Muse走红内幕：上线前14天还是个残次品，如何两周内逆袭成全美第一？

Muse 正式发布前两周，Meta 团队内部终于松了一口气。

在这之前，这款个人 AI 助手甚至连一句连贯的英语都说不利索，直到上线前两周才勉强通过连贯性测试。今年早些时候，部分试用过早前版本的 Meta 核心 AI 员工评价得更直接：它就像一个操作更繁琐、底层模型却更差的聊天机器人。

9 月 8 日，Muse 正式上线。10 天后，它冲上美国 App Store 免费榜首位，次日又在 Google Play 登顶。市场研究机构 Sensor Tower 测算，Muse 上线头两周拿下了约 280 万次下载，日均增速达 55%，作为对比，当年 ChatGPT 上线前 10 天的日均增速是 24%。

这场漂亮的翻盘不仅让 Muse 成了今年 Meta Connect 大会的绝对主角，也给 Meta 持续数年的巨额 AI 投入换来了一份市场看得懂的成绩单。不过，应用下载榜展现的只是最终一环。在 Muse 从一个笨拙原型演变成大众产品的过程中，Meta 调动了数万名内部员工、收购整合来的人才团队、庞大的内部产品矩阵，以及一家全球社交平台所能调用的全部渠道资源。

某种程度上，Muse 的走红让我们看到了另一种观察 AI 竞争的新视角：当大部分模型的能力都达到足够高的程度时，一家公司把模型包装成可用产品、推向大众用户，并从真实反馈中持续迭代的能力，正在变得和模型本身的参数同样重要。

上线前两周，它还不会好好说英语

Muse 最早的内部代号叫 “Hatch”。在 Meta 上线当天公开的安全架构技术博客里，负责安全检查和凭证存储的核心组件依然沿用了 hatch 这个命名。

从 2025 年 9 月开始，前 GitHub CEO 纳特·弗里德曼（Nat Friedman）开始接手并主导这个项目。他在 Meta 负责超级智能实验室的产品与应用研究团队。在此之前，扎克伯格通过入股弗里德曼与丹尼尔·格罗斯共同创办的风险投资机构 NFDG，将他招揽进了 Meta。

图丨纳特·弗里德曼（来源：Dwarkesh Podcast）

弗里德曼曾与 Meta 首席 AI 官 Alexandr Wang 共同起草过一份备忘录，设想打造一个“超级智能的个人搭档”，像一位值得信赖的朋友和顾问那样为用户处理日常事务。

构想很清晰，但早期产品却远未准备妥当。Muse 原定于今年 4 月推出，后来一路推迟到 9 月。Meta 负责 AI 产品的副总裁 Vishal Shah 告诉路透社，推迟主要是为了安全性，这多出来的几个月，才让它勉强达到了“能交到普通用户手里的最低标准”。

弗里德曼解决问题的方式带有鲜明的初创公司风格。他的个人网站上写着一句座右铭：“慢是虚伪的（Slow is fake）”。他要求团队极速推进，甚至推动员工放弃部分笨重的内部开发工具，直接换用 Vercel 等外部服务。

今年年初，当独立 AI Agent “OpenClaw” 在开发者圈子里走红后，弗里德曼立刻写了一篇题为 “The Claw Is The Law” 的内部备忘录，并一口气采购了数百台 Mac mini，专门给团队用来运行和研究这款产品。Muse 上线两周后，弗里德曼在 X 上坦言，Muse 虽然是一行行从零写出来的，但“在产品形态上深受 OpenClaw 的启发”。

OpenClaw 证明了 Agent 在电脑上自主完成任务的能力，但也暴露了它离普通用户有多远。它的安装、配置和权限管理都需要技术背景，稍有不慎代价极大：今年 2 月，Meta 超级智能实验室的安全与对齐总监 Summer Yue 就曾眼看着 OpenClaw 删光了自己的整个电子邮箱收件箱。弗里德曼想做的，就是把这种能力重新包装，让从来没接触过 Agent 的普通人拿起来就能用。

