从《个人超级智能》备忘录到 Muse 的诞生
Muse 的起源可以追溯到 Meta 超级智能实验室成立之初。当时，扎克伯格发表了一份名为 《个人超级智能》 的备忘录，我与 Nath Freeman、Freeman 等人密切合作参与了撰写。这份文件的核心愿景是：如何打造强大的 AI，从整体上改善人类的生活体验。虽然 2025 年夏天时 Agent 技术尚未成熟，但那份备忘录已经大致指明了方向。由于前沿模型的开发周期极长（涉及数据构建、预训练及后训练的完整生产线），我们早在年初便着手布局。今年初，OpenCL（或 Open Claw） 的兴起让行业真正看到了 Agent 的潜力。Nath Freeman 作为早期尝鲜者，曾分享过一段令人震撼的体验：他的 Agent 通过监控画面确认他在喝水并予以鼓励。这种介于“恐惧与狂喜”之间的体验，让我们意识到个人 Agent 拥有改变生活的巨大潜力。
“我觉得这里真的有点东西。怎么说呢？Nath Freeman 这个喜欢早早尝鲜的人判断还是挺有参考价值的，因为他当年是 Stripe 最早的一批客户之一……所以那是一个很明确的信号。”
在深入体验后，我让 Agent 对我进行了一次全面的精神分析。它整合了我的邮件、照片等多维信息，进行了多轮深入的心理探究，那种强度相当于将三年的心理治疗压缩到了那一刻。基于这种强烈的体验，我与 Nath 分别撰写了备忘录并提交给 Meta 董事会。我的结论是：超级 Agent 在消费产品领域是一个终点。Nath 则提出了“准则和信任不可少”的观点。这些核心思路最终确立了 Muse 的产品基调，我们在两周内做出了原型并演示给董事会，尽管当时产品尚不稳定，但许多设计雏形（如 Jollybot、Muse Charm）已初具规模。
对抗行业惯性：为何选择个人 Agent 而非编程
在确定方向时，我们面临巨大的外部压力。2025 年初，Anthropic 的 Opus 和 Claude 在编程领域遥遥领先，行业普遍共识是“编程 Agent 是唯一重要的产品形态”。然而，基于我们对 Meta 独特优势的判断，我们坚定选择了个人 Agent。早在与 Scale AI 交易之前我就指出：Meta 的产品（Instagram, WhatsApp, Facebook）代表了人们“想做的事”而非“不得不做的事”。通用 AI 的希望在于替用户处理琐事，从而释放时间用于个人兴趣与社交联系。
从商业角度看，Meta 每天触达 35 亿用户，这使其在面向消费者的个人 AI 领域拥有天然优势。尽管 OpenCL 的热潮曾短暂退去，但我们认为那只是体验未打磨好的结果。因此，我们将模型开发路线图的头号重点放在个人 Agent 上。我们建立了一张包含 100 多种具体行为和能力的电子表格，并针对每一项建立了评估体系。通过这种极度细致的流程，我们逐步训练模型以完美适配产品需求。
“扎克伯格就像他妈的终结者，意思就是他根本不会停下来。……他的超能力就是永远不满意产品的现状，所以总想不断改进。”
这种打磨过程体现了 Meta 的文化：一旦明确衡量标准，便利用人才优势进行极致优化。在 AI 时代，这意味着将模型的每一个细节打磨至完美以适配产品体验。
七个月的漫长打磨与扎克伯格的“终结者”特质
从二月的原型到九月的正式推出，中间经历了七个月极其艰难且痛苦的打磨过程。早期的原型虽然偶尔神奇但大多不可靠，我们的核心任务是将其转化为一个高度可靠、精心打磨的消费产品。扎克伯格在这一过程中扮演了关键角色，他不仅亲自使用 Agent 处理家庭事务、训练综合格斗（MMA），还推动团队在会议中分享各自的“疯狂体验”。
