逐字稿文字預覽
Meta刚刚把人工智能的竞争 推到了一个更危险的位置 过去的聊天机器人负责回答问题 Muse要直接接管任务 它可以登录网站并填写表格 还能发送邮件预定行程并购买商品 用户睡觉以后照样继续工作 扎克伯格给出的目标更加激进 让每个人都拥有一个 全天候运行的个人代理 理解长期目标 主动提出下一步 并在互联网上代表用户采取行动 这项产品表面上只是一个新应用 背后却压着Meta过去两年 最昂贵的一次战略重建 2026年Meta预计资本开支 达到1,300亿至1,450亿美元 公司此前又用143亿美元 买下scale AI的大额股权 把创始人亚历山大王带 进Meta超级智能实验室 扎克伯格亲自招人 把新团队安排在自己办公室周围 又把多吉瓦数据中心和自 研芯片全部接进这场竞赛 Muse就是这套巨型机器第一次 直接面对普通消费者的出口 它也承担着一项很现实的任务 证明这些钱最终能够形成生意 训练出更强的模型只会制造成本 只有代理进入日常 工作消费与经营环节 算力才有机会变成持续收入 Meta过去靠信息流广告赚钱 Muse想碰的是更靠近交易的环节 它一旦帮用户预定机票和降低账单 还能卖掉汽车或经营小生意 Meta就有机会从交易服务商 那里抽取很小的一部分佣金 扎克伯格相信 代理替用户赚到或省下的钱 会覆盖它消耗的计算成本 这个判断解释了Muse为何 给出异常宽松的免费额度 扎克伯格在访谈中提到 初始方案大约每周提供1亿个TOKEN 还附带一台云端虚拟电脑 用户也可以购买订阅 公开报道显示 付费方案包括每月20美元的 power和每月100美元的maximum Meta预计大部分人会停留在免费层 真正的回报将来自代理促成的交易 stripe的link被接入结账流程 并用一次性卡号 隐藏真实银行卡信息 Meta想让Muse先成为消费者的代理 再成为商家无法绕开的新入口 这条路比订阅生意更大也更难 chatgpt时代的核心动作是提问 用户输入一句话 模型给出一段答案 会话结束以后 风险通常也停在屏幕里 个人代理的核心动作是授权 用户要交出邮箱和日历 购物记录与健康信息 支付权限也可能包括在内 还要允许系统在没有 持续注释的情况下运行 模型只要答错一句 损失可能只是几分钟 代理如果在错误目标 上连续执行几个小时 就可能发错邮件或买错商品 甚至泄露隐私 转走资金 缪斯为此采用了长期驻留的虚拟机 每名用户获得一台 隔离的Linux云电脑 里面有浏览器和存储 也有处理器与内存 代理可以编译自己写的代码 创建工具 启动多个子代理 也能安排定时任务 用户关闭应用后 这台电脑仍然运行 他会把当天获得的信息整理进记忆 在目标出现变化时回来汇报 需要发送邮件或付款时再请求批准 这个架构改变了AI产品的基本单位 聊天机器人的单位是一轮对话 Muse的单位是一个持续 数周甚至数月的项目 扎克伯格给出的家庭案例很具体 他让Muse为3岁的女儿 安排每周烘焙项目 自动挑选适合孩子的配方 再通过购物服务备齐材料 活动结束后 系统根据反馈降低下一次难度 另一个任务是盯住 登山许可的开放时间 名额出现后立即申请 还有一套设在 综合格斗训练房里的摄像头 会让代理分析动作并给出训练建议 这些例子听起来琐碎 却准确展示了个人代理的门槛 系统要记住家人的兴趣 理解时间限制 处理外部网站 还要从失败中调整后续计划 它需要把一句模糊 愿望拆成几十个动作 并在中途判断哪些 步骤可以自行完成 哪些步骤必须叫回用户 真正有价值的地方恰好藏在 这些没有标准答案的小事里 普通消费者很少 愿意学习复杂提示词 他们只会说出目标 然后等待结果 Muse还会主动提出项目 扎克伯格和女儿玩文明时 让她制作一份游戏攻略 任务完成后 代理又建议加入 不同文明的历史知识 并自行扩展成新的功能页面Meta称 这种建议可以参考整个Muse代理 