Meta推系统级助理Muse激怒电商架构革新加速去人类化

像素范

AI正通过剥离人类语言中介、快慢模型解耦与底层权限接管，彻底摆脱人类经验束缚并走向端到端自主协作。

AI-assisted summary of 看懂AI下一步：个人助理、快慢分工与多模型协作 — original source. Check the original for full context.

Source published: 2026-10-05

Key ideas

Meta 推出系统级个人助理 Muse 推动其股价单日大涨 8%，该工具具备接管电脑屏幕、直接代客下单及付款的高级系统权限，引发亚马逊等电商平台紧急商讨应对策略。 (0:00)
AI 模型开始落地丹尼尔·卡尼曼的快慢思考分工架构，轻量级模型如 Jave 砍掉冗余的自然语言生成，专注于毫秒级的高频概率决策以充当“系统 1”。 (8:30)
针对多 Agent 协作中因人类自然语言转译造成的高维信息损耗，前沿团队正探索模型间直接基于原生隐空间表征进行通信的去人化协议。 (11:45)
OpenAI 利用 Astral 调度 20,000 个 Agent 并行运算 80 小时破解纳维-斯托克斯方程，验证了超大规模多智能体协作在科研领域的计算潜力。 (11:45)

Detailed notes

## Background 该视频由B站创作者“像素范”于2026年10月5日发布。简介概括了视频的核心议题，主要探讨AI下一步发展的四大关键走向：个人助理从提供建议走向执行任务、简单判断与复杂推理的快慢分工、多模型协作中的信息损耗，以及自动化浪潮下人类所需承担的授权与核验角色。

## TL;DR 视频以Meta推出系统级个人助理Muse引发股价大涨为引子，揭示了AI正从传统对话顾问转变为能够接管本地权限、绑定真人社交资产并代办复杂事务的数字代理。随着技术演进，AI正如同当年AlphaZero摆脱人类棋谱一样，开始摆脱人类经验束缚，并借助“快慢思考”框架将模型解耦为毫秒级直觉决策与深度慢推理两套机制。在多智能体协作层面，前沿探索正试图打破人类自然语言转译带来的信息失真，实现隐空间的原生高维互联。这整套技术浪潮的终局，正全面指向涵盖去人工干预、去语言输出和去语言中介的“全链路去人化”。

## Atmosphere & style 全片呈现出极具信息密度与行业洞察力的极客讲谈风格，叙事在扎克伯格豪赌AI的商战八卦与底层技术推演之间游刃有余地切换。随着话题从现实应用深入到AlphaZero式的自主进化及多模型原生通信，讲述基调逐渐从快节奏的案例复盘转变为带有一丝“背脊发凉”宿命感的哲学凝视。整段视听体验充满智识张力，让听众在科技迭代的兴奋之余，深切感受到一种人类经验正在被机器智能加速抛离的震撼与警醒。

## Bulletin - [00:00](https://www.bilibili.com/video/BV1eCHW62E1L?t=0s) Meta 推出系统级个人助理 Muse 推动其股价单日大涨 8%，该工具具备接管电脑屏幕、直接代客下单及付款的高级系统权限，引发亚马逊等电商平台紧急商讨应对策略。 - [08:30](https://www.bilibili.com/video/BV1eCHW62E1L?t=510s) AI 模型开始落地丹尼尔·卡尼曼的快慢思考分工架构，轻量级模型如 Jave 砍掉冗余的自然语言生成，专注于毫秒级的高频概率决策以充当“系统 1”。 - [11:45](https://www.bilibili.com/video/BV1eCHW62E1L?t=705s) 针对多 Agent 协作中因人类自然语言转译造成的高维信息损耗，前沿团队正探索模型间直接基于原生隐空间表征进行通信的去人化协议。 - [11:45](https://www.bilibili.com/video/BV1eCHW62E1L?t=705s) OpenAI 利用 Astral 调度 20,000 个 Agent 并行运算 80 小时破解纳维-斯托克斯方程，验证了超大规模多智能体协作在科研领域的计算潜力。