尽管华尔街长期质疑 Meta 能否在 AI 上获胜，且认为扎克伯格无法取胜，但 Jeremy Stern 的人物特写揭示了其真正的竞争优势。与马斯克或 Sam Altman 不同，扎克伯格的优势在于组建团队并用极长时间一点一点改进产品。他拥有控制权且无需融资，因此可以无限期地坚持这种迭代。正如竞争对手的研究员所言，扎克伯格是“终结者”，因为他根本不会停下来。这种对现状永不满足、持续改进的耐心，正是 Muse 最终能够成功的关键所在。
极致打磨与“全绿”发布标准
在探讨 Muse 的开发过程时，Alexandr Wang 引用了 Jeremy Stern 对扎克伯格的人物特写。其中一位曾在竞争对手实验室工作、且曾与扎克伯格共事的研究员表示，他不愿与之竞争，因为“扎克伯格就像终结者（Terminator），根本不会停下来”。这位研究员指出，扎克伯格的超能力在于永远不满意产品的现状，因此总想不断改进。虽然他是独裁者，但并非粗鲁之人，他极度重视团队凝聚力。
Wang 认为这种描述非常准确。Muse 的奇妙之处在于，在最终发布前团队花了大量时间打磨每一个细节。个人 Agent 产品的成败往往在一念之间：如果它能可靠地提供神奇体验，就有潜力成为史上最佳消费产品之一；但面对模型结果的不确定性以及 Agent 可能出现的故障，若用户感到不可靠，便会将其视为垃圾。因此，必须将产品品质提升到让数百万下载者都能认可的水平。
为了确定何时可以发布，团队采用了双重标准：一是明确的数字指标，二是实际体验。他们维护着一张包含一百多项指标的表格，为每一行设定了“低于此标准不可发布”和“高于此标准为优”的阈值。在早期测试中，许多模型版本有八十项指标亮绿灯，但仍有二十项红灯。直到出现第一个所有项目都亮绿灯的模型版本（Muse Spark 1.3），且团队内部试用感受到显著优于以往任何迭代时，才决定发布。尽管当时做模型和产品的团队总人数不到两百人——在大公司中这显得规模很小，但高管层深知这是 Meta 当年最重要的产品之一。他们刻意保持组织克制，确保只有一个小而专注的团队参与，以维持鲜明的主张和高度的专注。
“我们终于有了第一个所有项目都亮绿灯的模型版本，那是一个经过专门训练的 Muse Spark 一点三版本。”
“我们需要一个清晰的主张，要给大家提供一个连贯统一的体验……Muse 必须完全反过来。”
统一愿景与乔布斯式产品哲学
Wang 将 Muse 称为一件“完整的艺术作品”，强调其需要统一的视角和主张。他批评了许多大公司（包括许多 AI 实验室）的产品现状，认为它们往往变成了“科学怪人”或 Cronenberg 电影中的拼合怪物。在这种模式下，每个产品经理都试图塞入自己的观点、愿景和信念，导致产品最终像一杯“混合果昔”般杂乱无章。作为用户，人们能明显感觉到产品是由许多目标各异的人硬凑在一起的。
录制当天恰逢史蒂夫·乔布斯去世十五周年，Wang 借此阐述了苹果的成功逻辑。他读过所有关于乔布斯的书籍，并认为形容其影响力最贴切的一句话是：“苹果就是拥有一万条生命的乔布斯。”这些产品完全符合他的品味、视角和想法，最终用户拿到的正是他希望在世界上看到的东西。在 Muse 项目中，Net Friedman（Nate Friedman）的品味和审美最终决定并塑造了产品的样子。这种对统一愿景的追求，是 Muse 区别于其他“拼凑型”AI 产品的核心所在。
“苹果就是拥有一万条生命的乔布斯。这些产品都符合他的品味、他的视角、他的想法。”
“Muse 必须完全反过来，我们要有一个清晰的主张……因为知道它是一件完整的艺术作品。”
病毒式营销与用户信任构建
关于 Muse 以百万计（甚至可能数亿）的用户增长，Wang 透露这并非传统广告驱动的结果。他批评了 Anthropic 和 OpenAI 的广告策略，指出它们往往只谈论自己或展示模糊的图标，而忽略了“用户为什么要在乎”这一核心问题。他引用了 20 世纪初 Claude Hopkins 的著作《科学的广告》，强调人性不变，人们只关心自己的利益。因此，营销必须直接展示产品能为用户带来的具体好处。
