#741.All-in｜Meta Muse：AI 助理第一次替普通人办事

#741.All-in｜Meta Muse：AI 助理第一次替普通人办事 - 跨国串门儿计划 | 小宇宙 - 听播客，上小宇宙

📝 本期播客简介

本期我们克隆了：All-In Podcast · Anthropic IPO at Risk, Meta’s Muse Pop, Token Prices Fall, Open Source Gains Share, Alignment Fails

原内容更新时间：2026-09-26

All-In 播客第 290 期由 Jason Calacanis 主持，David Friedberg、Chamath Palihapitiya 和电话连线的 David Sacks 参与讨论。节目先回顾 All-In Summit，再从 AI 公司该不该被称为“实验室”、产品责任和安全边界，聊到开源模型快速增长、token 价格下跌，以及 Anthropic 和 OpenAI 的 IPO 压力。

本集一个重要判断是：模型能力趋同、开源选择增多后，单靠转售 token 的价值会减弱，AI 公司必须往技术栈上层走；与此同时，Meta 的 Muse 和 Grokbot 这样的个人 AI Agent，正在把 AI 变成普通人能用来处理邮件、预订行程、购物和省钱的工具。节目后半段还讨论了 alignment 应该对齐谁，以及 Anthropic 新建 wet lab 的用途与风险。

👤 本期嘉宾

本期由 All-In 播客核心四人组对谈：Jason Calacanis 担任主持；Chamath Palihapitiya 和 David Sacks 参与 AI 公司责任、IPO、监管与市场竞争等议题；David Friedberg 则从模型发布、生命科学应用和实验室研究等角度分享看法。Friedberg 提到自己负责一个生命科学研发机构，并以 Ohalo 为例谈实验室与公司的关系；他也介绍了 Anthropic 生命科学模型和 wet lab 如何用于验证 AI 对蛋白质、酶的预测。

⏱️ 时间戳

00:28 峰会最难忘时刻

04:34 责任、竞争与实验室之名

18:49 非前沿模型与成本

28:04 IPO延期与开源压力

49:21 前沿发展与政治反应

1:03:07 Muse、alignment与甲骨文

1:21:20 Anthropic生物研究与实验室

🌟 精彩内容

💡 AI 公司是公司，就得为产品负责

讨论从 frontier labs 是否应该享有特殊保护展开。嘉宾认为，称自己为“实验室”不能改变营利公司的本质；决定是否发布产品的责任，应该由真正做决定的公司承担，而不是寄望于全球治理机制。

"它们是公司，就得按同一套标准接受评判，包括产品责任。"

💡 模型越来越像，真正的差距可能在 harness

模型性能逐渐趋同，不代表产品体验也会趋同。Chamath 指出，模型要配上能让它调用工具、完成任务的 harness，才能成为 agentic 的产品；公司与个人接下来要判断，究竟值得为什么付费。

"模型正在趋同，但 harness 之间差异很大，所以它们的表现差别也很大。"

💡 token 变便宜，AI 公司得往技术栈上层走

当模型之间的差异缩小、Open Source 和 open weights 模型越来越能打，单纯卖 token 或在模型外层做封装，可能不再创造足够价值。节目认为，Anthropic 和 OpenAI 需要把能力延伸到网络安全、法律、客户支持等实际业务中。

"你不能一直提供价值不断下降的 token，因为之后的价值都会被那些封装你们智能 token 的人吸收，并由他们创造出来。"

💡 AI 的大部分价值，不只是替代旧工作

Friedberg 认为，AI 的高价值不止是把已有流程做得更便宜，还包括让过去做不到的发现与创造成为可能。高端模型能否持续收费，取决于它们是否能在生命科学、工程等复杂领域带来新的成果。

"AI 价值的 99% 在于让人类历史上从未可能实现的事情成为可能。"

💡 Muse 把个人 AI Agent 带进日常生活

节目嘉宾将 Muse 视为降低 AI 使用门槛的产品：它把复杂功能装进简单界面，可以帮助用户筛选邮件、订机票和酒店。个人 AI Agent 若能稳定处理日常事务，就不只是技术爱好者的玩具，而可能成为普遍可用的数字助理。

"如果有 10 亿人开始把个人 AI Agent 当作数字助理，用来让生活更有效率，那会怎么样？"

💡 alignment 也可以从用户需求出发

节目质疑，若 alignment research 连要对齐什么都无法达成共识，抽象地讨论伦理原则未必能让产品更可靠。另一种更务实的思路是，让模型行为可预测、安全，并符合实际使用者的需求。

"在我看来，alignment 就应该是满足客户的需求，就像其他任何产品一样。"

💡 Anthropic 的 wet lab 是用实验验证 AI 预测

Friedberg 解释，Anthropic 的实验室旨在把模型对新酶、蛋白质功能的预测放到真实实验中检验。节目提到，这类基础实验室通过制造蛋白质并观察其功能，验证软件预测是否成立；这与制造病毒或病原体并非一回事。

"我觉得，归根结底，他们的目标是拿到一些证据，证明自己的软件确实能做到它所预测的事情。"

🌐 播客信息补充

本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的

使用 AI 进行翻译，因此可能会有一些地方不通顺