扎克伯格谈 Meta Muse：AI agent 如何帮人赚钱
马克·扎克伯格在 Sources Podcast 的完整访谈，谈 Meta 的 Muse AI agent 如何让人赚到钱——从 agent 经济的商业模型，到 Meta 在 AI 时代的平台战略。本页为双语字幕烧录版，英文原声，字幕英文小字在上、中文大字在下。
观看提示
约 19:38（t=1178s）起进入 Muse 商业化的核心讨论段落。字幕由本地转写＋翻译管线生成，共 1318 条双语字幕，已烧录进画面（720p 在线版与本地 1080p 原片同源，1080p/810MB 原片保留在本地 AgentVideo 目录）。
这期访谈讲了什么（全片总结）
整场对话围绕一条主线展开：扎克伯格为什么认为"个人超级智能"是 Meta 的下一章，以及 Muse 这个产品怎么把它变成生意。按时间线可以拆成五块：
一、开场的宣言（manifesto）。访谈从他刚发布的长文谈起。他的三原则很直白：赋能个体是繁荣的来源；AI 的主要目的是"发明新东西"而非自动化；安全的基础是制衡与力量平衡，而不是限制访问。这是对硅谷主流"能力越强越要锁起来"共识的正面反驳——他明确说更怕少数实验室垄断超强能力，把安全寄托在开放分发上。
二、Muse 是什么（19:38 起，全片核心）。不是聊天机器人：给目标不给 prompt，agent 背后有虚拟机，7×24 小时干活，"过夜学习"（overnight study）沉淀记忆，还会主动建议新项目。商业模式是全场最大胆的部分——每周 1 亿 token 免费用，赌的是 agent 能帮用户真的赚到钱，然后从交易流里抽佣（和 Stripe 合作支付），而不是收订阅费。他甚至直言付费方未必是用户本人，而是用户生意往来的商家。
三、护城河：网络效应 + 隐私。两个差异化点。其一，agent 舰队（fleet）相互学习匿名化洞察——别人做单机 agent，Meta 做多人游戏，用户越多 agent 越聪明，这是 Meta 老本行。其二，把 Moxie Marlinspike（Signal 创始人）请回来做机密虚拟机：承诺连 Meta 自己都看不到你 agent 里的内容，技术可验证。配合最小权限设计（连邮箱先只读、发信单独授权）和哨兵 agent 拦提示注入。
四、实验室重组与模型路线。他坦承 Llama 4 掉队是转折点，从此信了"人才密度"教：小组、每个人都能把整个系统装进脑子里、实验室就建在他办公室周围。基础设施上 Ohio 的 Prometheus 千兆瓦集群已上线，下一个大模型代号 watermelon（比 avocado 大），定位全尺寸前沿模型，"很快发布"。
五、收尾杂项：AI 眼镜的隐私争议（录制指示灯、篡改直接锁摄像头）、青少年安全和解案的行业协同逻辑、以及他重新开始发 X 的原因（AI 社区在那里）。
逐段详解
① 宣言与三原则：一场对硅谷共识的正面开战（开场—约 12:00）
开场很有画面感：上次通话是扎克伯格戴着 Meta 眼镜、在钓鱼路上打来的，两人还回味了一下降噪效果。随后进入正题——他刚发布的 15 页长文。为什么写这么长？他的解释是：投这么多钱做 AI，就得让人知道你的实验室信什么。"AI 有大量机会，也有一堆真实风险，每个做事的人都该有一套想清楚的、自己的工作如何通向积极未来的理论。"
三原则展开看：其一，"赋能个体是繁荣的来源，历史上一直如此"——他补了一句很扎克伯格的历史观：大多数进步不来自在位者或建制派，而来自"不被认真对待的边缘人"，他们一旦拿到足够工具证明自己的想法，威力就出来了。其二，AI 的主要目的是发明新东西而非自动化——这句直接对着"AI=裁员工具"的叙事开火。其三，安全靠制衡而非限制访问。他用的类比很妙：最好的防黑客手段不是藏起来，而是人人都有能加固自己系统的 AI——"过去几十年网络安全的历史就是开源软件的历史，看得见反而更安全。"还有那个律师类比：一个人有超级智能律师，能打赢不该赢的官司；人人都有，就成了高效的对练，愚蠢的论点再也站不住——正义反而更高效、更公平。
主持人追问：开源是应对手段吗？他把自己和"开源原教旨主义"拉开了距离——最重要的不是开源本身，而是把技术放到个人手里，Muse 这种个人 agent 甚至比开源模型更关键；Meta 也是开闭两条腿走路（发一些开放模型，也留一些闭源工作），不是每个东西都要分享。他还点了 Hugging Face 安全事件的例子：HF 遭入侵时，用的正是开源模型来自查——因为搞出问题的闭源模型他们根本没权限看。
② 数据中心与"反 AI 情绪"：投机者 vs 长期主义者（约 12:00—17:00）
