导语
消费级AI最容易骗人的地方，就是发布会那三分钟。灯光一打，Demo一跑，全场“哇”一声，好像产品已经成了。可真正难的是后面：用户第二天还回不回来？第十次用的时候，它还靠不靠谱？
Muse这个故事，偏偏不是“灵光一闪”的故事。它更像七个月的修水管：原型像烟花，偶尔照亮夜空；产品得像水电，拧开就有，不能忽明忽暗。Meta首席AI官、Scale AI联合创始人Alexandr Wang这次把Muse的底牌摊开了：一张写满一百多项能力的表格，一支不到两百人的小团队，一场和不确定性死磕七个月的苦活。
我一开始想用“奇迹”这个词，算了，不合适。这里头当然有运气，有判断，但更多是笨功夫。
先说那个2月：OpenClaw让人又兴奋又害怕故事得从Meta Superintelligence Labs，也就是MSL成立那会儿讲起。那时扎克伯格发了一份关于“个人超级智能”的备忘录，Wang、Nat Friedman和其他同事都参与了撰写，也和他反复讨论。核心问题就一个：怎样做出强大的AI，让每个人的生活真正变好，而不是只在演示视频里热闹三分钟？
那份备忘录里的很多想法，其实已经悄悄勾勒出Muse后来的轮廓。早在2025年6月、Agent还没有真正起势的时候，他们就把手指向这个方向了。2025年夏天的AI，和现在很不一样。但这就是MSL想做的事，也是牵引所有工作的那根主线。
随后他们开始做模型。训练一个前沿模型，从头到尾要几个月：搭技术系统、备数据集、跑预训练、做后训练，再搭后训练需要的系统。它不像写一篇稿子，更像铺一条生产线，一环扣一环，哪一环松了，整条线都抖。
今年年初，Opus 4.5让很多人，包括Wang，看到了Agent可能带来的未来，潜力一下子变得很直观。OpenClaw也是年初兴起的。
和Wang密切合作的Nat Friedman，应该是MSL里最早用OpenClaw的人之一。他的体验，Wang形容为：一半兴奋，一半害怕。他彻底扎进去，完全信任它。他在Stripe Sessions的一次访谈里讲过一个故事：他告诉自己的OpenClaw想多喝水，它就通过监控画面看他有没有喝水，还会表扬他说“做得好”。他有很多这种离奇故事，让你意识到，这里面确实有东西在发光。
Nat对Wang说过一句话，Wang记得特别清楚：“我觉得这东西真有戏。”
Nat是个很值得参考的早期使用者。他是Stripe最早一批客户，也很早参与许多开源开发者项目，还参与推动过GitHub Copilot等产品。所以他的反应不是普通用户“哇一下”，而是一个明确信号：个人Agent确实有特别之处。当你真正信任它，让它进入生活，它能做的事，远比你最初想的多。听完这些故事，Wang也开始深度使用。有好几个星期，两个人几乎把所有空闲时间都花在和自己的OpenClaw交流上，像两个钻进新大陆的探路者，沉浸式地摸它能干什么。
Wang第一次用自己的OpenClaw时，最早尝试的事情之一，就是Nat写的一个提示词：让OpenClaw对使用者做全面心理分析，连续多轮深入追问。那感觉，大概像把三年的心理咨询压缩进一次对话里。冲击非常强烈。它一轮接一轮地追问，真的像做了三年心理咨询。它掌握着他的其他信息，能访问邮件和不少照片，还能查找更多资料，再综合起来。那个过程中，他感觉自己完全卸下了防备。
那是2月。两个人得出了同一个结论：这里面正在发生很特别的变化。
他们各自写了备忘录，正好赶上董事会开会，都把文件提交给了Meta董事会。Wang在备忘录里写，从很多方面看，这像是消费产品的最终形态；超级Agent似乎代表着消费产品演进的一个终点。Nat写了两份，标题很好记，一份叫“The Claw's the Law”，一份叫“Trust Is a Must”。这些想法后来成了他们打造产品的核心依据。
