler 而言，OpenAI 或 Anthropic 模型可部署在企业自己的 cloud wall 内；Lewis 称这种情况下模型不会被 log 或记录。主持人把它戏称为“一万亿美金买回来的 privacy”。
Lewis 同时保留不确定性：各家公司都会在纸面上承诺不看、不记录用户数据，但是否严格执行，外部人“没有人能知道，除非是内部的人”。这正是 Personal Agent 信任无法只靠条款解决的地方。
10. Muse 胜在把已有能力变成用户看得见的任务
Lewis 的使用路径从 OpenClaw 开始；2.0 升级后频繁 break，migration 也失效，他便让同一 virtual machine 里的 Hermes 抓取全部旧数据，随后 all in Hermes。Hermes 虽强，却仍需用户自己维护环境。
Grok Bot 面向 pro 用户，却因 security 把 VM 封得过严：代码生成后，用户无法直接访问网站或虚拟机内容，只能在内置 browser 查看或下载 artifact。Lewis 的比喻是，“你以为买了个电脑，后来发现只买了一个屏幕”，没有鼠标键盘去操作。
Muse 则像普通 App，presentation 完整，尤其是 idea tab：它不仅列出 Agent 能做什么，还会根据用户 context 建议任务。对面对空白 chat window、不知道该输入什么的普通人，这个 discovery layer 本身就是产品价值。
Raymond 的亲身例子是，Muse 一获得 Gmail 权限，就发现他需要跟进医院，把十几人往返的长邮件线程整理出来。技术上 Claude Code 也能连接 Gmail，但过去用户得先在 YouTube 找教程、复制 prompt；Muse 把它变成一个“点一下退订”的明确选项。
11. Gmail 与 Calendar 既是数据入口，也是信任闸门
Raymond 说明，美国大量生活事务依赖 email：医院预约、儿童报名、insurance 追款、信用卡 chargeback、订阅取消都留下邮件轨迹。连接 Gmail 与 Calendar 后，Agent 基本能够了解“你是谁、你做什么，里面都有”。
Lewis 因 privacy 拒绝尝试 Instinct：按他读到的条款，平台有权使用所访问的数据，甚至可能拿 email 去训练模型或改进产品。Muse 有自有模型、Instinct 主要做 Agent 加 memory，但对 Lewis 而言，是否有模型不改变授权风险。
在 The Information 的 conference 上，主持人询问多少人相信 Zuckerberg，现场表现出强烈不信任。Lewis 的反问更尖锐：用户不愿把邮箱给 Meta，为什么会自然相信一个刚出生、背后团队尚不熟悉的 startup？
12. Google 没先做出 Muse，是因为“太慢了”
面对“数据都在 Google，为什么不是 Google 做”的问题，Lewis 的第一反应是：“Google 太慢了。”他认为外界看到的 Google 经常比较 reactive——市场出现某种产品，公司再做 countermeasure。
Gemini 时期，Google 把 OpenAI 当作最大敌人；OpenAI 强在 consumer，于是大量 energy 用来做更好的 Web application、更 fancy 的 demo 和更讨好用户的模型表现。这一聚焦使两家公司都忽视了另一条产品路线。
Lewis 对 Anthropic 的评价是一次成功 product bet：“我们不搞你们这些花里胡哨的”，而是押注 core engineering 与 enterprise。路线验证后，OpenAI 砍掉不少 To C 尝试、重新强化 coding，Google 也开始追赶。
Ubiquitous assistant 两年前已出现在 Google I/O 与 Gemini/Bard 的产品定义中，但迭代速度“不够看”。他听到 Google 内部已有类似产品、可能很快上线；问题从来不是没人想到，而是没有足够快地完成迭代和发布。
13. 大厂可以后发，但开放 API 不会轻易关上
Lewis 认为 xAI 的 Grok Bot 打响了第一枪，但 200 美元订阅且没有解决足够实际的问题，他很快放弃；相较之下，Meta 花了很长时间在内部 build 和打磨自己的产品，正式出手更有效，下载量也已超过 OpenAI，成为 App Store 第一名。
Raymond 担心 Google 会否为保护自身 Agent 而封锁 Gmail 与 Calendar。Lewis 判断“不太会”：Google 文化总体更开放，大量产品建立在其 API 之上，而公司对数据所有权的基本定义是“这个数据是用户的”。
这也形成大公司的两难：Raymond 认为 Google 自己发布要面对 compliance、错误建议和 privacy liability，小公司则能更 aggressive 地跑；但若大厂通过封 API 消灭后来者，也会破坏其长期生态定位。
14. 中国的 Walled Garden 把通用 Agent 变成平台权力
Lewis 使用 Muse、Hermes 等 Agent 时，最想接入的是微信数据，但微信几乎完全不可访问；他登录的小红书网页版有时还能让 Agent 读取内容和账号 stats，Raymond 则表示自己会被强制登出，微信更是关闭了网页版入口。
