影片筆記：扎克伯格瘋了！砸1,450億毀滅所有APP？Meta Muse AI 正式接管你的銀行卡！

<!-- VIDEONOTE_PUBLICATION_WARNINGS_BEGIN -->

⚠️ 全文快速校讀發現待確認修正

本筆記已完成可閱讀的逐字稿與時間跳轉；下列為待處理問題，建議播放原片確認。

• 待修正：⚠️ 全文快速校讀：已套用暫定修正，請確認（segment=291 已先套用暫定修正：Muse背后的模型路线 → muse背后的模型路线；segment=36 待確認：「降低账单」語意不通，可能為「下單」或「處理訂單」之誤。；暫定：它一旦帮用户预定机票和降低账单）
• 待修正：逐字稿可先使用，但有待校正清單（segment=36 rapid_semantic_review: 上下文提到「交易環節」、「佣金」，且後文有「卖掉汽车」，推測為交易動作。；segment=50 rapid_semantic_review: Meta Muse定價方案未公開詳細名稱，此處可能為識別錯誤。）

<!-- VIDEONOTE_PUBLICATION_WARNINGS_END -->

一句話總結

Meta 推出名為 Muse 的「個人代理」產品，旨在從單純的聊天機器人轉變為能執行複雜任務（如預訂、購買、填寫表格）的全天候行動者；這背後是 Meta 高達 1,450 億美元的資本開支戰略，試圖通過交易抽成取代傳統廣告模式，並透過技術架構（如機密虛擬機）與安全監控來解決隱私與信任危機，但成敗仍取決於任務可靠性與用戶信任。

核心重點

1. 產品定義轉變：Muse 不再是僅回答問題的聊天機器人，而是能「接管任務」的個人代理，具備登錄網站、填寫表格、預訂行程、購買商品等執行能力，甚至能在用戶睡眠時繼續工作。
2. 商業模式重構：Meta 正從廣告收入轉向「交易抽成」模式。通過代理促成的交易（如機票、汽車銷售、小生意經營）獲取佣金，並提供免費額度培養用戶習慣，期望代理賺取或節省的金額能覆蓋高昂的計算成本。
3. 技術架構與隱私：

• 每位用戶獲得一台隔離的 Linux 雲端虛擬機（長期駐留），包含瀏覽器、存儲與處理器。
• 引入 Sentinel 代理進行安全監控，核心代理不直接接觸真實密碼，認證令牌隔離存放。
• 即將推出「機密虛擬機」（Confidential VM），實現端到端加密，聲稱連 Meta 自身也無法讀取內容。

1. 戰略與成本：2026 年預計資本開支達 1,300 億至 1,450 億美元，包括收購 Scale AI 大額股權、成立「超級智能實驗室」及建設兆瓦級數據中心。
2. 風險與挑戰：長鏈任務的錯誤累積率、數據中心對當地資源（電力、水）的影響、隱私爭議後的信任重建，以及責任歸屬（代理失誤由誰承擔）仍是未解難題。

詳細大綱

I. Muse 產品定義與核心功能

• 從回答到行動：Muse 的核心區別在於直接接管任務並執行操作。
• 具體能力：
• 自動登錄網站並填寫表格。
• 發送郵件、預訂行程、購買商品。
• 全天候運行，甚至在用戶睡眠時繼續工作。
• 扎克伯格的願景：讓每個人擁有一個能理解長期目標、主動提出下一步並代表用戶行動的個人代理。

II. 戰略重建與資本開支

• 高昂成本投入：
• 2026 年 Meta 預計資本開支達 1,300 億至 1,450 億美元。
• 以 143 億美元購買 Scale AI 大額股權。
• 引入 Scale AI 創始人亞歷山大·王進入 Meta 超級智能實驗室。
• 扎克伯格親自招募，強調「人才密度」，將新團隊安排在辦公室周圍。
• 建設多吉瓦數據中心（Megawatt-scale data centers）並接入自研芯片。
• 商業邏輯轉變：
• 從信息流廣告轉向更靠近交易的環節。
• 通過代理預訂機票、降低賬單、銷售汽車或經營小生意，從交易服務商處抽取佣金。
• 扎克伯格相信代理賺取或節省的金額將覆蓋計算成本。