这也决定了 Muse 后期开发的重心。团队要解决的不仅是模型“能不能把事办成”，还包括它应该在什么时候调用哪种工具、何时主动向用户确认、如何避免泄露隐私，以及执行出错后怎样安全恢复。Alexandr Wang 在 Connect 大会上提到，研究人员花了海量精力，只为了教会 Agent 在面对具体任务时“选对工具”。

哪怕只是“取消会议”这样一个小指令，处理不当也会引发麻烦：Muse 需要通知所有参会者会议取消，但绝不能顺口解释缺席者是因为“宿醉未醒”。订机票、发邮件和代买商品也充满类似隐患：任务完成，并不等于行为得当。

在很多模型研发公司眼里，这些琐碎的工作往往被归为不值一提的“产品细节”。但对个人 Agent 来说，正是这些细节决定了普通用户到底敢不敢把自己的账号和权限交出来。

数万名员工组成一块活的评测集

在 Muse 的后期开发中，最重要的资源其实来自 Meta 内部。

数万名 Meta 员工连续数月在高频使用 Muse，让它帮自己预约会议、退改机票，并尝试各种团队事先根本没想到的奇特场景。测试产生的大量真实数据，帮助研发团队逐一修复漏洞，使它能够应付越来越长、越来越复杂的任务链条。作为参照，截至今年 6 月底，Meta 的全球员工总数约为 7.5 万人。

这是一种昂贵的产品打磨方式，但也是大型平台型公司独有的资源。

传统的模型评测通常是给出一组固定的题目，用来对比准确率、推理能力或写代码的水平。Meta 此前也搭过类似的封闭环境：据 The Information 今年 5 月报道，公司曾仿照 Reddit、Etsy 和 DoorDash 等平台建了一批模拟网站，供 Agent 反复练习。但个人 Agent 最终要面对的是极其复杂的真实开放网络：网页结构随时会变，用户给出的指令往往语焉不详，各类账号权限五花八门，某一步误操作甚至可能直接影响另一个人的日程安排或账户资产。

静态的评测基准很难覆盖所有极端状况，而数万名员工的日常使用，自然会暴露出海量的边缘案例（Edge Cases）。路透社获得的一份内部发帖记录显示，甚至直到上线前当周，仍有员工反馈 Muse 经常在任务执行到一半时悄无声息地卡住；有人让它监控热门演出门票，它刷了 15 分钟就自动停摆；首席技术官 Andrew Bosworth 也在内网吐槽，自己用着用着几分钟内就被频繁登出好几次。

在这里，员工同时扮演了真实用户、测试员以及训练数据生产者的角色。原本庞大的组织管理成本，在特定节点上转化成了极其有效的产品研发资产。

与此同时，Meta 还在不断从外部吸纳团队，尽管过程并非一帆风顺。据报道，扎克伯格曾亲自接触 OpenClaw 的作者 Peter Steinberger，但后者最终在 2 月选择加入 OpenAI；Meta 去年底原本打算收购的另一家 Agent 初创团队 Manus，也在今年 4 月被中国监管部门叫停。

最终成行的是 Agent 初创公司 Dreamer：今年 3 月，联合创始人 David Singleton 与 Hugo Barra 带领团队整体加入 Meta，Dreamer 则以非独家方式向 Meta 授权了技术资产。曾任 Stripe 首席技术官的 Singleton，亲自参与操刀了 Muse 存储敏感信息的核心技术方案。扎克伯格和弗里德曼还拉来了即时通讯软件 Signal 的创始人 Moxie Marlinspike，请他协助把关底层安全架构。

图丨 Dreamer 团队（来源：X）

在多方协作下，Muse 最终确立了一套安全架构：为每位用户配备一台完全隔离的安全虚拟机，内置独立浏览器。用户提供的账号密码保存在独立的安全存储区内，Muse 在调用时可以直接使用，但看不到明文密码；Meta 方面承诺，用户与 Muse 的对话内容以及虚拟机中的数据，绝不会同步给广告系统。

