Muse 上线一个多月，Meta 的首席 AI 官 Alexandr Wang（汪滔）终于坐下来，讲述了这款产品的诞生过程。

10 月 11 日，知名播客主持人 David Senra 发布了对汪滔长达 72 分钟的专访，标题叫《Creating Muse: The Fastest-Growing AI Product Since ChatGPT》。

这次采访有不少此前没有披露过的幕后故事。

比如，Muse 最早是汪滔和 Nat Friedman 玩 OpenClaw 玩出来的，两人只花了一两周就做出了原型；这个后来冲上美国 App Store 榜首的产品，模型和产品团队加起来不到 200 人。

还有汪滔发疯一样营销的原因、扎克伯格在 Llama 4 失利后打来的电话，以及 Meta 为什么选择消费级 Agent，没有跟着行业一起卷 Coding Agent。

几天前，《纽约 · 时报》刚刚报道，扎克伯格曾在 Muse 存在安全隐患的情况下，亲自拍板推动产品发布。

而在这次采访里，负责打造 Muse 的汪滔，则讲出了这款产品从实验到正式上线的另一面。

Muse 的故事，其实要从 2025 年 6 月说起。

当时，Meta 已经开始确立 Personal Superintelligence（个人超级智能）的战略方向，希望让每个人都拥有自己的超级智能。但这个愿景究竟应该落到什么样的产品上，还没有明确答案。

直到 2026 年初，OpenClaw 出现了。

汪滔回忆，当时 Nat Friedman 是 Meta 超级智能实验室里最早开始尝试 OpenClaw 的人之一。

Friedman 玩得非常投入，他甚至让 OpenClaw 接入家里的监控摄像头，监督自己有没有按时喝水。汪滔形容，这种体验介于恐怖和狂喜之间。

后来，Friedman 把一套心理分析 Prompt 分享给了汪滔。这套 Prompt 可以让 Agent 综合用户的邮件、照片等个人信息，进行连续多轮心理分析。汪滔试过以后大受震撼，感觉自己在一次 AI 体验里经历了相当于三年的心理咨询。

这些体验让两人逐渐意识到，个人 Agent 或许就是 Meta 一直在寻找的产品形态。

2026 年 2 月，汪滔和 Friedman 分别写了内部备忘录。其中，Friedman 的两份文件分别叫《The Claw is the Law》（龙虾就是法则）和《Trust is a Must》（信任不可或缺）；而汪滔写下，超级 Agent 在某种意义上可能是消费产品的终极形态。

随后，团队只花了一到两周的时间，就做出了 Muse 的早期原型，并向 Meta 董事会进行了演示。

有意思的是，在当时的原型里，就已经出现了 Muse 的吉祥物 JollyBot，以及 Muse Charm 硬件的早期版本。

当然，从原型到正式产品，还有很长的路要走，团队随后又用了大约七个月才将 Muse 推向市场。

至于为什么是个人 Agent，而不是当时更加火热的 Coding Agent，汪滔也给出了自己的解释。

2026 年 2 月，Claude 在编程领域的领先让整个行业非常紧张。汪滔回忆，当时很多人都认为，Coding Agent 是 AI 行业唯一值得争夺的方向。

但 Meta 最终决定不跟着挤进去。

汪滔认为，Meta 最擅长的事情始终是做消费级产品。Instagram 围绕兴趣，WhatsApp 和 Facebook 连接朋友家人，Meta 旗下应用每天覆盖约 35 亿用户。

在他看来，AI 可以帮助人们完成不得不做的工作，释放出更多时间，让人们去做自己真正想做的事，而这恰好是 Meta 熟悉的领域。

方向确定之后，团队开始围绕个人 Agent 训练模型。

汪滔透露，他们有一张包含 100 多行的表格，列出了 Muse 必须具备的具体行为和能力，每一行都有相应的评测标准和上线门槛。

此前的一些模型版本，虽然已经满足了大约 80 项标准，但仍有 20 项左右无法达标。团队继续训练，直到 Muse Spark 1.3 的一个版本终于满足全部上线标准，才决定正式发布。

