Meta(META-US) 執行長祖克柏（Mark Zuckerberg）3年前曾在Joe Rogan節目中談到，未來人們戴上智慧眼鏡後，人工智慧代理（AI Agent）也將隨之出現。如今，這項構想正逐步落地。
Meta推出的個人AI 代理「Muse」上線僅2週，使用者數已達數百萬。祖克柏在25日接受訪談時表示，這種產品每隔幾年才會出現一次，並形容Muse初期表現是「一出手就是全壘打」，在Meta歷來產品中相當少見。
祖克柏同時宣布，Muse將整合至Meta全系列Ray-Ban智慧眼鏡。未來使用者不必再說「嘿Meta」才能啟動AI，而是可以自行設定喚醒詞，直接呼叫個人AI 代理。
分析指出，這也代表Meta過去分別投入的元宇宙、智慧眼鏡與大型語言模型，如今正逐漸在產品層面整合，AI 代理成為串聯不同業務的核心。
Muse從模型延伸至完整AI代理
祖克柏透露，Muse最初是他與團隊成員Nat、Alex利用開源工具，在家中自行拼湊出的早期版本。
團隊很快發現，這種互動方式具有吸引力，因此開始思考如何讓一般使用者也能直接使用，而不必自行購買Mac Mini或透過終端機操作。
Meta後續的開發方向，也不只是訓練AI模型，而是從模型、代理運作架構到「心跳」機制都自行打造。代理能夠定期自動啟動，檢查使用者設定的目標，並主動推進尚未完成的工作。
Muse正式推出後，短短2週便累積數百萬使用者，初期反應也符合Meta團隊的預期。
祖克柏認為，目前個人AI與通用AI的競爭重點之一，是讓模型具備更完整的代理能力。他指出，過去一年最重要的發展之一就是程式設計代理，因為即使使用者不直接寫程式，Muse仍可在背景執行相關工作。
不過，他也認為個人代理不能只會寫程式或完成任務，還必須理解隱私界線與社交情境。
例如，使用者要求Muse預訂餐廳時，AI可能知道使用者有過敏或懷孕等資訊，但這並不代表它應該自動向餐廳透露。理想情況是代理完成任務，同時將不必要的資訊揭露降到最低。
Meta因此選擇自行訓練完整模型，而不是採用其他公司的模型，再在外部加上代理框架。Muse目前也整合記憶、任務追蹤、虛擬角色動畫與即時語音互動等功能。
在個人化方面，祖克柏表示，Meta並不認為AI應該只有單一人格。Muse允許使用者調整頭像、聲音與基本性格，讓使用者自行決定希望與AI如何互動。
每名代理配置獨立安全虛擬機
Meta為Muse設計的另一項核心基礎，是替每個代理配置獨立的安全虛擬機（Secure VM）。
祖克柏表示，個人代理將掌握大量使用者敏感資訊，因此Meta不希望這些資料與所有使用者的資訊混在同一個資料池。他將安全虛擬機比喻為放在使用者桌下、專屬於使用者的一台電腦。
相關資料會以加密方式儲存，密碼等敏感憑證則透過獨立安全模組管理，代理本身無法直接讀取。
此外，Meta還建立名為「Sentinel」的安全代理，負責監控Muse資料的進出。一旦發現異常或高風險操作，系統便會攔截，並要求使用者進一步授權。
Muse進軍Ray-Ban智慧眼鏡
Muse接下來的發展重點之一，是全面整合Ray-Ban智慧眼鏡。
祖克柏表示，目前智慧眼鏡主要採取單輪對話模式，使用者說出問題後獲得回答，互動便告一段落；Muse加入後，眼鏡將成為AI 代理的入口，使用者發出指令後，Muse可在後端安全虛擬機持續執行工作，再將結果回傳。
Meta目前也逐步建立不同層級的智慧眼鏡產品，包括沒有攝影機、以音訊功能為主的眼鏡；配備小型顯示器的Meta Ray-Ban；以及具備全視場角的全息AR原型。
祖克柏表示，Meta長期投入智慧眼鏡，讓公司在AI 代理逐漸成熟後擁有相應的產品基礎。過去較著重沉浸式體驗的元宇宙技術仍持續推進，但目前更多資源正轉向Muse與智慧眼鏡上的AI功能。
在虛擬化身方面，Meta過去需要透過房間級設備、多角度掃描與企業級GPU環境，才能打造高品質寫實化身；如今使用者只需提供少量照片，就能完成相關設定，且這項功能已可在VR眼鏡上運作。
祖克柏展望2030年表示，元宇宙的核心願景仍是連結實體與數位世界。未來人們可能與透過全息影像參與活動的朋友共同互動，在工作環境中，人類也能與多個AI 代理共同參與群組對話或會議。
Llama 4失誤成Meta AI發展轉折
不過，Meta的AI布局並非一路順利。祖克柏在訪談中坦言，Llama 4的表現不如預期，是他認為「最可怕的時刻」。
他表示，當時原本認為團隊正沿著正確方向前進，但結果卻出現重大偏差。
祖克柏將其中一項問題歸因於團隊組織方式。他過去曾以Instagram推薦系統或廣告系統的模式組建團隊，讓數百甚至上千名人員並行工作；但大型語言模型訓練需要的是規模較小、彼此高度協作的團隊，並將整個模型開發視為集體科學研究。
在Llama 4之後，Meta進行團隊重組，並從業界引進人才，成立Meta超級智慧實驗室（Meta Super Intelligence Lab，MSL）。
祖克柏亦透露，新一代模型即將推出，但不會在Connect大會上公開。
5吉瓦算力集群布局 祖克柏押注規模化訓練
談到通用人工智慧（AGI）的發展路徑，祖克柏認為，目前未必需要出現根本性的架構突破。他表示，如果能打造規模足夠龐大的超級電腦集群，或許可以透過增加算力來推進AGI。
Meta目前正在擴大AI訓練基礎設施。俄亥俄州超過1吉瓦的算力集群已基本投入使用，用於訓練下一代模型；路易斯安那州則正在興建5吉瓦級集群。
祖克柏表示，當訓練規模擴大至多吉瓦等級後，可能就能取得接近AGI甚至超級智慧的系統。
但他也指出，依靠算力擴張並不代表架構研究失去重要性。人腦運作所需功率約10瓦，而現有AI系統的能源效率仍低得多；若能同時結合大規模算力與架構上的突破，才可能取得更大的進展。
AI對齊成Muse能否普及的關鍵
對於AI安全與對齊問題，祖克柏認為，這不只是監管層面的要求，更是AI產品能否真正被使用的基本條件。
如果使用者要求Muse完成一項工作，但AI最終執行的方向完全相反，使用者自然不會繼續使用。因此，AI除了理解具體指令，也必須掌握使用者真正的意圖與價值觀。
祖克柏表示，如果Meta希望Muse最終觸及10億名使用者，就必須在AI對齊問題上取得重大進展。
他並以父母教育孩子作為比喻：如果AI為了完成一道程式設計題，選擇修改系統設定等方式走捷徑，應該讓AI理解這並非真正的解題方式，而是規避問題本身。
