AI-translated from English; not yet reviewed by a fluent editor.

# 扎克伯格称 Muse 能帮人赚钱。收益最终会落到谁手中？

> Meta 的 Muse 可以跨服务执行任务，扎克伯格预计它能帮助用户赚钱和省钱。本文审视这项产品的发布、拟议收费方式，以及这一说法背后的证据。

By BIG CHANGE Editorial

Published: 2026-09-22T02:10:07.229Z
Updated: 2026-09-22T02:10:07.229Z
Canonical: https://bigchange.ai/blog/meta-muse-zuckerberg-make-money-earnings-business-model

![Pencil sketch of a small-shop workbench with task cards, a laptop, a parcel and an unfinished receipt beside an open doorway.](https://bigchange.ai/api/media/file/muse-hero-v1.png)
AI-generated conceptual illustration by BIG CHANGE. Business preparation still needs a customer at the door.

Meta 于 2026 年 9 月 8 日推出了个人 AI 智能体 Muse。它让用户能够使用一台位于云端的计算机，在已连接的服务间工作、在后台持续执行任务，并在采取重要操作前请求批准。初期仅在美国推出。[Meta 的发布公告](https://about.fb.com/news/2026/09/introducing-muse-personal-ai-agent/)

马克·扎克伯格的愿景远不止清理收件箱。在接受 Alex Heath 采访时，他预测 Muse 将“帮人赚钱，也帮人省钱”。他介绍了一种商业模式：Meta 最终会从交易中抽取一小部分费用，而费用可能由相关企业支付。[Sources 访谈，24:53](https://www.youtube.com/watch?v=Lx8lrn-cytc&t=1493s)

这一设想值得认真看待。请不起行政助理的小企业主，或许能通过智能体获得实用的帮手。家庭可能追回因漏看账单而损失的钱，或找到价格更低的商品。即使没有人工智能能力的惊人突破，减轻这些负担也很有意义。

但要赚钱，就必须有人付钱。能够设计产品、撰写营销内容并投放广告的工具，只是自动化了经营过程中的若干环节。它并未证明顾客想买这款产品、广告能够盈利，或业主最终能留下足够的收入。

Muse 的发布让这一差异更加迫切，因为同一个平台可以帮助一个用户销售、帮助另一个用户购买，最终还可能对连接双方收费。经济问题不只是智能体能否工作：其他参与方得到报酬后，用户能获得多少价值？

## 扎克伯格实际提出了什么

访谈中关于钱的核心讨论约从 24:53 持续到 27:25。扎克伯格将机会与小企业和商业活动联系起来，介绍了较大的免费使用额度和订阅服务，并把交易费描述为“随着时间推移”预期采用的商业模式。他表示 Muse 可以连接 Meta 的广告系统，并帮助制作产品和经营业务。[观看完整对谈](https://www.youtube.com/watch?v=Lx8lrn-cytc&t=1502s)

这些话描述了几种应当分别评估的机制。多卖产品会带来收入；谈下更低账单会节省开支；更快完成文书工作可以释放时间。它们都可能让用户受益，但代表不同结果，只有部分结果会让账户里多出现金。

发布公告和这段访谈并未证明 Meta 已推出向 Muse 用户付费的普遍计划，也没有提供收入保证、公布利润分成比例，或证明普通用户已经获得净收益。有关交易费的提议，讨论的是 Meta 如何获得报酬，不应误认为是向用户支付款项的安排。

Alex Heath 的[原始访谈页面](https://sources.news/p/mark-zuckerberg-meta-muse-ai-podcast-interview)于 9 月 8 日发布，并称对谈于此前那个周五在 Meta 总部录制。我们审阅了可获得的完整 YouTube 字幕，并核对了相关发布和技术资料。这是对现有证据的分析，并非 BIG CHANGE 亲自测试产品，也不是收入实验。

## 智能体改变了工作的哪些方面

Muse 是个人智能体，Muse Spark 则是为它提供动力的模型。Meta 对产品设计的介绍提到文件系统、终端和浏览器，以及持久记忆和按计划或事件触发的工作。它既能生成文档和交互式内容，也可以通过已连接的服务执行操作。[Meta 如何设计 Muse](https://introducing.muse.ai/)