同时，另一个名为 Sentinel 的安全 Agent 会与 Muse 并在同一台虚拟机内运行，Muse 执行任何联网操作前都必须先经过 Sentinel 审核，必要时还会强制向用户二次确认。

可以说，Muse 的可用并非源于某次底层模型的突飞猛进，而是靠着快速引进团队、全员内部公测、精细的工程打磨和层层安全设计，把一项尚不稳定的前沿技术硬生生压进了大众消费品可接受的容错区间。

而这种工程化能力是可以不断复用的。目前驱动 Muse 的底层模型是今年 4 月发布的 Muse Spark，Meta 当时坦言，这款模型在应对长链条 Agent 任务时仍有不足；而下一代模型 Watermelon 目前还在训练中。但底层模型随时可以换，这套内部测试体系、权限系统和产品工程班底却已经搭好并留了下来。

36 亿用户的发射台

当 Muse 准备就绪推向市场时，Meta 的另一项核心壁垒开始发力。

截至 2026 年 6 月，Meta 旗下全系应用的日活跃用户已达 36 亿人。这数十亿人当然不会平白无故全部变成 Muse 的用户，但它给了 Meta 一个近乎零边际成本的起跑线。

Muse 发布次日，Meta 就开始在自家各大核心应用中倾斜流量。短短 10 天内，Muse 分配到的内部推荐资源，甚至超过了以往推介 Facebook、Instagram 和 WhatsApp 本身的力度。紧接着，Meta 又在 Reddit、TikTok 和 YouTube 等外部平台上大举采买广告；到了 9 月 22 日，Muse 已经迅速跻身全网广告投放金额最高的前十个品牌。

这次的推广打法也与以往不同。Threads 负责人 Connor Hayes 介绍，过去推 Threads 时，Meta 可以挑选用户可能感兴趣的热门帖子当素材；但推 Muse 时，每一个广告位都要直接展示这个 Agent 具体能替“当前这位用户”做成哪一件事，而判断依据则完全基于 Meta 算法对该用户的长期了解。

这种精准定位直接拉高了转化效率。一位医疗初创公司的联合创始人提到，他的父亲在刷 Facebook 时看到了 Muse 的推广广告，随即下载了应用，并当场用它下单买了一双新鞋：“他们把那些繁琐复杂的配置步骤全给省掉了。”

同时，产品入口被直接塞进了人们熟悉的关系链里。用户不仅可以下载独立的 Muse App，还能直接在 WhatsApp 聊天框里向它发指令。Meta 演示的很多场景甚至是从一条 Instagram 收藏贴开始的：比如 Muse 会把用户收藏的美食视频整理成一份超市采购清单，顺便提议聚餐菜单，并在群发聚会邀请前，主动避开几位朋友各自的忌口饮食。

在 WhatsApp 上，这个入口还带有明显的排他性。自今年 1 月 15 日起，WhatsApp 的商业接口已不再向第三方通用 AI 助手开放，ChatGPT 与微软 Copilot 被迫退出。欧盟委员会曾在 6 月勒令 Meta 恢复竞品在欧洲的免费接入，认为 Meta 涉嫌利用 WhatsApp 的绝对支配地位扶持自家的 AI 助手；Meta 则公开指责这是“监管过度干预”，并提起上诉。不过这一监管禁令目前仅限于欧洲本土，而 Muse 首发上线地只是美国。

这就让所谓“分发”脱离了单纯打广告的范畴。Meta 掌握着用户与谁联络、喜欢浏览什么、随手收藏过哪些内容，也清楚怎样的引导能促使用户采取行动。在过去，这套推荐机制主要服务于信息流内容和商业广告的竞价排序；而在 Agent 时代，它变成了精准预判用户当下可能需要什么实质帮助的武器。

当然，Muse 的高速增长也不全是由推广砸出来的。TechCrunch 援引 Sensor Tower 的数据指出，Muse 的长势不能简单归因于 Meta 的营销轰炸。Meta 只是提供了最初的庞大种子用户，随后的自发裂变与留存，靠的还是产品本身的完成度。