## Key takeaways - [00:00](https://www.bilibili.com/video/BV1eCHW62E1L?t=0s) Meta 的战略转向：在经历元宇宙低谷及被 DeepSeek 倒逼反思后，Meta 将重心全面转向深度定制的系统级个人助理 Muse。 - [00:00](https://www.bilibili.com/video/BV1eCHW62E1L?t=0s) Muse 区别于传统对话 AI 的核心在于具备系统接管能力，可直接在本地操作屏幕并完成支付代办，转变为真正的数字分身。 - [05:00](https://www.bilibili.com/video/BV1eCHW62E1L?t=300s) 真实的个人 Agent 护城河在于个人专属预训练，Meta 依托庞大的真人实名社交与私密互动数据，能训练出极度懂用户的私人模型。 - [05:00](https://www.bilibili.com/video/BV1eCHW62E1L?t=300s) 摆脱人类经验桎梏成为 AI 进化的关键趋势，如同 AlphaZero 摆脱人类棋谱，绕开人类有限智慧的 AI 能展现更强的自我进化能力。 - [08:30](https://www.bilibili.com/video/BV1eCHW62E1L?t=510s) 当前主流大模型过度偏向慢思考（系统 2），在处理高频即时反应任务时面临 Token 消耗大和响应延迟过长的痛点。 - [08:30](https://www.bilibili.com/video/BV1eCHW62E1L?t=510s) 快慢解耦架构将模型任务切分：快速直觉层牺牲长文生成换取毫秒级决策响应，复杂逻辑则留给慢速推理层处理。 - [11:45](https://www.bilibili.com/video/BV1eCHW62E1L?t=705s) 多 Agent 协作当前面临严重信息折损，模型将高维理解压缩为人造自然语言再进行反解，会导致关键信息大量丢失。 - [11:45](https://www.bilibili.com/video/BV1eCHW62E1L?t=705s) Mosaic AI 等前沿研究正致力于打破人类自然语言中介，实现模型与模型之间直接在原生隐空间特征层面高保真通信。 - [11:45](https://www.bilibili.com/video/BV1eCHW62E1L?t=705s) AI 演进正在走向全链路“去人化”：包括去人工干预执行、去冗余人类语言生成，以及模型协作中去自然语言中介。 - [11:45](https://www.bilibili.com/video/BV1eCHW62E1L?t=705s) 用户未来的角色正从过程监督者退居为最终结果的接收者与授权者，AI 内部的博弈与通信逻辑已逐步超出人类直观理解范畴。

## Detailed walkthrough ### [00:00](https://www.bilibili.com/video/BV1eCHW62E1L?t=0s) Meta 的 Muse 亮相：从“行业笑话”到狂飙的个人助理

外网近期最轰动的 AI 事件莫过于 Meta 推出 Muse 工具后，Facebook（Meta）的股价逆势飙升了 8%。对于这样一家体量庞大、上市多年的成熟科技巨头而言，单日 8% 的涨幅极为罕见，反映出资本市场对 Meta 转向的高度亢奋。过去几年，扎克伯格和 Meta 频繁遭遇决策失误与舆论嘲讽：砸下天文数字搞元宇宙却连水花都没做出来，甚至为了迎合元宇宙将公司改名为 Meta；在抢夺 AI 人才上开出两三亿美元的夸张年薪，比顶级体育明星还高。此前他为了组建 AI 团队，耗费 20 多亿美元直接收购了一家由年轻华裔掌舵的公司，借此将该创始人挖来执掌 Muse，甚至在此过程中将 AI 界泰斗级人物 Yann LeCun（杨立坤）边缘化以扶新人上位；近期又传出斥巨资收购国内 Manus 团队及发布 Manus 2.0 的消息。Meta 长期因“算力最贵、花钱最多、效果最差”而被戏称为业内笑柄，宛如海外版百度。早期全球开源大模型基本靠扎克伯格的 LLaMA 撑起半边天，国内模型大多基于 LLaMA 微调开发，但 DeepSeek 横空出世后给了 Meta 当头一棒，逼得他们不得不重新反思：在拥有最贵显卡、顶级人才和宽松政策的情况下，到底该做怎样的 AI。

