Muse ist explodiert: Ist dies ein echter Wendepunkt für Meta oder nur ein falscher Höhepunkt?
Seit dem Start von Muse bei Meta in den USA am 8. September sind mehr als zwei Wochen vergangen. Haijun hat zuvor eine kurze Bewertung abgegeben (siehe die Changjiang App), aber mit der Zunahme von Nutzerbewertungen ist die Popularität in den letzten Tagen ungebrochen. Sogar heute steht Muse immer noch auf Platz 1 der Download-Charts für kostenlose iOS-Apps in der US-Region.
Dies treibt direkt die Unruhe der Aktienkurse von Muses nachgelagerter Industriekette, vorderer kommerzieller Ökosysteme und zugehöriger Referenzwerte an. Heute wird Haijun zunächst eine detaillierte Diskussion auf Produktebene durchführen. Die Aufarbeitung der Veränderungen in der nachgelagerten Industriekette wird in Kürze folgen.
I. Der Hype um Muse ist nicht überraschend
2C-Agenten sind ein KI-Anwendungsbereich, dem es nicht an Aufmerksamkeit mangelt. Im Gegensatz zu 2B-Agenten, die bei den Zahlungsströmen sehr erfolgreich sind, wurde die kommerzielle Umsetzung von lebensbezogenen 2C-Agenten nie wirklich durchbrochen.
Daher haben die großen Unternehmen in den letzten sechs Monaten für ihre 2C-Agenten heimlich die Richtung geändert und ihre Ressourcen auf die Workflow-Szenarien für Endnutzer konzentriert. Die Fortschrittsgeschwindigkeit bei allgemeinen lebensbezogenen 2C-Agenten wurde aus kommerziellen Gründen sichtbar verlangsamt.
Nur Meta hat stets betont, dass die Entwicklung von persönlichen KI-Lebensassistenten hohe Priorität hat. Die Führungsebene hat das Konzept „Ein KI-Assistent für jeden“ seit mindestens zwei Jahren in Telefonkonferenzen zu den Geschäftsergebnissen erwähnt. Muse ist das Ergebnis langjähriger Arbeit des Kernteams des Unternehmens, gehört zu den Kernprojekten mit der höchsten Priorität bei der Zuweisung interner Ressourcen und ist eines der wichtigsten Produktvorhaben von Meta in diesem Jahr.
Natürlich ist dies auch eine Richtung, auf die Meta setzen muss, da es selbst wenige Produktivitätsszenarien gibt. Andernfalls würde der neue Milliarden-Einstiegspunkt ChatGPT die Aufmerksamkeit der Nutzer auf sich ziehen, was langfristig das eigene soziale Ökosystem schädigen würde.
Warum konnte Muse also sofort durchschlagen? Wo liegen seine Vorteile?
1. Umdenken: Chat-Frage-Antwort-Typ vs. aktiver Aufgabentyp
Als persönlicher KI-Assistent für Aufgaben unterscheidet sich Muse in seinem grundlegenden Design von der Produktwahrnehmung der Nutzer für ChatGPT. Obwohl ChatGPT auch einige Aufgaben erledigen und in Kombination mit Codex mehr Workflows für lange Aufgaben ausführen kann, stufen die meisten Nutzer ChatGPT in nicht beruflichen Szenarien immer noch gewohnheitsmäßig als Chatbot ein, wobei die Interaktionsform auf Fragen und Antworten beschränkt ist.
Muse hingegen ist als Lebensassistent positioniert und wurde von Anfang an nicht als Chatbot konzipiert. In seiner Werbung und Vorstellung veranschaulicht Muse seine Funktionen und Positionierung anhand verschiedener Aufgaben, die es erledigen kann.