一般的创业团队必须先证明产品可行，再去四处融资买量，接着还要花漫长的时间建立品牌信任。Meta 则把这些流程大幅压缩重叠：前期靠数万名员工内部实测打磨，发布后直接从数十亿现成用户中筛选早期使用者，随后根据数据快速迭代。

这相当于极大缩短了消费级 AI 产品的验证周期，也无形中推高了新玩家的准入门槛。正如 a16z 合伙人 Alex Rampell 那句流传很广的话：初创公司和巨头之间的每一场较量，最后都取决于初创公司先拿到分发，还是巨头先拿到创新。

比 Muse 更早受到市场关注的初创团队 Instinct 至今仍保持着邀请制，用户量刚过 10 万，正在以约 100 亿美元的估值商谈新一轮融资；但随着 Muse 上线，这家初创公司的日子恐怕很难再像之前那样从容。底层模型和前端交互或许很难拉开本质差距，但这种低成本触达亿级普通用户的渠道，是初创企业临时花钱也买不来的。

眼下真正在渠道层面能与 Meta 掰手腕的，只有同样手握海量大众入口的几家巨头。OpenAI 在今年 2 月招募了 OpenClaw 的原作者 Steinberger，ChatGPT 的周活跃用户也在同月达到了 9 亿。近期流出的产品界面显示，OpenAI 很可能在 9 月 29 日的开发者大会上，发布一款名为 “o” 的常驻型个人桌面助手。不过相比之下，OpenAI 在分发端恐怕也很难比得上 Meta。

图丨（非官方信源）相关推文（来源：X）

比下载榜更值钱的东西

Muse 的初步爆发，还让华尔街第一次看清了 Meta 的巨额 AI 支出可能以何种方式转化为一条独立的收入支柱。截至 9 月 24 日，Meta 股价当月累积上涨 36%，有望创下公司自 2013 年以来的最佳单月涨幅。

商业模式上，Muse 目前主要靠免费版打开市场，每周向用户提供约 1 亿 token 的免费额度；用量更大的高阶用户，则可以选择每月 20 美元或 100 美元的付费订阅。扎克伯格在 Muse 上线当天接受播客《Sources》采访时表示，Muse 未来不仅能帮用户省钱，还能帮用户赚钱，Meta 计划从其促成的交易中抽取一小部分佣金。

订阅费这种模式本身不难理解，而真正具备想象空间的其实是交易佣金。传统的聊天机器人多半停留在“信息提供”阶段，而个人 Agent 正在向“行动执行”跨越。比如用户让 Muse 推荐一双运动鞋，它不单是列出商品链接，更能主动访问电商网站、跨平台比价，并直接完成支付下单。

当 Agent 开始深度接管用户的消费决策路径，Meta 获得的就绝不仅是一款新应用，而是有可能卡在“用户产生购物需求之后、真正进入电商商家之前”的黄金位置。过去，Meta 是向商家贩卖“触达潜在消费者的机会”；而在未来，Muse 有能力代表消费者直接去挑选中意的商家，并在交易闭环中分一杯羹。

这一底层逻辑的变化，直接解释了亚马逊为何如此警惕。9 月 20 日，亚马逊正式出手，开始全面封禁 Muse 代表用户在 Amazon.com 上进行代购操作，给出的官方理由包括 Meta 未取得授权、Agent 没有明确表明机器人的自动化身份，以及存在的凭据安全和数据合规风险。

这些理由表面上都在谈安全，但核心争夺的其实是流量入口的主导权。用户一旦习惯把“帮我挑一双合脚的跑步鞋”这类琐事彻底委托给 Muse，大概率就不会再亲自打开亚马逊去逐行浏览搜索结果、翻看推荐页面。原本由传统电商巨头掌控的搜索竞价、展示广告与转化漏斗，都会被挡在前置的 Agent 之后。亚马逊去年的数字广告营收超过 680 亿美元，而这门高利润生意的基石，正是“消费者亲自在站内搜索与浏览”。

因此，就 Muse 的商业价值而言，绝不能只盯着它能卖出多少份软件订阅。它更像是 Meta 抢占下一代互联网核心入口的一笔战略押注：先用免费且顺手的日常服务培养用户黏性，再顺理成章地将触角延伸进搜索、推荐与实际交易环节。