Muse 的核心定位并非简单的聊天机器人，它更像是一个“深度定制的系统级个人助理”（类似于硬件层面的豆包手机概念）。传统的 AI 只是辅助你搜索、撰写草稿，本质上仍需人类主导配合；而 Muse 是一个口语化的私人生活代理与数字分身： - **系统接管与权限下放**：能绕过部分平台审核，直接在本地操作电脑屏幕、代客下单甚至执行付款。 - **真人生态绑定**：背靠 Facebook 庞大的真人实名社交网络，调用用户的实名信用与关系链去执行“只有真人才能完成”的复杂行为。 - **引发行业防守**：由于其越权代办属性过于激进，亚马逊等各大电商平台已在紧急商讨对策，研究是否需要对其直接访问和操作进行限制封锁。

---

[05:00](https://www.bilibili.com/video/BV1eCHW62E1L?t=300s) 个人专属预训练与去人类干预的进化

在 Meta 展开的深度访谈中，他们提出：真正的个人 Agent（智能体）必须从模型预训练阶段就开始深度介入，虚拟机、长期记忆与系统权限才是大厂的核心全栈护城河。所谓“个人的预训练”，就是直接用个人的真实日常行为数据喂养模型。通用模型在社会常识上或许无所不知，但若问及“你生病该吃什么药”或“你今天为何不高兴”，迭代再多版本的通用 AI 也比不上从小看着你长大的母亲。而 Meta 手中恰恰握有全世界最完整的个人私密数据资产——用户多年来发过的动态、点赞关注的偏好、深夜与人的骂战记录乃至私密收藏，全都能转化为训练专属于个人的“数字贾维斯（Jarvis）”的养料。

伴随 Muse 等新架构的演进，AI 行业正在呈现一种令人背脊发凉的趋势：**摆脱人类经验的桎梏**。这就好比育儿过程，孩子蹒跚学步时需要父母倾囊相授，但当孩子掌握基础规则后，父母基于旧时代经验给出的建议（如选对象、找工作、考研）反而会沦为新智慧的束缚与累赘。围棋史上的重大转折最能说明该问题：当年击败柯洁的 AlphaGo 尚且需要背诵吸收数十万份人类古今棋谱并以此为基础进行迭代；但真正让棋界震撼的是随后的 AlphaZero——它完全不看任何人类棋谱，从零开始自我博弈，摸透规则后直接将 AlphaGo 斩落马下。这证明人类数千年积累的棋谱非但没有帮助 AI 探索出最优解，反而是狭隘的局限。一旦 AI 彻底绕过人类自以为是的“经验智慧”，其进化速度与所达高度将远超预期。

---

[08:30](https://www.bilibili.com/video/BV1eCHW62E1L?t=510s) 快慢分工架构：丹尼尔·卡尼曼理论在模型中的落地

除了全托管 Agent，近期爆火的 Jave 等轻量模型则采用了另一种解法，其理论根基源自丹尼尔·卡尼曼在《思考，快与慢》中提出的人类双系统理论： - **快思考（系统 1）**：本能驱动、无意识且迅速。例如看到明火缩手、见到蟑螂本能躲避、街头辨认帅哥美女，直接由输入 A 瞬间映射到结果 B，无需经过繁琐的生物学分类或哲学沉思。 - **慢思考（系统 2）**：调动巨量能量，负责深度逻辑分析、查找资料、反复纠错、人生规划等复杂任务，以牺牲时间换取高精度。

