9 月上线，10 月用户破千万，Meta 的 Muse 仅用 40 天就成了美国 App Store 的常驻冠军——而它最多人干的事，不是聊天，是替用户下单买东西。
[[@reaction:assigned-order|caption=被安排了]]
一、Muse 是什么：Meta 押注的「代理型 AI」长什么样
从聊天到代办：Muse 的核心能力清单
传统 AI 助手是「你问它答」——你问「这家餐厅怎么样」，它给你一段点评汇总。Muse 的设定完全不同：它会自己去订位、去比价、去填表单、去发邮件协商账单。
Meta 公开的能力清单包括预订差旅、协商降低账单、填写表格、把食谱视频变成购物清单，以及通过带购买保护的 Stripe Link 完成付款；涉及发邮件、花钱这类敏感操作时，它会先停下来等用户确认。
这背后是一套完整的 Agent 框架：理解个人目标、全天候代表用户工作、自主完成交易。它不是「给你一个答案」，而是「替你走完流程」。
为什么购物成为最大场景，而不是问答
购物逻辑上是最适合 Agent 的场景——任务明确、有明确终点、用户愿意为「省事」买单。问答场景则长期被 ChatGPT 等传统模型占据，且边际价值递减。
更准确地说，购物任务的结构天然适合 Agent：用户给出模糊目标（「找一只破损花瓶的替换款」），Agent 需要拆解为搜索、比价、查评价、下单四个子步骤，每一步都要调用外部工具。这恰恰是 Agent 的核心能力。
德意志银行分析师 Benjamin Black 在研报中指出，Muse 融合了基于移动应用的生态系统、以消费者为导向且使用流畅的用户界面、自主完成交易的能力、大部分功能免费使用，以及在其自有虚拟机内始终在线的特性——这使得该服务在当今市场上几乎独一无二。
Muse 的系统架构示意
mermaid
Muse 代理工作流程
这一设计直接决定了为什么购物会自然成为最大场景。ChatGPT 回答得再好，用户还是要自己去点开链接、比价、填地址。Muse 把这些全部接进来，用户只需要说一句「帮我找个合适的」。
这个数字发布后的第一个反应是股价：Meta 盘后一度涨 5%。华尔街的逻辑很直接——1000 万用户里四分之一已经付费，客单价 200 美元意味着这些用户不只是「用了」，而是「真的让 AI 动了他们的钱包」。从广告主的角度看，这是第一条可量化的新转化路径。
二、1000 万用户背后的真实数据
美股盘后涨 5%：华尔街怎么看待这个数字
扎克伯格在财报电话会上说的原话是「增长势头依然强劲」——这是分析师最想听到的词。问题是，市场到底在为哪个数字买单？
三个关键数据点：
第一，1000 万美国用户是硬指标，Sensor Tower 确认 Muse 是史上前 40 天美国下载量破千万的 12 款应用之一。
第二，购物转化率 25% 是核心变量。ChatGPT 用户也购物，但大多数人用完就走。Muse 的 25% 购买率意味着产品架构本身就是为交易设计的，不是聊天之后顺便带出来的功能。
第三，客单价 200 美元+说明用户信任度在快速建立。AI 帮人买咖啡可能客单价 5 美元，但代订机票酒店、比价下单电子产品才能达到这个数字。这背后是权限授予和支付接口的打通。
市场反应不是为增长本身，而是为增长的性质——它证明了一个代理型 AI 可以在消费场景里跑通闭环。
德银 2030 年预测：收入或超 360 亿美元
德银分析师 Benjamin Black 给出了一组具体数字：到 2030 年，Muse 年收入可能超过 360 亿美元，占 Meta 总收入的 8%。这个数字的来源有三个假设：
首先是智能体可寻址消费市场（TAM）的上限。德银估算美国 Agentic AI 消费市场规模在 2.6 万亿至 5.5 万亿美元之间。360 亿美元对应的是约 8% 的渗透率——对一个刚上线一个月的产品来说，这个假设既不保守也不激进。
其次是收入模型的重构。德银明确指出，Muse 的长期变现重点不是订阅费，而是交易佣金、支付手续费和广告。Free 档每周 1 亿 token 的额度足够让大多数用户留下来，付费档每月 20 美元在 iOS 上是门槛，但真正赚钱的是每笔交易的抽成。
最后是可扩展性。Black 的原话是：「Muse 融合了基于移动应用的生态系统、以消费者为导向且使用流畅的用户界面、自主完成交易的能力、大部分功能免费使用，以及在其自有虚拟机内始终在线的特性。」这五点合在一起，就是他认为市场上「几乎独一无二」的地方。
更狠的是，按这个增速，每年新增收入可能相当于一个中型科技公司的整体营收。
Muse 与 ChatGPT 下载量的公平比较
