Meta的Muse带火个人智能体：1000万人设置，14人公司估值百亿

10月底的Meta财报会上，扎克伯格透露了一个数字：Muse上线大约一个半月，美国和加拿大已有超过1000万人设置了个人智能体。这款产品9月才上线，当月Meta股价涨了约27%，是2022年11月以来表现最好的一个月。此前外界普遍觉得Meta在模型竞赛里掉队，结果它靠一款消费级产品把话语权又拿了回来。

跟进的人来得很快。阿里、腾讯、字节要么已经推出、要么正在筹备各自的产品；OpenAI、Anthropic、xAI也陆续发布个人智能体；肖弘、齐俊元这些做出过成功产品的创业者，同样带着新项目进场。钱也在往里涌——只有14个人的Instinct，估值已经到100亿美元。

不过热度背后，有几处地方不太对劲。

一是技术上几乎没什么门槛。Muse上线两周，就有人发现它的工作区文件名和开源项目OpenClaw一样，Meta产品负责人也承认“深受其启发”。多位从业者的说法是，同类产品三个月上下就能复刻出来。

二是估值差得离谱。Manus年化收入4亿到5亿美元，估值约40亿美元；Instinct还没向用户收过费，估值反倒是它的两倍半。

三是声量跑在了产品前头。国内大厂动作不少，可多数产品还没进入大规模公开使用。

一个容易复制、连统一定义都还没有的品类，为什么几乎所有玩家同时下场？各自的长处和短板是什么，又共同卡在哪里？这到底是实火还是虚火，谁更有机会跑出来？

01.大厂、大模型、创业者都来了

Personal Agent到现在也没有统一定义。Meta的说法是，它能理解用户目标、全天候替用户完成任务；Anthropic强调它知道什么时候该主动、什么时候该代表用户行动；肖弘的Cue定义最激进——一个有独立手机号、邮箱、支付和电脑的智能体。各家说法不一样，共同点是用户只提需求，找哪家、怎么办、怎么付钱，都交给AI。

能长期记住用户信息、主动帮着安排事情、并在用户授权后跨多个App把事办完的产品，才是本文要谈的对象。那些只会一问一答的聊天机器人，或者只干单次任务的工具，都不在主要讨论范围之内。

让所有人坐不住的原因，是它可能改变用户找服务的方式。过去用户打开App、比价、下单，流量和交易都留在平台上。以后用户只对AI说一句话，由AI决定去哪家、怎么付款，很多App就会退到后台，变成被调用的服务。之前有用户让Muse订住宿，它没在Airbnb下单，而是找到了直订渠道，最后比平台价便宜了约60%，就是一个例子。

谁能替用户做选择，谁就可能握住下一阶段的流量分配和交易分成。三类玩家都想占住这个位置，出发点却各不相同。

第一类是大厂，也是投资人和从业者短期最看好的一方。Meta的Muse已经上线；阿里推出了千问Go；腾讯布局小微，另有LightVela、Handy Bot两款产品；字节在筹备Spell。

大厂的优势在于手里有现成的生态，用户、账户、支付全在自家体系里跑，既不必从零拉新，也不用另外接支付通道。具体到产品落地，一种路子是把Agent塞进现有App，像腾讯的小微就长在微信里；另一种是单做独立App，再借自有生态往里导流，Muse走的是这条路。

功能上，大厂也先从自家生态做起。小微打通微信原生功能、小程序和生活服务；Spell被视作豆包手机助手能力的延伸；Muse连接WhatsApp、Instagram和Messenger，还接入Stripe支付，并拓展沃尔玛等商户，试图覆盖从下达指令到完成支付的全过程。

对大厂来说，这件事既是进攻也是防守。自己不做，用户的需求就可能被别人的Agent接走。一位投资人的说法是，国内大厂很难简单复制Muse，但这个方向必须跟，“跟不了第一，也不能缺席。”

第二类是大模型公司，代表产品包括OpenAI的Dots、Anthropic的Duet和xAI的Grok Bot。

模型是它们的长板，焦虑同样出在模型上。用户要是最后都在Muse这类应用里调用模型，模型厂商就沦为后台供应商，能收的也许只有算力费，而交互、数据和订阅关系都攥在应用层手里。对这几家公司而言，做Personal Agent就是为了不退化成一个后台供应商。

三家的产品都侧重工作场景。Dots依托ChatGPT插件生态，可连接超4000款应用，适合跟踪资料、维护代码、同步项目材料；Duet提供6000多个连接器，覆盖Gmail、Slack、QuickBooks等工具，面向邮件、日程、财务和客户事务；Grok Bot强调多智能体协作，并与X深度结合，更适合内容、运营和调研任务。

