Meta Muse突袭：人手一台AI虚拟机，全天候干活！扎克伯格想让 AI 自己“挣回饭钱”

Meta 发布 个人Agent Muse，主打安全和隐私 当地时间 9 月 8 日，Meta 正式发布个人 AI 助手 Muse。 与主要负责回答问题、生成内容的传统聊天机器人不同，Meta 对 Muse 的定位是“个人 AI Agent”：用户不需要逐步告诉它如何操作，只需说出目标，Muse 就可以自己拆解任务、打开网页、填写表单，并调用外部应用完成工作。 它可以替用户收发邮件、安排日程、预订旅行、购买商品，甚至参与账单谈判、协助出售汽车。对于无法立即完成的工作，即使用户关闭应用，Muse 仍能在云端继续运行，直到任务出现变化或者需要用户批准时再发出提醒。 从产品形态看，Muse 更接近一名持续在线的数字助理。 Meta CEO 马克·扎克伯格也在社交平台上介绍了 Muse。他将其定义为一款“能够理解用户目标，并全天候替用户完成任务的个人 Agent”。 扎克伯格强调这款个人助理可以“24/7工作”，这正是得益于 Muse 后台持续运行的能力——即使用户关闭应用，它仍可在独立的云端虚拟机中继续搜索信息、监控状态或等待合适的执行时机，直到任务完成，或者遇到需要用户批准的敏感操作。 目前，Muse 首先面向美国用户推出，用户可以通过独立的 Muse App、网页端以及 WhatsApp 使用，后续还将进入 Meta 的 AI 眼镜。 Meta Superintelligence Labs 负责人 Alexandr Wang 在接受CNBC采访时表示，公司将这款应用程序设计得“非常平易近人、友好易懂，而且不会让人觉得过于复杂”。 Wang 表示：“在幕后，Muse 可能在进行非常高级的编码工作流程，或者构建复杂的集成，或者做很多繁重的工作，同时保持对用户来说非常简单易用。” 此外，他还表示，Muse个人代理将提供免费版本，或根据使用情况提供每月20美元或100美元的订阅计划。 Meta 声称，这款个人助手最重要的特点就是安全和隐私性。每个用户都会获得一台独立运行的 Muse Secure VM，也就是位于 Meta 云端的虚拟计算机。这台虚拟机拥有自己的浏览器，可以保存用户授权的数据和服务连接，并在用户离开后继续运行任务。 例如，用户可以让 Muse 策划一次旅行。Muse 不只是给出目的地建议，还可以结合日历和邮件确定时间，搜索航班及酒店、填写预订信息，并在需要付款前请求用户确认。 如果用户希望降低某项服务的账单，Muse还可以浏览网站、填写表格，甚至代表用户与服务商进行谈判。面对长期目标，它则可以先制订计划，再持续追踪进度。Meta给出的例子包括根据个人生活变化调整训练计划，以及把用户在Instagram中收藏的食谱视频转化为购物清单，并记住聚会参与者的饮食禁忌。 Muse还具有传统聊天助手相对欠缺的“主动性”。它能够记住用户曾经提到的信息，在没有被直接询问时给出建议。用户也可以为自己的Muse取名、创建头像，并调整其交流方式。 换句话说，传统助手的工作模式通常是“一问一答”，Muse希望形成一条更完整的执行链： 用户给出目标，Muse制订计划、调用工具并持续执行，最后只在敏感操作和关键节点上把决定权交还给用户。 Muse 有什么不同？ 市场上类似的个人助手已经层出不穷，Meta 在现阶段推出这样一款产品，除了一直强调的安全和隐私外，在产品设计和功能使用上与同类产品有何不同？ 据称，Muse的差异并不主要体现在模型参数或跑分上，是在于产品入口、运行方式和权限体系。 首先，它从一开始就按照长期运行的个人Agent设计。普通聊天机器人主要停留在一次会话中，部分产品虽然也能调用浏览器和工具，但往往仍要求用户留在当前任务界面。Muse则拥有独立的云端虚拟机，用户退出应用后，它仍可在后台刷新页面、等待商品或票务信息并继续推进任务。 其次，Muse 试图降低 Agent 的使用门槛。OpenClaw 等此前走红的个人Agent已经证明，用户愿意让AI连接邮件、浏览器和本地工具，但这类产品通常需要一定的安装、配置和安全管理能力。Muse 把类似能力封装进 App 和 WhatsApp，希望让普通消费者像给联系人发消息一样调度 Agent。 第三，Meta 拥有其他模型公司很难复制的消费级入口。Muse 不仅可以连接第三方服务，还可能直接利用Facebook、Instagram和WhatsApp形成的社交关系和内容上下文。例如，它可以读取用户主动授权的信息、理解收藏内容，并协助组织聚会或维护人际联系。 未来进入AI眼镜后，Muse 还可能从纯软件助手变成随身交互入口。 不过，这种差异也是 Muse 最大的风险所在：一个助手越了解用户，越能替用户采取行动，其获得的权限和可能造成的损失也就越大。 安全和隐私怎么保护？ 为了限制 Muse 的行为，Meta在虚拟机中部署了另一个独立系统Sentinel。 按照 Meta 的解释，Muse 负责理解目标和提出行动，Sentinel负责审查这些行动。Muse访问互联网或者向外发送信息前，需要先经过Sentinel判断：操作可以直接执行、应当阻止，还是必须交由用户批准。 对于发送邮件、支付等敏感操作，Muse会主动询问用户；用户也可以分别授予应用读取和写入权限，把授权限制在某项任务、某笔交易或者某段时间内。所有已经完成以及准备执行的动作，都会留在审计记录中。 Meta 还表示，Muse 无法直接看到用户的密码和支付信息。与 Stripe 合作的 Link支付功能会生成一次性银行卡号，使 Agent 不必在不同网站输入用户的真实卡号。1Password 和 Shop Pay 支持也将在后续加入。用户可以随时断开第三方服务，并选择不让 Meta 使用 Muse 交互数据训练模型。 Meta声称，Muse虚拟机内的数据和对话不会提供给其广告系统。 但目前的 Secure VM 并不是完全对 Meta 不可见的“黑箱”。Meta 高管承认，虽然公司政策禁止访问用户的 Muse 数据，但从技术上说仍然存在访问可能。 Meta计划在今年晚些时候推出 Confidential VM，让虚拟机运行在可信执行环境中，并由用户在本地设备上掌握密钥。按照其设计，包括 Meta 在内的其他主体届时都无法进入用户的 Agent 环境。 这意味着，Muse当前主打的隐私能力，一部分已经上线，另一部分仍停留在未来规划中。 从内部项目 Hatch 到 Muse 的研发历程回顾 事实上，Muse 并不是 Meta 突然推出的一款独立产品，它背后是一条持续数月的研发线索，也是 Meta 重组AI业务后，第一次把“个人超级智能”落到消费级产品上。 2025年，Meta 组建 Meta Superintelligence Labs，并由 Alexandr Wang 负责推进新一代模型与产品研发。此后，团队用了大约9个月重建AI技术栈，包括模型架构、训练基础设施和数据管线。 2026年4月，Meta 发布重组后的第一款模型 Muse Spark，它支持多模态推理、工具调用和多Agent协作，也成为后来Muse个人助手的底层模型。 但 Meta 从一开始想做的就不只是一个性能更强的聊天模型。 早在Muse S