III. Muse 的技術架構與安全機制

• 定價與方案：
• 初始方案：每週約 1 億個 TOKEN，附帶雲端虛擬電腦。
• 付費方案：每月 20 美元的 Power 方案，每月 100 美元的 Maximum 方案。
• 預計大部分人停留在免費層，回報主要來自代理促成的交易。
• 支付與隱私保護：
• 接入 Stripe 的 Link 結賬流程。
• 使用一次性卡號隱藏真實銀行卡信息。
• 虛擬機架構：
• 每名用戶獲得一台隔離的 Linux 雲電腦（長期駐留）。
• 包含瀏覽器、存儲、處理器與內存。
• 代理可編譯代碼、創建工具、啟動子代理、安排定時任務。
• 用戶關閉應用後，電腦仍運行，整理信息進入記憶，目標變化時匯報。
• 安全監控 (Sentinel)：
• 核心代理看不到真實密碼和支付信息。
• 認證令牌放在虛擬機內的隔離容器中。
• 連接郵箱時默認只讀，需明確允許才可發送。
• 獨立的 Sentinel 代理決定放行、拒絕或詢問用戶。
• 所有網絡請求經過檢查（域名、IP、端口、協議、內容）。
• 運行不受信任內容的區域與憑證存儲、長期數據庫分開。
• 漏洞獎勵計劃：
• 有效報告最高獎勵 30 萬美元。
• 通過提示詞注入影響單名用戶的漏洞最高獎勵 13 萬美元。
• 機密虛擬機 (Confidential VM)：
• 承諾稍後推出，整台虛擬機內容和對話用只有用戶持有的密鑰加密。
• 聲稱連 Meta 也無法讀取（需技術驗證）。
• 當前系統仍會將有限數據送出用於模型推理和遙測。
• Signal 創始人莫克西·馬林斯派克參與項目。

IV. 應用場景與用戶體驗

• 家庭案例：
• 為 3 歲女兒安排每週烘焙項目，自動挑選配方並備齊材料。
• 根據反饋降低下次難度。
• 盯住登山許可開放時間並申請。
• 綜合格鬥訓練房攝像頭分析動作並給出建議。
• 主動建議與群體學習：
• Muse 主動提出項目（如製作文明遊戲攻略並擴展歷史知識）。
• 建議參考整個 Muse 代理群體中經過匿名處理的有效做法。
• 形成使用網絡帶來的復利。
• 責任歸屬問題：
• 代理誤解條件造成損失時，用戶、Meta 和服務商如何分擔責任。
• Stripe 提供購買保護（遺失、損壞、降價保護、免費退貨），但無法覆蓋代理發錯商業郵件或執行錯誤經營決策的損失。

V. 商業模式與生態競爭

• Meta 的優勢：
• 擁有龐大的廣告現金流（2025 年收入約 2,010 億美元）。
• 服務數十億用戶，連接數以億計的小企業。
• 通過 WhatsApp、Instagram、Facebook 連接興趣與商家。
• 智能眼鏡爭奪下一代硬件入口。
• 開放與封閉的雙軌策略：
• 維持強大的開放模型生態（LLAMA），讓研究者檢查系統。
• 不開放所有先進成果，Muse Bark 通過 Meta 自有服務和 API 運行。
• 開放模型擴大生態，封閉產品形成收入。
• 智能眼鏡與現實世界：
• Muse 計劃進入 Meta 智能眼鏡，獲得第一視角。
• 記住用戶剛看過的商品、識別海報、轉成日程或購買任務。
• 旁人的知情權和被記錄風險升高。
• 與 Meta AI 的關係：
• Meta AI 描述為快速問答工具。
• Muse 重視長期理解與持續執行。
• 若融合，將聊天記憶和行動放進同一賬戶體系，增加數據集中程度。

VI. 風險、挑戰與未來檢驗

• 隱私與信任危機：
• Meta 曾因隱私和青少年安全遭到批評（劍橋分析、FTC 罰款 50 億美元）。
• 發布前同意用最高 180 億美元解決美國多州訴訟。
• 扎克伯格試圖將隱私爭議轉化為差異化賣點（端到端加密經驗）。
• 可靠性與成本：
• 長鏈任務放大小錯誤，成功率問題（每 10 步 95% 成功，全任務正確概率約 6 成）。
• 遇到網頁變化、登錄失敗、庫存不足等問題。
• 安全與自主之間沒有免費的答案，頻繁確認會降低便利性。
• 本地社區影響：
• 數據中心需要大量電力、土地、冷却設施和熟練工人。
• Meta 強調長期經營創造稅收和就業，但居民對電價和水資源負擔有擔憂。
• 最終檢驗標準：

1. Muse 能否穩定完成足夠長的任務，讓普通人真正省下時間和金錢？
2. Meta 能否證明用戶數據與廣告利益之間存在可信的技術隔離？
3. 交易抽成能否在維持大規模免費使用的同時覆蓋高昂算力？

• 結論：
• Muse 是一場豪賭，將 Meta 所有優勢與歷史負債同時放大。
• 真正決定勝負的不是模型能力，而是用戶敢不敢把鑰匙交給代理。
• 最稀缺的資源只剩信任。

