Muse 正式发布前两周，Meta 团队内部终于松了一口气。在此之前的早期版本中，这款个人 AI 助手甚至难以生成连贯的英语，被部分核心员工评价为“操作繁琐且底层模型较差的聊天机器人”。然而，经过紧急优化，Muse 在上线后迅速实现逆袭。
9 月 8 日，Muse 正式上线。10 天后，它登顶美国 App Store 免费榜，次日又在 Google Play 夺冠。Sensor Tower 数据显示，Muse 上线首两周下载量约 280 万次，日均增速达 55%，远超 ChatGPT 同期表现。这场翻盘不仅确立了 Muse 在 Meta Connect 大会的主角地位，更向市场证明了 Meta 巨额 AI 投入的阶段性成果。
Muse 的成功揭示了一个新视角：当模型能力达到一定阈值，将技术包装为可用产品、推向大众并基于真实反馈持续迭代的能力，其重要性已不亚于模型参数本身。
从笨拙原型到大众产品：工程化打磨是关键
内部代号“Hatch”与极速推进策略
Muse 早期代号为“Hatch”，这一命名仍保留在其安全架构的核心组件中。2025 年 9 月，前 GitHub CEO 纳特·弗里德曼（Nat Friedman）接手该项目。他与 Meta 首席 AI 官 Alexandr Wang 共同构想打造一位“超级智能个人搭档”，旨在像信赖的朋友般处理用户日常事务。
尽管构想清晰，但产品初期进展缓慢，原定 4 月的发布计划推迟至 9 月。Meta AI 产品副总裁 Vishal Shah 表示，延期主要是为了提升安全性，使其达到面向普通用户的最低标准。弗里德曼秉持“慢是虚伪的”理念，推动团队放弃部分内部工具，转而采用 Vercel 等外部服务以加速开发。
图丨纳特·弗里德曼（来源：Dwarkesh Podcast）
受到独立 AI Agent “OpenClaw” 的启发，弗里德曼采购数百台 Mac mini 供团队研究。OpenClaw 虽展示了 Agent 自主完成任务的能力，但其高门槛和潜在风险（如误删邮件）阻碍了普及。Muse 的目标正是将这些能力重新包装，让非技术背景用户也能轻松使用。
因此，Muse 的开发重心不仅是模型能力，更在于工具调用的时机判断、用户确认机制、隐私保护及错误恢复。Alexandr Wang 指出，团队花费大量精力教会 Agent 在面对具体任务时“选对工具”，避免如取消会议时泄露用户私人原因等尴尬情况。
数万名员工构成实时评测集
在后期开发中，Meta 调动了约 7.5 万名全球员工参与高频内测。员工们使用 Muse 预约会议、退改机票，甚至测试各种极端场景。这种内部公测暴露了大量静态基准测试无法覆盖的边缘案例（Edge Cases），如任务中途卡死、自动停摆或频繁登出等问题。
通过真实数据反馈，研发团队得以快速修复漏洞，优化长链条任务的处理能力。这种将组织管理成本转化为研发资产的模式，是大型平台型公司的独特优势。
此外，Meta 积极吸纳外部人才。虽然收购 Manus 等尝试受阻，但 Agent 初创公司 Dreamer 团队于今年 3 月整体加入，其联合创始人 David Singleton 参与了核心安全方案设计。Signal 创始人 Moxie Marlinspike 也受邀协助把关底层安全架构。
图丨 Dreamer 团队（来源：X）
最终，Muse 确立了一套严格的安全架构：为每位用户配备完全隔离的安全虚拟机和独立浏览器，账号密码存储于独立安全区，Meta 无法查看明文，且承诺对话数据不同步至广告系统。同时，名为 Sentinel 的安全 Agent 会在 Muse 执行联网操作前进行审核，必要时强制二次确认。
Muse 的可用性并非源于底层模型的突变，而是依靠快速引进团队、全员内测、精细工程打磨及安全设计，将前沿技术稳定在大众可接受的容错范围内。这套工程化体系具备复用性，即便未来更换底层模型（如从 Muse Spark 升级至 Watermelon），其测试体系和产品班底仍将发挥关键作用。
36 亿用户的分发壁垒
零边际成本的起跑线
截至 2026 年 6 月，Meta 全系应用日活用户达 36 亿。这为 Muse 提供了近乎零边际成本的推广基础。发布后，Meta 在 Facebook、Instagram 和 WhatsApp 等平台倾斜巨大流量，并在 Reddit、TikTok 等外部平台加大广告投放，使 Muse 迅速跻身全网广告投放金额前十品牌。
