龙虾凉了，Muse凭什么火？当初天价挖人合理吗？亚历山大王最新访谈回应一切

机器之心编辑部 最近，Meta 打了一场漂亮的翻身仗，其全新个人 AI 智能体 Muse 自上线以来迅速成为现象级产品。 据 Sensor Tower 估算，Meta Muse 9 月 8 日上线后，约 22 天达到 500 万美国下载，快于 ChatGPT/Grok/Claude 的历史估算值，并曾登顶美区 App Store 免费榜且连续多日第一。另外，其增长速度、留存率也很亮眼。 而这场翻身仗的操盘手、Meta 超级智能实验室负责人 Alexandr Wang，最近比产品还要出圈。Muse 上线后，他在 X 上进入了某种「发疯」状态：高频发梗图、亲自下场玩梗。 就在最近，Wang 接受了一场深度长访，第一次完整复盘了 Muse 的诞生始末。信息量很大，而且不少说法相当反常识： 年初全行业都在挤 coding agent 这条赛道、所有人都认定「这才是唯一重要的事」时，Meta 为什么掉头去做了个人场景？ OpenClaw 年初火遍全网又迅速凉凉，大多数人体验完就流失了，Wang 凭什么认定这里面藏着「最后的消费品」，又凭什么觉得 Muse 能例外？ 外界热议的「天价挖人」，他却说对很多顶尖研究员而言，薪酬其实「没多多少」，那真正的诱饵是什么？ 一个被全公司视为「今年最重要的产品」，团队为什么被刻意压在 200 人以内？ 35 亿用户的分发摆在手里，为什么冷启动还要靠 Wang 亲自下场发梗？ 视频地址：https://www.youtube.com/watch?v=S6l3aRsecuE 以下是我们整理的部分内容： 所有人涌向 coding agent 时， 他们看到了另一个信号 时间回到今年年初。用 Wang 的话说，那是「Anthropic 接管行业的开端」：Opus 4.5 和 Claude 在编程上遥遥领先，整个行业的共识是：coding agent 是唯一重要的形态，甚至是唯一重要的能力。 就在这个节点，MSL 的 Nat Friedman 成了内部第一个深度使用 OpenClaw 的人。Wang 形容他的体验「介于恐惧和狂喜之间」：他告诉自己的 OpenClaw 想多喝水，这个 Agent 就通过家里的监控画面盯着他喝水，喝完还会夸他「干得漂亮」。 右一为 Nat Friedman，前 GitHub CEO，Muse 的灵魂人物之一。 Wang 自己也很快入坑。他做的第一件事，是跑了 Nat 写的一个「心理分析」提示词 —— 因为 Agent 能访问他的邮件、照片，还能自己上网查信息，几轮深度追问下来，用他的原话，「相当于把三年的心理治疗压缩进了一个瞬间」。 关键在于 Nat Friedman 这个人的「风向标」属性：他是 Stripe 最早的顾客之一，是 GitHub Copilot 的缔造者之一，长期站在开发者浪潮的最前线。所以当他说「这里面真的有东西」时，Wang 把它当成了一个明确信号。 今年 2 月，两人各自写了备忘录递交给 Meta 董事会。Wang 那份的核心观点相当大胆：个人超级 Agent，很可能就是消费品的「终点形态」。之后一两个星期，原型就做出来了，直接 demo 给董事会。而且最终版 Muse 里的很多核心决策，在那个一周赶出来的原型里就已经存在。 启发在于：共识最拥挤的地方，往往也是信号最容易被淹没的地方。当所有人都盯着 coding 榜单时，真正的机会藏在「普通人第一次把生活交给 AI」的那个瞬间里。 OpenClaw 火了又凉了， Muse 凭什么觉得自己能例外？ 这是采访里最尖锐的问题：OpenClaw 现象来得快去得也快，大多数人体验过几个「魔法时刻」之后就流失了，你们凭什么不一样？ Wang 的回答没有回避：OpenClaw 是天才之作，他们非常尊重 Peter Steinberger。但 Muse 能成立，靠的是把模型加产品的每一个细节往死里磨。 具体磨到什么程度？他们列了一张几百行的电子表格，写满了「一个理想个人 Agent 必须具备的一百多项具体行为和能力」，然后为每一项建评测、做训练，定期开会过这张表：哪几行还是红的，就继续打。发布标准也是数字化的，每一行都设了「launch blocking」的阈值，之前有过好几次 checkpoint 是「80 行绿、20 行红」，他们知道那还不够。直到一个专门为 Muse 训练的 MuseSpark 1.3 版本第一次全绿，再加上团队上手体验「明显比此前所有迭代都好」，产品才被放行。 这背后其实是对品类本质的判断：个人 Agent 是一个「刀尖上的品类」。如果它能稳定交付魔法体验，它会是史上最伟大的消费品之一。但模型是非确定性的，Agent 会出错、会崩，用户一旦连续遇到不靠谱的体验，直接判定你是垃圾。年初那一批 Agent 产品的集体流失，死因都在这儿。 所以，OpenClaw 和 Muse 的差距，从来不是「有没有魔法时刻」，而是 魔法时刻的良率 。灵感负责点燃，工程负责续命。 为什么是个人场景？ 一道关于「想做的事」的算术题 绕开 coding 选个人场景，不只是产品判断，更是 Wang 对 Meta 这家公司的战略判断。 他的逻辑链条很漂亮：AI 的承诺，是让每个人几乎不用再花时间做「必须做的事」，把时间全部留给「想做的事」。而 Meta 的产品矩阵 ——Instagram、WhatsApp、Facebook—— 恰恰就是人们「想做的事」的集合：兴趣、爱好、朋友、在乎的人。 换句话说， 如果 AGI 真的到来，人们从「不得不做」中解放出来的时间会流向哪里 ？流向 Meta 的盘子。再叠加商业视角：Meta 的应用每天触达 35 亿人，天然的主场就是消费级 AI，而不是工作，不是编程。 这个判断给所有做 AI 产品的人提了个醒： 与其在别人的主场卷生卷死，不如先想清楚自己的基因和分发决定了哪个战场属于你 。 巨头的遗产不是包袱，是地图。 全公司最重要的产品， 只给了不到 200 人 从 2 月的原型到 9 月发布，Muse 磨了七个月。Wang 自己吐槽：「七个月听起来不长，但 AI 行业的七个月，相当于外面的十年。」这段时间里，华尔街的主流叙事是「Meta 在烧钱」「扎克赢不了 AI」，公司内部也充满怀疑。 扎克伯格的角色是忍住 —— 他在财报电话会上从不掩饰在做个人 Agent，然后扛住所有质疑，等团队把东西磨出来。 但更让人意外的是组织方式： 模型加产品，总共不到 200 人 。而且这是刻意的克制 —— 全公司上下都知道这可能是 Meta 今年最重要的产品，但恰恰因为重要，才不能让它膨胀成「大半个公司都在往里塞需求」的项目。 Wang 用了一个很狠的词：Muse 必须是「一件完整的作品」（a single work of art）。他顺手讽刺了大厂产品的通病 —— 弗兰肯斯坦式缝合怪，或者用他的原话，「某种柯南伯格式混合体」（生物与非生物血肉化交融，边界溶解的肉身畸变）：每个 PM 都想把自己的东西塞进产品，最后搅拌成一杯奶昔。用户是能尝出来的。一个产品背后是不是一堆目标各异的人各塞各的，一上手就知道。 采访录制当天恰好是乔布斯去世 15 周年，主持人补了一句：「苹果就是乔布