群体中经过匿名处理的有效做法 某个用户找到更好的工作流 类似经验可能帮助其他 代理提出更合适的建议 聊天机器人主要依赖模型规模 个人代理还可能形成 使用网路带来的复利 这正是Meta熟悉的战场 Facebook Instagram和Whatsapp的优势 从来不止来自单个功能 关系网络和分发规模才是关键 Meta服务数十亿用户 也连接着数以亿计的小企业 缪斯若能进入Whatsapp 并进一步进入智能眼镜 它获得的分发能力远 高于一家独立AI创业公司 小商家可以让它制作 商品页面并管理广告 还能回复客户 在不断根据销售结果调整 消费者则可以让它寻找服务 比较价格并完成购买 交易两端都在Meta的生态里 闭环自然会越来越短 扎克伯格把AI代理市场 看成一个强者集中的市场 他认为 真正有能力推进前沿研究的公司 可能不会超过十几家 各家会在不同任务上形成优势 Meta想同时拿下两类高频需求 帮助普通人改善生活关系 以及帮助小企业经营 前者依赖社交数据与长期记忆 后者依赖广告系统和商家网络 缪斯的商业野心因此远远 超过一个每月收费的效率工具 不过Meta必须先回答一个尖锐问题 一个曾经因为隐私和青少年 安全遭到长期批评的公司 凭什么获得更深的权限 缪斯发布前不到两周 Meta同意用最高180亿美元解决美国 多州围绕社交媒体伤害青少年的 诉讼 并承诺增加保护措施 更早以前 Facebook经历过剑桥分析丑闻 2019年又因隐私违规向 美国联邦贸易委员会支付50亿美元 用户面对Muse时 不会只看新的技术说明 也会把这些旧账一起带进判断 Meta给出的答案是把 信任写进系统结构 Muse的核心代理看不到 真实密码和支付信息 认证令牌被放在 虚拟机里的隔离容器 由专门服务保管 连接邮箱时系统 默认先获得只读权限 只有用户明确允许后 它才可以发送邮件 每一次连接外部服务都要声明 调用的方法权限范围和任务目的 付款登录或传出敏感数据时 系统可以要求人工确认 虚拟机里还有一个 独立的Sentinel代理 Muse提出动作 sentinel决定放行拒绝或询问用户 所有网络请求都要经过它检查 目标域名和IP地址是判断对象 端口协议与请求内容也包括在内 Meta还把运行不受信任内容的 区域与凭据存储长期数据库分开 限制系统调用和内核能力 攻击者即使诱导主 代理执行恶意指令 也要继续穿过权限 隔离与网路出口控制 Meta为Muse开放了漏洞奖励计划 有效报告最高奖励30万美元 其中能够通过提示词 注入影响单名用户的漏洞 最高奖励13万美元 这些数字说明公司 知道威胁并不抽象 个人代理会主动 阅读网页邮件和文件 而这些内容都可能藏有对 模型下命令的恶意文字 传统软件把数据与代码分得较清楚 大模型却会把看到的 文字同时当成信息和指令 只靠一句忽略恶意 提示守不住这样的系统 权限必须放在模型之外 Muse发布时使用安全虚拟机 Meta承诺稍后推出机密虚拟机 届时整台虚拟机的内容和对话 会用只有用户持有的密钥加密 公司声称连Meta也无法读取 signal创始人莫克西 马林斯派克参与了这套项目 他早年也帮助WhatsApp 建设端到端加密 扎克伯格反复强调这项 能力可以被技术验证 信任不必完全依赖公司的口头承诺 可发布时与未来版本必须分开看 官方说明明确写着 真正做到连Meta也无法 访问的Muse confidential VM 要在当年稍后推出 当前系统仍会在必要时 把有限数据送出虚拟机 用于模型推理和遥测 用户可以退出把交互用于训练 也可以要求代理遗忘特定内容 Meta还承诺Muse的对话和 虚拟机数据不会进入广告系统 这些保护措施很重要 但它们仍需独立 安全研究者长期验证 一个架构图无法替代 真实世界里的攻击检验 更深的矛盾来自产品本身 muse越了解用户服务就越准确 它收集的长期上下文越多 