这让它有机会承担不同于仅提供建议的聊天机器人的角色。实用的智能体可以把信息从一项任务带到下一项：检索一条咨询、准备回复、更新记录，并在客户回复后继续处理。潜在的时间节省来自减少反复协调，而不仅仅是更快生成文字。

设想一家家具维修小企业。业主每天晚上都要整理照片、核对尺寸和安排预约。如果智能体能够可靠地准备这些信息，业主或许就能腾出更多时间承接有偿维修工作。这家企业已经有服务和客户，智能体解决的是一项明确的行政瓶颈。

相比之下，一家出售通用 AI 生成设计图的新企业面临不同的问题。Muse 或许能帮助它迅速制作商品目录，但目录仍需要存在的理由。买家可以把它与其他选择比较，包括自己生成的设计。自动化降低了提供商品或服务所需的努力，却不一定提高客户的支付意愿。

预期应当由这种差异来引导。已有需求加上成本高昂的日常任务，比让智能体从零开始创造收入流更像是具体的机会。后者并非不可能，但需要客户兴趣和可行利润空间的证据。

![Three-part sketch linking a laptop and stopwatch to a shop, then to an accounting ledger under a magnifying glass.](/api/media/file/muse-economics-v1.png)

## 支付连接确实存在，但它让钱流出

Stripe 独立证实了此次集成。美国消费者可以将 Link 连接至 Muse；智能体既能在参与商户处使用已保存的支付方式，也能通过一次性虚拟卡购买其他商品。Stripe 表示，消费者会在聊天中批准每笔交易总额，而 Muse 看不到底层支付信息。[Stripe 9 月 8 日的公告](https://stripe.com/newsroom/news/stripe-helps-meta-muse-shop-with-link)

这是有意义的基础设施。如果智能体能帮忙研究购买方案，却无法完成交易，用户就仍要重复一部分工作。支付连接可以补上这一环节，同时保留审批步骤。

这也让已记录的资金流向更加清楚：这种集成让用户能够向商户购买商品，本身并未显示用户如何赚到钱。必要消费省钱可能改善个人财务状况；即使买到的商品打了折，如果原本并不需要，仍会让现金余额减少。

另一方面，商户可能因此多一笔销售。销售是否盈利，取决于履约成本、退款、支付费用和获客成本。成功结账只说明交易发生了，不能证明各参与方分别留下了多少经济收益。

因此，未来关于收入的说法应明确指出作用机制：收入是否来自新客户？是否避免了一项开支？是否卖出了一项资产？还是用户只是更快完成了既有任务？把这些全都归为一类，会让能力不错的助手听起来像自动收入来源。

## 免费使用降低了一道门槛，但并未消除所有成本

扎克伯格称，产品推出时每周提供约 1 亿个 token 的免费额度，也有付费订阅。应将其视为对当时使用权限的描述，而非永久免费、不限量工作的承诺。[访谈，25:02](https://www.youtube.com/watch?v=Lx8lrn-cytc&t=1502s)

Meta 的订阅页面经核查，截至 9 月 22 日列出每月 20 美元的 Power 方案，每周提供 5 亿个 Muse token；每月 100 美元的 Max 方案则提供 30 亿个。页面称权益会因地区和账户而异，且服务仍有限开放。这些是产品使用额度，并非已完成的任务数，也不能直接与 API token 数作比较。[Muse 官方订阅详情](https://www.meta.com/help/subscriptions/1021145227643680/)

token 使用额度无法告诉企业能够得到多少有用订单、完成对账的发票或验收合格的交付成果。任务本身、上下文和尝试次数都会影响结果。智能体之外的工作也要消耗资源：广告、托管、库存、交付，以及业主的精力。

早期最大的成本或许是学会哪些任务值得委托。有人必须说明目标、连接正确账户、识别不合理结果，并决定一项操作是否值得批准。更好的产品设计可以减轻这种负担，但不能让用户的优先事项或客户的要求凭空消失。