当前主流大语言模型（如各种高参数推理模型、Flash 变体）本质上都在模仿“慢思考”。无论处理何种琐事，它们都会激活海量参数，进行上下文推理、联网搜索、生成优美的长篇大论，这在应对高频反应任务时显得极其笨重。例如，当你想用视觉 AI 驱动第一人称射击游戏（FPS）时，传统大模型的高昂 Token 消耗和漫长延迟根本无法满足实时反应需求。

因此，新一代模型果断“去掉了慢思考与自然语言输出模块”，纯粹充当高频概率决策器： - **砍掉冗余能力**：不作长篇大论，不生成华丽文本，只对固定环境快速给出二值或基础概率判断（例如分析一个动作背后的倾向是 A 还是 B，几毫秒内得出结论）。 - **快慢解耦**：宁可在某些容错率高的场景下偶尔犯错，也绝不在交互过程中停顿卡死，将复杂问题拆分为“快速直觉层”与“慢速推理层”分别交给专用模型处理。

---

[11:45](https://www.bilibili.com/video/BV1eCHW62E1L?t=705s) 多 Agent 协作痛点与“去人化”的未来终局

多智能体协同（Multi-Agent）已成为今年的核心落地范式。许多资深用户都在配置多模型环境（如将 Claude Opus、GPT、豆包视频生成模型、智谱 GLM、本地运行的 Hermes 等混搭使用）。早期采用混合架构往往是因为单一模型存在缺陷（例如早期 DeepSeek 不具备多模态识图能力，需让其他模型看图提词后再交由 DeepSeek 分析文字），或者是为了精打细算利用时区算力峰谷差来节省 API 成本。然而，当前的 Multi-Agent 协作存在严重的底层信息耗损：

```mermaid flowchart TD accTitle: Multi-Agent 沟通中的自然语言损耗流程 accDescr: 展示模型之间将隐空间高维特征压缩为人类自然语言，再反解时造成的信息损失过程。

subgraph Current ["当前低效协作模式（依赖自然语言中介）"] A["Agent A<br/>（高维理解）"] -->|"文本压缩（降维）"| B["人类自然语言<br/>（存在语意损失）"] B -->|"二次反解（升维）"| C["Agent B<br/>（产生理解偏差）"] end

subgraph Future ["未来端到端去人化协作"] D["Agent A"] -->|"隐空间高维特征直接通信<br/>（无损/极速）"| E["Agent B"] end ```

现有的 Agent 本质上是为人设计的独立单体，各模型之间交流时，必须先将高维认知压缩成**人类自然语言**文本，传给对方后，对方再反解翻译。这就像生图领域中的“反推提示词再重新绘图”，经过两道语言转译后，输出的内容早已失真。针对这一痛点，9 月 24 日由包含 12 位博士、菲尔兹奖得主出任首席科学家的 15 人顶级团队推出的 Mosaic AI（或作 Mostrick AI）便引发了行业震动，其探索的核心正是打破人类语言的中介壁垒。而在前沿科研领域，OpenAI 利用 Astral 驱动 20,000 个 Agent 并行运算 80 个小时，成功暴力破解了著名的纳维-斯托克斯方程（NS 方程），向外界展示了极大规模机器协作的恐怖威力。

从 Muse、Jave 到 Mosaic AI 与 Astral，所有前沿技术的演进轨迹都指向了同一个终局——**全链路的“去人化”**： 1. **去人工干预**：Muse 绕过用户的层层指令确认，依托底层授权直接读取物理信息并替人办事。 2. **去人类语言输出**：高频判断模型丢弃人类语言生成，专攻内部概率流流转。 3. **去人类语言中介**：多模型之间绕过人类语言协议，直接在原生表征层面展开高保真通信。