2月确定方向后，团队大约用一到两周就做出原型，演示给董事会看。这个周期非常快。Muse最终版本里的许多设计，在第一个原型里就已经出现了。第一次演示时，JollyBot已经在了，Muse Charm也有了早期版本。不是所有想法和功能页签都齐了，但很多核心设计已经有了。那是2月，产品是七个月后上线的。
真正难的是：原型偶尔能用，会带来惊喜，但大部分时候并不好用，还经常出问题。它像一簇忽明忽暗的火苗，你得把它做成一只稳定发光的灯。他们得把它做成高度可靠的产品，交出一个精心打磨、体验出色的消费产品，让自己有信心带给用户。这个过程漫长，也相当痛苦。
扎克伯格在其中是什么角色？他和他们一样，也在同时经历兴奋与恐惧。他在一些访谈里讲过：他在家里用、和孩子们一起用，也用它辅助综合格斗训练。他让AI看自己的训练视频，再给改进建议。后来Meta团队很多人开会时都会问：“最近你的Agent又带来了什么不可思议的体验？”
这还是2月的事。回头看很有意思，因为OpenClaw热潮后来达到顶峰，又消退了。热度没有一直烧下去。很多人都经历过惊喜时刻，但大多数时候产品并不好用，问题很多，热情就慢慢退潮了。
所以，Muse团队打造产品时非常关注一点：怎样把它做成真正可靠的消费体验，让他们有信心逐步交到数十亿人手里？怎样确信大多数人都能获得出色体验？
这里得说清楚，Wang非常尊重Peter Steinberger和所有为OpenClaw作出贡献的人。Peter绝对是个有远见的人，他能想出并做成OpenClaw，本身就非常了不起。Muse那些惊喜体验背后，其实是非常不耀眼的工作：一点一点磨平细节，让模型和产品结合起来的整体体验足够好。他们对模型本身做了很多轮迭代，整个模型研发规划都围绕个人超级智能展开，其中明确包含个人Agent。
这和竞争对手有什么不同？回到今年2月看就清楚了。当时Opus和Claude在编程上遥遥领先，增长非常迅猛。那是Anthropic在整个行业迅速崛起的开始，让人很有压力：他们在编程上已经领先那么多，还有Mythos，优势很明确。行业里普遍觉得，Coding Agent才是先进AI唯一重要的产品形态，甚至是唯一值得关注的技术或能力。一股强大的力量推着所有人挤进这个场景，去和Anthropic竞争Coding Agent。
但亲身使用的经历，让Wang他们对个人Agent形成了自己的判断。退一步说，他们从一开始选择个人超级智能，就是相信Meta在这件事上有独特优势。
早在Scale AI和Meta的交易发生之前，Wang就对扎克伯格说过：如果AGI或ASI真的到来，不管怎么称呼它，Meta都会是一家位置非常特殊的公司。我们每个人都有想做的事，也有不得不做的事。AGI的愿景是，它替我们做掉大量不得不做的事，让我们几乎不必再把时间花在这些事上，可以专注自己真正想做的事。对Wang来说，Meta的产品恰好承载了人们想做的事：在Instagram、WhatsApp和Facebook上，我关注兴趣爱好、朋友，以及我在乎的人。Meta产品覆盖的，正是我们愿意花时间去做的事情。
从长期看，他认为Meta有机会在这场变化中成为大赢家。这是他对Meta和超级智能最初的判断，其中不少想法后来进入了个人超级智能的构想。从公司传统看，Meta一直在连接亲友，帮助人们发现兴趣。这些事情非常贴近人；从商业角度看，Meta每天还能通过旗下应用触达35亿人。所以，消费级AI是Meta最自然、最有可能成功的方向。
重点不在工作或编程，而在个人生活。他们一直觉得，个人Agent、个人AI，以及更广义的消费级AI，是Meta能做出特色的领域。
七个月不是浪漫故事：一百多项能力，听着就头大回到2026年初：原型有了，大家认可，扎克伯格也支持，接下来是七个月艰难打磨。
当时总有一种担忧：个人Agent是不是已经热过一轮、又过气了。但他们始终觉得，问题不在方向，而在体验还没打磨到位。研发时他们一直记着这一点，把个人Agent列为模型研发规划的首要重点之一。