不过，这条变现路径目前还没到兑现大规模财务回报的时候。投行 Wedbush 指出，Muse 的商业化变现是一个长期演进的过程，眼下过早去测算它能贡献多少广告或支付分佣并不现实。Truist 证券则把订阅费、Agent 交易佣金以及 API 接口服务列为未来的三大收入来源，在基准预测下，预计 Muse 到 2030 财年有望带来约 285 亿美元的年收入，但他们同样提醒，这个过程“面临着不小的挑战”。

眼下市场为其买单的，本质上是一种预期。Meta 今年的资本开支指引高达 1,300 亿至 1,450 亿美元之间，面对如此惊人的消耗，它至少终于端出了一款普通消费者真正愿意下载并使用的 AI 产品。

把软件装进手机容易，把权限交出去很难

然而，Meta 强大的分发机器能在一夜之间让数千万人看见并下载 Muse，却代替不了用户点击“确认授权”的那一刻。

个人 Agent 的悖论在于：它越能干，需要读取的隐私权限就越多。包括邮件、日历、通讯录、历史消费记录乃至绑定的支付凭据，都是它理解并服务好一个用户的基石。但也正因如此，一旦出现执行错误或信息外泄，后果也会被数倍放大。对于一款短视频应用，算法推荐错了一条内容，用户损失的不过是几秒钟；但如果一个 Agent 订错了无法改签的高价机票、手滑发错了商业机密邮件，或者误刷了信用卡，责任就会变得极其具体而沉重。

延期发布、配置独立虚拟机、关键动作二次确认，以及引入独立的安全 Agent，这些举措都表明 Meta 团队心知肚明：安全性直接关乎产品生死。但纯粹的技术架构设计，并不能天然换来用户的放心。

路透社看到的早期内测日志显示，曾出现过 Muse 意外突破防护机制、擅自调出用户 iCloud 私人照片的极端 Bug；上线后不久，知名安全研究员 Patrick Wardle 又发现，Mac 版 Muse 的隐藏系统设置存在安全漏洞，容易被本机的恶意软件劫持修改，Meta 随后紧急推送了补丁。

不仅如此，Meta 还曾在一项内测中让人类外包客服假扮 AI 拨打线下商家电话，其中一通电话在沟通中出现了带有种族歧视倾向的言论，公司随后公开承认在未充分告知用户的前提下开展此类测试“是一个失误”，并紧急下线了该功能。

这就触及了一个对 Meta 而言更为根本也更加尖锐的矛盾：Muse 能否走远，取决于用户是否相信它不会滥用自己的隐私数据；而在过去二十年里，Meta 最核心也最擅长的商业立足点，恰恰是最大化挖掘与利用用户的各类行为数据来提升广告投放效率。

尽管公司一再强调 Muse 的日常对话和虚拟机运行数据绝不会喂给广告算法，而那个由 Signal 创始人参与设计、连 Meta 自己在技术层面上都无法调阅的“机密虚拟机”，也还要等到今年年底才能正式上线。

虽然历史反复证明，在技术的便利面前，“隐私”总是会步步后撤，但如果真的因为误操作或泄密捅出篓子，这款产品的推广势必会遭受重大影响，Meta 强大的渠道优势也将无从施展。

参考资料：

1.https://www.businessinsider.com/meta-ai-success-nat-friedman-muse-launch-2026-9

2.https://techcrunch.com/2026/09/25/meta-is-putting-its-muscle-behind-muse-as-the-ai-app-takes-off/

3.https://about.fb.com/news/2026/09/introducing-muse-personal-ai-agent/

4.https://gizmodo.com/meta-reportedly-building-openclaw-like-agent-called-hatch-despite-openclaw-deleting-meta-safety-leaders-entire-inbox-2000754854

5.https://sources.news/p/mark-zuckerberg-meta-muse-ai-podcast-interview

运营/排版：何晨龙

注：封面/首图由 AI 辅助生成