工具 / 模型 / 名詞整理

• 產品/服務名稱：
• Muse：Meta 推出的個人代理產品。
• Meta AI：快速問答工具。
• Muse Spark 1.3：強調長程任務的新模型。
• Muse Bark：通過 Meta 自有服務和 API 運行（疑點：名稱準確性待查）。
• Muse Confidential VM / 機密虛擬機：端到端加密的虛擬機環境。
• Sentinel 代理：安全監控代理。
• Stripe Link：結賬流程接入。
• WhatsApp / Facebook / Instagram：Meta 旗下社交應用。
• Meta 智能眼鏡：下一代硬件入口。
• 超級智能實驗室 (Superintelligence Lab)：Meta 內部研發機構。
• 多吉瓦數據中心：兆瓦級集群（疑點：聽寫名稱）。
• Prometheus：俄亥俄州的集群名稱。
• 模型名稱：
• LLAMA3 / LLAMA4：Meta 開放模型系列。
• Muse 代理群體模型：用於群體學習的模型。
• 公司/組織名稱：
• Meta：母公司。
• Scale AI：AI 數據與模型公司，Meta 收購其大額股權。
• Stripe：支付處理公司。
• Signal：加密通訊應用。
• FTC：美國聯邦貿易委員會。
• Cambridge Analytica：劍橋分析，涉及隱私爭議。
• 人物名稱：
• 扎克伯格 (Mark Zuckerberg)：Meta CEO。
• 亞歷山大·王 (Alexander Wang)：Scale AI 創始人（逐字稿聽寫為「亞歷山大王」）。
• 莫克西·馬林斯派克 (Moxie Marlinspike)：Signal 創始人。

操作流程整理

1. 用戶啟動 Muse：用戶通過應用啟動 Muse 個人代理。
2. 任務定義：用戶設定長期目標或具體任務（如預訂行程、購買商品、家庭項目）。
3. 虛擬機分配：系統為用戶分配一台隔離的 Linux 雲端虛擬機（長期駐留）。
4. 代理執行：

• Muse 代理在虛擬機內運行，可編譯代碼、創建工具、啟動子代理。
• 接入 Stripe Link 進行支付，使用一次性卡號保護銀行信息。
• Sentinel 代理監控網絡請求與操作，確保安全。

1. 持續運行：即使用戶關閉應用，虛擬機仍運行，整理信息進入記憶。
2. 反饋與調整：根據用戶反饋調整任務難度或方向，主動提出建議。
3. 交易完成：代理完成交易，Meta 從服務商處抽取佣金。

值得注意的限制或風險

1. 任務可靠性：長鏈任務中錯誤會被放大，每 10 步 95% 的成功率導致全任務正確概率僅約 6 成。
2. 隱私與信任：儘管有端到端加密承諾，當前系統仍會將有限數據送出用於模型推理和遙測；Meta 面臨歷史隱私爭議帶來的信任危機。
3. 責任歸屬不明：當代理誤解條件造成損失（如發錯商業郵件、執行錯誤決策）時，用戶、Meta 和服務商之間的責任分擔尚不清晰。
4. 成本壓力：高昂的資本開支（1,300-1,450 億美元）與算力成本，依賴交易抽成能否覆蓋，存在商業可行性風險。
5. 本地社區影響：數據中心建設對當地電力、水資源和土地造成壓力，引發居民擔憂。
6. 安全與便利的權衡：頻繁的安全確認會降低使用的便利性，如何在安全與自主之間取得平衡是難題。

逐字稿辨識疑點

• segment 36: rapid_semantic_review：上下文提到「交易環節」、「佣金」，且後文有「卖掉汽车」，推測為交易動作。
• segment 50: rapid_semantic_review：Meta Muse定價方案未公開詳細名稱，此處可能為識別錯誤。
• segment 585: rapid_semantic_review：上下文對比「元宇宙」，且「投显」與「元宇宙」發音不近，但語境上「元宇宙」更合理。
• 多吉瓦數據中心：原文聽寫為「多吉瓦」，根據上下文「吉瓦級集群」，疑為「Megawatt」（兆瓦）或特定內部代號的聽寫錯誤。
• 亞歷山大王：Scale AI 創始人通常譯為「亞歷山大·王」（Alexander Wang），逐字稿聽寫為「亞歷山大王」，疑為口誤或聽寫錯誤。
• 莫克西·馬林斯派克：Signal 創始人 Moxie Marlinspike 的中文譯名較長，逐字稿聽寫為「莫克西·馬林斯派克」，需查證標準譯名。
• Musebark：原文提到「Musebark 通過 Meta 自有服務和 API 運行」，疑為「Muse Bark」或特定產品線名稱，需查證。
• Power 和 Maximum：付費方案名稱「Power」和「Maximum」，需查證是否為官方正式名稱或聽寫簡化。
• 1 億個 TOKEN：原文提到「每週提供 1 億個 TOKEN」，數值巨大，需查證是否為準確數據或聽寫誤差。
• Sentinel：安全代理名稱，需確認是否為官方命名。
• Prometheus：俄亥俄州集群名稱，需確認是否為官方命名。

可延伸追問

1. Muse 的「機密虛擬機」技術驗證結果如何？Meta 是否真的無法讀取用戶數據？
2. 交易抽成模式在實際運行中，能否真正覆蓋每秒數百億美元的資本開支？
3. 當代理執行錯誤導致損失時，法律上如何界定 Meta、Stripe 與用戶的責任？
4. Meta 如何平衡開放模型生態（LLAMA）與封閉產品（Muse）之間的利益衝突？
5. 智能眼鏡接入 Muse 後，如何解決旁人的知情權與被記錄風險？