Building Muse, Working with Mark Zuckerberg & The Future of AI | Alexandr Wang, Meta (2026-10-11, gemini-4-argon)
1. 导读
当整个硅谷都在为 Anthropic 的编程智能体（Coding Agents）狂热，并视其为通往通用人工智能（AGI）的唯一圣杯时，Meta 却在悄然进行一场豪赌。在经历了 Llama 4 内部未达预期的阵痛后，Mark Zuckerberg 斥巨资收购了 Scale AI 49% 的股份，将年仅二十多岁的创始人 Alexandr Wang 招致麾下，与前 GitHub CEO Nat Friedman 共同组建了 Meta Superintelligence Labs（MSL），并在短短七个月内推出了现象级消费端应用 Muse。这场对话首次完整揭开了这段发生在 2025 至 2026 年间的权力重组与产品突围内幕，对所有正在思考 AI 终局形态的创业者、投资人以及大厂战略制定者而言，这是一份极高价值的样本。当大算力与“反官僚主义”的极客团队发生化学反应，个人超级智能体究竟会成为重塑人类主体性的终极交互界面，还是仅仅制造了另一场数据裸奔的狂欢？
2. 核心观点
Alexandr Wang 的核心世界观建立在一个鲜明的二元对立之上：人类生活由“不得不做的事（工作与杂务）”和“真正想做的事（兴趣、社交与梦想）”构成。他断言，AI 的终极形态并非把人类变成更高效的程序员，而是通过“个人超级智能（Personal Superintelligence）”接管一切繁琐的摩擦与阻碍，恢复成年人在社会化过程中被磨灭的“主体性（Agency）”。这一观点极具争议性，因为它直接反叛了硅谷当前“B 端生产力与代码生成决定一切”的技术主流，转而主张消费级超级智能体才是吞噬一切的终极产品形态（Final Consumer Product）。
个人智能体而非编程工具，才是消费级 AI 的终局
2026 年初，Anthropic 的 Claude Opus 4.5 与 Mythos 在编程领域遥遥领先，导致整个行业陷入跟风内卷。但 Wang 认为，企业级和编程市场并非 Meta 的基因所在。受开源项目 OpenClaw（一个能读取邮件、监控摄像头并做深度心理分析的早期智能体原型）带来的“既恐惧又狂喜”的体验启发，Wang 与 Nat Friedman 向董事会提交备忘录，确立了“The Claw is the Law”和“Trust is a Must”的核心原则。他们判断，拥有 35 亿日活分发渠道、掌握人类社交与兴趣图谱的 Meta，天然应该去定义“个人智能体”这一终极消费品。
非确定性模型的“边缘打磨”，决定了智能体的生死留存
为什么 OpenClaw 这样的早期个人智能体现象迅速见顶并消亡？Wang 指出，个人智能体处于“刀锋边缘（Knife’s Edge）”：模型本质上是非确定性的（Nondeterministic），而消费者对不可靠体验的容忍度极低，一两次崩溃就会导致永久流失。Muse 之所以能存活并爆发，是因为团队将 Meta 传统的增长黑客文化转化为对模型的极致打磨。他们将智能体拆解为包含 100 多项具体行为与能力的电子表格，建立专属评估集（Evals），针对底层模型 MuseSpark 1.3 进行了长达 7 个月的定向训练，直到所有红灯指标全部转绿才允许发布。
消费级 AI 必须具备“单一艺术视角”，拒绝大厂的 PM 缝合怪
大型科技公司做产品的通病，是每个产品经理（PM）都想塞入自己的 KPI，最终沦为没有灵魂的“弗兰肯斯坦式缝合怪（Cronenberg amalgamation）”。Wang 强调，尽管 Muse 是 Meta 年度最高优先级的战略级产品，但整个模型与产品团队被严格控制在 200 人以内。Muse 被当作一件“单一的艺术品”来打造，由 Nat Friedman 注入统一的审美与产品视角，确保用户从上手的那一刻起，就能通过“信任坠落（Trust Fall）”机制——从交代小任务到托管复杂生活流（如跨城找回遗落在私人飞机上的身份证）——建立起深度的情感与功能依赖。
打破信息洪流的唯一方式，是自私的实用主义与亚文化模因（Meme）
在 AI 产品更新如泥石流般轰炸用户的时代，传统的品牌广告已经彻底失效。Wang 毫不客气地批评了 OpenAI 和 Anthropic 的户外广告“只关心自己，无人看懂”。他援引百年前的《科学广告》原则指出，消费者只关心“这对我有什么用”。因此，Muse 的冷启动完全摒弃了宏大叙事，转而依靠两部分驱动：一是极具辨识度的截图传播（带有吉祥物 Jolly 的真实任务解决截图在群聊中裂变）；二是 Wang 本人在 X 平台上亲自下场，利用“擦边球模因（Racy Memes）”制造意外感，重塑 Meta 的“酷感”，实现零成本的破圈增长。