他们列了很长的表格，逐项写出理想个人Agent所需的一百多种具体行为和能力。这个过程非常细致：每一项都建立评测，再研究怎样训练模型，让它在每一项上都做得足够好。每次评审，他们都对着表格找薄弱项，确认这些能力正在改善。表格像一张作战地图，红黄绿标出哪里漏风、哪里松动。他们就这么持续改进，把模型的问题一点点磨平，让它能真正支撑产品。
不断打磨细节，也是Meta的文化吗？Wang说，Meta文化里很重要的一部分就是：明确要衡量什么以后，让优秀的人围绕这些目标优化，把细节做到极致。AI之前，消费产品优化的是转化率、推荐率，以及用户入门流程的每个环节。到了AI时代，尤其做Muse时，这种打磨很大程度上变成了优化模型的每一个细节，让它适配产品。
外界当时可没这么耐心。华尔街的一种主流叙事是：Meta烧了这么多钱，到底能不能在AI上做出东西？大家一遍遍说，扎克伯格赢不了AI。Jeremy Stern写那篇约1.5万字的扎克伯格特写时，还私下采访了他的竞争对手，其中包括一位曾与扎克伯格共事、后来去了另一家实验室的研究员。那个人说，他不想和扎克伯格竞争，因为扎克伯格就像个“终结者”。他根本不会停下来；他的一个强项，就是永远不满足于产品现状，总想继续改进。他确实有很强的主导性，但并不是那种粗暴待人、破坏团队氛围的人；文章里也说，他非常重视团队凝聚力。
Wang认为这些评价是准确的。Muse之所以能带来惊喜，一个重要原因就是他们在发布前花了很多时间，认真推敲每个细节。个人Agent的成败，往往只在一线之间：如果能稳定地带来惊喜，它就有机会成为有史以来最出色的消费产品之一。但模型并非每次都会给出确定结果，Agent也会出错、不可靠；用户一旦经常遇到这些问题，就会觉得产品很糟。他们必须把质量和价值做到一定程度，才能让下载和使用它的人真正认可。
七个月听起来可能不长，但AI竞争非常激烈，AI世界里的七个月，可能相当于其他行业的十年。这件事Wang尤其佩服扎克伯格；所有人都需要耐心、克制，以及对整个过程的信任。回看2月至9月的财报电话会，他一直在提他们正在做个人Agent，也没想隐瞒。但那段时间外界始终有很多质疑。
投入了多少资源？团队多大？从年初其他Agent产品的情况就能看出来，很多用户都流失了，原因就是不可靠。他们做了很多轮用户测试，让新用户下载Muse、从头开始使用，再观察实际体验。
Muse的核心前提，也是用户真正感受到的一点，是它与大多数消费级AI不同：它不只是聊天机器人，而是能替你做事的Agent。对开发者来说，这不新鲜，他们用Agent有一阵子了；但对大多数人，这个转变需要解释，也需要精心设计的入门引导。他们持续对不同模型版本做A/B测试，把不同版本分给不同用户，对比实际使用效果，发现产品体验对模型质量极其敏感。这包括模型能否稳定完成任务、清楚与用户沟通，以及需要指导时能否及时回来向用户确认。
那怎么判断产品可以发布了？一部分依据是量化的：那张一百多项能力的表格，每一项都有发布底线，也有表现良好的标准。许多模型检查点有八十项达标、二十项不达标，他们知道那还不够好。第一个全部达标的模型检查点，是一个经过专门训练的Muse Spark 1.3版本。这是量化依据；另外还有实际体验，他们一用就能感觉到，它比之前迭代过的所有版本都好得多。
那七个月里，一共多少人在做这款产品？模型和产品两边加起来，不到两百人。听起来不少，但放在大公司里，其实是很小的团队。回头看，整个管理层都知道，这可能是Meta当年最重要的产品之一。但他们在组织上保持了克制，让一支小而专注的团队负责，没有让公司各个部门大规模涌进来。因为他们知道，它应该是一件完整的作品，需要鲜明的产品判断和高度专注，才能形成统一、出色的体验。
为什么说它是一件完整的艺术品，需要统一视角和判断？大机构的产品常有一个问题，现在一些AI实验室也开始出现：它们像拼凑出来的怪物，混合了太多人不同的判断、愿景和想法。像一场产品经理的混战：每个人都想把自己的东西塞进去，最后全部搅成一团。用户能感觉到，一个产品是不是由目标各不相同的人，把各自做的东西硬拼起来的。Muse必须反过来：有一个清楚的产品判断，向用户交付一种前后一致的完整体验。
