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