扎克伯格谈Muse：三大赌注完成交汇

Muse上线两周用户即达数百万，扎克伯格直言“一出手就是全垒打”。这款个人AI Agent即将全面接入Ray-Ban智能眼镜，元宇宙、智能眼镜与大模型三条押注，正在加速汇流。此外，他罕见坦承Llama 4失败是“最可怕的时刻”，并透露Meta正在建设5吉瓦级算力集群。

三年前，Meta CEO扎克伯格在Joe Rogan节目上说过，有一天人们戴上眼镜、AI Agent就会随之出现。如今，这一幕或正在发生。

Meta推出的个人AI Agent——Muse上线两周用户即达数百万。扎克伯格在9月25日一档访谈节目中表示：“每隔几年我们才能遇到这种情况。”他将Muse的早期反响定性为“一出手就是全垒打”——这在Meta产品历史上属于少数。

与此同时，他宣布Muse将整合至全线Ray-Ban智能眼镜，用户无需再说“嘿Meta”，而是可以自定义唤醒词直接呼叫自己的个人AI Agent。

多年来被外界视为三场独立豪赌的元宇宙、智能眼镜和大模型，正在Meta内部产品层面加速合流。

在这场访谈中，扎克伯格还坦承了Llama 4失败是“最可怕的时刻”，并透露Meta正在建设5吉瓦级训练集群，认为足够大的算力可“暴力破解”AGI。

Muse为何能“一出手就是全垒打”

Muse的起点，是扎克伯格和团队成员Nat与Alex坐在一起，用开源工具在家里“拼凑”出一个早期版本。

“我们意识到，这是一种神奇的体验，”扎克伯格说，“如果我们能把它做成任何人都可以用——不需要自己买Mac Mini、不需要在终端里折腾——那么这将是数十亿人想用的东西。”

这句判断，驱动了此后整套研发逻辑：不只是训练模型，而是从模型、脚手架、到Agent的“心跳”机制全栈自研——Agent会定期自动唤醒，检查用户目标，主动推进待办事项。

上线后的数据印证了这一判断。两周，数百万用户。

个人AI：重点是执行、记忆与“判断力”

对于个人AI与通用AI的差别，扎克伯格将当前竞争焦点概括为让模型成为更好的Agent。

“过去一年最大的事情，基本上就是编程Agent。”他说，编程能力很重要，因为即使用户没有直接写代码，“你的Muse也会在后台一直为你写代码，去完成各种事情”。

但他认为，个人Agent不能只具备编码或任务执行能力，还需要理解隐私边界和社交语境。

扎克伯格举例称，用户让Muse预订餐厅时，Agent可能知道用户存在过敏情况或怀孕等信息，但并不意味着这些信息应该被自动披露。“你会希望它完成任务，同时尽可能少地披露信息。”

他称，这种能力属于人类通常具备的“基本社交技能或常识”，但如果只是训练编码Agent，许多公司并未将其纳入模型能力范围。

“我们训练的是整个模型，而不是拿别人的现成模型，再在外面搭一个框架和Agent。”扎克伯格说。Meta还在产品层面加入记忆、任务追踪、虚拟角色动画和实时语音互动等功能。

在个性化方面，他表示，Meta并不认为AI应该只有一种固定人格。“很多实验室都在关注怎样把人格调到正确状态，但我从来不认为人格只有一个正确答案。”

他称，Muse允许用户修改头像、声音和基础性格，模型设计目标是具备较高的可操控性。“你可以定义自己希望如何与它互动，这对个人Agent很重要。”

每个Agent都有自己的“电脑”

Muse区别于其他AI产品的核心基础设施之一，是Meta为每个Agent单独配备了一台安全虚拟机（Secure VM）。

扎克伯格解释了为什么这是必要的：

你的Agent会了解你很多敏感信息。我们不认为这些信息应该跟所有人的数据混在一个池子里。

他把Muse Secure VM比喻为“放在你桌子底下的那台只属于你的电脑”——用户数据加密存储，密码等敏感凭证通过独立安全模块管理，Agent本身无法直接读取。