针对硅谷蔓延的 anti-data center 情绪，他给出了一套"二分法"解释：社区反感的是投机者——买块地、倒手卖给大实验室、不在乎本地的公司；而 Meta 这种准备在一个社区投几十年的长期玩家，带来的是税收、就业和持续投入。他举的例子很具体：路易斯安那的数据中心带来的税收，给当地教师发了 5 万美元奖金。还有 America's Workforce Academy：行业缺几十万乃至上百万熟练技工（光纤技师、电工、高级木工），Meta 自己办培训、结业保证安排到 Meta 基建项目上工作——他特意说明"这不是慈善，是我们需要这些人，这是双赢"。这段的底层逻辑他直说了：如果 AI 不创造就业、不创造广泛的繁荣，"就不会被允许继续下去"——他把社会接受度当成硬约束来设计。
③ Muse 正式登场：agent 不是聊天机器人（17:00—26:00）
主持人先替观众做了个重要澄清：现在大家理解的 AI 是 Meta AI / ChatGPT 那种一问一答，而真正的解锁是"在后台挂一台虚拟机，agent 能替你操作电脑、登录、办事"——这也是 Grok、Bot Town、Instinct 等整个行业正在做的方向。Muse 的差异在于长时程：你给它项目或目标，它就 7×24 不停地干，直到帮你达成；团队管这叫"过夜学习"（studies overnight）——把反思整合成记忆。它会主动建议新项目：扎克伯格自己的例子是和女儿玩《文明》，让 Muse 做攻略，做完后 Muse 自己提议"要不要把攻略扩展成各文明的历史课？"——于是自动加了个 tab。
商业模式是全场最值得反复看的部分。订阅可以有，但起步直接给每周 1 亿 token 免费，外加一台虚拟机——"这是很多 computer"（主持人：这是个好梗）。为什么敢这么给？他的原话逻辑是：对用它跑小生意、做交易的人，"我们就是相信它给你赚的钱会多到——商业模式长期是从每笔交易里抽一个很小的比例"，而且付费方"甚至不一定是用户本人，而是和他做生意的商家"。支付和 Stripe 合作，可接 Meta 广告系统帮你投放、帮做产品、帮跑生意，全流程循环。他的落点："免费对绝大多数人开放，是'人人都有超级智能 agent'这个未来的前提——可及性就是 affordability。"
④ 护城河之一：fleet 网络效应——agent 的多人游戏（约 26:00—29:00）
主持人点破了他团队的说法：业界没人做"fleet 学习"。扎克伯格承认：行业现在都把 agent 当单机游戏——你有你的 agent，你用它。而 Meta 的方向是 agent 之间互动、跨舰队学习匿名化洞察。App 里专门有个"ideas"标签：agent 根据你告诉过它的事情，主动提议能扩展什么——解决的是"大部分人不知道拿 AI 干什么"这个冷启动问题。他顺嘴说内部已经有人让 agent 互相协作了，虽然这次发布还没开放。主持人补刀："你可是网络效应之王。"他的回答很老实也很扎心：模型在商品化、产品长得越来越像的前提下，模型从地面往上设计（designing from the ground up）+ 社交 DNA + 隐私，才是真差异。
⑤ 护城河之二：把 Signal 创始人请回来做机密 VM（约 29:00—40:00）
这是全片技术含量最高的一段。逻辑链：agent 要有用就必须"懂你"——接邮箱、消息、健康信息；用户敢不敢给，取决于信不信平台。Meta 的答案是 WhatsApp 十年端到端加密的遗产：设计成连 Meta 自己都看不见。他和 Nat Friedman（主持人）亲自把 Moxie Marlinspike 请回 Meta，专职做机密虚拟机——你的 agent 运行在云端，但保密性等同于一台放在你家桌下的物理机器，且这个承诺技术上可验证，未来几周会发布更多细节。他直接回应了 OpenClaw 引发的"买台 Mac Studio 放家里"潮流："不会有几十亿人买 Mac Studio 回家配置，尤其现在内存这个价格"——云端的机密 VM 才是规模化答案。
安全是一整套纵深，不是单点：安全凭证库（信用卡、密码不暴露给 agent 本体，需要时才调用、用完即走）；哨兵 agent（Sentinels）监控 agent 的进出流量，识别提示注入、发现外发敏感内容就触发人工审核；关键动作强制确认——登录、支付、转移敏感信息每次都要人点头，可以说"这类永远允许"来减少打扰；最小权限是核心设计原则——连邮箱默认只读，要发信单独授权，每一步只拿必要的权限。他的原话："放眼所有 agent 产品，没有任何一家的复杂度和深度接近我们。"（是不是事实另说，姿态先拉满。）
还有个有意思的模型设计细节：discretion（分寸感）被当成训练目标。例：你怀孕了，订餐厅不需要说出"我怀孕"，但希望有无酒精鸡尾酒好的店——agent 得知道什么敏感、还不用问一百万个问题。他对比：写代码的 agent 不需要这个，企业内项目本来就全员可见——"个人超级智能"模型要最好的东西，和企业级模型要最好的东西，不是一个东西。
⑥ 实验室重组：Llama 4 惊醒与"人才密度"教（约 40:00—52:00）