一次泄露的价值也越高 普通聊天记录可能只有零散问题 个人代理的记忆会把工作家庭 健康消费与关系放进同一个地方 攻击者得到的将是一份 可以执行操作的人生档案 安全虚拟机降低了风险 却无法把风险降到零 Meta要求用户相信的程度 已经超过社交网络时代 扎克伯格认为隐私 反而会成为Meta的优势 他的理由是 公司花了十多年把Whatsapp建成全球 规模最大的端到端加密通信系统之 一已经积累了工程经验 这个逻辑有技术基础 也带着明显的商业反击意味 Meta过去的隐私声誉 是Muse最大的负债 公司现在试图把最受质疑 的地方改造成差异化卖点 能否成功 决定Muse会成为下一代入口 还是昂贵的数据中心演示 muse背后的模型路线 同样经历过一次失败 扎克伯格承认 他曾以为Meta在推荐广告和 内容治理上的机器学习经验 可以顺利复制到大 语言模型LLAMA3表现不错 他因此对LLAMA4过于乐观 产品发布后 团队发现进展轨迹已经偏离目标 问题不只是模型榜单落后 原有组织方式也无法 支撑快速推进前沿能力 随后发生的是一次激烈重组 Meta投资scale AI 并引入亚历山大王 成立超级智能实验室 又压缩团队规模 扎克伯格开始强调人才密度 认为前沿模型更像一项由少数 顶尖研究者共同推进的科学工程 团队人数太多会拉长沟通链条 真正稀缺的是能够把整个 训练过程放在脑中协同的人 于是 他亲自花大量时间招募研究人员 让核心成员在物理 空间上围绕自己工作 算力投入也跟着扩大 扎克伯格表示 俄亥俄州的Prometheus 吉瓦级集群已经上线 并用于继续训练新模型 公司还在建设多吉瓦计算能力 Meta与许多纯AI实验室的区别 在于它拥有庞大的广告现金流 2025年公司收入达到约2,010亿美元 2026年资本开支指引已经 抬到1,300亿至1,450亿美元 高利润社交业务正在为模型 芯片和数据中心承担账单 这就是Muse被称为最大 AI投资的真正含义 金额并没有全部 写在一个产品项目里 投资散布在人才收购与模型训练 自研芯片及电力设施中 也流向数据中心和消费者分发 缪斯把这些部分连成了 一项可以检验的商业计划 模型能否长时间可靠工作 安全系统能否挡住攻击 免费额度能否形成习惯 交易抽成能否覆盖推理成本 每一项都会决定上 千亿美元资本开支的回报 Meta也在重新定义开放路线 扎克伯格仍然主张维持 强大的开放模型生态 理由是更多研究者能够检查系统 市场也不会被少数实验室控制 他同时明确表示 公司不会把所有先进成果全部开放 Musebark通过Meta自有 服务和API运行未来 虽然计划发布开放权重版本 个人代理的安全虚拟机社交 分发和交易网络仍掌握在Meta手里 开放模型负责扩大生态 封闭产品负责形成收入 两条路线可以同时存在 这套立场来自扎克伯格 对AI未来的三项判断 他认为个人应该直接获得强大技术 AI最重要的用途会是发明新事物 而非单纯替代现有劳动 长期安全还要依靠 权力分散与相互制衡 按照这个逻辑 把最强模型长期锁在少数实验室里 会让经济利益和安全决策同时集中 Muse承担的政治叙事就是把 高端能力送到个人手上 让普通用户也能决定 代理为哪些目标工作 但Meta自己的做法没有完全走向开放 扎克伯格承认 盈利公司需要保留部分先进成果 Muse开放给用户并不等于 核心系统全部可检查 外界能够研究开放权重模型 却无法完整复现Meta内部的 训练数据后训练流程代理 群体学习和云端安全基础设施 所谓把技术交给每个人 在产品层面成立 在控制层面仍然由平台设定边界 这种张力会长期伴随muse 扎克伯格还把开放生态 与网络安全联系起来 他举出的逻辑是 攻击者拥有强大AI时 防守方也需要同等级工具修补系统 开放软件允许更多人审查 漏洞更容易被发现 这个判断有现实依据 也需要条件 高能力网络模型同时降低供给门槛 