为了在信息洪水中脱颖而出并让 Meta 重新变得“酷”，Wang 采取了个人化、梗文化（Meme）驱动的策略。他承认自己“放飞自我”，在 X 上发布大量由吉祥物 Jolly（那个小家伙）生成的创意图片。例如，他生成了一张“周一去上班时的我”拎着公文包的图，这种意想不到的瞬间激发了普通人的好奇心。Wang 强调这些推文都是他亲自撰写，灵感往往在会议中突然迸发。他甚至开玩笑说，团队了解最多的其实是“Alex 的脑子”，而非用户数据。
在应用留存方面，Wang 描述了“信任背摔”的心理循环。用户起初对 AI Agent 持怀疑态度，通过完成一件小事建立初步信任；随后尝试稍难的任务再次成功，从而逐步扩大委托范围。这种从“小事”到“大事”的渐进式信任构建，是让用户持续使用并产生粘性的关键。相比之下，一些用户则像对待新人一样完全信任 AI，直接倾倒所有想法让其整理。
“互联网会奖励冒险，也会奖励惊喜，奖励那些人们意想不到的东西。”
“这有点像你和 AI agent 之间做信任背摔……一开始你不太信任它，但又有点好奇。”
信任的渐进构建与截图营销的力量
在使用 AI Agent（如 Muse）时，核心机制在于逐渐建立信任。这类似于与 AI 进行“信任背摔”：起初用户持保留态度，仅赋予其处理微小任务；随着一次次成功交付，信任逐步加深，用户开始委托更复杂、更重要的工作。许多高效的用户正是通过这种从易到难、逐步扩大授权范围的过程，让 AI 成为可靠的协作伙伴。相反，部分用户（如某些大学生）倾向于“完全放心的信任背摔”，直接将未经梳理的混乱想法一股脑倒给 AI，期望其自动理清逻辑并给出清晰计划。
这种使用方式的传播很大程度上依赖于口口相传的截图营销。Muse 的产品界面设计具有高度的开放性，类似一个可自由输入的文本框。一位管理着千亿级公司的朋友曾分享过一组截图：他将证件遗落在 Flexjet 私人飞机上，随后向 Muse 发送指令：“我不想参与这个过程，你得想办法把证件拿回来。”截图显示，Muse 自主协调了跑腿人员、对接安保并成功将证件送达办公室。这种“用户提出目标，AI 自主执行全过程”的交互记录极具传播力。
对于面向消费者的产品而言，截图必须具备自解释性和吸引力。Muse 界面中出现的角色形象（如 Jolly）起到了关键的视觉识别作用，让用户一眼就能辨认出这是 Muse 的交互场景。这种基于真实使用截图的传播方式，比传统的广告更具说服力，因为它直观展示了 AI 如何具体解决现实生活中的繁琐问题。
“我觉得对那些把 Muse 用得好的人来说，关键就是让他们进入这个逐渐建立信任的过程，用它来做越来越大、越来越大、越来越大的事儿，而且每一次都能做成。”
“我觉得现在做面向消费者的产品，光看截图就得能吸引人……只要出现在截图里，大家马上就知道这是 Muse 的截图。这就是你能有的最好的营销。”
AI 作为“第二大脑”与人类自主性的复兴
Alexandr Wang 将 Muse 视为个人的“第二大脑”，用于设置工作流和辅助会议准备。他引用自己的一篇高浏览量帖子指出：“如果每个人除了自己的头脑，还能有第二个头脑。”这引出了一个深刻的哲学问题：在强大 AI 存在的背景下，“做人”意味着什么？
Wang 认为，AI 与人类的关系不应是 AI 凌驾于人之上，而是个人 Agent 成为实现人类愿望的桥梁。人天生拥有欲望和梦想，AI 将帮助这些梦想不断升级——从实现基础愿望到追求更宏大的目标（如拥有自己的恒星系）。他引用贝索斯的话指出，消费者总是“美妙地不满足”，这种不满正是推动 AI 融入经济各环节的动力。
