Meta Muse 22天500万下载：亚历山大王复盘产品始末

最近 Meta 打了一场翻身仗。其全新个人 AI 智能体 Muse 上线之后迅速成为现象级产品。

据 Sensor Tower 估算，Muse 在 9 月 8 日上线，约 22 天达到 500 万美国下载，速度快过 ChatGPT、Grok、Claude 的历史估算值。它还曾登顶美区 App Store 免费榜，并连续多日排在第一。增长速度、留存率同样亮眼。

操盘这场翻身仗的是 Meta 超级智能实验室负责人 Alexandr Wang，最近他比产品还出圈。Muse 上线后，他在 X 上进入某种「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 Muse 的诞生始末。信息量很大，不少说法相当反常识：

• 年初全行业都挤在 coding agent 这条赛道上，所有人都认定「这才是唯一重要的事」，Meta 为什么掉头去做了个人场景？

• OpenClaw 年初刷屏全网，热度退得也快，多数人玩过一阵就走了。Wang 为什么偏偏认为这里头藏着「最后的消费品」？又凭什么觉得 Muse 会是那个例外？

• 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 自己也没隔多久就上了手。他先拿 Nat 写的一个「心理分析」提示词来跑——Agent 能翻他的邮件、看他的照片，还能自己上网找信息，几轮追问下来，按他的原话，「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，两个人分头写了备忘录，交到 Meta 董事会手上。Wang 那封里摆出的判断不小：个人超级 Agent 恐怕就是消费品的「终点形态」。一两周之后原型就出来了，当场给董事会做了 demo。后来定稿的 Muse 里，不少核心决策在那个赶了一周的原型中已经在了。

这里头的启发是：共识越挤的地方，信号越容易被盖住。大家都盯着 coding 榜单的时候，机会其实躲在「普通人第一次把生活交给 AI」的那一刻。

OpenClaw 火了又凉了，Muse 凭什么觉得自己能例外？

采访里这个问题最扎人：OpenClaw 这股风来得猛、散得也快，多数人尝过几个「魔法时刻」就走人了，你们有什么底气说自己不一样？

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。

这张表到底细到什么地步？他们拉出一份几百行的电子表格，把「一个理想个人 Agent 该有的一百多项具体行为和能力」逐条写进去，再给每一条建评测、做训练，隔一阵就开会对着表过一遍：哪几行还亮红，接着打。发布门槛也量化了，每一行都划了「launch blocking」的线。此前好几次 checkpoint 都是「80 行绿、20 行红」，团队清楚那还差得远。直到为 Muse 专门训练的 MuseSpark 1.3 第一次全绿，加上上手体验「明显比此前所有迭代都好」，产品才被放行。

这背后是对品类本身的判断：个人 Agent 属于「刀尖上的品类」。真能稳定交付魔法体验，它会是史上最伟大的消费品之一。可模型是非确定性的，Agent 会出错、会崩，用户连着碰上几次不靠谱，转头就给你判死刑。年初那批 Agent 产品集体掉用户，死因都在这儿。

所以 OpenClaw 和 Muse 的差距，从来不在「有没有魔法时刻」，而在魔法时刻的良率。灵感负责点燃，工程负责续命。

为什么选个人场景？

一道关于「想做的事」的算术题

绕开 coding 选个人场景，既是产品判断，也是 Wang 对 Meta 这家公司的战略判断。

他的逻辑链条很清楚：AI 的承诺，是让每个人几乎不用再花时间做「必须做的事」，把时间全留给「想做的事」。Meta 的产品矩阵——Instagram、WhatsApp、Facebook——恰好就是人们「想做的事」的集合：兴趣、爱好、朋友、在乎的人。

换句话说，AGI 真到来的话，人们从「不得不做」里解放出来的时间会流向哪里？流向 Meta 的盘子。商业视角再叠一层：Meta 的应用每天触达 35 亿人，天然的主场就是消费级 AI，不是工作，不是编程。