个人和小机构未必拥有 足够人才把工具转化成防御 开放带来的净效果取决于防护 工具能否比自动攻击更快普及 这个组合比单纯开放LLAMA更现实 模型权重逐渐商品化以后 利润会向分发 上下文和执行环境移动 Muse拥有一台长期运行的电脑 能够调用Meta生态 也可能与其他代理协作 即使竞争对手拿到性能相近的模型 也很难迅速复制数十亿 用户关系商家广告账户和支付连接 Meta正在把护城河从谁的模型参数 更多转向谁能让代理真正进入生活 入口竞争还会延伸到智能眼镜 手机上的代理必须 等待用户掏出设备 眼镜可以持续听到问题 看到环境 并在当下给出帮助 Muse计划进入Meta智能眼镜以后 代理可能获得现实世界的第一视角 它可以记住用户刚看过的商品 识别一张活动海报 再把信息转成日程或购买任务 便利会明显增加 旁人的知情权和被 记录风险也会随之升高 扎克伯格认为智能眼镜的 录制提示灯已经比手机更透明 公众会像过去适应摄像 手机那样逐渐适应这类设备 这个类比只解释了技术扩散 没有解决代理的持续分析能力 手机录像通常由人主动开启 带有个人记忆的AI眼镜 可能随时把观察转成行动 Meta需要回答的会从 设备是否正在拍摄 扩大到系统保留了什么 推断了什么 又替用户做了什么 缪斯与Meta AI暂时也不会立即合并 扎克伯格把Meta AI描述 成快速问答工具 Muse更重视长期理解与持续执行 两者如果一直分开 用户要在两个入口 之间判断任务类型 两者如果最终融合 Meta就会把聊天记忆和 行动放进同一账户体系 前一种方案增加使用摩擦 后一种方案增加数据集中程度 产品最后如何收敛 将直接影响隐私边界 风险也随之从模型层转到制度层 代理替用户谈价时 究竟代表谁的利益 如果平台从商家获得佣金 它推荐的商品还能否保持中立 当Muse管理Instagram广告 又从交易中分成 平台既控制流量 也控制执行购买的代理 短期看这能降低交易摩擦 长期看它可能形成一层新的平台税 消费者以为拥有自己的代理 代理却运行在一家同时经营 广告和市场入口的公司里 扎克伯格描述的模式是 让商家承担部分成本 从而保持大规模免费使用 这与Meta过去的广告模式有相似之处 用户不用直接支付高价 商业系统通过用户行为获得回报 区别在于 信息流只影响人看见什么 代理能够替人做决定并完成行动 推荐排序的偏差 已经足以改变注意力 执行代理的偏差还会改变资金流向 监管者迟早会要求平台解释 推荐佣金与代理决策之间的关系 还有一个容易忽视 的成本是本地社区 数据中心需要大量电力 土地冷却设施和熟练工人 扎克伯格在访谈中把Meta与短期 倒卖数据中心地块的投机者区分开 强调公司会在当地经营数十年 他举出路易斯安那州 税收支持教师奖金的例子 也提到培训光纤 技术员电工和高级木工 长期建
本次執行流程與問題處理
下達指令
預期流程
- 採用來源字幕（略過語音辨識）
- 來源選擇與品質檢查
- 文字校正與句子單元
- 筆記與發布
- 公開網頁發布
1. 下載與語音辨識
工具：videonote-transcribe-url（主辨識管線：下載、Whisper 辨識與選稿）
處理：下載音訊、以 Whisper 辨識並選出最佳逐字稿
產出：yt_dlp_meta.json（影片元資料）、audio_16k_mono.wav（16kHz 單聲道音訊）、transcript.whisper.json（Whisper 辨識結果）、transcript.json（正式逐字稿）、transcript_selection_report.json（來源選擇報告）
耗時：2.8 秒
關係：依序執行
結果：完成
2. 全文快速校讀
工具：videonote_rapid_transcript_review.py
處理：先速讀完整逐字稿，再修正高可信突兀詞句並列出待確認項目
