Meta Muse 爆紅,為什麼騰訊股價大漲?

深流研究所2026.09.23 10:39 · 來自北京全文3733字00:00 / 10:34扎克伯格等來爆款,騰訊跟著被重估。文 | 深流研究所,作者 | 吳絳楓Meta 在 AI 上砸下的重金,什麼時候才能拿到大結果?Muse 給出了第一個答案。9 月 8 日,Meta 推出個人 AI Agent Muse。上線不到兩週,Muse 登頂美國蘋果應用商店免費應用榜,排名超過 ChatGPT、Gemini 和 Claude。扎克伯格終於等來了一個消費級 AI 爆款。9 月 21 日,Meta 股價上漲 11.
43%,創下 2025 年 4 月以來最大單日漲幅,市值一天增加約 1900 億美元。Muse 點燃的不只是 Meta。市場開始押注,個人 Agent 的普及會帶來更大的推理和計算需求。於是,Arm 上漲 17.2%,英特爾上漲 12.1%,AMD 上漲近 10%,市值首次突破 1 萬億美元。這輪行情很快傳到中國。9 月 22 日,騰訊控股盤中一度上漲 7.77%,股價升至 463.4 港元。在當天普遍上漲的港股科技股中,騰訊表現最突出。Muse 有什麼特別之處?它為什麼能讓華爾街重新相信扎克伯格,又為什麼讓遠在中國的騰訊獲得重估?為什麼說Muse是“社交+Agent”?
從產品體驗看,Muse 完成表格填寫、日程整理、預訂餐廳、規劃旅行及購物等一系列任務。接到任務後,它會將目標拆解為多個步驟,再調用用戶已經授權的賬戶和服務。涉及發送郵件、提交訂單和付款等敏感操作時,Muse 會暫停執行,等待用戶再次確認。說實話,這些能力本身並不新鮮。OpenAI、Google、Anthropic,以及一批創業公司都有嘗試。Muse 的不同之處在於,Meta 第一次把個人 Agent 放進一個成熟的社交體系,嘗試藉助 Instagram、Facebook 等社交平臺積累的內容和關係。Agent 要替用戶完成任務,首先需要理解用戶。社交平臺天然儲存著豐富上下文。
隨著授權範圍擴大,Agent 可以逐漸瞭解用戶的興趣、聯繫人、歷史內容和日程安排。Meta 在產品演示中給出了一個典型案例:用戶在 Instagram 收藏了一段食譜視頻,Muse 可以識別視頻內容,生成購物清單,並根據受邀朋友的飲食禁忌進行調整。這個案例看起來只是把“收藏視頻”變成“購買食材”,背後卻串聯了內容理解、個人記憶、社交關係、商品搜索和交易執行。社交平臺還解決了另一個問題:讓 Agent 代表用戶與其他人發生連接。比如,用戶希望出售一輛二手車,Muse 可以幫助整理車輛資料、填寫出售頁面、聯繫潛在買家,並持續追蹤後續進展。
任務的關鍵不只是操作網頁,還有理解買賣雙方的意圖,並在多輪溝通中推進交易。這正是“社交+Agent”的化學反應。社交平臺提供個人上下文、關係鏈和分發入口,Agent 把這些原本靜態的資產,轉化為一組可以連續執行的任務。Muse的走紅,驗證了什麼?Muse 上線後的增長速度,讓它迅速獲得了技術圈之外的關注。Sensor Tower 數據顯示,截至 9 月 18 日,Muse 上線十天在美國獲得約 73 萬次下載。這一增速接近 ChatGPT 移動應用早期在美國的表現。ChatGPT 在 2023 年推出 iOS 應用後的前八天,獲得約 69.7 萬次美國下載。
對一款 Agent 產品來說,這是一個重要信號。此前,一項針對 1500 名美國消費者的調查顯示,8% 的受訪者願意把密碼相關權限交給 Meta,願意信任 Google 和 Apple 的比例分別為 30% 和 23%;另有 58% 的受訪者不願向任何 AI Agent 開放密碼權限。在這一背景下,Muse 仍能在短時間內吸引大量用戶,至少說明普通消費者願意嘗試“讓 AI 代替自己操作軟件”。商業化方面,Muse 採用免費增值模式。Meta 提供免費使用額度,同時設置每月 20 美元和 100 美元的訂閱檔位,主要面向使用頻率更高、任務更復雜的用戶。