Raymond 把中国移动互联网的遗产概括为 walled garden：每个平台内部体验完整，彼此却不互通。结果是前十几家互联网公司各自拥有知识库 Agent，用户面对的像“十个人站在那里”，只能分别去问，不能派一个总 Agent 横向调用。
Lewis 认为 Personal Agent 需要两类关键数据：用户的 context，以及由搜索、浏览等行为表现出来的 preference。小红书因此有机会从“吃什么、怎么玩、怎么娱乐”等兴趣和消费场景切入；但中国的数据割裂了生活、工作与偏好，startup 可能更适合先做某个垂直领域。
这也解释了市场为何仍相信腾讯：即使模型进展慢，微信的关系链和小程序生态短期无法替代。腾讯甚至可以等美国 Personal Agent 打完一轮、产品形态收敛后再复制，因为核心入口不会因此消失。
15. Personal Agent 的商业模式不能只靠一次性省钱
Muse 采取免费使用加 weekly limit，超过后再付费；Lewis 认为这比 Grok Bot 的 200 美元入场费合理，因为用户尚不知道 Agent 能做什么，先收高价很可能带来极低留存。
他进一步追问：“那两百块钱是解决了问题来 charge，还是只不过让别人先付了这么多 token？”如果产品主要是 OpenClaw-inspired、竞争者都能复制，预收 token 并不等于建立护城河。
Refund、退订、price match 和找到便宜商品都可按结果分成，但往往是 one-off：Agent 成功取消一次订阅后，下个月未必还有同类任务。“单一 task 上看起来有用”，不代表长期 LTV 能成立。
Muse 若通过购物 commission 免费，平台冲突也会立刻出现；Raymond 提到 Amazon 已屏蔽 Muse、Instinct 一类 Agent。商家希望真人进入自家页面消费，不愿第三方 Agent 控制流量、选择和抽成。
16. To C 应按使用量收费，To B 才能按 ROI 定价
Lewis 把两类市场拆开：To C 早期更适合 freemium 与 token-based pricing，使用更多才付更多，用户容易理解。Raymond 补充，若广告模式成熟，产品也可能依靠广告而不完全依赖 Freemium。
To B 的 workflow 更重复，也更容易衡量。企业可以用员工工资除以工时，计算 Agent 节省了多少小时，再按 productivity improvement 定价；这种可测 ROI 比“帮个人少操一点心”更容易支撑稳定预算。
长期看，frontier model 的 price per intelligence 会继续下降，智能可能像水电一样 commodity 化。大量日常 reasoning 可在本地完成，只有癌症研究或复杂 coding 等 frontier task 才需要发送到云端。
17. 本地模型已经可行，欠缺的是一键可用的软件层
Raymond 将端侧模型与近期 Agent 安全事故联系起来：人们还不清楚 Agent 做了什么，因而希望通过本地运行获得更好的控制和隐私。Lewis 判断“Edge Compute 的时代已经到了”：最高配 Mac Studio 的官方商业广告称其可运行 trillion-parameter model，网上也已经有人跑出来；价格约 1.2 万美元。NVIDIA DGX Spark 也提供了本地算力设备。
对日常任务，他最喜欢的例子是千问 27B：只要不是极复杂 coding，已经足以覆盖大量 day-to-day 需求。账单、发票和个人事务不需要 trillion 级模型，也不需要每次把隐私数据发到云端。
Lewis 从芯片行业得到的判断是，模型能力虽难预测六个月，硬件 roadmap 却能看到六年；六七年后，今天不少云端模型可能跑在手机上。正如手机从只能显示卡顿 GIF，发展到播放 4K、6K 视频，从贪吃蛇走到《原神》。
苹果与 Google 都可能选择后发先制，但机会仍在软件体验：用户买回 Mac Studio 后，是模型自动运行，还是还得安装环境、配置 API、处理权限？OpenClaw 安装服务在闲鱼能卖到 500 元一次，说明“本地可跑”距离“普通人可用”仍有产品鸿沟。
18. Gemini 有底子追赶，却被 SOTA 时钟和保密竞争夹住
Lewis 对 Gemini 的结论仍是“会赶上的”，因为 Google 的 research 底子和人才储备依旧很强；短期压力在于 Google 五月时就说要发 Pro，到十月仍未推出，新版本至少必须追平届时的顶级模型。
模型发布已变成节奏博弈：一家公司发正式版 Flash 或 Lite，可能同时有十家发布产品，每两天又出现一个新版本。Raymond 的说法是，任何头部模型都期待“至少 SOTA 一个星期”，否则可能选择继续训练，发布日期便不断后移。
DeepSeek 出现时，Lewis 说他们做模型的第一件事是读 paper、验证技术；他认为共识是“它是有料的”，并非完全依靠 distillation，其中有美国这边当时尚未采用的新 techniques。开源 paper 让行业得以“互相学习和成长”。
Lewis 只为自己在 Google 的时期作证：团队不 log 用户数据，也不拿别家模型数据训练。他无法替其他公司判断是否存在不同做法；但对 Google 而言，必须内部寻找新数据，过度守规矩也可能成为速度劣势。
随着技术领先期从六个月、三个月压缩得更短，头部公司越来越少发 paper、blog，也更少允许员工参加非官方 podcast。Raymond 判断，某个瓶颈方向的人可能只有约 18 个月最关键窗口；秘密一旦公开，“本来能保六个月，发一篇 paper 可能就只剩一周”。