作者｜陈伊凡
编辑｜苗正卿
头图｜视觉中国
扎克伯格找到了最合适自己的位置，但又有一批创业公司活不下去了
" 具备足够技术实力、能在个人 AI Agent 领域做到最先进水平的公司，可能不会超过十二家。"
扎克伯格在谈到 Meta 新推出的 Muse 时，给出了这个判断。
有意思的是，这款被他寄予厚望的产品，恰恰深受一个开源项目 OpenClaw 的启发。小团队探索出产品形态，大厂接过来，却开始用模型、算力和分发能力重新划定竞争门槛。最先证明方向可行的人，未必能在这场竞争里留到最后。这也是现在 AI 应用领域的残酷现状。
Meta 超级智能实验室（MSL）产品负责人、前 GitHub CEO Nat Friedman 对这种借鉴并不避讳。他在 X 上表示，Muse" 作为产品明显深受 OpenClaw 启发 "，同时强调产品是 " 从零开始搭建 " 的。在他看来，OpenClaw 创始人 Peter Steinberger 把这些东西做得太对了，Meta 要做的，是让类似的体验足够安全、易用，并能推广给数十亿人。
Muse 上线不到两周，就登上了美国应用下载榜首。根据 Sensor Tower 的统计，截至 9 月 22 日，累计下载量已超过 250 万次。下载量还不能证明长期留存和商业成败，但扎克伯格终于拿出了一款迅速出圈的 AI 产品。对围绕 OpenClaw 做产品的创业者来说，同一个消息意味着：把 Agent 包装得更好用这件事，已经有 Meta 亲自下场做了。
从 Snapchat 的 Stories 到今天的个人 Agent，Meta 熟悉这套打法：借鉴被验证过的产品形态，再用工程投入和分发能力把它推向更大的市场。这一次，创业公司要面对的问题也更尖锐了。即便率先找到了用户需求，当大厂带着底层模型和免费额度进入市场，用户为什么还要单独为你的产品付费？
Meta 终于找到最合适它的生态位
不管怎么说，Meta 终于在这场 AI 竞争里找到了自己的舒适区。
表面上，Muse 是一个消费级应用；再往上看，是 Meta 在 AI 时代落后的不甘和野心。
Meta 在过去的模型训练中，业界认为其掉队。
在 Llama 4 偏离预期之后，扎克伯格用更小的核心团队和更大的算力重建了 AI 研究。
扎克伯格在最近的一次采访中坦言了 Meta 的错误，他说 Meta 长期在机器学习领域领先，Facebook 和 Instagram 的信息流、广告系统，以及识别处理不适宜内容的安全系统，本质上都是大规模机器学习系统，他一度以为 " 开发和扩展大语言模型的方法也会相似 "，实际上 " 两者的运行规律有很大差别 "。
换法的核心是人才。他的解释是，" 前沿模型研究并不是让一千个人各自运行实验就能解决的问题 "，更理想的状态是一支规模尽可能小、成员能在头脑里把握整个系统的顶尖团队，围绕同一个科研项目紧密协作。他为此投入大量个人时间招聘，把研究团队安排在自己办公室周围，也让自己的技术判断更贴近一线。但问题是，根据虎嗅从熟悉 Meta 的内部人士处得知，Meta 一直深陷人事问题，"Alexsadr Wang 似乎并不会管理团队。" 这种人员的激进安排究竟是会对 Meta 的 AI 建设带来益处还是负面影响，我们尚未可知。
另外，算力同步加码。根据数据分析机构 Epoch 的统计，Meta 的数据中心投入位于世界前列。xAI、Microsoft、Amazon、Meta 四个单站点，合计约占全球 24% 算力，Meta 的总算力，在运营商的算力份额中仅次于 Google。
在这次 Muse 发布后，扎克伯格也直面隐私问题，他在最新的访谈中说，个人 Agent 要理解用户的长期目标，还要判断哪些私人信息能使用、哪些不能外泄。他认为这没法靠在现成模型上做后训练解决，得从预训练开始围绕个人 Agent 来设计。云端虚拟机让 Agent 能操作电脑、登录服务、围着目标持续干活。记忆让它从一次性的工具变成长期服务，夜里整理当天的反思写进记忆，还能主动提出新项目。权限系统决定用户敢把多少事交给它：登录、付款、发送邮件、披露敏感信息，每一项都要单独授权，Agent 只能拿到完成当前任务所需的最低权限。
Meta 请来 Signal 创始人 Moxie Marlinspike 负责机密虚拟机，目标是让用户把邮件、账户、健康信息放进一个连 Meta 都读不到的云环境，而且这个承诺可以被技术验证。
扎克伯格给出的判断是，具备足够技术实力、能把个人 Agent 做到最先进水平的公司，可能不超过十二家。他还配上了每周 1 亿 token 加一台虚拟机的免费额度、和 Stripe 合作的支付通道，以及 Meta 大约每月一次的模型更新节奏。
当然，这也很难说，在个人助手上 Meta 是不是遥遥领先了，毕竟其他大厂也在投入。
哪些赛道会被吃掉，哪些不会
过去一年半的脉络其实很清晰——创业公司的空间越来越小。