這讓市場獲得了一個相對清晰的消費級 Agent 收費參照:基礎功能用於擴大用戶規模,高頻任務和更高算力消耗通過訂閱變現。不過,訂閱未必是 Muse 最主要的收入來源。當 Muse 幫助用戶尋找商品、預訂餐廳、購買機票或完成結賬時,它處在消費決策和支付之間的交易環節。理論上,平臺可以從交易佣金、商業推薦、支付服務和商家技術服務中獲得收入。這是更具想象力的部分,也是資本市場願意重新評估 Meta 的重要原因。從AI助手到數字代理,Muse還差什麼?Muse 的想象空間很大,但它距離真正成為“個人數字代理人”,仍然有幾道難關。首先是生態接入。Agent 要完成現實任務,必須調用大量第三方服務。
Muse 預訂餐廳可能需要 OpenTable,管理郵件需要 Gmail,購買商品需要電商平臺,支付則需要金融機構和支付網絡。如果第三方願意合作,Muse 可以通過 API 或專門協議完成任務;如果對方沒有提供接口,它就只能通過瀏覽器模擬用戶操作。不同公司對 Agent 的態度已經出現明顯分化:有的平臺把 Agent 視為新的流量入口,有的平臺則認為它會奪走用戶入口。Muse 上線後,Amazon 阻止其在自家購物網站執行操作。Amazon 給出的理由包括未經授權訪問、身份披露不足,以及潛在的隱私和安全風險。Amazon 還認為,第三方 Agent 會繞過其原有的個性化推薦、廣告和購物體驗。
Shopify 則做出了相反選擇。它與 Meta 合作,讓旗下商家的商品可以被 Muse 發現,並支持用戶在 Agent 流程中完成結賬。對 Shopify 商家而言,只要 Agent 能帶來新增訂單,它就可能成為新的分發渠道。還有信任難題。Agent 要發揮更大價值,需要了解更多用戶信息。隱私與安全是用戶決定授權的前提。為此,Meta 給每位 Muse 用戶配置了獨立的雲端虛擬機 Muse Secure VM,並通過另一個名為 Sentinel 的系統檢查對外操作。
密碼和支付信息存放在隔離的安全環境中,Muse 模型本身不能直接讀取;用戶也可以查看操作記錄、撤銷授權,並在發送郵件或購買商品前進行確認。Meta做成Muse,為什麼騰訊股價大漲?Muse 讓投資者看到,社交平臺積累多年的用戶、內容、關係和服務,可以被重新組織成一個消費級 Agent。資本市場由此接連完成了兩次定價:先為 Meta 找到一款面向普通消費者的 AI 產品買單,再把同樣的邏輯投射到騰訊身上。在中國互聯網公司中,騰訊擁有最接近“社交+Agent”的一組資產:微信的用戶和社交關係鏈,公眾號與視頻號的內容,小程序承載的服務,以及微信支付覆蓋的交易網絡。
目前,微信原生 AI 助手“小微”進入小範圍灰度測試。測試中的“小微”可以處理微信內的部分內容和文件,並調用小程序完成生活服務。在發送消息、付款和轉賬等敏感環節,系統仍保留人工確認。騰訊總裁劉熾平此前在財報電話會上表示,AI 可以幫助微信用戶進行交易、探索內容和管理日常生活,未來微信將逐漸成為一個“AI 優先”的應用和生態系統。這段表述與 Muse 如今展示的產品形態高度接近。不同的是,微信的內容、通信、服務和支付已經處在同一套賬戶體系內。今年 6 月,微信向開發者開放了 AI 生態接入能力。京東、美團、滴滴和攜程等平臺隨後宣佈成為首批內測團隊。
Muse 要做成一件事,要跨過多個產品,電商、出行、餐飲和支付平臺得一家家談接入。微信不用從頭開始。小程序自 2017 年上線,近十年裡已經沉澱出覆蓋購物、外賣、出行、旅遊、醫療和政務等場景的服務網絡。這意味著,大量 Agent 任務可以在微信生態內部完成。這套生態在全球都很少見。馬斯克曾多次表示,希望把 X 做成類似微信的“萬能應用”。Muse 驗證了“社交+Agent”的可行性,而微信握著更完整的實現基礎。此外騰訊的基本盤,為這場 AI 競賽提供了相對充足的試錯空間。
遊戲、廣告和金融科技及企業服務仍在貢獻收入與現金流,騰訊不需要依靠單一 AI 產品迅速兌現商業化,也有能力繼續承擔模型訓練、算力和產品研發的高投入。增量一側,騰訊還在猛踩油門。重建後的混元加快了迭代。WorkBuddy 成為領跑辦公 AI 的黑馬。Buddy 產品系列頻頻上新,騰訊儼然成為了一座 Agent 工廠。今年6月初,市場第一次傳出微信要做Agent,騰訊單日上漲10.46%。那是一次基於傳聞的定價。如今,個人Agent開始看到應用前景,騰訊又一次大漲。騰訊股價聞聲波動的背後,是市場何時開始重估騰訊的敏感神經。那麼問題來了,你是要現在上車,還是再等一等?
Related
相關文章