节省时间也需要诚实核算。如果腾出的一个小时用于有偿工作，且确实有活可做，就可能增加收入。若一个小时用来陪伴家人，它也有价值，却不会因此变成收入。假设每一分钟节省的时间都能换算成时薪，会高估许多用户实际拿到的现金回报。

对创业者而言，相关结果是在扣除成本和义务后实际留下的新增收入，并且要与不使用智能体时可能发生的情况比较。对现有企业而言，结果可能是少漏掉咨询、更快完成任务或减少行政开支。这些都可以衡量，无须假装完成的每项任务都是一次销售。

## 交易费或许能支撑产品，也会改变其激励机制

依靠交易费支持的智能体具有合理的收入来源。如果智能体能帮助顾客找到合适商品，并减少完成购买所需的工作，商户可能愿意为该服务付费。交易费或许也能补贴原本认为订阅太贵的用户。

这种安排也带来问题：推荐受谁的利益影响？如果最好的选项不会带来佣金，Muse 还会推荐它吗？商户能否不付费也参与？用户批准购买前，会不会看到商业关系？面对相互竞争的报价时又该如何比较？

我们查阅的资料没有提供完整的 Muse 交易费表或商品排序政策来回答这些问题。我们不应在缺乏证据时声称 Muse 已经偏袒支付佣金的卖家。关键在于，未来的收费模式需要用户和企业都能查看的规则。

由商户付费，并不会自动消除买家的经济成本。商户可能自行承担费用，以更低的获客成本抵消，或将其反映到价格中。实际结果取决于市场。如果一项费用取代了更高的既有成本，双方或许都能受益；额外收费则可能压缩可用利润。

与其把扎克伯格的提议视为免费智能体究竟是馈赠还是陷阱，不如用这一框架评估。产品可以创造价值，也可以获取部分价值。尚未解决的问题是，这些价值如何分配，以及用户依赖该服务后是否仍保有有意义的选择。

## 日常实用性的证据领先于收入证据

在 9 月 14 日发布的亲身体验文章中，TechRadar 的 Eric Hal Schwartz 介绍了 Muse 如何帮助他购物，并为一封公用事业公司的邮件准备了待审批的回复。他认为委托处理这些日常任务很实用，同时仍对相关访问权限感到不安。这是一位评测者对常见任务的个人体验，并非企业利润研究。[TechRadar 的亲身评测](https://www.techradar.com/ai-platforms-assistants/i-tried-metas-new-muse-ai-agent-its-incredibly-useful-but-handing-it-my-digital-life-felt-deeply-uncomfortable)

早期研究提醒我们，不要轻易把有用的协助延伸成收入保证。一项针对肯尼亚创业者的随机现场试验发现，获得 GPT-4 商业顾问后，平均而言并没有统计显著的改善。结果会因企业起点表现以及业主选择和落实建议的方式而异。[研究人员的工作论文摘要](https://business.columbia.edu/faculty/research/uneven-impact-generative-ai-entrepreneurial-performance)

哥伦比亚大学于 2026 年 8 月对这项研究的介绍称，研究涉及 640 名创业者，并强调判断哪些建议适合特定企业的重要性。[哥伦比亚大学的研究介绍](https://business.columbia.edu/insights/ai-widening-gap-between-high-and-low-performers)

这项实验并未测试 Muse。实验使用的是提供建议的旧模型，而非执行任务的这个智能体，因此无法预测 Muse 的结果。它的相关性更有限：让企业主使用 AI，并不能证明所有人都会从中获得经济收益，平均值也可能掩盖截然不同的体验。

如果主要障碍在于没有落实合理决策，执行能力可能让情况改善；如果它让人更容易照办薄弱建议，情况也可能恶化。自动执行错误定价策略的智能体，可能比被用户忽略的聊天机器人建议更快造成损失。