公开数据里有一个常被拿来做对比的数字：ChatGPT 前 40 天全球下载量约 1500 万次，比 Muse 的美国 1000 万多 50%。
但这个比较本身有问题。
ChatGPT 的 1500 万是覆盖日本、巴西、德国等 50 多个国家的全球数据，其中日本市场就占了前 40 天下载量的 25%。Muse 只有美国+加拿大两个国家，且语言和文化单一。把一个全球产品和北美本地产品做总量对比，结论没有意义。
真正有效的对比是下载质量和留存。数据显示 ChatGPT 在过去 30 天的美国下载量较前 30 天下滑了 25%，而 Muse 在 40 天后仍在霸榜。这暗示两者的用户行为模式不同：ChatGPT 的热度更多来自好奇和尝鲜，Muse 的用户在找到购物这个高频场景后形成了持续使用习惯。
还有一个细节值得注意：ChatGPT 的下载高峰发生在 2022 年 11 月发布后的第一个月，那是 generative AI 的「惊奇时刻」。Muse 出现在 2026 年 9 月，市场对 AI 产品的预期完全不同。能在预期回归理性的环境下拿到同样的绝对增速，反而说明产品本身有更强的驱动力。
Agent 运行时过载
mermaid
Muse 商业价值传递链路
这个链路说明一个问题：华尔街不是在为一个 1000 万 DAU 的产品定价，而是在为一个「从聊天入口到交易闭环」的基础设施定价。如果这个链路成立，360 亿美元不是梦想，是起点。
三、产品逻辑：Meta 做 AI 智能体的差异化打法
Muse 正式上线不到一个季度就已经积累了 1000 万美国用户，其中超过四分之一的用户在 Muse 上产生了购买行为，平均每笔订单金额在 200 美元以上。这说明一个问题：AI 产品的下一个增长方向不是回答更多问题，而是帮用户完成更多事情。
自由运行的云端 agent vs 每次唤醒的聊天机器人
大多数人的第一印象是「又一个聊天机器人」。但 Muse 的产品逻辑和 ChatGPT 之间存在几个关键区别，最值得注意的不在模型本身，而在架构层面。
AI 替人跑腿的日常
title: 两种 AI 模式的本质差异
flowchart LR
subgraph ChatGPT 模式
OnDemand[「每次提问时唤醒」]
Stateless[「无持续状态」]
Response[「回复文本即可」]
end
AlwaysOn[「持续运行于 Secure VM」]
Stateful[「维护任务状态」]
Action[「执行操作并返回结果」]
sequenceDiagram
participant User as 用户
User->>Muse: 提出电话代办请求
Muse->>Human: 派发任务（含对话上下文）
Human->>Merchant: 代为拨打电话
Merchant-->>Human: 商家回复（口音/追问）
Muse-->>User: 推送确认和完整记录
这个设计解决了一个实际存在的难题：许多传统商家的电话客服系统并不适配 AI 语音交互——可能存在口音、流程不标准、临时追问等情况，纯 AI 电话很容易陷入僵局。人工介入可以覆盖这些边界情况，同时降低商家的抵触情绪。
不过，这个方案也有它的取舍。人工介入增加了运营成本，也引入了隐私和数据安全的新风险——用户的请求内容会经过第三方人工代表之手。Meta 的回应是「在完成适当披露后才会向更多用户推出」，说明他们在产品化和隐私之间仍在找平衡点。 坦白讲，人工管家电话功能透露出一个关键信号：Meta 并不认为 AI agent 能完全取代真人服务，至少在短期内不会。更现实的路线是「AI 处理大部分，人工兜底关键节点」——这是一个更务实、也更可持续的产品策略。
Meta 的 AI agent 思路，不是做一个更聪明的聊天机器人，而是做一个能持续运行、能调用外部资源、能在必要时请真人帮忙的「全天候个人助理」。
下一步要看的，是这个产品能不能把用户留在 Meta 的生态里——毕竟，AI agent 的真正价值，不在于它有多聪明，而在于它能把多少人变成 Meta 的日活。
产品逻辑清楚了，但商业路在何方？
Inputs["输入层\n（语音/文字/图片）"] --> Parser["意图解析\n（Natural Language Understanding）"]
Parser --> Planner["任务规划\n（Sub-task Decomposition）"]
Planner --> Executor["执行引擎\n（Secure VM 内运行）"]
Executor --> Connectors["连接器层
Gmail / Spotify / OpenTable / Stripe / ..."]