華為大模型雙子星聯手造物理基模,剛融資數億元
機器人前瞻(公眾號:robot_pro) 作者 | 許麗思 編輯 | 漠影 智東西9月23日報道,近日,物理AI公司息壤開物(XIRRA)已在兩個月內連續完成數億元種子輪及天使輪融資,由敦鴻資產領投,華控基金、三花控股、銀杏谷資本、澤然資本、本堅基金、上海天使會、標樸投資等知名機構跟投。 這家公司由兩位華為大模型核心人物聯手創辦:創始人、CEO李寅曾任華為雲大模型CTO,擁有萬卡級模型訓練及豐富的產業落地經驗;聯合創始人、首席科學家張含望是南洋理工大學教授,長期從事因果機器學習與多模態智能研究。 兩人選擇了一條技術門檻極高的路線:從底層研發原生物理基礎模型(Large Physics Model,LPM),希望通過一套通用底座,將物理智能能力推廣機器人、自動駕駛等不同產業場景,乃至科學計算領域。 這一技術路線已取得階段性成果。在9月16日公佈的WorldArena 2.0全球總決賽榜單中,息壤開物在Track 1視頻質量賽道取得軌跡精度全球第一、物理合規性全球前三的成績。 為什麼一家初創公司,要從底層重新研發一套物理基礎模型? 回看數字AI的發展,在GPT等大語言模型出現之前,自然語言處理(NLP)領域高度依賴單場景定製,不同客戶、不同任務,往往需要單獨開發模型。直到大語言模型出現,越來越多的企業開始基於統一底座開發應用,推動AI1.0時代到來。 如今,AI正加速走向真實物理世界,具身智能融資與產品演示持續升溫,規模化商業落地卻仍面臨挑戰。 機器人換一種物料、換一個工位,往往又要重新採集數據、訓練模型和工程適配。高昂的定製化成本,讓機器人能力難以快速複製到更多場景。 AI 2.0時代,能否也出現一套通用基礎模型,讓機器人具備跨任務、跨本體、跨場景的泛化能力,讓更多行業客戶低成本開發自己的具身大腦? 這正是息壤開物希望探索的問題。該公司本輪募集資金將主要用於原生物理AI模型的

