Meta（META-US）首席执行官祖克柏（Mark Zuckerberg）3年前曾在Joe Rogan节目中谈到，未来人们戴上智能眼镜后，人工智能代理（AI Agent）也将随之出现。如今，这项构想正逐步落地。

Meta推出的个人AI代理「Muse」上线仅2周，用户数已达数百万。祖克柏在25日接受访谈时表示，这种产品每隔几年才会出现一次，并形容Muse初期表现是「一出手就是全垒打」，在Meta历来产品中相当少见。

祖克柏同时宣布，Muse将集成至Meta全系列Ray-Ban智能眼镜。未来用户不必再说「嘿Meta」才能启动AI，而是可以自行设置唤醒词，直接调用个人AI代理。

分析指出，这也代表Meta过去分别投入的元宇宙、智能眼镜与大型语言模型，如今正逐渐在产品层面集成，AI代理成为串联不同业务的内核。

Muse 从模型延伸至完整 AI代理

祖克柏透露，Muse最初是他与团队成员Nat、Alex利用开源工具，在家中自行拼凑出的早期版本。

团队很快发现，这种交互方式具有吸引力，因此开始思考如何让一般用户也能直接使用，而不必自行购买Mac Mini或通过终端机操作。

Meta后续的开发方向，也不只是训练AI模型，而是从模型、代理运作架构到「心跳」机制都自行打造。代理能够定期自动启动，检查用户设置的目标，并主动推进尚未完成的工作。

Muse正式推出后，短短2周便累积数百万用户，初期反应也符合Meta团队的预期。

祖克柏认为，目前个人AI与通用AI的竞争重点之一，是让模型具备更完整的代理能力。他指出，过去一年最重要的发展之一就是编程代理，因为即使用户不直接写程序，Muse仍可在背景运行相关工作。

不过，他也认为个人代理不能只会写程序或完成任务，还必须理解隐私界线与社交情境。

例如，用户要求Muse预订餐厅时，AI可能知道用户有过敏或怀孕等信息，但这并不代表它应该自动向餐厅透露。理想情况是代理完成任务，同时将不必要的信息揭露降到最低。

Meta因此选择自行训练完整模型，而不是采用其他公司的模型，再在外部加上代理框架。Muse目前也集成记忆、任务追踪、虚拟角色动画与即时语音交互等功能。

在个人化方面，祖克柏表示，Meta并不认为AI应该只有单一人格。Muse允许用户调整头像、声音与基本性格，让用户自行决定希望与AI如何交互。

每名代理配置独立安全虚拟机

Meta为Muse设计的另一项内核基础，是替每个代理配置独立的安全虚拟机（Secure VM）。

祖克柏表示，个人代理将掌握大量用户敏感信息，因此Meta不希望这些数据与所有用户的信息混在同一个数据池。他将安全虚拟机比喻为放在用户桌下、专属于用户的一台电脑。

相关数据会以加密方式保存，密码等敏感凭证则通过独立安全模块管理，代理本身无法直接读取。

此外，Meta还创建名为「Sentinel」的安全代理，负责监控Muse数据的进出。一旦发现异常或高风险操作，系统便会拦截，并要求用户进一步授权。

Muse 进军 Ray-Ban 智能眼镜

Muse接下来的发展重点之一，是全面集成Ray-Ban智能眼镜。

祖克柏表示，目前智能眼镜主要采取单轮对话模式，用户说出问题后获得回答，交互便告一段落；Muse加入后，眼镜将成为AI代理的入口，用户发出指令后，Muse可在后端安全虚拟机持续运行工作，再将结果回传。

Meta目前也逐步创建不同层级的智能眼镜产品，包括没有摄影机、以音频功能为主的眼镜；配备小型显示器的Meta Ray-Ban；以及具备全视场角的全息AR原型。

祖克柏表示，Meta长期投入智能眼镜，让公司在AI代理逐渐成熟后拥有相应的产品基础。过去较着重沉浸式体验的元宇宙技术仍持续推进，但目前更多资源正转向Muse与智能眼镜上的AI功能。

在虚拟化身方面，Meta过去需要通过房间级设备、多角度扫描与企业级GPU环境，才能打造高品质写实化身；如今用户只需提供少量照片，就能完成相关设置，且这项功能已可在VR眼镜上运作。

祖克柏展望2030年表示，元宇宙的内核愿景仍是链接实体与数字世界。未来人们可能与通过全息影像参与活动的朋友共同交互，在工作环境中，人类也能与多个AI代理共同参与群组对话或会议。

Llama 4 失误成 Meta AI 发展转折

不过，Meta的AI布局并非一路顺利。祖克柏在访谈中坦言，Llama 4的表现不如预期，是他认为「最可怕的时刻」。

他表示，当时原本认为团队正沿着正确方向前进，但结果却出现重大偏差。

祖克柏将其中一项问题归因于团队组织方式。他过去曾以Instagram推荐系统或广告系统的模式组建团队，让数百甚至上千名人员并行工作；但大型语言模型训练需要的是规模较小、彼此高度协作的团队，并将整个模型开发视为集体科学研究。

在Llama 4之后，Meta进行团队重组，并从业界引进人才，成立Meta超级智能实验室（Meta Super Intelligence Lab，MSL）。

祖克柏亦透露，新一代模型即将推出，但不会在Connect大会上公开。

5 吉瓦算力集群布局 祖克柏押注规模化训练

谈到通用人工智能（AGI）的发展路径，祖克柏认为，目前未必需要出现根本性的架构突破。他表示，如果能打造规模足够庞大的超级电脑集群，或许可以通过增加算力来推进AGI。

Meta目前正在扩大AI训练基础设施。俄亥俄州超过1吉瓦的算力集群已基本投入使用，用于训练下一代模型；路易斯安那州则正在兴建5吉瓦级集群。

祖克柏表示，当训练规模扩大至多吉瓦等级后，可能就能取得接近AGI甚至超级智能的系统。

但他也指出，依靠算力扩张并不代表架构研究失去重要性。人脑运作所需功率约10瓦，而现有AI系统的能源效率仍低得多；若能同时结合大规模算力与架构上的突破，才可能取得更大的进展。

AI 对齐成 Muse 能否普及的关键

对于AI安全与对齐问题，祖克柏认为，这不只是监管层面的要求，更是AI产品能否真正被使用的基本条件。

如果用户要求Muse完成一项工作，但AI最终运行的方向完全相反，用户自然不会继续使用。因此，AI除了理解具体指令，也必须掌握用户真正的意图与价值观。

祖克柏表示，如果Meta希望Muse最终触及10亿名用户，就必须在AI对齐问题上取得重大进展。

他并以父母教育孩子作为比喻：如果AI为了完成一道编程题，选择修改系统设置等方式走捷径，应该让AI理解这并非真正的解题方式，而是规避问题本身。