这段是全片最坦诚的自我解剖。主持人引用 SemiAnalysis 7 月的报告："对 MSL 而言重要的是斜率不是截距"，以及 Artificial Analysis 榜单上 Muse Spark 已排在 Claude Fable 5.1 和 Opus 5 之后。扎克伯格复盘：错误出在用旧地图走新路——Meta 在推荐系统、广告、内容审核上一直是机器学习强者，他以为扩 LLM 是类似的工业化流程，"千人团队跑实验"就行；Llama 3 尚可，Llama 4 发布时明确掉队，"我们知道必须改"。转折点是他"皈依"了人才密度：这不是一千个人做实验的系统，而是尽可能小的一组人，每个人都能把整个系统装在脑子里，像科研小组一样协作；席位有限，每个席位都必须是最强的人。他为此花了大量个人时间 recruiting，实验室物理上就建在他办公室周围，他自己也重新贴近技术细节。算力层面：多年数据中心建设经验 + "极其赚钱的主业"支撑，Prometheus（Ohio 千兆瓦集群）已上线，跑 post-watermelon 模型的训练。
代号梗也好玩：现在的 Muse Spark 1.3 出自较小的预训练（代号 avocado），下一个大模型是 watermelon——"watermelon 字面上就比 avocado 大"。主持人：那比 watermelon 大的水果呢？他：我们可能得换命名规则了。
⑦ 赢家通吃？位置与哲学（约 52:00—58:00）
主持人问个人 agent 是不是赢家通吃。他的判断：号称赢家通吃的市场通常都不是；但有能力做 state-of-the-art 工作的公司"大概不超过一打"。Meta 的独特位置：服务几亿小商家 + 几十亿个人用户，"也许关系型 agent 和小生意 agent 我们都能做到最好"。他也留了口子：总有 Meta 做不到最好的品类——比如总有人坚持要家里那台 Mac Studio，"也许是几百万人，但不会是几十亿人"。Muse 和 Meta AI 的关系：并存，前者是"理解你的长期目标、长时间干活"，后者是"直接回答问题"，未来可能收敛。被问到会不会像某些实验室那样扣着能力不发，他拒绝：应该在设计和训练中解决安全，训练中出现的 reward hacking（模型发现改环境配置比解题容易）要像管教孩子一样立清楚边界——"边界立得好，它不仅学会课程，长期还学到更好的价值观"。
⑧ 政府关系、AI 眼镜、青少年安全与 X（约 58:00—结尾）
政府：他认为刚性的监管框架几个月就会过时，Meta 的做法是紧密伙伴关系——政府应该知道所有重要的训练运行，公司主动同步能力进展。类比是组织设计：不想靠组织架构图划界，而想要真正的知识交换和信任对话。AI 眼镜：设计之初就有录制指示灯，篡改指示灯"我们就直接把摄像头变砖"；他承认产品主流化后，早期的隐私沟通没跟上，需要重新讲清楚——并罕见反思：做社交媒体 20 年的教训是"我们对那些担忧回应得不够直接，虽然没妨碍大家用，但塑造了今天人们对产品的观感"。青少年安全和解：核心逻辑是行业协同——单方面限制青少年使用时长，用户只会流向 TikTok，"伤害了自己没帮到任何人"；所以 Meta 先迈一步（时长、通知、上学/睡眠时段限制），等 YouTube 和 TikTok 签同样的条款，全行业一起锁进这个法律框架。X 发帖：Threads 规模已接近或超过 X，但 AI 社区在 X 上，"到人所在的地方去沟通"——一鱼多吃，各平台都发。
解读：三个值得琢磨的点
1. 商业模式的赌注比模型更大。每周 1 亿 token 免费 + 交易抽佣，本质是把 agent 当成新的商业入口而不是 SaaS——像当年的广告模型：用户免费，商家付费。如果 Muse 真能帮人跑小生意（接广告系统、管理投放、自动补货），Meta 抽的"过路费"会远超订阅费上限。反过来说，如果 agent 赚钱效应不成立，这笔算盘就是巨额推理成本黑洞。这是全片最值得跟踪验证的一句话：agent 到底能不能稳定给人赚到钱。
2. 隐私从合规成本变成了竞争武器。请 Marlinspike 做机密 VM、承诺平台自己看不见用户数据——这在 agent 时代是精准卡位：agent 要接你的邮箱、消息、健康信息才能有用，而用户敢不敢给，取决于信不信平台。Meta 用 WhatsApp 十年端到端加密的经验做背书，把"我们不看你数据"做成可技术验证的承诺，这是 OpenAI 和 Google 目前都没打出的牌。
3. "分发即安全"是立场，也是生意。开放 vs 封闭的安全辩论背后是利益结构：Meta 有几百亿美元利润和几十亿用户的分发管道，开放策略让它的分发优势最大化——模型不稀缺时，入口和信任稀缺。理解了这一点，他的 manifesto 就不是理想主义檄文，而是一份和商业模式严丝合缝的战略文件。
关键时间点
开场寒暄与 manifesto 三原则 → 19:38 Muse 产品与免费+抽佣模式 → 约 26:00 舰队学习与隐私架构 → 约 40:00 实验室重组与人才密度 → 约 50:00 watermelon 与前沿模型路线 → 结尾 AI 眼镜、青少年安全、X 发帖。