未来的用户无需过问系统在底层如何调度、是在亚马逊、eBay 还是淘宝下单，也无需了解底层的比价与沟通逻辑，只需接收最终结果。AI 正如同一个快速步入青年期的孩子，它在内部所思所想、所用的一整套通信与博弈逻辑，已然完全脱离了人类经验所能理解的范畴。

## Notable quotes > [00:00](https://www.bilibili.com/video/BV1eCHW62E1L?t=0s) 算力最贵、花钱最多、效果最差

> [05:00](https://www.bilibili.com/video/BV1eCHW62E1L?t=300s) 真正的个人 Agent（智能体）必须从模型预训练阶段就开始深度介入，虚拟机、长期记忆与系统权限才是大厂的核心全栈护城河。

> [05:00](https://www.bilibili.com/video/BV1eCHW62E1L?t=300s) 通用模型在社会常识上或许无所不知，但若问及“你生病该吃什么药”或“你今天为何不高兴”，迭代再多版本的通用 AI 也比不上从小看着你长大的母亲。

> [05:00](https://www.bilibili.com/video/BV1eCHW62E1L?t=300s) 摆脱人类经验的桎梏

> [05:00](https://www.bilibili.com/video/BV1eCHW62E1L?t=300s) 一旦 AI 彻底绕过人类自以为是的“经验智慧”，其进化速度与所达高度将远超预期。

> [08:30](https://www.bilibili.com/video/BV1eCHW62E1L?t=510s) 快思考（系统 1）：本能驱动、无意识且迅速。

> [08:30](https://www.bilibili.com/video/BV1eCHW62E1L?t=510s) 慢思考（系统 2）：调动巨量能量，负责深度逻辑分析、查找资料、反复纠错、人生规划等复杂任务，以牺牲时间换取高精度。

> [08:30](https://www.bilibili.com/video/BV1eCHW62E1L?t=510s) 去掉了慢思考与自然语言输出模块

> [11:45](https://www.bilibili.com/video/BV1eCHW62E1L?t=705s) 多智能体协同（Multi-Agent）已成为今年的核心落地范式。

> [11:45](https://www.bilibili.com/video/BV1eCHW62E1L?t=705s) 全链路的“去人化”

> [11:45](https://www.bilibili.com/video/BV1eCHW62E1L?t=705s) 未来的用户无需过问系统在底层如何调度、是在亚马逊、eBay 还是淘宝下单，也无需了解底层的比价与沟通逻辑，只需接收最终结果。

> [11:45](https://www.bilibili.com/video/BV1eCHW62E1L?t=705s) AI 正如同一个快速步入青年期的孩子，它在内部所思所想、所用的一整套通信与博弈逻辑，已然完全脱离了人类经验所能理解的范畴。

## Mentioned Meta, Facebook, Muse, 扎克伯格, Yann LeCun, Manus, 百度, LLaMA, DeepSeek, 豆包, 亚马逊, AlphaGo, AlphaZero, 柯洁, Jave, 丹尼尔·卡尼曼, 《思考，快与慢》, Claude Opus, GPT, 智谱 GLM, Hermes, Mosaic AI, OpenAI, Astral, 纳维-斯托克斯方程, eBay, 淘宝

## 弹幕氛围 (Danmaku mood) — 13 条整体氛围偏向理性探讨与轻松调侃。