Auf der zugrunde liegenden Ebene des großen Modells stützt sich Muse jedoch weiterhin auf das öffentliche große Modell Muse Spark, ohne dass leichtere Verarbeitungen wie spezielle Modellanpassungen oder Parameterreduzierungen vorgenommen wurden. Derzeit liegt der Intelligenzwert von Muse Spark 1.3 in der ersten Reihe weltweit, was in gewissem Maße die Fähigkeit zum Verstehen komplexer Anweisungen, plattformübergreifender Operationen und Anpassung an mehrere Szenarien gewährleistet und das Produkterlebnis absichert.
2. Das Gleichgewicht zwischen Speicherung von Nutzerdaten und Schutz der Privatsphäre
Was aufgabenorientierte KI-Assistenten betrifft, so gab es vor der Einführung von Muse tatsächlich bereits mehrere ähnliche Produkte in Nordamerika, die getestet oder vollständig veröffentlicht wurden. Typische Beispiele sind Instinct und Grok bot.
Instinct wurde von einem Startup entwickelt, im Februar veröffentlicht und befindet sich noch in der Einladungstestphase, was zu einem starken Anstieg der Bewertung auf dem Primärmarkt geführt hat. Im Vergleich zu Muse, das von einem großen Unternehmen entwickelt wurde, ist Instinct etwas gewagter und bei dem Schutz der Privatsphäre der Nutzer nicht so vorsichtig. Es hat einen größeren Autorisierungsbereich und erscheint im Erlebnis möglicherweise „intelligent“, aber die Plattform hat keine umfassenden Schutzmaßnahmen für die Risiken ergriffen, die durch die autonome Entscheidungsfindung der KI entstehen.
Grok bot wurde im August eingeführt und ist ebenfalls ein KI-Roboter, der Aufgaben für Nutzer erledigt. Nutzer können Grok bot den Zugriff auf Gmail, Google Calendar, Notion, Figma oder andere Software wie Finanztools und KI-Code-Assistenten autorisieren, um Aufgaben auszuführen.
Im Vergleich zu Muse ist Grok bot jedoch eher ein KI-Assistent für Arbeitsabläufe, was keine signifikante Differenzierung zu den derzeit bekannten Plattformen des Typs Openclaw aufweist.
Detaillierte Vergleiche anderer Indikatoren finden Sie in der folgenden Abbildung:
Haijun ist der Ansicht, dass der größere Vorteil von Muse auf der „jahrelangen Anhäufung von Nutzerdaten“ beruhen könnte, wobei bei der Nutzung dieser Daten ein ausgewogenes Verhältnis zum „Schutz der Privatsphäre der Nutzer“ erreicht wird.
(1) Anhäufung von Nutzerdaten
Aufgrund der exklusiven sozialen Nutzerdaten und der Ökosystemvorteile weist Muse drei wesentliche Unterschiede auf.
a. Langzeitgedächtnis: Muse verfügt über die Fähigkeit, Kontext langfristig zu speichern, und Aufgaben werden auch dann fortgesetzt, wenn der Nutzer die App schließt. Im Funktionsbereich ist Goals für die Verfolgung langfristiger Ziele zuständig, und Artifacts speichert die Ergebnisse in wiederverwendbaren Routen, Checklisten und Panels.
b. Echte Kontoverknüpfung: Muse stellt über drei Methoden – eingebaute Konnektoren, offizielle APIs und Browseroperationen – eine Verbindung zu Gmail, Kalender, OpenTable, Spotify, Amazon sowie zu den hauseigenen Diensten von Meta wie IG, WhatsApp und Marketplace her.
Insbesondere bei der Verknüpfung mit hauseigenen sozialen Konten verfügt Muse über hohe Leseberechtigungen. Nach der Autorisierung durch den Nutzer kann es direkt auf öffentliche oder halböffentliche Daten wie Instagram-Beiträge, Follower-Zahlen und Kommentare zugreifen. Gleichzeitig unterstützt es das Lesen von WhatsApp-Chatverläufen und Nachrichteninhalten, um die sozialen Nachrichten der Nutzer automatisch zu ordnen, anstehende Aufgaben zu extrahieren und wichtige Informationen zusammenzufassen.
c. Aktive Empfehlungen: Auf der Grundlage der Verknüpfung echter Konten und des langfristigen Kontextgedächtnisses kann Muse anhand von Kalendern, Gesprächen und bereits verknüpften Konten aktiv Aufgabenvorschläge unterbreiten. Dies bildet den Prototyp eines fortschrittlichen Agenten und schafft gleichzeitig Platz für zukünftige Werbeeinnahmen.