挑工作场景切入，既是长处，也有几分无奈。工作类软件多数开放接口，模型公司的工具连接能力正好使得上；可生活里的订餐、出行、购物，入口和支付都捏在平台手中。模型公司手里没有自己的消费场景，也没有支付体系，想从这儿切进去很难。

图源 / Unsplash

第三类是创业公司。它们既没有生态，也不掌握最强的模型，产品形态差别最大，更看重创始人的判断。AI投资人肖晓说，他投项目看两条：要么有相关的成功产品，要么是天才创始团队。头部几家恰好分属这两类。

肖弘就属于前一类。Manus曾以超过20亿美元的身价卖给Meta，交易被叫停、公司赎回独立之后，团队做出了Cue。它给每个AI配上独立的邮箱、手机号、钱包和云电脑，让AI以数字主体的身份替用户办事，比如接房东打来的续租电话，或者在预算之内把款付掉。

Today AI创始人齐俊元也属于前者。他曾做出过Teambition，还历任阿里云盘负责人、飞书产品副总裁、豆包PC端负责人，于2025年11月离职创业。他的Today AI全球版与Muse同日上线，主打活记忆和主动性，通过记住用户的项目、联系人和未完成事项，生成早晚简报并跟进任务。

Noah Shinn走的是另一条路。他今年23岁，曾在东北大学同时修化学和计算机科学，2023年退学创业。Instinct不做独立App，全靠短信、电话、iMessage、WhatsApp这些现成通道跟用户交互——会发短信就会用。这家公司只有14个人，估值100亿美元。

头部玩家之外，一些小团队从更窄的口子切进来。UniCone盯的是内容创作者，从用户授权的屏幕和聊天记录里扒素材、拆任务；理旦干的是把语音、截图、聊天记录变成待办事项。这些产品有的还没成型，团队也都很精简。三类玩家的起点各不相同：大厂手里攥着用户和支付，模型公司占着模型和工具连接，创业公司拼的是产品设计和具体场景。可真要做出一个替用户办事的Personal Agent，大家卡在了同一道关口上。

02.技术通用，三道难题行业解不了

产品已经铺了一地，为什么没有一家交出完整的生活助手？多位从业者的判断是，差距不在底层技术。港科大博士杨智钦说，不少Personal Agent和OpenClaw用的是相似的基础技术范式——大语言模型驱动工具调用、多步执行。各家真正的区别在工具与数据接入、记忆和上下文管理、执行可靠性、权限机制，以及面向不同用户的产品设计。开发者伯克希也认为，从工程实现看，各家的底层差别有限，分野更多在于服务什么用户、产品怎么设计。

难的是另一件事：Personal Agent得长期读懂一个人，还得在没人盯着的时候主动替他办事。这一步现在还很早，卡住的主要是三道难题。

头一道是可靠性。假设每一步互不影响、单步成功率都是95%，一个20步的任务想全部跑通，概率只剩大约36%。编程Agent写错代码，开发者能改；任务Agent跑偏流程，人也能盯着。Personal Agent的价值恰恰在于让人少插手，可一旦碰上付款、交易和隐私数据，出错就是真金白银的损失。

Meta在内部测试中曾让真人承包商接手部分电话任务，后来把这个做法停了。现有技术还撑不起用户彻底放手。

用户对风险的容忍度也有限。资深AI产品经理小杨说，产品带来的便利得达到他对数据安全顾虑的三四倍，他才肯用。眼下还没有产品摸到这个临界点。

第二道是平台互通。Agent要替用户办事，就得进别人的App、调别人的数据，大平台没理由主动开门。Agent的一大本事是帮用户绕开中介、找到更便宜的选项，这恰恰动了平台的蛋糕。Agent越能替用户省钱，被绕开的平台就越不乐意放它进来。

豆包手机助手此前发布了一份“拒绝操作应用清单”，超过150款APP明确拒绝豆包手机端AI智能体操作，微信、QQ、淘宝、天猫、美团、支付宝等国民级APP都在其中。海外的亚马逊也封过Muse的代购访问。一位Today AI的用户告诉我们，他让Agent挂号、缴费、订酒店、买机票，结果一个都进不去。

行业开始往协议层面找解法。Meta和Sierra牵头，拉上Stripe、沃尔玛等推动智能体协议，国内也有机构在推互联标准。可互通不只是技术问题，数据归谁、流量怎么分、商业利益和安全责任怎么划，短期内都难有答案。