因此，下一步的证据应包含失败尝试、成本，以及用户之间结果的差异。精选成功案例可以说明什么是可能的，却无法说明普通新用户应当期待什么。

## 商业智能体需要访问权限，而权限有代价

Meta 的技术说明提出了两点值得关注。Sentinel 会在主智能体之外控制外部操作；Muse 仍可能犯错，也可能遭到所读取数据中的攻击。该系统的设计目标是限制失败后果，而不是消除失败的可能性。[Meta 的安全设计](https://research.meta.ai/blog/security-and-safety-for-ai-agents-our-approach-with-muse)

对小企业而言，这意味着自动化的价值部分取决于权限在哪里截止。准备广告活动不同于花掉广告预算；起草客户报价不同于承诺折扣或交货日期。即使业主必须审批这些承诺，流程仍然可以发挥作用。

隐私方面的时间表也需要谨慎看待。发布版本是 Muse Secure VM。Meta 称其运营政策限制员工访问，但不会在技术上阻止服务运行所需的访问。计划于今年稍晚推出的 Muse Confidential VM，则旨在通过密码学方式防止 Meta 访问虚拟机数据。[当前架构与计划中的机密模式](https://research.meta.ai/blog/security-and-safety-for-ai-agents-our-approach-with-muse)

企业不应把今天的服务当作承诺中的机密模式已经上线来评估。即使客户名单、供应商合同或利润率计算并非密码，也可能具有商业敏感性。智能体为了妥善谈判而需要的信息，可能恰恰是业主最想掌控的信息。

Meta 还称，用户可以下载文件和记忆，也可以选择不将数据用于模型训练。它表示，对话和虚拟机数据不会进入广告系统，但智能体的浏览活动可能间接影响广告。这些控制措施很重要，但仅凭可下载文件，并不能证明完整的工作型智能体可以迁移到另一家服务商。[Meta 对数据政策的说明](https://research.meta.ai/blog/security-and-safety-for-ai-agents-our-approach-with-muse)

因此还有一项实际依赖值得关注。一旦智能体掌握了企业的日常流程和连接好的工作流，价格、访问权限或产品行为变化都可能带来迁移成本。在智能体之外保留可用记录，并了解它依赖哪些服务，有助于看清这层依赖。

## 竞争可能把节省转化为客户收益

如果 Muse 降低了提供某种服务所需的投入，竞争者也可能获得同样优势。最初自行保留节省成本的卖家，之后可能面临市场价格下跌。客户或许能获得大部分收益，而供应商则需要完成更多工作，或提供更难以复制的服务。

这仍然是重大的经济变化。更负担得起的服务可以扩大人们的选择。小型机构或许终于能够委托以前无力承担的工作。错误在于假设生产成本降低，必然会让所有提供服务的人都获得更高利润。

拥有可信关系、专业知识或实体交付能力的企业，可能更善于有效利用智能体产品。软件可以围绕这些优势减少协调工作。新进入者仍然必须开发可信的服务，并说服他人购买。

对劳动者来说也存在类似的张力。减少日常行政工作，可以改善个人工作体验，也可能让机构重新分配工作。发布证据并未证明 Muse 会创造或取代多少岗位。这些影响取决于采用程度、受委托的任务，以及机构如何使用释放出来的工作能力。

扎克伯格还描述了未来智能体之间的互动，同时指出其中大部分内容并不属于此次发布。[访谈，29:00](https://www.youtube.com/watch?v=Lx8lrn-cytc&t=1740s)如果智能体最终能在不同企业之间协商和协调，平台关于身份、访问权限和商业偏好的规则就会更加重要。这仍是有待评估的进展，并非已经存在、其收益可以直接计入的网络。

## 哪些证据能让收入主张更可信？

应通过经得起仔细审视的结果来判断 Muse 的影响。可参考的证据包括：

- 清楚记录个人或企业在使用智能体之前如何完成这项工作。
- 分别报告新增收入和经核实的节省，并计入订阅、广告、履约、退款及审核投入。
- 报告普通用户的结果，包括失败项目以及已停止使用服务的人。
- 解释智能体完成了哪些任务、业主仍做了什么，以及收益是否持续。
- 公开交易收费和推荐规则，让人们能够理解其中的商业激励。