Jev 的「百億補貼」迷局:既然「極省」為何還要狂送 1.2 億 Token?
Jev 的「百億補貼」迷局:既然「極省」為何還要狂送 1.2 億 Token? 本文作者: 鄭佳美 2026-09-23 12:10 導語:先壓低判斷成本,再用 Calibration 提升可靠性,最終借 Agent 放大調用量。 先壓低判斷成本,再用 Calibration 提升可靠性,最終借 Agent 放大調用量。 作者丨鄭佳美 編輯丨岑 峰 昨天,大家還在驚歎 Jev 的速度和低成本,今天它又做了一件更誇張的事:給申請到的用戶直接發放 1.2 億 Token 額度。消息出來以後,大家沒有先覺得賺到了,更多冒出的念頭反而是:這不對勁。因為 Jev 本身就極其省 Token。它主要處理分類、路由、評分和概率判斷,不需要像通用大模型那樣生成大段內容,一條短文本輸入可能只有幾十個 Token。按照這種消耗方式,1.2 億 Token 足夠普通應用跑幾百萬次判斷,在輸入足夠短的情況下,調用規模甚至還能繼續往上走。問題也就來了:一個已經靠低價獲得大量討論的模型,為什麼還要繼續往外送這麼大的額度?答案可能藏在 Jev 想做的那門生意裡。它要賣的從來都不是一段生成內容,而是一次判斷,而 1.2 億 Token 正在把這種判斷推向一個過去很少出現的狀態——便宜到開發者幾乎不用考慮次數。011.2 億 Token 到底意味著什麼?從技術上看,這相當於給一個應用塞進了數百萬次低成本決策機會。雷峰網傳統大模型通常圍繞一項完整任務工作,讀入上下文、完成推理、生成結果,一次調用本身就比較重。Jev 的任務顆粒度小得多,它可以只回答一個問題:這段內容屬於哪一類,這幾個工具該選哪一個,這個結果應該保留還是丟棄,當前任務應該繼續還是結束。這意味著 Jev 的 Token 消耗方式天然適合高頻調用。一個 Agent 跑完整條任務鏈,可以在用戶意圖識別、工具選擇、結果篩選、異常處理和狀態檢查等多個位置調

豆包做手機、阿里造平板:AI開始爭奪硬件控制權
識礁Farsight2026.09.23 11:43 · 來自北京全文3182字00:00 / 09:20大廠為何突然集體“變硬”?文 | 識礁Farsight繼豆包推出“第二代豆包手機”後,阿里也開始“變硬”。2026年9月22日,阿里召開2026雲棲大會,展示了仍在研發中的“千問平板”QwenBook。據《晚點LatePost》報道,QwenBook由阿里雲旗下無影團隊打造,定位原生智能體電腦,產品定義和硬件部分由團隊自研。無影過去做雲電腦積累的系統和端雲能力,將融入其中。

螞蟻密算韋韜:企業AI進不了生產,卡點不在模型
TechPulse2026.09.23 11:40 · 來自浙江全文1839字00:00 / 05:57韋韜提到,用自然語言描述不許做什麼這類紅線時,大語言模型的違背率超過80%。企業AI的下一道門檻,落在了一個比模型能力更難工程化的問題上。

韶音首款 AI 耳機 OpenFit 2 AI 亮相雲棲大會,重磅首發“AI 實驗室”四大新功能
作為開放式耳機領域的領頭羊,Shokz 韶音首次重磅參展,不僅攜旗下首款 AI 耳機 OpenFit2AI 核心亮相,更在現場聯合光帆科技首發了“AI 實驗室”全新功能,全面展現了 Qwen 大模型在音頻可穿戴設備中的深度產業落地。作為韶音佈局智能音頻賽道的開山之作,OpenFit2AI 深度融合了通義千問(Qwen)大模型的強大能力,集長時錄音、AI 會議紀要生成與多語種實時翻譯於一體。

GPT-6 Sol和Luna上線,打折比梁文鋒還狠
字母AI2026.09.23 11:08 · 來自北京全文5453字00:00 / 14:27Opus 5.5發佈90分鐘,OpenAI來打價格戰了。文 | 字母AI今夜註定無眠。Opus 5.5剛剛發佈90分鐘,OpenAI就把GPT-6 Sol和Luna一起端了上來。前腳Anthropic剛把Opus的價格砍了一刀,後腳OpenAI直接把刀砍得更深。GPT-6 Sol每百萬Token輸入只要2美元、輸出10美元,價格正好只有Opus 5.5的一半,Astra的五分之一。Luna更誇張,只要0.1美元和0.