(2) Schutz der Privatsphäre der Nutzer
Der Schutz der Privatsphäre und die Risikokontrolle sind die Kernbereiche, in denen bei KI-Anwendungen Probleme auftreten können. Für das große Unternehmen Meta ist die konforme Nutzung von privaten Nutzerdaten sehr leicht ein Angriffspunkt für das Produkt.
Mark Zuckerberg erklärte Mitte des Jahres, dass sich der Entwicklungsprozess des KI-Assistenten hinter den Erwartungen zurückbleibt, was genau darauf zurückzuführen ist, dass die Probleme der KI-Autorisierung und Risikokontrolle gelöst werden mussten, sodass die Veröffentlichung auf September verschoben wurde. Derzeit ist Muse nur in den USA verfügbar, was wahrscheinlich ebenfalls darauf zurückzuführen ist, dass der Schutz der Privatsphäre und die Probleme der KI-Autorisierung ständig optimiert werden.
Um das Gleichgewicht zwischen Funktionserlebnis und Schutz der Privatsphäre herzustellen, spiegelt sich die Isolierung und der Schutz der Privatsphäre der Nutzer bei Muse hauptsächlich in zwei Punkten wider:
a. Isolierte Speicherung: Muse stellt jedem Nutzer eine unabhängige, dedizierte Secure VM (sichere virtuelle Maschine) zur Verfügung. Ein Sentinel-Proxy überwacht alle externen Aktionen. Die Plattform richtet einen dedizierten sicheren Speicherbereich ein, der die Daten, auf die das Modell zugreifen kann, streng von den Kernprivatsphärendaten der Nutzer (z. B. Kontokennwörter und Zahlungsnachweise) trennt.
Alle Datenaustausche und Funktionsaufrufe von Drittplattformen werden über verschlüsselte sichere APIs übertragen, um zu verhindern, dass sensible Daten dem großen Modell offengelegt werden.
b. Gestaffelte Autorisierung: Der oben erwähnte Zugriff auf echte Kontodaten erfordert die Autorisierung durch den Nutzer. Bei Konten im eigenen Ökosystem von Meta wird eine Funktion zur gestaffelten Autorisierung für Nutzer bereitgestellt. Beispielsweise kann der Nutzer die Leseberechtigung für Instagram-Private-Nachrichten separat deaktivieren und nur die Leseberechtigung für öffentliche Beiträge autorisieren, oder die Leseberechtigung für WhatsApp-Nachrichten separat deaktivieren.
Die folgende Abbildung zeigt das von Meta offengelegte Sicherheitsarchitekturdiagramm.
(1) Ablauf mit grauer Linie: Eine normale Anweisung gelangt von der Hauptbenutzeroberfläche in die virtuelle Maschine des Nutzers. Der hatch daemon (der Agent selbst) ruft das externe große Modell zum Denken auf und bewertet dann über hatch safety (Risikoprüfung) anhand eines Risikowerts. Alle Aktionen und Netzwerkanforderungen des Agenten in der virtuellen Maschine werden über den eBPF-Proxy an Sentinel zur Prüfung weitergeleitet.
(2) Ablauf mit blauer Linie: Bei sensiblen Aktionen wie Zahlungen blockiert Sentinel diese und leitet sie an die Approvals in der Nutzersteuerungsoberfläche weiter. Nach der Genehmigung durch den Nutzer erteilt Sentinel die Genehmigung und holt Kennwörter und andere Zahlungsnachweise aus dem Tresor für sichere Anmeldeinformationen.