录制这期节目当天，正好是乔布斯逝世十五周年。说到有统一审美和判断的消费产品，首先就会想到乔布斯。有人说过，苹果就像拥有一万条生命的乔布斯。产品体现了他的品位、视角和判断；他希望带到世界上的东西，最终真的到了用户手中。对于Muse，Nat Friedman功劳很大，他的品位和感受力，很大程度上塑造了产品最终的样子。
用户不爱你，这话难听，但真Muse发布后，公开说法是用户“以百万计”。Wang也转发过一些人的图表，那些图表显示，Muse可能是增长最快的消费级AI应用。几亿也可以用millions来表达，所以他只是没说前面那个数字。
发布以后，Wang在X上的发言明显放飞了。他自己说，过去几周，是他职业生涯里做产品最开心的时期之一。首先，他们得想办法让Muse被真正看见。人们每天都被新的AI产品、创业公司、发布会、模型和功能轮番轰炸，信息像洪水一样涌来。团队专门开过大规模会议讨论如何突围：Meta的分发能力能让大家知道这个产品，却不能自动让它成为有意思、能引起讨论的文化现象。
Wang碰巧交了一些特别会玩梗的朋友，平时会开玩笑说他们很“癫”；他们整天研究梗图、互联网，以及网络传播的规律。有人说他有一百个Muse在做梗图、宣传Muse，他澄清：那些推文每一条都是他自己写的。有一阵子他开会都很难集中注意力，因为脑子里突然冒出一个梗，就特别想赶紧发出去。有一次和同事吃饭，他突然说：“等等，我想到了！”然后又发了一张梗图。那感觉有点像重新当工程师、解决了一个bug，你能感觉到，这个梗会让大家产生共鸣。
他们想让产品突围，也想让Meta重新变酷。虽然Meta有Instagram、以前还有Facebook这样影响文化的产品，但它已经有一段时间不那么酷了。他希望它变得酷、有意思、有幽默感。后来越来越放飞，也是逐渐自然发生的。起初他主要转发几十个有趣的使用案例；后来发得太多，有几条没怎么多想就发了，结果反响特别好。有些东西他没想太久就发了，几个小时没看手机，再看时才发现特别火。这让他重新意识到，互联网会奖励冒险、惊喜，以及出乎大家预料的东西。一些同事很意外；Nat那周开会时总开玩笑说，本来以为大家会深入了解Muse用户，结果了解的却是Alex的脑回路。这很有意思，像把多年来积累的互联网经验一下子都用上了。很难精确追踪效果，但他真的觉得它推动了增长。
有分发渠道，不代表用户会回来，也不代表产品有黏性。Muse怎么做到？一部分在于，尽快让用户体验到“原来它还能这样”的时刻。这款产品很适合做到这一点，因为它能做很多事，尤其对从来没用过AI Agent的人来说。另一部分，就是把这些令人惊喜的使用故事传播出去，帮助产品被理解、被更多人使用。他们投过一些广告，但刚开始很大一部分传播，就是Wang看到有趣用法就转发，或者加上评论转发。
说到广告，Senra忍不住吐槽：为什么Anthropic和OpenAI的广告会那么难懂？Anthropic大规模投户外广告，讲的都是自己。ChatGPT的广告也一样，放个很多人可能都不认识的标志，写上Codex，再让两个人坐在桌前。这到底想表达什么？明明有这么多使用案例，只要展示产品能给用户带来的好处就够了。你们有那么多案例，就拿来做广告啊；这么基本的道理，却总有人反复犯错。
Wang的答案很直接：做Muse，以及做其他产品时，他们一直在问：别人为什么会在乎？用户不在乎你和你的公司，他们在乎的是自己能得到什么。
这话让人想起Claude Hopkins那本《科学的广告》，写于20世纪初。它太有价值了，当时有位在二三十年代赚了很多钱的广告公司创始人，Hopkins正是他最优秀的文案，他甚至想把这份手稿锁进保险柜二十年。它本质上讨论的是不会轻易改变的人性，而不只是广告。书里的重点是：如果广告只说“我有这个产品，来买吧”，就没有说中用户关心的事——它能为我做什么？先把产品能给用户带来什么说清楚。