第三道是成本。Personal Agent要长时间在线，还得持续存、反复调个人上下文。不止一位从业者说，它的推理成本可能比编程Agent还高。

投资人老钱每天光工作和编程就烧掉接近10亿token，他估计生活场景全接进来，消耗还得大幅往上蹿。何况前两道难题会继续推高成本：可靠性不够，得加人工兜底；平台不通，只能靠截图识别这类绕路办法操作，又慢又费算力。老钱的评价是，现阶段的Personal Agent“又费Token，又不够精准”。

通用解法没出来之前，各家都在把风险往小了压。有的产品先接低风险待办；有的规定关键步骤必须真人确认；UniCone把数据存在本地、代码公开，让用户自己查。

03.需求是真的，产品还在很早期

可靠性、平台互通、成本，短期内都看不到通用解法，玩家和资金却还是一窝蜂往里涌。这会不会又是一轮虚火？综合多位从业者的观点，需求已经冒头，产品仍在早期。

实的一面在需求。Muse一个半月吸引超过1000万人设置，不过这个数字有Meta自家应用导流的成分。更有说服力的是有人肯掏钱。据Instinct创始人Shinn在播客中自述，用户注册三周内绑卡率达40%，授权用户留存率超过80%，产生购买的用户月均消费超过1300美元，平台年化交易额接近10亿美元。

小杨说，绑卡率、留存率和复购是观察这类产品需求的重要指标。这些数据如果属实，说明已经有一批用户愿意把钱包交给AI。

Cue界面

估值和产品这两头，眼下的成色都还虚。需求才刚露头，各家公司之间的估值差得已经很离谱。

Instinct拿到100亿美元估值，是Manus的两倍半——后者年化收入4亿到5亿美元。不过两家收钱的方式和收入结构并不一样：Manus被盯得更多的是年化收入运行率，Instinct披露的却是平台交易额。交易额不等于公司收入，还得把抽佣率和履约成本算进去。

一位在华尔街对冲基金干过的投资人说，Personal Agent眼下还没有大家公认的估值办法。市场给这类公司开价，除了收入，还把增长预期、入口价值以及未来从交易里抽佣的空间一并算了进去。

老钱提醒，国内AI应用公司的估值主要看收入增速，可Personal Agent用户基数小，早期增速天然漂亮，拿这把尺子量本身就有毛病。投资人肖晓的看法是，这类公司估值普遍偏高，钱扎堆涌进这条赛道，产品已经跑通并不是唯一原因，AI行业当下缺新的C端故事，而Muse刚好给了一个海外样本。

产品形态同样还在早期。尚晋在腾讯微信事业群和谷歌都工作过，是主流Personal Agent产品的老用户。他按自己的体验划了八条及格线：像人、触手可及、一直在、个性化、主动、克制、能闭环、保护隐私，眼下多数产品凑不齐。他实际用下来，Today AI和Dots的交互还是不够自然，最后留在手机里的是Instinct和Muse，可这两款也没到理想状态。

赢家现在看不出来，那谁最可能先跑出来？短期里，受访的投资人和从业者更愿意押大厂。

在部分用户看来，大厂在安全、合规和出问题兜底上更让人放心；大厂的生态能给出更多接口和场景；算力和运营成本那么高，大厂也更扛得住。投资人Mingke曾公开讲过，做通用Personal Agent，真正难的地方不在Agent本身，而在商业模式：流量从哪儿来，怎么跟供给侧合作，交易如何完成，最后谁来付钱。

终端厂商是另一股变量。苹果、华为还没推出和Muse同形态的独立产品，但硬件、操作系统和端侧数据都攥在它们手里。目前主流Personal Agent主要靠云端跑，一个可能的方向是把轻量任务挪到手机本地处理，算力成本能降下来，隐私数据也少往外传。

老钱说，如果这条路走得通，Personal Agent就有可能从完全依赖云端的分身，变成云端和端侧配合。端侧模型能力和硬件条件越成熟，手机厂商的竞争力也会跟着往上走。问题是发热、内存和本地模型能力仍卡在那里。豆包手机的遭遇也摆着：就算拿到了系统层面的权限，App照样可以说不。

创业公司的机会，在大厂不方便做或者做不了的地方。关键是做出用户能感知、也肯掏钱的差异化——比如只服务特定人群，像创作者；或者把数据留在本地、开放代码，在隐私上给出大厂给不了的承诺。这类产品未必做得大，但有机会在细分场景里站住脚，也可能成为被收购的对象。

对这个还没定型的赛道，老钱的态度挺有代表性：“我看好，但我不下注。”在不少从业者眼里，创业公司可能要试十个、二十个场景才跑出一个，跑出来之后能不能赚钱，又是另一道关。