这话其实是说给所有做 AI 产品的人听的：先弄明白自己的基因和分发能撑起哪个战场，再决定往哪儿使劲，别一头扎进别人占着的地盘里死磕。巨头留下来的东西不是累赘，是张地图。

全公司最重要的产品，

只给了不到 200 人

Muse 从 2 月的原型走到 9 月发布，前后打磨了七个月。Wang 自己也拿这事开涮：「七个月听起来不长，但 AI 行业的七个月，相当于外面的十年。」这七个月里，华尔街的主流说法是「Meta 在烧钱」「扎克赢不了 AI」，公司内部同样疑云密布。

扎克伯格的角色是忍住——财报电话会上他从不掩饰在做个人 Agent，然后扛住所有质疑，等团队把东西磨出来。

更让人意外的是组织方式：模型加产品，总共不到 200 人。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，可恰恰因为重要，才不能让它膨胀成「大半个公司都在往里塞需求」的项目。

Wang 用了个分量很重的说法：Muse 得是「一件完整的作品」（a single work of art）。他顺带挖苦了大厂产品的老毛病——东拼西凑的缝合怪，按他的原话，是「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 都惦记着把自己的东西塞进去，搅到最后成了一杯奶昔。用户尝得出来。产品背后是不是一帮目标各不相同的人各塞各的，上手一试就清楚。

采访录制那天正好赶上乔布斯去世 15 周年，主持人接了一句：「苹果就是乔布斯的一万条命。」Muse 身上那股「单一视角」，Wang 说很大程度上出自 Nat Friedman 的品味。

大公司做创新最容易犯的错，就是用规模的诚意杀死作品的完整性。重要的事，反而要派小队去干。

天价挖人的真相：

钱只是门票

此前 Meta 天价挖角 AI 研究员的新闻刷了屏，外界第一反应基本是「人傻钱多」。Wang 在采访里给了一个很反直觉的解读。

先说钱。他认为外界漏掉了一个背景：OpenAI 和 Anthropic 的估值涨得太猛，这些顶尖研究员要是留在原地，手里的股权本来就是天文数字。所以 Meta 开出的「天价」，对其中很多人来说只是薪酬上的「净中性」，是市场价格，不是冤大头溢价。

那到底是什么在打动人？Wang 摆出三样：从零搭一个实验室的机会，团队小到个人真能留下自己的痕迹；一个清楚的北极星——personal super intelligence，他的原话是，做 AI 的人几乎都盼着这项技术到头来对自己的妈妈、爷爷奶奶有意义；再就是不受限，算力管够、基础设施管够、分发管够，而这些恰好是创业公司最缺的。

扎克伯格为什么肯为一小撮人掏这笔看着离谱的钱，主持人替他把逻辑捋了一遍：顶尖人才能把顶尖人才引过来，前提是你手上先得有那颗「火种」。Wang 认这个说法。

挖来之后怎么用，才是重点。MSL 的组织设计几乎处处反大厂常识：

• 200 多个直接汇报。Wang 手下直接管着 200 多人，名曰「反官僚」。招进来的人都证明过自己能做出 brilliant work，所以「他们不需要 manager，他们需要的是一个好环境」，需要「room to cook」。技术方向由 pod 里的技术负责人仲裁，大事则摊开群体辩论。一屋子都是牛人，结论得让大家真的信。

• 在 Scale 时，Wang 是那种每个细节都要烙上自己意志的创始人，结果自己反倒成了瓶颈。到了 MSL，他把自己定位成教练：定好北极星，把团队里的特殊人才找出来，给足环境和资源，让他们的天赋尽情释放。他拿这两种角色做过对比。

• 做研究，他主张按「钻石开采」的路子来。业务被他分成两种范式：一种是「盖摩天楼」，回报线性，靠的是把每个环节再挤出 1%、2% 的效率，数据标注就属于这类；另一种是「钻石开采」，幂律分布，大部分尝试会失败，可少数成功的「一次就值回全部投入」。AI 研究显然属于后者——人类至今还没摸清这些模型的能力边界，所以它不是运营工程，是真研究，必须容忍试错。