更深层的价值在于恢复人类的自主性（Agency）。Wang 指出，大多数人在成年后逐渐失去童年时的远大梦想和活力，沦为“行尸走肉”，被责任和琐事压垮。Muse 等 AI 工具旨在清除生活中的障碍和麻烦事，让用户从琐碎中解放出来，重新专注于自己真正想做的事。这就像乘坐一部“自主性的自动扶梯”：AI 帮助用户实现一个梦想，进而激发更大的梦想，使人在一生中持续增强自主行动的能力。
Wang 描绘了一个充满希望的未来：当智能变得充裕，几十亿人突然拥有资源将不可思议的想法变为现实。这个世界将由每一个被充分激发自主性的个体共同塑造，而非仅由少数狂热者决定。这种世界将充满多样性、艺术感和酷感，类似于《瑞克和莫蒂》中的跨维度现实。
“我觉得 Muse 能让每个人过上自己小时候梦想的成年生活……就像坐上了一部自主性的自动扶梯，一辈子都越来越能自主行动，而不是一开始有很强的自主性，后来却被压垮了。”
“直到今天，这个世界一直是由少数狂热的人塑造的……但我们从未见过，每一个人的自主性都被充分激发出来时，人类会是什么样。”
与扎克伯克的渊源及 Scale AI 交易内幕
Alexandr Wang 与马克·扎克伯格（Mark Zuckerberg）的相识源于共同好友 Alex Schwartz。早在 Scale AI 成立初期，Schwartz 便将 Wang 引荐给扎克伯格。尽管两人早在 2021-2022 年就开始交流 AI 话题，但首次正式见面耗时约一年。这反映了扎克伯格极致的优先级管理：他日程极度繁忙，需无情取舍以兼顾工作、家庭与个人生活。Wang 曾通过 WhatsApp 向扎克伯格请教问题，后者常以快速且严谨的长回复作答，展现了其极快的思维运转速度。
在 Llama 4（拉马四）发布后，扎克伯格主动联系 Wang。当时 Meta 内部对 Llama 4 的发展轨迹感到失望，且 AI 被视为公司未来的关键。扎克伯格开始频繁向包括 Wang 在内的世界一流创业者圈子寻求建议，询问“如果是你，你会怎么做”。这种在取得巨大成就后仍保持谦逊、持续向同行请教的品质令人钦佩。
从首次通话到宣布交易，仅用了五六周。扎克伯格提出“一起做些事”的意向时，Wang 最初认为这逻辑上说不通。Scale AI 主要面向企业和政府销售，而 Meta 是消费者平台，两者业务模式截然不同。Wang 推测扎克伯格可能只是想试探或抛出想法。
然而，随着谈判深入（特别是涉及金额时），情况变得清晰。最终敲定的交易结构是：Meta 投资 Scale AI，持有其 49% 的股份，Scale 继续独立运营，而 Wang 等少数核心成员加入 Meta。Wang 认为这是一个“四方共赢”的设计：Scale 股东获得丰厚回报，公司保持独立性并继续发展，Meta 获得了急需的 AI 人才和数据能力。尽管 Wang 花了数周时间反复思考这一决定的合理性，但他最终接受了这一路径，视其为 Meta AI 战略转型的关键一步。
“我记得安排第一次见面好像就花了一年……唯一的办法就是毫不留情的取舍，把优先级排清楚。”
“我们最后敲定的交易是 Meta 投资 Scale，持有 Scale 百分之四十九的股份……我觉得它确实是一个很有意思的四方共赢。”
从 Scale 到 Meta：情感割舍与重建逻辑
对于这笔交易，Alexandr Wang 认为它确实是一个四方共赢的局面。对 Scale 的股东而言，他们获得了极佳的退出条件；而 Scale 本身将继续运营。Wang 坦言，他真心相信 Scale 最好的日子还在后头。然而，接受这一提议的过程并非一蹴而就。在最初的好几个星期里，他反复思考：“这太疯狂了，这是真的吗？说得通吗？”这种“有点疯狂”的感受主导了他的初期心态。随后，他不得不面对一个更深层的问题：是否要放弃自己一手养大的“孩子”？