Connectors --> HumanFallback["人工管家\n（复杂/高敏场景兜底）"]
Verification --> Output["用户反馈\n（摘要 + 文字记录）"]
四、商业路径：免费 + 订阅之外的变现想象
交易佣金、支付抽成、广告——三种可能的收入来源
德意志银行在研报里给了一个清晰的三阶段判断。短期靠订阅，中期靠交易抽成，长期靠广告和数据。
订阅是最先能看到的数据线。Muse 目前对大多数用户免费，每周提供约 1 亿 token 的用量额度。重度用户则有两档订阅可选，iOS 端每月 20 美元和 100 美元，网页端分别是 16 美元和 80 美元，对应每周 5 亿和 30 亿 token。Meta 内部预计，大部分用户会留在免费档。这个数字不算意外——免费是入口，付费是筛选。
更值得盯的是第二根线。Muse 完成一笔购买，走的是 Stripe Link 支付通道，Meta 理论上可以在这里抽成。德银分析师 Benjamin Black 估算，到 2030 年 Muse 年收入最高可达 360 亿美元，占 Meta 届时总收入的约 8%。这个数字的前提是交易佣金成为主力收入，而非订阅费。
真正的收入模型还没完全铺开
第三条线是广告。Muse 的购物决策链路天然适合种草内容植入——你让 Muse 找一款破损花瓶的替换款，它推荐的商品页面里带一条原生广告，转化率比普通 feed 流更高，因为用户已经有明确购买意图。
但 Meta 目前最谨慎的不是收钱，而是放量。扎克伯格在财报会上多次强调，Muse 仍处于早期阶段，重点是提升能力、扩大覆盖，而非立刻变现。
企业端机会：智能体对智能体交易的前瞻布局
摩根大通在研报里点出了一个很多人没注意到的方向。Muse 长期最重要的商业机会，不一定来自消费者端，而是来自企业端——智能体对智能体的交易。
想象一个场景：你的 Muse 去商家商家的客服系统下单、比价、预约，全程两个 agent 对话，不需要人工介入。这是真正的增量市场，因为它绕过了传统的用户获取成本，直接进入企业对企业的基础设施层。
Meta 已经在试探这个方向。财报会上提到，Manus 的收购被扎克伯格特别点名，作为「企业工具订阅/集成」的案例。目标是把企业常用工具整合进广告与商务管理平台，提升对中小企业的「一体化交付能力」。这意味着 Meta 正试图把自己从流量平台，推向企业增长操作系统。
企业工具订阅的入口，才是更大的赌注
订阅档位设计：为什么大部分用户会留在免费档
免费档的设计本身就是一种筛选。每周 1 亿 token，对轻度用户足够——日常查邮件、订餐厅、搜商品信息，消耗有限。但对重度用户，这个额度会很快触顶。
关键在于，Meta 没有把付费墙设在功能上，而是设在用量上。你不能用免费版做复杂推理，但你可以用它做日常辅助。这个策略和 ChatGPT Free 的逻辑一致，但 Muse 的场景更重执行，轻咨询，所以免费用户的黏性反而可能更高。
更准确地说，免费用户是产品的活广告。他们用 Muse 完成一次购物、订一次旅行，然后告诉朋友——这种口碑传播比任何营销都便宜。
五、争议与挑战：推理成本与规模化瓶颈
高昂的推理成本仍是拦路虎
Muse 能跑起来，依赖两个前提：足够的算力储备，和足够低的推理成本。前者 Meta 有，后者还在优化。
财报会上披露了一个关键数字：Meta 预计 2026 年的亏损将收窄至约 150 亿美元，原因是投资重新分配到其他优先领域，主要是 AI。扎克伯格的原话是「我们将投资重新分配到其他优先领域」。
