Muse 上线约 10 天，登顶美国 App Store 免费应用榜，超过了 ChatGPT。

几乎同一时间，另一条个人 Agent 路线上的代表产品 Manus，也传出新一轮融资消息，计划融资 5 亿美元，估值约 40 亿美元。

Agent 正在给前沿 AI 大厂提供一条 " 弯道超车 " 的路径。基础模型虽然重要，但到 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也加入了战场。后来者未必要先在模型榜单上赢过 OpenAI 和 Anthropic，也有机会先在应用层拿到结果。

Meta 显然已经走上了这条 " 捷径 "。

过去一年，它在模型竞赛里追得并不轻松。钱没少砸，人没少挖，算力没少堆，但一直有些雷声大雨点小，能让普通用户感知到的成绩比较有限。

直到 Muse，Meta 终于有了一个真正属于自己的 AI 爆款。

Muse 凭什么成为爆款？

Muse 刚刚发布的时候，单看功能，其实算不上有多特别。

它能浏览网页、调用工具、处理文件，以及替用户订酒店、发邮件、购物。这些能力 ChatGPT、Claude、乃至此前的 Manus 都已经展示过了。

按理来讲，这些功能很容易碰到隐私和权限的边界，用户很难不担心 Agent 的安全风险。

让它替你整理日程，你就要开放日历；让它替你读邮件，它就要进入你的邮箱；让它帮你购物，它不仅要知道地址和偏好，还需要接触账号和支付信息。

提示词注入也是个需要小心的事情。Agent 浏览网页、读取邮件和文件时，会不断接触来自外界的信息。如果有人在网页里藏下一段恶意指令，诱导模型把用户资料发出去，一个拥有较高权限的 Agent 可能会把攻击一路传递到真实账户。

Meta 在做 Muse 时承认，不管模型训练得多好，Agent 都会犯错，也可能被攻击。

它的特殊之处在于，它并没有把安全完全押在模型足够听话上，而是在模型之外，又搭了一整套的权限系统。

简单来说，Muse 在云端给每个用户配了一台独立电脑。

你可以把它理解成一台永远开着，并且只属于你的远程电脑（虚拟机），里面有浏览器，也能存文件、运行程序。Muse 替你查资料、处理文件、跑任务，基本上都在这台电脑里完成。

你的文件、网页登录状态、邮箱和日历连接，并不会和其他用户混在一起。即使 Muse 需要长期替你工作，也是在这台独立的电脑里活动，不至于拿着权限在整个系统里到处跑。

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 把整个系统拆成了两个相互隔离的安全区域，Muse 住在其中一个区域里，而另一个区域则放着真正敏感的东西——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 可以提出发邮件或者调用账户的请求，但真正放行的是 Sentinel。它可以检查 Muse 准备访问哪个网站、哪个地址，使用什么请求方式，以及准备把什么内容发送出去。

密码和支付信息也是类似的逻辑。登录凭证被保存在独立的安全存储里，Muse 可以使用，但看不到具体内容；发送邮件、购买商品这类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，比如邮箱是只允许读取，还是连发送也一起开放。

支付环节又做了一层隔离，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，愿意相信它就算出了问题也翻不出什么风浪——它才有机会真正进入普通人的生活。

当然，只有安全肯定也不行。

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，每一轮升级都在重点强化 Agent 和多模态能力。

模型之外，Muse 背后还有 Meta 自己的整套产品生态。

它能接入 Instagram、Facebook 等平台，也可以直接在 WhatsApp 里使用。

Meta 官方给出的案例是，如果你准备请朋友来家里吃饭，Muse 可以翻你在 Instagram 里收藏过的菜谱短视频，帮你挑菜、列购物清单，还能记住朋友有没有忌口，最后再帮你把邀请发出去。

Axios 特别提到，Muse 能快速走红，靠的不只是模型本身，还包括 Meta 一直很擅长的几件事——把复杂技术做成普通人能用的产品，把产品迅速推到大量用户面前，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，超过了 ChatGPT。

Meta 过去一年那场声势浩大的 AI 重建，也终于拿出了一个普通用户也能直接感知到的成绩。

不再恋战 SOTA，Meta 瞄准个人 Agent

过去一年，Meta 在前沿 AI 公司里的处境一直有点尴尬。

钱是没少花的，人是没少挖的，算力更是越堆越大。但放到 OpenAI、Anthropic 和谷歌旁边看，Meta 始终差点意思——前两家就不说了，谷歌至少还有云服务和 TPU 生态撑起自己的 AI 版图。

相比之下，Meta 迟迟没有拿出一个足够有说服力的大结果。

2025 年，Llama 4 令人失望，原本被寄予厚望的 Behemoth 也一再延期。曾经靠开源掀起一轮浪潮的 Meta，在 SOTA 模型竞争上渐渐掉队。

于是，Meta 开始了它的重建工作。

2025 年 6 月，它花 143 亿美元买下 Scale AI 49% 的股份，把 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），不惜开出上亿美元级别的天价待遇，从 OpenAI、Anthropic、Google DeepMind 大规模挖人，AI 组织半年内多次重组。

算力也一起往上堆，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 自己也说，这是 MSL" 从头重建 AI 技术栈 "9 个月后的第一份模型答卷。

我们不妨把 Manus 看成 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，就在于把模型、浏览器、工具和执行环境拼成了一个能自己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 愿意花这么大价钱买 Manus，已经可以看出，它至少觉得这条路是值得尝试的。

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

巧的是，Manus 自己后来也开始往个人 Agent 走。2 月，它把产品接进 Telegram，官方文档里直接写道：" 你的个人 Agent，随时随地 "。

Agent 是任务的入口，理想条件下，用户只需要给出需求，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。模型开始变成底座，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，证明了这条路确实可以拿出非常亮眼的成绩。

这条路线并不偏门，甚至充满了机会。

Muse 之外，一个叫 Instinct 的个人 Agent 甚至还没有正式全面上线，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，它刚以约 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。

" 选择大于努力 "

如果再把视角拉远一点，会发现过去一起追赶大模型的几家老牌科技巨头，现在其实已经开始分头走了。

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。

早些时间谷歌还传出可能要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就不太一样了，他们正在把自己的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 里同时提供 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 则负责把这些模型真正接进企业数据、权限和 Agent 体系。

比起把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 组织已经被并入一个更大的技术部门，和芯片、量子计算放到一起；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，把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。

它的思路和微软类似，与其花大工夫追赶 SOTA，不如确保别人做出来的模型和 Agent 最后都跑在 AWS 上。

Meta 走的是第三条路。

尽管 Meta 也在建设巨型数据中心，今年甚至传出计划把部分 AI 算力对外出售，但和谷歌、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 模型的比赛里，这些东西几乎帮不上忙；可一旦比赛来到个人 Agent，情况就完全不一样了。

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、和谁来往、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。

这时候，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。

和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。微信里有人际关系、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，豆包已经有大规模用户，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。千问已经开始把这些服务串起来，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。