在此基础上，Meta还设计了“Sentinel”安全Agent，专门监控进出Muse的数据流，一旦检测到异常或高风险操作，会直接拦截并提示用户授权。

元宇宙、智能眼镜与Agent，三条路线正在汇合

扎克伯格在访谈中透露，Muse将全面接入Ray-Ban系列智能眼镜，并对现有交互方式做出升级。

目前的眼镜是“单轮对话”体验——说一句，得一个回复，结束。接入Muse之后，眼镜变成Agent的前端入口：用户开口，后端Muse在安全虚拟机里持续工作，完成任务再反馈。

对于眼镜的产品路线，他描述了一条清晰的硬件梯队：

▪︎ 无摄像头的纯音频眼镜：已搭载Muse，可处理通话、音乐、语音任务

▪︎ 带小显示屏的Meta Ray-Ban：已发布，具备基础视觉反馈

▪︎ 全视场角全息AR原型：已发布，扎克伯格称“会非常令人兴奋”

他称，Meta在眼镜上的长期投入，使公司在AI Agent成熟后处于较有利的位置。Meta正在将Muse及更多AI功能引入眼镜产品，而过去相对更强调“临场感”的元宇宙技术仍在继续推进，只是当前更多资源转向了Muse和智能眼镜的AI功能。

对于虚拟形象，扎克伯格称，Meta此前需要通过房间级设备、多角度扫描以及企业级GPU环境，生成较高质量的写实化身；目前，用户通过少量照片即可完成设置，相关能力已可运行于一副VR眼镜中。

展望2030年，扎克伯格称，元宇宙的核心愿景始终是融合物理世界和数字世界。他举例称，未来人们可以在线下与通过全息影像接入的朋友共同参与活动；在工作场景中，人类与多个Agent也可以共同参与群聊或会议，Agent可以以全息形象或其他具身化形式出现。

“最可怕的时刻”：Llama 4的失误

并非所有押注都一帆风顺。扎克伯格在访谈中罕见地直接谈及了Llama 4的失败。

Llama 4之后，那是最可怕的时刻……我以为我们在正轨上，但我们没有。这是一个相当大的负面意外。

他把问题归结为团队结构的根本性错误：

我按照Instagram推荐系统或广告系统那种方式来组建团队——几百上千人并行推进。但训练语言模型需要的是一支紧密协作的小团队，把它当作一个群体科学项目来做。每个席位都极为宝贵。

由此，Meta彻底重组，从业内广泛引入顶尖人才，成立Meta超级智能实验室（Meta Super Intelligence Lab，MSL）。扎克伯格表示，新一代模型即将发布，但不会在Connect大会上公布。

算力路线：暴力破解AGI，5吉瓦项目在建

谈及通往AGI的技术路径，扎克伯格给出了一个直接的判断。

我不确定还需要什么根本性的架构突破……我认为我们已经大致知道配方了。如果你能建造一个足够大的超级计算机集群，就可以暴力破解，到达那里。

目前Meta的算力扩张路线：俄亥俄州超过1吉瓦的集群已基本投入使用，用于训练下一代模型；路易斯安那州5吉瓦级集群正在建设中。

他表示，“当你拥有多吉瓦集群进行训练时，你基本上就会得到某种接近AGI乃至超级智能的东西。”

不过他也补充，当前算力驱动路线并不意味着架构研究不重要——

人脑只消耗约10瓦，而我们的系统可能比它低效一百万倍。如果把大规模算力和架构突破结合起来，才能真正领先。

对齐，不是负担，是产品必须解决的问题

扎克伯格对AI安全的态度很务实——他不把它视为监管压力，而是产品能否成功的前提。

如果你让Muse做一件事，它却做了相反的事，谁还会用它？我们需要让模型不只是理解你的具体指令，还要理解你的意图和你的价值观。

“Muse要触达十亿用户，我们就必须解决对齐问题，或者说在这上面取得非常大的进展。”他说。

对于训练过程中的安全边界，他用了一个类比：“就像父母给孩子立规矩——如果它通过修改系统配置来'完成'一道编程题，我要告诉它：不，我让你去学解题方法，不是让你找捷径绕过去。”