这背后的意思是，AI 基础设施的投入高峰期还没过去，但效率改善会在明年显现。Meta 内部的说法是，明年推理成本有望降低一个数量级。
算力投入是重资产游戏，不是一句话的事
mermaid
Muse 推理成本与变现周期的关系
成本问题不只是技术问题，更是产品节奏问题。如果推理成本降不下来，免费额度就必须收紧，用户增长就会受阻。这是一个需要同时解决的死结。
隐私风险：人工管家介入后的数据边界在哪
这是目前最容易被低估的风险。
据 TradingKey 报道，Meta 正在测试「人工管家」功能——Muse 会把部分请求转交给受过培训的人工代理，由他们拨打电话，代表用户处理具体事项，比如预约理发、确认门店库存、向承包商询价等。通话结束后，Muse 会在应用内提供通话摘要和文字记录。
截至发稿，这项功能已向约一半 Meta 员工开放测试，不愿参与的员工可以加入退出群组。Meta 发言人说，公司正在与商家合作改进这一功能，只有在产品准备就绪并完成适当披露后，才会向更多用户推出。
但这个设计本身就带来了隐私边界问题。当一个人工代理介入你的私人事务，他能看到什么、能说什么、能承诺什么，需要一个明确的制度框架。不是技术问题，是治理问题。
扎克伯格的下一局：从消费者入口到企业操作系统
Muse 只是第一步。扎克伯格在财报会上多次提到一个更长远的愿景：让 AI 代表用户在全网工作——发邮件、下单、订机票、协商账单、管理日程。
更具体地说，Meta 正在做的两件事：一是把 Muse 嵌入 WhatsApp、Instagram、Facebook，利用现有分发网络触达数十亿用户；二是通过 Connector 开放平台，让开发者为尚未支持的服务创建自定义连接器，扩展能力边界。
德银的判断很直接：「Meta 在当前的 AI 智能体产品中发现了一个明显的空白领域——它融合了基于移动应用的生态系统、以消费者为导向且使用流畅的用户界面、自主完成交易的能力、大部分功能免费使用，以及在其自有虚拟机内始终在线的特性——这使得该服务在当今市场上几乎独一无二。」
但空白领域不等于安全区。OpenAI 的 ChatGPT 虽然下载量更高，但覆盖范围更广；Anthropic 的 Claude 在推理质量上口碑更好；Google 的 Gemini 绑定 Android 生态。Muse 的优势在于「始终在线 + 自由运行 + 交易闭环」，但这个优势需要时间验证。
更狠的是，每年能省下一个亿——这是扎克伯格对投资者画的饼，也是他对成本控制的承诺。兑现与否，取决于明年的推理成本下降幅度。
对开发者而言，Muse 的 Connector 开放是一个明确的信号：Meta 想把智能体生态做重，而不只是一个 App。谁能接入最多服务、谁能让用户少点一步，谁就掌握入口。
对普通用户而言，Muse 的意义是第一次让 AI 从「回答问题的人」变成「替你干活的人」。你不用学新工具，不用改习惯，只是以前要自己做的事，现在说一声就行。
取舍很清楚：如果你需要一个人替你跑流程、填表单、下单比价，Muse 是目前最接近可用的选择。如果你只需要问答和创作，ChatGPT 和 Claude 仍然更专注。两条路没有高下，只有场景不同。
参考文献
- Meta 财报电话会披露 Muse 用户超 1000 万
- 德银：Muse 打开 AI 消费入口，2030 年收入最高或超 360 亿美元
- 摩根大通：Muse 拓展 Meta AI 商业化路径，瞄准万亿级智能体市场
- Meta 据报测试人工管家接管 Muse 电话
如果浏览器无法直接唤起微信，可在微信内打开公众号主页：计算机魔术师