世界上大多数人并不关心OpenAI、其他公司、Meta，或者研究本身；他们只关心，这东西能为自己做什么。
Jolly这个小吉祥物是个意外的礼物。有次上班路上，Wang生成了一张它提着公文包的图片，突然发现它很有潜力。他配的文字是“MFW I go to work on Monday”，也就是“周一上班时我的表情”，当时觉得这是自己最近发得最好的一条。后来他发现，可以让这个小家伙出现在各种场景里。怎样做出与其他产品营销完全不同、出乎意料的内容？比如大胆玩梗，这种做法以前还真不怎么见过。这个小家伙让他们能这样做，也能引起普通人的兴趣。
这可能让人知道产品，甚至下载下来，但装到手机之后，怎样让他们继续用？喜欢这款应用的人通常会经历一个循环，Wang他们2月时也经历过：先交给它一件小事，它做成了。接着交给它一件稍大一点的事，它也做成了，于是你开始把更大的问题交给它。这有点像与AI Agent做信任背摔：你一点点把自己交给它。起初你不太信任它，但有些好奇，就先试一点，再试大一点，然后继续加码。
Wang和大学生交流时发现，有些人使用AI的方式几乎是完全信任。他们录下语音，把脑子里的想法一股脑交给AI，相信它能整理清楚，给出明确的计划和行动。对真正用好Muse的人来说，关键就是进入这个过程：逐步把更大的事交给它，而它每次都能完成。
口碑的力量有时候比广告更具体。Senra采访Wang之前本来就会下载Muse，但真正勾起他兴趣的，是一个朋友发来的Muse使用截图。下载以后，它并不会把所有用途都讲明白，而是比较开放，像一个等你输入的文本框。他有个朋友，经营着一家价值一千亿美元的公司，把身份证件落在了Flexjet的飞机上。他直接告诉Muse：“我完全不想参与处理这件事。”他告诉它证件在哪儿、自己在哪儿，让它自己安排取回证件，并解决中间所有步骤。结果它安排了配送，想办法通过办公楼的安保，最后把证件送上楼、交到他手里。这就是最好的营销：三四张聊天截图，里面他一直强调自己不想参与，要Muse把所有事情处理好。
Wang说，现在的产品营销很依赖截图。一款现代消费产品，要能让人从截图里就看出它的价值。截图要能在群聊、朋友之间和网上传播起来。这一点并不是他们刻意设计出来的，但截图里有那个小家伙，确实很重要。看到Jolly，或者用户选择的其他角色，大家马上就知道这是Muse的截图，这就是非常好的传播。
第二大脑，和恒星系统Wang自己怎么用Muse？他主要用它建立各种工作流。因为很多时间都在开会，工作也要求他专注于现场、与人交流。他把它当作第二个大脑。他曾在一篇短帖里写：“如果每个人除了自己的头脑，还能拥有第二个头脑呢？”那条帖子他上次看时大约有550万浏览。
从哲学上说，一个特别有意思的问题是：当我们拥有强大的AI，作为人意味着什么，人和AI的关系又会是什么样？不同的人有不同看法。一种令人担忧的情况是，AI凌驾于人之上，人只能听从它；但还存在其他可能。
Wang很相信Muse，也相信个人Agent是一种长期成立的产品形态，因为人天生就有愿望、欲求和梦想。AI和Muse这样的个人Agent，可以成为帮我们实现这些愿望的工具与桥梁，让人们不断有更大的梦想。孩子们甚至可能梦想拥有自己的恒星系统，而Muse也许能帮助他们朝那个方向前进。
贝索斯在一封股东信里说过，消费者可贵的地方，在于他们总是不满足于现有的选择。这是人和AI的一种关系。当然还有其他形态，比如AI越来越多地参与科学发现、进入经济活动的各个环节。但Wang相信，长期来看，每个人都会拥有一个支持自己、帮助自己实现愿望的AI。
所以，AI能帮人清理掉生活里那些繁琐、麻烦、又不想做的事？Wang写过，这个世界有很多门槛和阻碍，Muse可以替你去处理，不再占用你的时间，让你专注真正想做的事。他觉得，Muse能让每个人有机会过上小时候梦想的那种成年生活。小时候，我们都有很大的想法，想当宇航员、拯救地球、改变世界。但由于种种原因，读完书、进入职场、工作几年以后，那种希望、抱负和做梦的能力，就被生活一点点磨掉了。成年以后，我们甚至没意识到自己有多像在机械地生活，失去了主动改变处境的能力，也失去了抱负。
