Muse Wonder

Meta 的 AI 计划如今是一场以1000亿美元为计量单位的基础设施豪赌。 Zuckerberg 说，在看到模型之前，他就曾考虑开出“1000亿美元、2000亿美元”的支票；他估算，运营1 GW 集群每年约需150亿美元，前期投入约500亿至600亿美元。下行风险部分得到对冲：如果 Meta 的模型失败但 AI 成功，算力仍可在市场上出售；如果 AI 整体令人失望，Meta 仍可将其部署到内部业务。

Muse Wonder 让 Meta 重新回到前沿，重点是优化个人和专业智能体，而不是追求通用基准第一。 Meta 称，Wonder 在其智能体评测、DeepSWE 和 SWE-Marathon 上均达到业界最先进水平，Terminal-Bench 4 表现也很强；其差异化能力包括“主动记忆”、长时程“主动专注”、领域专业知识和判断力。由于服务成本较高，Wonder 初期将放在付费 Muse 订阅之后；Wonder Full 则面向更高端的 Muse Code 用户。

其战略产品判断是“模型就是产品”，这让表面相似的智能体在底层出现实质差异。 个性、主动性、工具行为、记忆、可靠性和判断力都被训练进模型，而不是作为传统界面功能暴露出来。这也解释了 Muse 为什么没有模型选择器和工作量选择器：Wang 认为，普通消费者无法驾驭那些“数字越往后反而越小”的产品线。

多模态，而不只是编码，是 Meta 切入消费级超级智能的突破口。 Zuckerberg 的 Muse 会观看 MMA 录像，搭建自己的视频处理流水线，并在每个60秒回合间歇给出训练建议；Wang 的智能体 Oiler 则会自主寻找冷门茶叶。Zuckerberg 更大的判断是，“每个人实际上都会写大量代码”，但大多数用户永远不会知道，自己的请求背后生成了代码。

智能体商业可能创造新增需求，而不只是转移需求或提升转化率。 Muse 开始为 Zuckerberg 的女儿规划烘焙活动、订购食材后，他从几乎不用 Instacart，变成每周下单一两次；这让他开始追问：这个账户究竟属于他，还是属于 Muse。Wang 的框架是，智能体今天先消除调研和结账摩擦，随后再利用跨领域的个人上下文，给出割裂的电商系统无法提供的推荐。

Meta 认为，能够构建前沿超级智能的公司最终只会有极少数，而这些公司将制定产品议程。 Zuckerberg 说，Meta“不是一家应用公司”；如果不掌握模型、基础设施以及最后一公里的设备体验，Meta 就无法继续成为一家有发明能力的科技公司。它选择的方向是个人化、消费级智能，并将“发明和创造，而不是自动化”视为最高价值的终点。

MSL 的翻身依赖于一个异常精简、技术密度极高、并得到全公司支持的组织。 在判断 Llama 4 的路线不够理想后，Zuckerberg 清空了大量日程，招募外部负责人，并围绕约100名研究员重建团队；即使按更宽口径计算，也不到200人。其运作原则是“没有非技术管理者”：研究员获得异常高的人均算力，而 Zuckerberg 负责协调基础设施及全公司的支持。

Meta 预计通过订阅、商业、API、企业分发以及现有业务的增长来为这场建设提供资金。 Zuckerberg 希望建立强大的免费 Spark 层，以最大化网络效应，之后通过 Wonder 的付费使用，以及未来从 Muse 为用户节省或赚取的钱中抽取一小部分来变现；他还提出面向小企业的“开箱即用的企业”，以及新的 Meta Enterprise Platform。即使 Meta 当前数千亿美元规模的业务增速只提升几个百分点，也足以支撑大规模 AI 投资：“答案最好是肯定的。答案就是肯定的。”