观众一方面针对科技大佬、元宇宙概念及AI技术路径发表观点和犀利吐槽，另一方面在看到某些画面或言论时发弹幕大笑并调侃'夹带私货'，展现了兼具科技思辨与娱乐趣味的观看氛围。

**整体情绪**：😊 正面 35% · 😐 中性 45% · 😞 负面 20%

**热议点** - **对元宇宙及科技大佬的犀利吐槽与讽刺** —— “元宇宙明显就是错误的方向，有些思路就是老残思路不用给这些大佬找补” - **趣味起外号与弹幕调侃** —— “简称：北美李彦宏” - **认出熟人或视频内容的戏谑反应** —— “夹带私货” - **对多Agent与AI模型技术路线的严肃探讨** —— “之前新闻报道不是日本有个模型，就是多了个Agent配合，然后得到一个更好的结果嘛。Grok早期3的时候，就是主打一个多agent讨论”

**代表弹幕** > 元宇宙明显就是错误的方向，有些思路就是老残思路不用给这些大佬找补

> 这小伙子厉害- -

> 简称：北美李彦宏

> 骂得真脏(◐‿◑)

> 哈哈哈哈

> 看到泡泡老师……诶！牛来！

> 夹带私货

> 之前新闻报道不是日本有个模型，就是多了个Agent配合，然后得到一个更好的结果嘛。Grok早期3的时候，就是主打一个多agent讨论

> 俩AI沟通了就是

## Video description 个人助理、快慢分工和多模型协作，AI下一步可能发生的变化。 ① 个人助理：从提供建议走向执行任务，记忆和权限成为关键。 ② 快慢分工：简单判断与复杂推理，需要不同的处理方式。 ③ 多模型协作：不同模型各展所长，但信息传递也可能产生损失。 ④ 人的角色：当过程越来越自动化，我们仍需要关注授权、核验和纠错。

[Source](https://www.bilibili.com/video/BV1eCHW62E1L)

中文简报

Meta推系统级助理Muse激怒电商架构革新加速去人类化 AI正通过剥离人类语言中介、快慢模型解耦与底层权限接管，彻底摆脱人类经验束缚并走向端到端自主协作。视频以Meta推出系统级个人助理Muse引发股价大涨为引子，揭示了AI正从传统对话顾问转变为能够接管本地权限、绑定真人社交资产并代办复杂事务的数字代理。随着技术演进，AI正如同当年AlphaZero摆脱人类棋谱一样，开始摆脱人类经验束缚，并借助“快慢思考”框架将模型解耦为毫秒级直觉决策与深度慢推理两套机制。在多智能体协作层面，前沿探索正试图打破人类自然语言转译带来的信息失真，实现隐空间的原生高维互联。这整套技术浪潮的终局，正全面指向涵盖去人工干预、去语言输出和去语言中介的“全链路去人化”。 Meta 推出系统级个人助理 Muse 推动其股价单日大涨 8%，该工具具备接管电脑屏幕、直接代客下单及付款的高级系统权限，引发亚马逊等电商平台紧急商讨应对策略。 (0:00) AI 模型开始落地丹尼尔·卡尼曼的快慢思考分工架构，轻量级模型如 Jave 砍掉冗余的自然语言生成，专注于毫秒级的高频概率决策以充当“系统 1”。 (8:30) 针对多 Agent 协作中因人类自然语言转译造成的高维信息损耗，前沿团队正探索模型间直接基于原生隐空间表征进行通信的去人化协议。 (11:45) OpenAI 利用 Astral 调度 20,000 个 Agent 并行运算 80 小时破解纳维-斯托克斯方程，验证了超大规模多智能体协作在科研领域的计算潜力。 (11:45)

Reading summary