AI和Muse这类产品的一个承诺，就是让小时候的那股劲继续下去：有大梦想，用AI实现它，再拥有更大的梦想。你不断实现愿望、再追求更大的目标，一生的自主行动能力像坐扶梯一样向上，而不是慢慢被压垮。
最出色的创业者就在这样做：先有大目标，实现了，再想更大的目标，可能再为之努力十年。马斯克和扎克伯格都是很好的例子，许多标志性的创业者都这样走过来。Wang觉得，每个人都应该有机会经历某种这样的过程。可惜的是，大多数人原本有很大的梦想，进入职场以后，却变成了机械生活的人。他们可能还想重新追梦，但有了家庭、责任和各种牵绊以后，事情会变得特别困难，像是被困在了那种状态中。
他描绘的世界是：每个人的自主行动能力都随着一生不断增强，也有能力实现自己的愿望和梦想。那会是一个好意义上的“疯狂世界”，有趣、有艺术感、很酷，走到不同地方，都能看到截然不同的创造。充裕的智能会让数十亿人突然有资源去创造了不起的事物。在他脑海里，那有点像《瑞克和莫蒂》里的跨维度有线电视，居然在人类现实中成真了，可能会特别精彩。
一通电话，九年告别聊完Muse，话题回到Scale。Wang创办并经营着Scale AI，有一天扎克伯格突然联系他，说想聊聊。信息大概就是：“嗨，你有时间通个电话吗？”
此前他们认识。是一位朋友Alex Schultz介绍的。他们从Scale成立大约一年时就认识了，当时是在旧金山见面的。Alex Schultz现在是Meta的首席数据官，也长期在Meta担任高管，大概在2021或2022年介绍Wang和扎克伯格认识，聊AI。那时扎克伯格越来越关注AI，Scale也在做很多相关工作；但Wang记得，从介绍认识到真正安排好第一次见面，足足花了大约一年。为什么这么久？扎克伯格的日程排得特别满，要处理无数事情，同时也非常善于确定优先级。对于真正重要的事，他会投入大量时间，有时甚至多得超乎想象。要在做到这些的同时，当好父亲和伴侣，就必须非常果断地取舍。
后来他们又聊过几次。能作为创始人向扎克伯格请教，对Wang来说当然很珍贵。他在WhatsApp上问一个问题，扎克伯格就回很长一段，起初让他很不解。他哪有时间写这么长？后来才发现，他就是能非常快地写出严谨、详尽的回复。这也让人能看见他是怎么思考的。
Meta是Scale的重要客户，在那之前，他们大概每六个月聊一次。后来扎克伯格打来电话，但最初谁也不知道事情会发展成什么样。那是在Llama 4之后，第一通电话基本就是问：“你觉得我们应该做什么？”为什么强调是在Llama 4之后？Llama 4没有达到Meta想要的发展水平。在内部，大家确实是失望的。与此同时，AI又越来越重要，显然会对Meta的未来起决定性作用。所以，最初几通电话里，他一直在问：我们应该做什么，应该把重点放在哪里？
据说扎克伯格身边有一群世界级创业者，不只是Meta董事会成员，他总在向这些人请教。其中一些人说，他会不停联系大家，讲自己生活或工作中的问题，然后问：“换成你会怎么做？”他一遍遍这样做，这种习惯很让人佩服。已经取得那么多成就，还能持续请教别人，需要谦逊。
从扎克伯格第一次联系Wang，到他们宣布交易，只用了五六周，确实很快。此前Groq创始人Jonathan Ross第一次公开谈他和英伟达的200亿美元交易时说，从黄仁勋第一次打电话到钱到账，只用了三周。这很惊人。当时Wang也有很多想法，想着如果自己处在扎克伯格的位置，会怎样制定Meta的AI战略。最早的一个判断，就是Meta一直围绕人们想做的事发展，所以在这场AI变化中很有优势。他给扎克伯格发了很多想法，同时他们也开始谈，是不是有某种合作方式。