与传统推广不同，Muse 的广告素材基于算法对用户长期行为的理解，精准展示 Agent 能为当前用户解决的具体问题。这种个性化定位显著提升了转化效率，例如用户看到广告后可直接下单购买推荐商品，省去了繁琐配置步骤。
嵌入社交关系链的排他性入口
Muse 深度集成于 Meta 生态中。用户不仅可使用独立 App，还能直接在 WhatsApp 聊天框发送指令。例如，Muse 可根据 Instagram 收藏的美食视频生成采购清单，并避开朋友忌口发出聚会邀请。
在 WhatsApp 上，Meta 实施了排他性策略。自今年 1 月起，WhatsApp 商业接口不再向第三方通用 AI 助手开放，迫使 ChatGPT 和微软 Copilot 退出。尽管欧盟委员会质疑此举涉嫌垄断并勒令恢复接入，但该禁令目前仅限于欧洲，不影响 Muse 在美国的首发优势。
Meta 掌握的用户社交关系、浏览偏好及行为数据，使其能精准预判用户需求。这套机制从服务于信息流广告，转变为预判用户实质需求的武器。TechCrunch 指出，Muse 的高增长不仅依赖营销轰炸，更得益于产品完成度带来的自发裂变与留存。
相比初创企业需耗时建立信任，Meta 压缩了验证周期：内部实测打磨、现成用户筛选、数据快速迭代。这推高了行业准入门槛，正如 a16z 合伙人 Alex Rampell 所言，竞争的关键在于谁先拿到分发或创新。随着 Muse 上线，估值百亿的初创公司 Instinct 面临更大压力，而 OpenAI 虽拥有庞大用户基数，但在分发渠道上仍难与 Meta 抗衡。
图丨（非官方信源）相关推文（来源：X）
商业模式重构：从广告到交易佣金
抢占“行动执行”的黄金位置
Muse 的爆发让华尔街看到了 Meta AI 支出转化为独立收入的可能。截至 9 月 24 日，Meta 股价当月累计上涨 36%。Muse 采用“免费+订阅”模式，提供每月 20 美元或 100 美元的高级订阅，并计划从促成的交易中抽取佣金。
与传统聊天机器人仅提供信息不同，个人 Agent 正向“行动执行”跨越。Muse 可主动比价并完成支付，使 Meta 卡在“用户产生需求”与“进入电商平台”之间的黄金位置。过去 Meta 贩卖触达机会，未来则可能代表消费者挑选商家并分润交易闭环。
电商巨头的警惕与反击
这一逻辑变化引发了亚马逊的警惕。9 月 20 日，亚马逊以未获授权、身份不明及安全风险为由，全面封禁 Muse 在 Amazon.com 的代购操作。表面是安全问题，核心则是流量入口之争。若用户习惯委托 Agent 购物，传统电商的搜索竞价和展示广告基石将被削弱。亚马逊去年数字广告营收超 680 亿美元，其高利润依赖消费者亲自浏览搜索。
Muse 的商业价值不仅是软件订阅，更是 Meta 抢占下一代互联网入口的战略押注：通过日常服务培养黏性，进而延伸至高价值的搜索、推荐和交易环节。投行预计，到 2030 财年，Muse 有望带来约 285 亿美元年收入，尽管商业化进程仍面临挑战。
隐私与安全：信任是最大的挑战
权限让渡的双刃剑
Meta 的分发能力可带来海量下载，却无法代替用户点击“确认授权”。个人 Agent 越能干，所需隐私权限越多，包括邮件、日历、消费记录及支付凭据。一旦出错，后果远超推荐错误内容，可能涉及财产损失或隐私泄露。
尽管 Meta 采用了隔离虚拟机、二次确认及安全 Agent 等技术手段，但纯粹的技术架构难以完全消除用户顾虑。早期内测曾出现突破防护调取 iCloud 照片的 Bug，Mac 版也存在被恶意软件劫持的风险。此外，人类客服假扮 AI 拨打歧视电话的事件，进一步加剧了信任危机。
数据利用与隐私保护的矛盾
Muse 能否长远发展，取决于用户是否相信 Meta 不会滥用隐私数据。这与 Meta 过去二十年依赖数据挖掘提升广告效率的核心商业模式存在根本矛盾。尽管公司承诺 Muse 数据不用于广告，且设计了连自身都无法调阅的“机密虚拟机”，但历史经验表明，便利往往以隐私后退为代价。
若发生严重误操作或泄密事件，Muse 的推广将受重创，Meta 的渠道优势也将失效。眼下市场为 Meta 买单的是预期，即在高达 1,450 亿美元的资本开支下，Meta 终于交付了一款消费者愿意使用的 AI 产品。然而，将软件装入手机易，让用户交出权限难，这将是 Meta 接下来必须面对的核心考验。