前沿 AI 探索是“挖钻石”而非“盖摩天大楼”，必须消灭中层管理
回顾九年 Scale AI 的创业史，Wang 认为数据标注业务就像亚马逊物流，属于“盖摩天大楼”——回报呈线性分布，核心在于死抠 1% 的运营效率，创始人必须懂每一个细节，这也让他成为了公司的瓶颈。而前沿 AI 研发则是“挖钻石”，遵循极端的幂律分布（Power Law），绝大多数尝试都会失败，但一个突破就能回报百万倍。因此，他在重构 Meta 的 AI 实验室（内部代号 TBD）时，采取了极端的“反官僚主义”架构：200 多名顶尖研究员全部直接向他汇报，不设传统的人事经理，仅设技术小组负责人（Pod Leads）做技术裁决，自己则退居为提供算力与自由度的“环境管家”。
内在逻辑链条：正是因为认定了“个人超级智能体”是终局（战略选择），且其成败取决于模型与产品的深度耦合（技术路径），才必须采用“小团队、单一视角”的艺术品打法（产品组织）；又因为底层技术突破具有极强的幂律属性，才迫使管理层必须炸毁大厂原有的科层制，用超过 200 人扁平汇报的极端架构来释放顶尖人才的探索欲（管理哲学）。
3. 批判与质疑
跳出 Alexandr Wang 充满乐观主义的叙事框架，其论述体系中存在着几个被有意淡化或尚未验证的致命脆弱点。
首先，“高度依赖隐私让渡的信任机制”与“Meta 历史原罪”之间的巨大张力被轻描淡写。Wang 津津乐道于他和 Nat Friedman 将个人邮件、相册甚至安防摄像头权限完全交给智能体，进行“堪比三年心理治疗”的深度精神分析；Zuckerberg 甚至用它来监控孩子和指导格斗训练。然而，极客高管的“狂喜（Euphoria）”在普通大众眼中很可能只剩下“恐惧（Terror）”。当一个智能体需要读取你所有的私人通信并替你在现实世界中做决定时，这要求极高的数据安全感。Meta 作为一家曾因剑桥分析事件而在隐私问题上信誉透支的广告巨头，如何让数十亿普通用户放心地进行这场“信任坠落”？对话中对此毫无防御性推演。
其次，“反官僚主义”的 200 人扁平架构存在明显的规模化悖论。Wang 声称自己管理着超过 200 名直接下属，但这在组织行为学上意味着“没有人真正被管理”。在 Llama 4 失败后的危机时刻，凭借战时状态、高薪期权包以及重塑实验室的新鲜感，这群高人才密度的研究员可以通过“小组辩论”达成共识。然而，当产品进入维护期、当那 99%“挖不到钻石”的研究员面临成果转化压力、或者当这群心高气傲的天才在技术路线上发生不可调和的分裂时，缺乏中层缓冲带的组织极易演变为派系斗争或无政府主义。
最后，对话结束时仍悬而未决的核心问题是商业闭环与生态围墙。Wang 描绘了一个智能体替人类打破“守门人（Gatekeepers）和障碍”的乌托邦。但在现实互联网中，最大的守门人恰恰是掌握操作系统（Apple、Google）和垂直服务接口的巨头。Muse 作为一个独立应用，在没有系统底层权限的情况下，如何长期稳定地跨应用执行复杂任务？此外，当算力消耗巨大的 Agent 替代了传统的点击与浏览，Meta 赖以生存的注意力广告模式将如何与这个“帮用户省时间”的产品自洽？
4. 行业视野
将这场对话放入 2026 年的科技演进图谱中，我们可以清晰地看到硅谷AI 权力格局的第三次剧烈摇摆。
第一阶段是 OpenAI 引领的 Chatbot 启蒙时代；第二阶段是 Anthropic 凭借 Claude 3.5 至 4.5 系列在 B 端和开发者生态建立统治地位的 Coding Agent 时代。而本次访谈标志着第三阶段——消费级行动智能体（Action Agents）反攻战的正式打响。Wang 的论述实际上是对当前硅谷“唯代码论”共识的一次强力挑战：代码或许是数字世界的底层杠杆，但并非普通人接触物理与社会世界的交互界面。
在商业史坐标上，Meta 收购 Scale AI 49% 股份并直接引入 Wang 重组 AI 部门的操作，精准呼应了前两年微软对 Inflection AI、亚马逊对 Adept 的“反向人才收购（Reverse Acquihire）”浪潮，但 Meta 的做法更为激进。这印证了一个不可逆转的行业趋势：独立的 AI 基础设施或数据公司正在丧失独立生存的中间地带，算力、数据与顶尖人才正在向拥有超级现金流和终极分发渠道的古典互联网巨头回流。
同时，Wang 提出的“单一艺术视角”与乔布斯时代的 Apple 形成了奇妙的跨时空呼应。在算法和 AB 测试统治了硅谷十五年之后（ ironically，Meta 正是这一模式的集大成者），非确定性的生成式 AI 反而迫使产品哲学回归到了“人文审美与主观品味（Taste）”的独裁。当技术底座趋于同质化，谁能用极具主见的交互设计跨越“不可靠的恐怖谷”，谁就能收割下一代移动互联网的船票。
5. 启示与建议