扎克伯格说想合作时，Wang是什么反应？完全没想到，整件事的发展都很离奇。他的想法是，听起来挺好，但不太可能吧。当时没人给他上过这堂课，他还很明确地觉得，这可能本来就不太合理。也许扎克伯格只是先提个想法，但他想不通这件事为什么成立。Meta最标志性的收购是Instagram和WhatsApp，都有非常清楚的产品逻辑。Scale则主要面向企业和政府销售，是完全不同的一门生意。他当时觉得，如果Meta想进入这些领域，这笔交易才有产业逻辑。可扎克伯格的重点不在这里，他主要关心的是Llama和Meta整体的AI项目。他想要的是人才。只是在很长一段过程中，这件事都还不那么清楚。开始谈数字时，Wang才意识到：“哦，原来如此。”事情也渐渐清楚了。
有好几个星期，他都在想：太疯狂了，这是真的吗，合理吗，如果合理，我自己又怎么想？最主要的感受，就是觉得这太不可思议了。等他意识到真的要作出决定，他和Scale的同事、投资人进行了很多讨论。要放手自己一手养大的公司，当然非常难。从创办到那个时候，九年。那时他还不到三十岁，相当于人生的三分之一。
Paul Graham常说，如果你把公司当成毕生事业，做事的方式就会不一样。做Scale的整个过程中，Wang确实一直把它当作自己的毕生事业。所以在情感上，这个过程很难。最终打动他的，一方面是它对各方都有好处，另一方面是他看到了Meta的潜力。交易结构很特别：Meta投资、持有Scale的49%股权，Scale继续经营，Wang和少数几个人加入Meta。这是一笔不常见的交易，但他确实觉得它是多方共赢：Scale的股东得到不错的回报，Scale继续发展，而且他真心相信，它最好的日子还在后面。当时Meta的AI业务在外界看来有些受挫，也许不是做AI最有吸引力的地方；但恰恰是这种局面，激起了他创业的那一面。正因为有那么多东西需要重做，才给了他从头搭建、确立原则、建立文化的机会，也为做出优秀成果创造了条件。
从外面看，扎克伯格像是把所有筹码都压上了。有本书叫《拿破仑的思想》，出版于1957年，把拿破仑自己的话按主题编排。书里反复说，犹豫是致命的；但采取行动之前，他会仔细权衡，从各个角度研究，确保决策正确。这让人想到扎克伯格：先反复思考，确认方向没错，一旦决定，就全力投入。Wang说，扎克伯格真的理解了：失败本身没有那么重要，关键是成功的时候能赢得多大。这使他在很多情况下都能放开手脚，因为他能接受承担很大的风险。扎克伯格有句很好的话：在一个不断变化的世界里，最大的风险就是不冒任何风险。他把这句话理解得很深。Meta本来也可能变得更像Google，行动更慢、官僚层级更多；但因为他牢记这些教训，公司保持了活力和变化的能力。
两百多个直接下属，听着就离谱作为Scale创始人，与现在和扎克伯格一起重新建设实验室相比，Wang的工作方式有什么不同？
做Scale时，他很认同一句建议，虽然不记得是谁说的：好的创始人应该能做公司里的每一份工作。他对公司里每件小事应该怎么做，都有很强的判断，公司也深深烙上了他的投入和想法。这影响了公司的方方面面，也让他成了很多事情的瓶颈。这有利有弊，但如果是第一次创业，他觉得这样做，成功的可能性确实更高。
但在Meta，任务完全不同：他们必须在很短的时间里做成很多事，他没有条件亲自做实验室里的每份工作。他不是AI研究员，也不是产品设计师，更不可能代替所有对组织成功至关重要的专业人才。所以，他转向了另一种思路：创造好的环境，招到各个领域最优秀的人；这是第一要务。
为什么在Meta能做到，是因为资源更多吗？MSL成立时，有一个很吸引人的机会：用一支很小的团队，从头建设实验室，而且方向很明确，就是个人超级智能。这能引起共鸣，因为做AI的人也希望AI帮助人，能对自己的母亲、祖父母，以及每个普通人产生实际意义。有Meta的资源支持，他们不会被算力、基础设施或分发渠道卡住。它既避开了创业公司常见的限制，又让人有机会亲手塑造一件事、留下自己的印记，这让很多人兴奋。