Wang 在 Scale 工作了九年，从创办至今。由于他当时还未满三十岁，这相当于他人生的三分之一。Paul Graham 曾指出：“如果你把公司当做自己毕生的事业，你做事的方式就会不一样。”Wang 证实了这一点：在 Scale 期间，他确实将其视为毕生事业，因此从感情上放手极其艰难。最终打动他的因素是多方面的：首先，这是一笔对各方都有利的交易；其次，他看到了在 Meta 能做成大事的潜力。当时 Meta 在 AI 领域存在诸多问题，甚至可能不是做 AI 最有吸引力的地方，但这反而激发了他作为创业者的本能——“你可以把它重建起来”。这种需要从头搭建、确立正确原则和文化的机会，为做出卓越成果创造了条件。
在与 Mark Zuckerberg 的沟通中，双方逐渐达成共识：现有的路径行不通，必须推倒重来。Wang 坚信 Elon Musk 所证明的管理哲学：组建一个小团队，成员能力极强、技术水平高且组织非常扁平。这种方式能极大提升执行速度。Zuckerberg 对此表示兴奋，这成为了整体战略的支柱之一。
Wang 引用了 《The Mind of Napoleon》 一书来描述 Zuckerberg 的决策风格。这本书收录了拿破仑按主题整理的话语，其中反复强调：“犹豫是致命的”，但行动前需经过深思熟虑。Zuckerberg 的做法与之相通：反复确认方向正确后，便“把子弹全部打光”。这种对风险的无畏——即在一个不断变化的世界里，最大的风险是不冒任何风险——让 Meta 避免了像谷歌那样变得官僚和缓慢，而是保持了活力与生机。
“我觉得最后很有意思的一点是，正因为很明显有那么多事情要做，反而给我扫清了障碍，让我能从头搭建很多东西，确立正确的原则，建立正确的文化。”
“他有句很棒的话：在一个不断变化的世界里，最大的风险就是不冒任何风险。”
管理范式转变：从全能创始人到超级智能教练
在 Scale，Wang 遵循一条建议：“要想成为好的创始人，你得能做公司的每一份工作。”因此，Scale 很大程度上是他个人想法的产物。虽然这确保了质量，但也让他成为了公司的瓶颈。对于第一次创业的人来说，这种做法能极大提高成功率。但在 Meta 超级智能实验室（MSL），任务性质发生了根本变化：时间紧迫且规模巨大。Wang 承认自己并非 AI 专家或产品设计师，无法胜任所有角色。
因此，他在 Meta 的管理理念转变为：创造一个环境，让最聪明、处于行业顶尖水平的人招进来并发挥极致。MSL 成立时的吸引力在于：团队极小，但目标明确（个人超级智能），且拥有 Meta 的资源支持。这意味着算力、基础设施和用户触达不再是瓶颈，让人才有机会真正塑造产品并留下印记。
Wang 指出，当时 OpenAI 和 Anthropic 的股价大涨，导致早期员工薪酬极高。因此，单从金钱角度换工作差别不大。Meta 的策略是投入惊人资金招募一小批顶尖人才，因为“这些顶尖人才又会招来其他顶尖人才”。Wang 的角色从 Scale 时期的“主导创作者”转变为 Meta 的“教练”（Coach）。他的工作核心是确定方向、发现特别的人才，并赋予他们自主权。
他引用 Jeff Bezos 的观点：如果公司无法让出色的人做出成果，他们就会离开。AI 研究具有科学探索性质，需要大量试错和非凡洞见，而非密集管控。例如，研究人员 Nate（奈弗里曼） 在 Muse 项目中发挥了关键作用，Wang 确保他处于能充分表达想法的位置。这种管理模式允许大部分实验失败，只要少数成功者带来的回报足以覆盖所有投入即可。
“我觉得我的工作首先是帮助确定我们的核心目标和前进的方向……然后在团队里发现特别的人才，给他们相应的环境和资源，让他们把才华发挥到极致。”