先是冒出一批单点功能的 AI 产品，AI PPT、AI 文档之类；Manus 出现后，通用 Agent 吃掉了一批；龙虾（OpenClaw）出现是个分水岭，很多初创公司紧急转型，围绕 OpenClaw 逻辑的产品形态在几个月内长了出来。现在 Meta 把这个方向的消费级产品化做完了。
而且这个方向上，Meta 并不孤单，大厂的 Agent 产品都在往同一个位置挤：一个随身的、能替你办事的个人助手。就在 Muse 承认借鉴 OpenClaw 的第二天，OpenAI 宣布把语音驱动的 Agent 能力搬上 ChatGPT 手机端。用户可以在手机上直接用 Work 标签页起草文档、写邮件、总结 Slack 消息，还能建站、做 PPT、调用云端浏览器、处理财务，任务在路上开始，回到桌面接着做。Anthropic 把 Claude 的 Chat 和 Cowork 合进了同一个界面，同时打通了手机和桌面的交接。
虽然具体的做法不同，但目的是一致的，AI 从一个回答问题的窗口，变成一个装在手机里、带着记忆和权限、能跨设备持续干活的个人助手。当所有大厂都把入口放在这个位置，创业公司面对的就再也不只是某一家的射程。
在大厂射程之内的，是通用场景的单点 Agent。创业者表示，大模型在吞噬几乎一切下游执行层面的功能，整个 AI 办公赛道现在已经有 90% 的机会被大厂占据了。更好的 PPT 生成工具、文生图工具、更完善的模板和技能库，都会被顺手收走。做这类通用工具的公司，越像大厂的能力，越没有存在的理由。
Cursor 的遭遇就是一次预演。2025 年它年化收入突破 10 亿美元，却几乎完全跑在 Claude 模型上，顶峰时贡献了 Anthropic 四到五成的收入。Anthropic 看着这些流量，把 Cursor 验证过的产品形态蒸馏成了自己的 Claude Code，六个月后年营收做到 25 亿美元，反超 Cursor。上游模型公司想下场时，应用层做得越大，暴露的需求就越清楚。
一位科技公司的副总裁曾跟笔者说过观点，他说当某家基础模型公司或者大厂宣布要发某个垂直行业的 Agent，往往说明它缺这个行业的数据。
这和 Cursor 的故事类似。Anthropic 能蒸馏 Cursor，是因为编程需求全部跑在它的模型上，看得一清二楚；而它要专门宣布做法务、医疗这类行业的 Agent，恰恰是因为那些数据和知识锁在单个组织、单台电脑、单个人的脑子里，它看不到。大厂吃掉的是它能看见的东西。垂直行业天然的隔离性，让大厂的渗透速度慢很多，但渗透，也不是不可能的。
所以美国初创公司的打法，是去解决一些不同 SaaS 平台之间，Agent 的连接和打通；或是进入某一个大厂的生态中，把某一个细分功能做专做细。
例如，Viktor、Town 做的是不同 SaaS 应用之间的工作流自动化，把散落在各个软件里的任务串起来。前 Meta 工程师创办的 Viktor，把每一个 agent 称作 " 小镇成员 "，它通过产品集成连接用户的邮件、日历、Slack、WhatsApp、Notion 等工具，既可以在自己的网页和客户端中使用，也可以通过邮件、Slack、WhatsApp 等现有入口与它交互。
再比如，Boardy AI 则把切口缩到了创投对接。用户不用下载 App，通过电话、WhatsApp 或邮件说清自己的需求，它就去匹配合适的投资人或创业者，双方同意后再做介绍。这个生意有价值的积累，是用户愿意私下告诉它、却不会写在公开履历里的真实意图，以及每次引荐后的反馈。通用助手可以帮人写一封介绍邮件，找到谁值得介绍、双方此刻是否需要彼此，还得靠具体的人脉网络和持续服务。
这些公司它们不抢新入口，选择长在用户已经在用的工具里，还从被动响应变成了主动服务。
当然，这套打法能成立，靠的是美国企业大量分散的 SaaS 生态。
还有一个地方，是这些大厂看不见、也懒得弯腰去捡的脏活累活。比如大厂不会专门进入的小语种地区，东南亚、中东、非洲的本地市场，模型对当地语言、支付习惯和法规的理解都很粗糙，得有人在地面上一点点补。比如不能联网的场景，工厂、矿山、船舶、政务内网，云端 Agent 进不去，端侧模型反而有明显优势。比如老系统的接口，一家制造企业里跑了十几年的 ERP、MES 和各种私有协议，大模型再聪明也得有人替它写适配器。
还有数据本身的活：行业语料的清洗、标注、合规脱敏，医疗影像、CAD 图纸这类大厂预训练里几乎见不到的格式。
曾经有一位工业 AI 的创始人就曾说过，他们接触的一位制造业的客户告诉他们，在他们之前，大厂来过，模型厂商也来过，看了看他们粗糙的数据（粗糙到需要一个文件一个文件拍照，再识别成 AI 读得懂的格式，再进数据库，然后再交给 AI）之后，都默默离开了。这些活利润薄、周期长、每一单都长得不一样，还特别累人，正好卡在大厂的规模逻辑之外。
结语
当然，市场不会只有一种需求，赢家不会只有一个，但你得在某个具体用途上做到最好。
最后一点也许最难接受：被大厂收编，本身也是一种结局。
个人 Agent 这场仗，扎克伯格已经把牌面摊开了，剩下的公司只需要回答一个问题：当大厂把通用的那部分做完，你还剩下什么是它做不了、或者懒得做的。