这场对话最核心的价值，在于它打破了“大公司做不好颠覆性 AI 应用”以及“Agent 只能先在 B 端落地”的两个固有假设，同时强化了“在非确定性技术中，工程化打磨（Sanding the edges）比单纯追求底座模型参数更重要”的认知。
对于 AI 应用创业者与产品经理：
- 重构冷启动与留存漏斗：放弃宏大的功能介绍，设计一套“信任阶梯（Trust Escalator）”引导机制。让新用户在 30 秒内完成一个极小但确定性 100% 的任务，再逐步引导其授权更核心的数据。同时，在产品 UI 设计中植入具备高辨识度的视觉锚点（如 Muse 的吉祥物 Jolly），专门针对“群聊截图转发”这一现代口碑传播的最小单元进行视觉优化。
- 建立“红绿灯”式微调评估体系：不要指望通用大模型能直接支撑垂直 Agent。学习 Muse 的做法，将你的产品场景拆解为 100 个极其具体的边缘行为指标，建立私有的 Eval 数据集，在特定 Checkpoint 未全部达标前，克制住盲目推向市场的冲动。
对于科技企业高管与组织设计者：
- 区分业务属性配置管理颗粒度：立即审视你旗下的业务，将其严格划分为“盖摩天大楼（线性回报，如数据清洗、标准交付）”和“挖钻石（幂律回报，如前沿算法、创新产品）”。对前者实施严苛的流程拆解与效率压榨；对后者则必须砍掉中间汇报层级，容忍高昂的试错沉没成本，管理者的唯一职责是清除算力与行政障碍。
信号强度评估：通过百项细分指标做定向后训练（Post-training）以解决 Agent 可靠性问题，是经过验证的强信号；而依靠高管在社交媒体发抽象 Meme 实现增长、以及 200 人无中层管理的扁平架构，则是高度依赖个人特质与特定历史窗口的弱信号，盲目照搬极易画虎不成反类犬。
6. 金句摘录
“The world until now has been shaped by the small number of fanatics who have somehow found a way to make their wants real, but we’ve never seen humanity with every single person’s agency fully switched on.” 中文意译：迄今为止的世界，一直是由极少数狂热分子塑造的，他们总能设法将自己的欲望变为现实；但我们从未见过当全人类每一个体的“主体性”都被完全激活时，世界会是什么样子。 语境：Wang 在解释他为何撰文称 Muse 是人类的“第二大脑”时，从哲学高度阐述了个人智能体对普通人行动力与野心的解放。
“Personal agents was one of these product areas that kind of rested on a knife’s edge… you’re dealing with something nondeterministic… if people have these unreliable experiences, they think it’s trash.” 中文意译：个人智能体是一个处在刀锋边缘的产品领域……你打交道的是非确定性的技术……一旦用户遭遇几次不可靠的体验，他们就会直接把它当成垃圾。 语境：在探讨为何早期现象级项目 OpenClaw 迅速消亡，而 Meta 却忍耐了整整七个月才发布 Muse 时，Wang 一针见血地指出了消费级 Agent 的容错率悖论。
“A lot of the AI labs is that they become kind of this Frankenstein almost like Cronenberg amalgamation of a bunch of different people’s points of view… it’s sort of PM hell.” 中文意译：现在很多 AI 实验室的产品，都变成了弗兰肯斯坦式的怪物，就像是柯南伯格恐怖片里那种把不同人的观点强行揉捏在一起的肉块……这简直是产品经理地狱。 语境：Wang 解释为什么他坚持将 Muse 团队控制在 200 人以内，并赋予 Nat Friedman 绝对的产品审美裁决权，以对抗大厂常见的平庸妥协。
“There’s two kinds of problems… diamond mining or building skyscrapers and it depends on what the distribution of the payoff of the things that you’re working on are.” 中文意译：世上有两类问题……“挖钻石”或是“盖摩天大楼”，这完全取决于你所做之事的回报分布曲线是什么样的。 语境：Wang 对比自己在 Scale AI 担任 CEO 与在 Meta 领导超级智能实验室的本质区别，借此说明为何面对指数级回报的 AI 研发必须放弃微操，转向赋能型的管理哲学。