主持人引了贝佐斯一句话：大公司里其实不乏牛人，但牛人要是没法动手建东西，他们就会走。Wang 对此深表认同，MSL 的一切设计也正是从这一点出发。

35 亿用户的分发不够，

还要亲自下场发梗

Muse 的冷启动，可能是今年最好玩的营销案例。

Wang 说得很直接：Meta 的分发能保证「每个人都知道 Muse」，却保证不了它「以一种有文化穿透力的方式炸开」。如今用户每天被新模型、新产品、新功能轮番轰炸，最稀缺的资源就是注意力。

于是就有了 Wang 在 X 上的「发疯」时期。其中有几件事挺有意思。

Muse 有个小吉祥物叫 Jolly。某天上班路上，Wang 生成了一张 Jolly 拎着公文包的图，配文「周一上班时的我」，发完他就意识到：这小东西能放进无数场景里。拿 racy meme 给一个 AI 产品做营销，他说自己没印象有人干过。

那阵子他开会老走神，脑子里冷不丁冒出一个梗，念头只有一个：得赶紧发出去。有回跟同事吃晚饭，吃到一半他来了一句「等一下，我想到了」，当场就发了推。他的感受是，互联网给冒险发奖励，给意料之外发奖励。不少帖子「想都没想就发」，反倒效果最猛。在他看来，琢磨的时间跟能不能爆，多半是反着来的。

他直言看不懂 Anthropic 和 OpenAI 的广告：一个图标加两个人坐在桌前，「这他妈是什么意思？」（原话）。手里有上百万个真实用例，广告唯一要做的就是展示产品能给用户带来什么——就这么简单，可大家一遍遍犯同样的错。

这是 Wang 吐槽的广告吗？

这背后是一本 1920 年代的广告学老书《Scientific Advertising》的核心观点：没人关心你的公司，人人只关心自己的利益。Wang 的版本是：「why would someone care？」——做产品和做营销，都要从这句话出发。

另一个好玩的地方在于，截图本身就带着传播力。眼下消费品做营销，靠的是「截图驱动」：东西得扛得住截图——群里、口碑里、社交平台上，截图要能自己长腿跑起来。主持人讲了个例子：他朋友把身份证件落在私人飞机上了，干脆跟 Muse 说「我不想参与这个过程，你自己搞定」，Muse 就安排快递员把证件一路取回来、送到他办公室。三四张截图，抵得上最好的广告。Jolly 又出现在每一张截图里，等于张张都带着品牌水印——这纯属意外收获，效果却拉满。

创始人亲自下场当「头号梗图官」，听起来不体面，可当分发解决不了「被记住」的问题时，一个有人味、敢冒险的声音，恰恰是最稀缺的资产。

让用户留下的，是「信任阶梯」

拉新靠营销，留下来靠的是另一套东西。Wang 管它叫 trust fall，就是一个人背对众人直挺挺往后倒、由团队其他人伸手接住那种：

刚上手时，用户并不信 Agent，只是有点好奇，就先丢一件小事过去——成了；再丢一件稍大的——又成了；接着一点点加码。每成功一次，都是给下一次更大的托付添一分信任。用得顺的 Muse 用户，基本都走完了这条「任务越给越大、每回都没掉链子」的台阶。他还看到，有些大学生已经练成「完全体 trust fall」：对着语音备忘录想到哪说到哪，转手扔给 AI，让它理思路、出计划。

产品体验为什么对模型质量这么敏感，也就说得通了——A/B 测试里，模型把任务干完的可靠性、跟用户沟通的可靠性、需要指导时主动来确认的可靠性，哪一项掉链子，信任的台阶就断在那了。

要把用户带出「聊天机器人」的简单用法，靠的不是一次震撼教育，而是一段精心设计爬坡曲线：第一次 wow 来得越早越好，之后的每一步都要兑现。

更多细节请参见原视频。