Muse登顶，Meta靠agent扳回一局

Muse上线约10天后，登上美国App Store免费应用排行榜首位，将ChatGPT甩在身后。

几乎在同一时间，另一款个人Agent领域的代表性产品Manus传出新一轮融资计划，拟筹资5亿美元，估值约40亿美元。

Agent正在为前沿AI大厂开辟一条“弯道超车”的路径。基础模型固然关键，但进入Agent赛道后，产品设计、工具调用、任务执行、权限管理以及用户入口都成为新的竞争维度。后来者不必先在模型排行榜上击败OpenAI和Anthropic，也有机会在应用层面取得突破。

Meta显然已踏上这条“捷径”。

过去一年，它在模型竞赛中追赶得颇为吃力。资金投入不小，人才招揽不少，算力堆积也很大，但成果显得有些雷声大雨点小，能让普通用户感知的成就相对有限。

直到Muse，Meta终于拥有了一款真正属于自己的AI爆款。

01

Muse凭什么成为爆款？

Muse刚发布时，单看功能，其实并不算特别。

它能浏览网页、调用工具、处理文件，还能帮用户订酒店、发邮件、购物。这些能力，ChatGPT、Claude，乃至之前的Manus都已展示过。

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。

让它帮你整理日程，你就得开放日历；让它帮你读邮件，它就得进入你的邮箱；让它帮你购物，它不仅要了解地址和偏好，还需要接触账号和支付信息。

提示词注入也是需要警惕的问题。Agent在浏览网页、读取邮件和文件时，会不断接触外部信息。如果有人在网页里隐藏恶意指令，诱导模型将用户资料发送出去，一个拥有较高权限的Agent可能会将攻击传递到真实账户。

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

它的独特之处在于，并未将安全完全押注于模型的顺从性，而是在模型之外，构建了一整套权限系统。

简单来说，Muse在云端为每位用户配备了一台独立电脑。

你可以将其理解为一台永远在线、仅属于你的远程电脑（虚拟机），里面有浏览器，也能存储文件、运行程序。Muse帮你查资料、处理文件、执行任务，基本都在这台电脑中完成。

你的文件、网页登录状态、邮箱和日历连接，不会与其他用户混合。即使Muse需要长期为你工作，它也仅在这台独立电脑中活动，不会带着权限在整个系统里到处游走。

值得注意的是，住在电脑里的Muse，并非这台电脑真正的“管理员”。

Meta将整个系统划分为两个相互隔离的安全区域，Muse位于其中一个区域，而另一个区域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。它能检查Muse准备访问哪个网站、哪个地址，使用什么请求方式，以及准备发送什么内容。

密码和支付信息也遵循类似逻辑。登录凭证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还会再次向用户确认。用户也可以单独规定某个连接器的权限，例如邮箱是只允许读取，还是同时开放发送。

支付环节又增加了一层隔离。Muse接入Stripe的Link后，可以生成一次性支付卡，使真实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，愿意相信它即使出问题也掀不起太大风浪——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，整个模型系列从一开始就为Muse这个个人Agent做准备，每一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可以翻看你Instagram收藏过的菜谱短视频，帮你挑选菜品、列出购物清单，还能记住朋友是否有忌口，最后再帮你发出邀请。

Axios特别提到，Muse能迅速走红，靠的不仅是模型本身，还包括Meta一直擅长的几件事——将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。

资金投入不少，人才招揽不少，算力更是越堆越大。但放在OpenAI、Anthropic和谷歌旁边看，Meta始终差一些——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迟迟未能拿出一个足够有说服力的重大成果。

2025年，Llama 4令人失望，原本被寄予厚望的Behemoth也一再延期。曾经凭借开源掀起浪潮的Meta，在SOTA模型竞争中逐渐落后。

于是，Meta开始了重建工作。

2025年6月，它斥资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（后称MSL），不惜开出上亿美元级别的天价待遇，从OpenAI、Anthropic、Google DeepMind大规模挖人，AI组织在半年内多次重组。

算力也一并堆砌。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、工具和执行环境拼凑成一个能自主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愿意花如此大价钱购买Manus，已表明它至少认为这条路值得尝试。

Meta未能留下Manus，但将Manus所代表的Agent逻辑保留了下来。

巧合的是，Manus自身后来也开始向个人Agent发展。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——用户无需思考中间使用了谁家的模型、接入了谁家的工具。

Meta并未放弃训练模型，但它不再等待模型先拿第一，再考虑产品如何做。模型开始成为底座，Agent则成为更直接的突破口。

Muse Spark这一系列模型，瞄准的正是个人Agent；而Muse这款产品，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，一款名为Instinct的个人Agent甚至尚未正式全面上线，就已吸引资本追逐投资。

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，帮用户购物、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，估值直接冲至约100亿美元。

03

“选择大于努力”

如果将视角拉远，会发现过去一同追赶大模型的几家老牌科技巨头，现在已开始分道扬镳。

谷歌是少数仍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，谷歌曾被传出可能退出顶尖模型竞争，但就在最近几天，Arena中出现了挂着“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，它们正将自身优势集中到企业服务和AI基础设施上。

尽管微软仍在开发MAI系列，亚马逊也有Nova，但模型已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和微软自身的MAI模型，企业可以按质量、成本和任务自由选择。微软最新财报显示，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。

比起将自家模型做到最强，微软更希望确保，无论最后谁家的模型更好，企业都在Azure上使用。

亚马逊的转向则更为明显。

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”，开发者可以自由换模型，AWS负责运行环境、权限、安全和监控。

它的思路与微软类似：与其花大力气追赶SOTA，不如确保别人做出来的模型和Agent最终都跑在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模型的竞争中，这些东西几乎帮不上忙；可一旦竞争转向个人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，还需要了解你喜欢什么、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。

此时，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终于不再仅仅依靠“有钱、有卡、有人”证明自己仍坐在前沿AI的牌桌上。

它有了一个真正能摆上台面的结果，而且这个结果，并非通过复制OpenAI最擅长的方式获得。

Meta终于找到了一块更适合自身长板的战场。

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。最近正在灰度的微信助手“小微”，已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。抖音了解用户喜欢什么，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可能并不重要。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。