这些要求并非假设产品会失败，而是让成功能够被解释。许多企业反复获得幅度不大的改善，可能比一张没有成本说明的惊人收入截图更具影响。

BIG CHANGE 的合理期待，是更多人能够获得实用帮助：更多人可以落实想法、经营业务，并跟上家庭日常事务。Muse 提供了一款具体产品，可用来检验这种可能性。

Muse 能否让用户赚钱，要到流程后段才会见分晓：客户是否付款、工作是否交付，以及成本扣除后还剩下多少。智能体活动日志可以显示它做了多少事，业主的账目则必须显示最终留下了什么。

## Sources

- [Meta 推出个人智能体 Muse](https://about.fb.com/news/2026/09/introducing-muse-personal-ai-agent/) — 2026 年 9 月 8 日。确认产品发布、美国首发范围和产品主张。个人智能体与 Muse Spark 模型以及 Muse 媒体生成产品彼此不同。
- [马克·扎克伯格谈 Meta 的 Muse AI 智能体如何帮助人们赚钱](https://www.youtube.com/watch?v=Lx8lrn-cytc) — Sources 播客，2026 年 9 月 8 日。关于钱的讨论约从 24:53 开始。拟议中的交易费描述了 Meta 计划采用的商业模式，并非向用户支付报酬的承诺。
- [Alex Heath 的原始访谈页面](https://sources.news/p/mark-zuckerberg-meta-muse-ai-podcast-interview) — 2026 年 9 月 8 日。采访者的开场介绍提供录制背景和其早期印象。节目包含赞助内容，本文不采纳其中的宣传主张。
- [Muse 的设计方式](https://introducing.muse.ai/) — 2026 年 9 月。Meta 产品设计人员介绍了持久任务、交互式内容、浏览器访问和审批控制。这些功能说明可能的实现机制，但不能证明用户通常会获得财务回报。
- [Stripe 将 Muse 连接到智能体使用的 Link 钱包](https://stripe.com/newsroom/news/stripe-helps-meta-muse-shop-with-link) — 2026 年 9 月 8 日。支付服务商证实了购买和审批功能。这是用于支出的集成，并非向 Muse 用户付款或证明其业务盈利的证据。
- [关于 Muse 订阅](https://www.meta.com/help/subscriptions/1021145227643680/) — 核查于 2026 年 9 月 22 日。官方 Power 和 Max 价格、每周 Muse 使用额度及可用性限制。产品 token 额度不应与任务数量或 API token 预算混为一谈。
- [TechRadar 对 Muse 的亲身评测](https://www.techradar.com/ai-platforms-assistants/i-tried-metas-new-muse-ai-agent-its-incredibly-useful-but-handing-it-my-digital-life-felt-deeply-uncomfortable) — Eric Hal Schwartz，2026 年 9 月 14 日。记录一位评测者对购物和邮件协助的体验，并非对收入、利润或普通用户结果的受控测试。
- [生成式 AI 对创业者业绩的影响并不均衡](https://business.columbia.edu/faculty/research/uneven-impact-generative-ai-entrepreneurial-performance) — 工作论文摘要，日期为 2024 年 7 月 1 日。对肯尼亚创业者开展的随机商业建议研究，为不同结果提供背景。该研究测试的是 GPT-4 顾问而非 Muse，其估算结果并非对 Muse 用户的预测。
- [哥伦比亚大学：AI 与高低绩效者之间的差距](https://business.columbia.edu/insights/ai-widening-gap-between-high-and-low-performers) — 2026 年 8 月 20 日。研究人员所在机构介绍了实验以及选择和落实建议的重要性。不同版本对各子组报告了不同估算，因此本文不会把相应百分比直接套用于 Muse 预测。
- [Muse 的安全构建方式](https://research.meta.ai/blog/security-and-safety-for-ai-agents-our-approach-with-muse) — 2026 年 9 月 8 日。Meta 的技术说明区分了当前 Secure VM 控制措施与计划中的 Confidential VM 保护。安全控制措施不能证明商业推荐没有偏见。