一个容易被忽略的因素是，OpenAI和Anthropic的估值涨了很多，这些人即使留下来也能获得很高的报酬。对不少人来说，换工作前后的薪酬待遇，在某种程度上差不多。大家常常没有考虑到，这些实验室股权大幅升值后，早期员工和研究人员的薪酬总额已经有多高。
他们从一开始就围绕三件事：招最优秀的人，明确个人超级智能这个目标，再创造让他们发挥最佳水平的环境。在Meta和MSL，Wang更多在做通常意义上的管理，思考怎样让这些特别出色的人充分发挥才能。他更像一个教练；在Scale时，他则像一个主创，所有事情里都得体现他的判断。
具体说说，像教练是什么意思？他的工作，首先是帮助确定方向：个人超级智能、做好消费级AI，以及做出对每个人都有意义的AI。然后，发现团队中特别有才能的人，给他们环境和资源，让他们充分施展。很多大公司都有优秀的人，却没有给他们充分发挥的空间，所以他们会去小公司，或者自己创业。贝索斯在股东信里也反复讲过：如果优秀的人没有机会做东西，他们就会离开。
AI很特殊。“研究”这个词现在可能被说得有点空，但事实上，人类仍不知道这些模型的能力边界在哪里。这些模型是我们尚未完全理解的系统，因此这确实是在做科学和研究，探索技术究竟能做什么，又能造出什么。这需要大量试错，也需要优秀的人产生深刻洞见，不能把它当成一个只靠精细运营和严格管理就能推进的过程。人需要空间、时间和资源，才能做出最好的工作。
Nat Friedman很出色。如果说Muse最鲜明地体现了某个人的产品判断，那就是他，所以我们要让他能充分施展。优秀的研究员也有让人兴奋的想法，我们要创造环境让他们探索，知道大多数可能失败，但少数可能取得特别好的结果。那些成功的成果，足以让所有投入变得值得。按照回报的分布，可以把问题分成两类：挖钻石和盖摩天大楼。有些领域的回报非常符合幂律分布：大多数尝试几乎没用，但少数成果的价值可能是其他东西的一百万倍。风险投资就很像挖钻石：识别特别的想法，再支持它们发展下去。盖摩天大楼则回报更接近线性，数据标注、数据业务，以及Amazon Prime配送，更接近后者：建立一套流程，再把执行做到非常出色。盖摩天大楼侧重运营，把流程效率一点点挤出来，这里提高2%，那里提高1%，再有一个地方提高0.5%，持续优化。挖钻石则是鼓励大家去尝试大胆的想法，再培育那些显露潜力的方向。
现在在Meta做的就是这个。而做Scale时，更像是在盖摩天大楼，这是两种工作方式之间很大的区别。
那为什么有这么多直接下属，一百个左右，还是多少？Wang记得超过两百人。这怎么运作，又为什么这么做？MSL成立和重建时的一个核心想法，就是保持很高的人才密度，为优秀的人创造最好的环境，建立技术导向的组织，让他们有机会做自己的毕生事业。其中一个组织原则就是扁平化：加入TBD这个团队的研究员，基本都直接向他汇报。这表达的是一种反官僚主义的立场，因为他们招来的人，已经在过去的职业生涯里证明过自己能做出优秀成果。他不需要事无巨细地管理，他们自己就能做出好工作。他们需要技术领导：有人为各组确定技术方向，团队划分成不同的小组，各组的技术负责人在技术决策有分歧时拍板。
所以，技术领导结构是有的；但在人事管理和行政层级上，他们尽量去掉官僚主义。他们也会集体作出很多决定，因为大家都很优秀，希望充分辩论，讨论什么才是正确的方向。实验室里的每个人都做出过优秀成果，他们想听到这些意见，找到大家都认可的最佳前进方式。
这确实不是常规的管理方式。如果Wang说自己能把两百多个人都管理得最好，那是在说谎。但重点之一恰恰在于，他们并不需要有人时时管着。他们需要的是一个好的环境；他们聪明、能力极强，只需要能放开手脚做事的空间。所以，也许他不只是教练，更像是维护一个好环境的人，让他们能在里面做出好工作。
作者声明： 本文转载自第三方，旨在提供资讯参考，并非证券推荐或投资建议。作者对内容的真实性、准确性不承担保证责任。本文不构成任何投资建议或证券推荐。截至发文日，作者与文中提及的标的不存在持仓关系。