关于 Muse 究竟什么时候上线，背后还有另一段故事——早在今年 5 月，Muse 就已经基本完成了。但为了完善安全机制，扎克伯格坚持让团队再等等。

Muse 团队成员 Vu Tran 在 9 月 9 日的一篇帖子里回忆，自己当时其实站在另一边。他曾是一名 YC 创业者，习惯了 " 先发布再迭代 " 的思路，希望赶在竞争对手之前把 Muse 推向市场。但扎克伯格坚持延后发布，优先解决隐私和安全问题。

直到 8 月，一家只有 14 名员工的 AI 创业公司 Instinct 突然走红。

10 月 9 日，《纽约 · 时报》援引三位知情人士报道称，担心被抢走先机的扎克伯格召集汪滔和 Friedman 开会，最终决定：尽管 Muse 仍然存在风险，可以上线了。

不过，Meta 否认了竞争压力促使扎克伯格提前发布 Muse 的说法，强调公司此前主动推迟数月，正是为了完善安全机制。

回到汪滔的采访，Muse 的研发团队其实相当精简。

汪滔透露，包括模型和产品开发在内，Muse 整个团队不到 200 人。

他认为，做一个优秀的产品，必须拥有统一的设计思路。如果每个产品经理都想往里面塞点自己的想法，最后就会变成一个由各种零件拼出来的弗兰肯斯坦。

在这件事上，Nat Friedman 发挥了核心作用。

汪滔甚至表示，如果必须找出一个最能代表 Muse 整体产品设计思路的人，那一定是 Friedman。

去年 7 月 3 日，刚刚加入 Meta 的 Friedman 曾在 X 上写道：" 我的工作是打造出色的 AI 产品，让数十亿人喜欢使用。这不会一蹴而就。"

一年多后，9 月 10 日 Muse 上线，他转发了自己当初的入职宣言，并配文："I hope you like it!"

产品做好后，还有一个问题：怎么让更多人知道 Muse？

Meta 本身不缺流量，但汪滔认为，今天的 AI 行业每天都有大量新模型、新产品发布，即使 Meta 有足够的分发能力，也未必能让用户真正关心 Muse。

于是，他开始在 X 上疯狂发贴。

采访中，汪滔毫不避讳自己的营销目的：他希望吸引更多人的注意，希望让 Meta 重新变得酷起来。

他甚至承认，有段时间自己开会都无法集中注意力，因为脑海里突然冒出一个梗，就迫不及待地想把它发出去。

汪滔说，Muse 发布后 Friedman 曾调侃他，本来以为这一周能学到很多关于 Muse 用户的事情，结果主要学到了 Alex 的脑子里究竟装着什么。

至于这些梗图到底带来了多少增长，汪滔没有给出明确数字。但他认为，这确实让 Muse 获得了更多讨论。

JollyBot 也在 Muse 的营销中发挥了大作用。这个小吉祥物可以被放进各种场景，汪滔记得，有一次上班路上，他生成了一张 Jolly Bot 拎着公文包去上班的图片，配上周一上班的梗。

那时他意识到，这个小家伙几乎可以出现在任何情境里。当用户在社交媒体上分享 Muse 完成任务的截图时，JollyBot 也会出现在画面中，让人一眼就能认出这是 Muse。

汪滔还分享了一个案例：他的一位朋友经营着一家价值约 1000 亿美元的公司，有一次把身份证件落在了私人飞机上。这位朋友不想自己费心处理，便要求 Muse 负责找回证件，自己不再参与具体过程。

按照他的描述，Muse 安排了快递人员去取证件，随后协调将其送回办公室，完成了整个流程。

汪滔认为，这几张任务截图就是 Muse 最好的广告，因为它展示了用户真正把一件麻烦事交给 AI 的样子。

这也引出了他关于个人 Agent 的一项重要思考：Trust Fall，信任的逐步建立。

汪滔认为，用户不会第一次打开 Agent 就放心地把复杂任务全部交给它。他们往往会先尝试一件很小的事，发现 AI 居然真的能完成，然后再交给它稍微复杂一点的任务。如果每次都能成功，用户就会逐步提高信任，直到愿意把越来越重要的事情交出去。

他表示，这个过程是个人 Agent 留住用户的关键。

而在谈到 Muse 的长期目标时，汪滔说了一句很适合拿来当 Slogan 的话：

"I think Muse can give everyone the adulthood they dreamed of in childhood."