“大多数大公司都有特别出色的人，但公司没有给他们足够的自主权……如果你有很出色的人，却没法让他们做出东西，他们就会走。”
幂律分布与组织扁平化：HRT 实习生的启示
Wang 将业务分为两类：“挖钻石”（幂律分布回报）和“盖摩天大楼”（线性/运营效率）。风险投资是典型的挖钻石业务，关键在于识别那些价值可能是其他事情百万倍的特别想法。相比之下，数据标注或亚马逊 Prime 配送更像盖摩天大楼，重点在于流程优化和效率提升（如提高百分之二的效率）。
Wang 在 Meta 做的正是“挖钻石”式的工作，鼓励团队尝试疯狂想法。他分享了一个不可思议的例子：在他 19 岁（MIT 大一）时，在自营交易公司 HRT 做寒假实习。那群约十人的实习生几乎全是哈佛或 MIT 的学生，彼此通过数学、科学竞赛相识。其中包括后来创办 Hyperliquid 的 Jeffrey Yan、创办 Cognition 的 Scawu，以及创办 Decagon 的 Jesse Zhang。Wang 曾建议 HRT 创始人直接给每位实习生提供种子投资，因为这群人的成功概率极高。
HRT 目前的业绩惊人：2026 年第二季度收入达 110 亿美元，利润约 80 亿，而员工不足千人。这印证了高人才密度带来的爆发力。
回到 Meta 的组织结构，Wang 目前有两百多人直接向他汇报。这看似庞大，但基于 MSL 的核心设计原则：极度扁平化和高人才密度。这种结构旨在消除官僚层级，确保技术人员能直接获得资源和支持，从而做出他们一生中最重要的成果。通过聚集顶尖人才并赋予其自主权，Meta 试图在 AI 这一幂律分布的领域中最大化潜在回报。
“有些领域的回报非常明显的呈幂律分布，你做的大多数事儿可能都没什么用，但其中有些事儿的价值真的可能是其他所有事情的一百万倍。”
“其中一个组织设计原则就是让它非常扁平……怎样让这里聚集特别特别多的优秀人才，怎样让这里成为这些出色的人发挥出最佳水平的最好地方。”
扁平化架构与反官僚主义的组织哲学
当被问及 Meta 的管理方式与在 Scale AI 时期有何不同，以及为何有如此多的人直接向自己汇报时，Alexandr Wang 透露目前直接向他汇报的人数超过两百人。这一管理幅度的背后，源于 MSL（Meta Superintelligence Labs）成立时的核心愿景：如何聚集极高密度的人才，并构建一个让顶尖技术人员能发挥最佳水平、做出职业生涯中最重要成果的环境。
为了实现这一目标，团队采用了极致的扁平化设计。所有加入 TBD 团队的研究员都直接向 Wang 汇报，这种结构的核心意图是反对官僚作风。Wang 强调，既然招聘的都是已经证明过自身能力的出色人才，管理者就不需要事无巨细地监控他们的工作。相反，组织建立了一套技术领导架构：虽然行政层级扁平，但设有多个小组，每个小组都有明确的技术负责人。当技术决策出现分歧或僵持时由这些负责人拍板，从而确保在保持灵活性的同时拥有清晰的技术方向。
高人才密度下的协作模式与管理者角色
在这种组织模式下，决策过程高度依赖集体辩论与交流。由于团队聚集了大量曾做出过卓越成果的人才，Wang 鼓励大家充分表达观点，共同寻找被普遍认可的最佳前进方向。这种管理方式虽然不常见，但其逻辑在于：这些高能力个体不需要传统的微观管理者（Micromanager）。
Wang 坦言，如果说自己是这两百多人的“最佳管理者”是在撒谎。他的角色更接近于环境维护者（Environment Curator），而非教练或监督者。他致力于创造一个让这些人拥有足够发挥空间的环境，因为他们本身具备独立产出高质量成果的能力。管理者的核心职责从“管控”转变为“赋能”，即通过消除官僚障碍和优化协作氛围，让顶尖人才自然地产出卓越成果。