访谈全文如下：

主持人： 这件事将会有数十亿人想要使用。对您来说，做建设是一种怎样的感受？"永生"是一种可能吗？好，如果您带我进入您的思维，快进到2030年，那会是什么样子？

这位是马克·扎克伯格。22年前，他构建了一个连接数十亿人、永远改变了世界的社交网络。而如今，他决定建造更宏大的事物。为此，他正在元宇宙、智能眼镜和人工智能领域大举押注。多年来，怀疑者认为这是三场各自独立、不可能成功的赌注，但他们忽略了更宏观的图景——因为当下，这些押注正在汇聚，共同创造出一种全新的超级智能。

今天，我们将向大家呈现这一切，我也将向马克提出一些他从未被问过的问题，倾听他对未来的愿景，让您能够提前布局，构建下一件大事。

主持人： 非常感谢您来到节目。

马克： 谢谢，很高兴来这里。

主持人： 为了这次对话，我把您做过的每一次采访都看了一遍。

马克： 好家伙，那比我自己看的还多。

主持人： 很好玩，收获颇丰。有两件事给我留下了深刻印象：第一，您对"建造"的热爱，我感觉您就是最顶尖的建造者之一；第二，您押注的能力——敢于做出巨大的赌注。我觉得这周，所有这些押注正在汇聚到一起，所以我们就从这里说起吧。

马克： 好的。这些事情我们已经做了很长时间了。AI方面，作为一家公司，我们几乎从创立之初就在做了——第一版新闻资讯流在某种程度上就是一个机器学习产品。然后我们大约在15年前创建了AI研究实验室。

但现在我们进入了新阶段——大约一年多前，我们启动了Meta超级智能实验室。这是一次相当彻底的研究重启，从整个行业引进了大量优秀人才，令人振奋。目前，我们看到模型越来越好，下一代模型即将发布，不过不是在Connect大会上宣布。此外，我们还有Muse个人助理，目前来看反响非常好。

在构建这些东西的时候，你其实并不确定结果如何。我们自己是喜欢的。早在今年年初，我就在家里用自己的方式把Open Claw拼凑起来，感受这个东西是怎么运作的，以及怎样才能把它打造成一种任何人都能使用的神奇体验。

基本上，当我们——我、Nat和Alex——坐在一起，意识到这是一种神奇的体验，并且如果能把它打造成一个开箱即用的版本，让那些不懂技术、不想去自己安装Mac Mini、不想进终端折腾、也不想在出问题时调试的普通人也能用的时候，我就觉得，这将会是数十亿人都想要使用的东西。

从那以后，我们一直在围绕这个目标努力：专门为它调优模型，不仅构建了助理本身和运行框架，还构建了为每个助理提供独立计算环境的技术——我们为此构建了整套Muse安全虚拟机。

我们内部一直觉得这很特别，内部人员也很喜欢，但你永远不知道产品发布后大家会怎么反应。偶尔会出现一鸣惊人、开门红的情况，但大多数时候你会收到一些正面反馈，还需要迭代几个地方才能真正让产品"咔哒"一声落地。而这一次，它一出来就直接"咔哒"了。看到这一切发生真的非常令人振奋——才两周，使用人数就已经有数百万，这相当罕见。每隔几年我们才能遇到这样的情况，但这绝对是创业公司最令人享受的时刻之一。

主持人： 您能坚持在赛场上、不断尝试，这让我非常佩服。而且这么多次都打出了安打，真的很厉害。您之前有一次和乔·罗根的访谈，大概是三年前，最后您提到有一天可以直接戴上眼镜，AI助理也会随之出现。所以我感觉Muse已经有实体化的形象，这一点非常聪明，因为那感觉是必然会发生的事。

马克： 我觉得这也只是让它显得更友好可爱。我认为太多人把AI描述得像个令人恐惧的东西，但AI应该只是有用又有趣的。那个实体化的形象——项目早期有位设计师做出了那个角色，不知为何他们一直想迭代，但第一版就是最好的。后来有人说，"哦，它得是蓝色的，因为是Meta嘛。"我说，"不，我觉得这个形象就是对的，你第一次就钉住了。"就这样，就是好玩。

个人AI与通用AI有何不同？

主持人： 很好的细节。如果您想让模型在个人事务方面表现得非常出色，而不仅仅是通用智能模型，那么训练方式会有什么不同？

马克： 我认为目前的核心在于让模型成为优秀的"智能体（agent）"。过去一年，最大的风口是编程智能体，其中蕴含两个核心思想：编程专业能力，以及成为优秀智能体的通用能力。