我认为，Muse 能让每个人过上童年时梦想的成年生活。

小时候，人们对成年生活总有许多想象，觉得长大以后就能自由地做自己想做的事。但现实中，时间、资源和能力往往限制了这些愿望。

汪滔希望，个人 Agent 未来能够帮人们摆脱一部分限制，让那些原本遥不可及的事情重新变得可能。

采访后半段，话题转向了汪滔本人。

汪滔透露，自己很早以前就想认识扎克伯格，但第一次正式会面，竟然花了整整一年才安排下来。

他认为，扎克伯格的时间管理非常严格，对事情有非常明确的优先级判断，但只要决定了参与某件事，反馈就非常迅速。

汪滔特别提到，扎克伯格回复 WhatsApp 的速度很快，即使是复杂问题，也能够在很短时间内写出逻辑完整的长回复。

真正改变了两人之间关系的，是 Llama 4。

2025 年，Llama 4 的表现没有达到 Meta 的预期。汪滔回忆，扎克伯格当时主动打电话给他，询问 Meta 的 AI 业务应该怎么调整。

最开始两人讨论的还是业务建议，但之后逐渐演变成了合作谈判。

对于汪滔而言，离开 Scale 并不是一件容易的事。他从 19 岁开始创业，在 Scale 度过了整整九年，几乎是当时人生的三分之一。

他原本一直把 Scale 当作自己的毕生事业，但 Meta 给他的机会同样诱人：从头组建一所新的前沿 AI 实验室。

加入 Meta 之后，汪滔对自己的管理角色有了新的理解。

在 Scale，他更像一个亲自参与各项事务的创始人，需要深入产品、业务和运营的许多环节。但在 Meta，他认为自己更应该像一名教练。

他的工作是确定方向、寻找人才、提供资源，让优秀的研究人员能够充分发挥能力。

汪滔用了一个很有意思的比喻区分自己在两家公司的工作：一种工作是盖摩天大楼，另一种是挖钻石。

他认为，Scale 的数据业务更像盖摩天大楼。这类工作需要建立成熟的流程，不断提高效率。今天优化 1%，明天再优化 2%，长期积累形成竞争优势。

而 Meta 的前沿 AI 研究则更像挖钻石。研究人员可能尝试了 100 个想法，其中 99 个都没有结果，但最后一个成功的想法，就足以让之前所有投入物有所值。

因此，管理方式也必须改变。对于前者，管理者要不断优化流程；对于后者，则需要为研究人员提供足够的自由、时间和资源。

说到这里，David Senra 问起汪滔在 Meta 究竟有多少直属员工，得到的答案是——超过 200 人。

汪滔解释，这是 Meta 超级智能实验室刻意采取的组织设计。在 TBD 研究团队里，研究人员原则上直接向他汇报，不设置传统意义上的层层人员管理关系。

不过，这并不代表团队没有组织结构。研究人员仍然被分成不同的 Pod，每个小组有相应的技术负责人，负责技术方向和关键决策。

他们想减少的是管理层级，而非技术协作。

汪滔认为，既然公司花费大量资源招募了最优秀的研究人员，就应该相信他们能够自己完成工作，而不需要管理者每天监督。这也是他口中 " 反官僚主义 " 的管理理念。

采访最后，David Senra 提到了汪滔 19 岁的生日聚会。

当时汪滔还是 MIT 的大一学生，正在量化交易公司 HRT 实习。参加生日聚会的有十来个人，大多来自 MIT 和哈佛，其中包括后来的 Hyperliquid 创始人 Jeffrey Yan、Cognition 创始人 Scott Wu、Decagon 创始人 Jesse Zhang，以及如今在 Anthropic 工作的研究员 Vicky Yi。

汪滔回忆，他们中的许多人早在数学、科学和计算机竞赛时期就已经相识。他后来甚至半开玩笑地建议 HRT 创始人，应该给每个实习生都投一笔种子轮资金。

在他看来，这段经历也证明了优秀人才聚集在一起的重要性，而这恰好是他如今在 Meta 努力实现的事情。

从 19 岁创办 Scale，到 29 岁接手 Meta 的 AI 业务，汪滔过去最擅长的，是亲手建立一家企业。

如今，他希望做的是为一群优秀的研究人员提供环境，让他们创造出自己无法独立完成的东西。