Während des gesamten Vorgangs sieht der Agent das Kennwort und die Kartennummer des Nutzers nicht, aber die Einrichtung einer ständig laufenden virtuellen Maschine für jeden Nutzer führt zu zusätzlichen Kosten für Komponenten.
II. Welchen zusätzlichen Wert kann Muse für Meta generieren?
Derzeit wird Muse hauptsächlich für US-Nutzer über 18 Jahre öffentlich getestet. Die Preisgestaltung erfolgt gestaffelt nach dem Verbrauch von Tokens, wobei alle Funktionen uneingeschränkt verfügbar sind. Darüber hinaus wird erwartet, dass Muse in Zukunft eine bestimmte Provision vom Handelsumsatz der Händler erheben wird, zusätzlich zu den Werbeanzeigen, in denen Meta am kompetentesten ist.
1. Abonnements: Kurzfristig kaum optimistische Aussichten
Obwohl das Feedback der ersten Nutzer positiv ist und die Abonnementgewohnheiten in Nordamerika stabil sind, ist Haijun dennoch der Ansicht, dass die direkte Monetarisierung (Zahlungen) für Endnutzer kurzfristig vorsichtig bewertet werden muss:
Laut Daten von Sensor Tower (nur für die iOS-Plattform) beträgt die aktuelle tägliche aktive Nutzermenge (DAU) von Muse fast 250.000, und der tägliche Umsatz liegt bei 2000 bis 3000 US-Dollar pro Tag. Obwohl es sich derzeit nur um Daten aus einem Teil des Testbereichs handelt, kann man die Zahlungssituation grob abschätzen:
Berechnet man den zweiwöchigen Umsatz mit durchschnittlich 2000 US-Dollar pro Tag und dem günstigsten Abonnementpaket von 20 US-Dollar pro Monat, ergibt sich eine Zahl von 1500 zahlenden Nutzern. Unter der Annahme, dass die iOS-Plattform ein Drittel aller zahlenden Nutzer ausmacht, beträgt die Gesamtzahl der zahlenden Nutzer auf allen Plattformen 4500. Bei einer durchschnittlichen DAU von 150.000 in den letzten zwei Wochen liegt die Zahlungsrate nur bei 3 %.
In Anbetracht der Tatsache, dass das Paket nach dem niedrigsten Wert berechnet wird und der Anteil der iOS-Zahler in der Regel mehr als ein Drittel beträgt, ist die tatsächliche Zahlungsrate deutlich niedriger. Gleichzeitig deckt ChatGPT mehr Anforderungen in relativ komplexen Produktivitätsszenarien ab, und bei einer hohen Bindung von 1 Milliarde wöchentlich aktiven Nutzern liegt die Zahlungsrate nur bei 5 %.
Daher empfiehlt Haijun, die Beiträge von Abonnementzahlungen nicht zu optimistisch zu bewerten. Wir gehen davon aus, dass die meisten Nutzer auf der kostenlosen Ebene bleiben (mit einem Limit von 100 Millionen Tokens pro Woche). Selbst unter sehr optimistischen Annahmen im Endzustand – einer Durchdringung von 80 % bei 3 Milliarden Nutzern, einer Zahlungsrate von 2 % (die Zahlungsrate der monatlich aktiven Nutzer ist niedriger als die der täglich aktiven Nutzer) und einem durchschnittlichen ARPPU von 20 US-Dollar pro Monat – ergibt sich ein zusätzlicher Jahresumsatz von 11,5 Milliarden US-Dollar, was einem Zuwachs von nur 5 % zum aktuellen Umsatzvolumen von Meta in Höhe von 250 Milliarden US-Dollar entspricht.
Dabei sind die zugrunde liegenden Kosten wie Rechenkosten und Kosten für die Komponenten der dedizierten virtuellen Maschinen