我们的策略是，将智能体本身做好放在首位，而不是专攻编程能力。

编程能力之所以重要，是因为即使用户自己不认为在写代码，Muse也在后台一直为你写代码来完成各种任务。但我们认为，智能体应该首先是一个出色的智能体，编程能力服务于此目标。

此外，在构建个人助理时，有些事情比构建企业软件产品更为重要。比如，如果你在构建一个企业编程工具，模型根本不需要有任何关于"信息披露尺度"的概念——比如什么信息该说、什么不该说。但对于Muse来说，这非常重要。

你需要把这种能力训练进模型里，就像训练其他任何能力一样。你会告诉它很多事情，然后希望它去帮你实现目标。比如，你想让它帮你订餐厅，你在找一家合适的餐厅，但你可能有某种过敏症，或者你怀孕了，而你可能不想把这些透露给餐厅。但Muse会知道这些信息，你希望它在尽量少透露信息的同时完成任务。这是一种具体的技能，本质上是人类的基本社交常识。

但那些只做编程智能体的公司，大多数都没有把这种能力训练进去。我们之所以能做到，是因为我们在做全栈——我们不是从别人那里拿来一个现成的模型再套个框架，我们是从头训练整个模型，专门为这些能力服务。

模型当然需要具备广泛的通用智能，但它同时也具备这些特定能力。然后在此基础上，你构建整个助理，以及它周围所有的细节：记忆、运行框架，还有它"心跳"的方式——它定期唤醒，检查一下"好，这些是我了解的关于你的目标，有什么我现在可以推进的吗"。

我们还有一个专门的团队，只负责打磨虚拟形象的实时动画效果，因为不仅仅是默认形象——你可以自定义任何形象，然后它就自然地动起来，效果非常棒。我们还在推出语音模式，你可以进行实时语音对话，你的助理就在那里陪着你。这些细节，我觉得都源于我们在做全栈——模型和产品是一起开发的。

主持人： 另一件大事是虚拟机。能解释一下它为什么重要，以及它解锁了什么吗？

为什么Meta要为每个AI助理配备独立计算机？

马克： 基本上，一个智能体要能替你做事，就需要一个地方来存储你的信息。我们认为这些信息不应该和其他所有人的信息混在一个资源池里。

可以这样理解：你的助理会知道很多关于你的敏感信息。很多人最初接触OpenCloud这类智能体时，会在家里自己配一台Mac Mini。于是我们想，很多人并不想买Mac Mini或者自己设置。那么，什么样的体验能最好地近似这种效果呢？答案是：你只需下载一个App、注册，就能获得一台专属于你的计算机，供你的助理工作、存储数据，并围绕此建立安全模型。这样就近似于在你桌下有一台自己的电脑——就连我们Meta也无法访问。

比如Muse机密虚拟机，这是我们正在开发的功能，就连我们自己也无法看到你虚拟机里的内容。

我们还围绕这些构建了很多东西，比如安全凭证存储——当你的助理需要处理密码之类的信息时，它本身不需要能看到这些密码，只需要在你要求它登录某个服务时能"插入"凭证，并且只在你明确要求时才这样做。系统应该这样设计：那些信息本身就不可随意访问，因为意外总会发生，有人可能试图入侵，或者系统可能出现问题。

所以你要确保智能体无法访问这些数据，Meta也无法访问。为每个助理提供独立计算机，并把安全性做到极致，是这项技术的根本基础——既赋予Muse帮助用户实现目标所需的能力，也保证了隐私和安全，使其成为该领域世界级、行业领先的产品。

主持人： 那这是否意味着，就像WhatsApp一样，Muse连接到的虚拟机上的数据是加密的？人们该如何理解数据在虚拟机中的实际存储方式？

马克： 我们基本上构建了两个版本。Muse安全虚拟机（Secure VM）包含各种隐私功能，其中包括我们构建的整套Sentinel智能体架构。你有一个正在为你执行任务的普通Muse助理，同时还有一个我们称为Sentinel的安全智能体，专门监控进出你的Muse的数据流。

如果有外部内容试图破坏安全，Sentinel会直接切断，阻止其发生。如果它认为你的Muse即将采取某个需要你介入的行动，它会覆盖Muse的操作，并触发提醒，让人来确认权限——比如"你希望Muse能做这件事吗？"