產出：rapid_transcript_review_report.json（產出檔案）
耗時：43.1 秒
關係：依序執行
結果：完成
3. 建立句子單元
工具：videonote-build-sentence-units
處理：將逐字稿切成帶時間軸的句子單元
產出：sentence_units.json（句子單元）
耗時：0.1 秒
關係：依序執行
結果：完成
4. 時間軸稽核
工具：videonote_timeline_audit.py
處理：檢查時間軸與音訊對齊
產出：timeline_audit_report.json（時間軸稽核）
耗時：0.2 秒
關係：依序執行
結果：完成
5. 品質檢查
工具：videonote_controlled_quality.py（檢查時間軸與品質）
處理：檢查語言、時間軸與可讀性品質
產出：controlled_quality_report.json（品質報告）、language_sanity_report.json（語言檢查）
耗時：0.2 秒
關係：依序執行
結果：完成
6. 播放時間軸回填
工具：videonote_rebase_display_timeline.py
處理：將網頁播放時間軸回填為校正字幕時間
產出：display_timeline_rebase_report.json（時間軸回填報告）
耗時：0.2 秒
關係：依序執行
結果：完成
7. 來源句整理
工具：videonote_prepare_source_entries.py
處理：整理來源句子供時間軸與頁面使用
產出：sentence_units.json（句子單元）
耗時：0.3 秒
關係：依序執行
結果：完成
8. 生成筆記摘要
工具：videonote-generate-note（生成筆記摘要）
處理：生成筆記摘要與重點
產出：note.md（筆記 Markdown）、note.html（筆記 HTML）
耗時：144.7 秒
關係：依序執行
結果：完成
9. 建立筆記頁面
工具：videonote-render-html（產生筆記 HTML）
處理：產生可閱讀的筆記 HTML 頁面
產出：note.html（筆記 HTML）
耗時：0.8 秒
關係：依序執行
結果：完成
10. 發布公開頁面
工具：videonote-publish（發布公開頁面）
處理：發布到公開網站與每日列表
產出：公開筆記網址、result.json（管線結果）
耗時：0.9 秒
關係：依序執行
結果：完成
手動來源字幕
自動來源字幕
Whisper 字幕
- 尚未產生
Qwen 字幕
- 尚未產生
Parakeet 字幕
- 尚未產生
MOSS 字幕
- 尚未產生
聲學時間證據（PyAnnote / WhisperX）
- 尚未產生
校正前後逐字稿
目前待解決問題與初步改善方向
- ⚠️ 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；segment=50 待確認：訂閱方案名稱「power」和「maximum」非標準名稱，可能為音譯或內部代號。；暫定：power和每月100美元的maximum；segment=585 待確認：「投显」語意不明，可能為「元宇宙」之誤。；暫定：muse比投显更有利
- 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。；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。
- Qwen3-ASR 未完成，需確認 qwen_asr_lab 環境與音訊後重試精進模式。
- 音訊下載不穩定，需更新 cookies / PO token 後重試精進模式。