节目指出，前沿人工智能正加速迈向全链路“去人化”的全新范式。这一进程不仅体现在以Meta Muse为代表的高权限个人助理，更涵盖了模仿人类快慢思考的模型分工，以及智能体之间绕过人类语言直接通信的协同机制。系统级助理崛起与个人数据预训练 (0:00) Meta近期推出Muse工具后股价单日逆势上涨8%，反映出资本市场对其转向系统级个人助理的高度认可。不同于以往辅助搜索或起草文本的对话工具，Muse定位为口语化的私人生活代理与数字分身。依托Facebook庞大的实名社交网络与用户信用背书，Muse被赋予系统级权限，可直接在本地接管屏幕、代客下单甚至完成支付。由于这种越权代办机制极为激进，亚马逊等各大电商平台已在紧急商讨限制与防御对策。在Meta的设想中，真正的个人智能体必须从预训练阶段切入。通用大模型在社会常识上无所不知，却难以精确诊断个体的特定身体状况或情绪波动。Meta试图利用其掌握的用户私密数据资产——包括历年动态、点赞关注、私密收藏乃至互动记录——转化为训练专属“数字贾维斯”的养料。在这一逻辑下，虚拟机、长期记忆与底层系统权限共同构筑了大厂的核心全栈护城河。摆脱人类经验桎梏的自主演进 (5:00) 随着新型模型架构的演变，AI发展呈现出脱离人类经验依赖的趋势。节目以育儿过程类比：父母基于旧时代经验给出的指导，在孩子掌握基础规则后反而容易演变为新的认知枷锁。类似现象在围棋AI的发展史中已有验证。早期的AlphaGo仍需学习并吸收数十万份人类古今棋谱作为迭代基石；而随后的AlphaZero完全不依赖任何人类经验，仅凭基础规则通过从零开始的自我博弈便击溃了AlphaGo。这表明人类积累数千年的认知经验不仅未能指引出最优解，反而在客观上限制了AI的探索空间。一旦AI绕过人类既有经验的规训，其进化速度与达到的智能高度将远超以往。双系统解耦：快思考与高频概率决策 (8:30) 在全托管智能体之外，近期涌现的Jave等轻量模型则落地了丹尼尔·卡尼曼在《思考，快与慢》中提出的双系统理论。当前主流大语言模型本质上都在模仿能耗极高、注重严谨逻辑的“慢思考”（系统2），无论处理何种任务均需调动海量参数展开上下文推理并生成长篇文本，这导致其在应对第一人称射击游戏（FPS）等需要毫秒级反应的视觉场景时显得极其笨重。新一代高频决策模型选择剥离慢思考与自然语言生成模块，纯粹充当本能驱动的“快思考”（系统1）。这类模型专攻环境状态的快速映射，仅在几毫秒内给出二值判断或概率倾向。通过将系统拆分为“快速直觉层”与“慢速推理层”，模型在容错率较高的场景下宁可承担偶尔的误差，也绝不因生成复杂文本而卡死交互节奏。消除语言中介与多智能体去人化协同 (11:45) 多智能体协同（Multi-Agent）已成为核心落地形态，但当前混合架构存在严重的底层信息耗损。现阶段模型之间交流时，必须先将高维认知压缩为人类自然语言文本，对方接收后再反解翻译，这种两道转译造成了严重的语意失真。为此，拥有菲尔兹奖得主出任首席科学家的Mosaic AI团队正致力于打破人类语言中介；OpenAI此前也利用Astral调度20,000个Agent并行运算80小时，成功暴力破解了纳维-斯托克斯方程，验证了大规模机器协同的潜力。节目分析认为，前沿技术最终指向了三重“去人化”终局：在执行端免除人工干预，由智能体全权接管物理操作；在输出端抛弃人类语言生成，专注内部概率流转；在通信端绕过自然语言协议，使各智能体直接在原生隐空间高维特征层面实现无损交互。节目总结认为，未来的用户将无需关注底层的比价、跨平台调用或智能体之间的博弈细节，只需接收最终执行结果。随着AI的内部通信与决策逻辑全面脱离人类语言与经验范式，其运作机制正在加速演变为超越人类直观理解的独立体系。

Source quotes

[0:00] 算力最贵、花钱最多、效果最差 [5:00] 真正的个人 Agent（智能体）必须从模型预训练阶段就开始深度介入，虚拟机、长期记忆与系统权限才是大厂的核心全栈护城河。 [5:00] 通用模型在社会常识上或许无所不知，但若问及“你生病该吃什么药”或“你今天为何不高兴”，迭代再多版本的通用 AI 也比不上从小看着你长大的母亲。 [5:00] 摆脱人类经验的桎梏 [5:00] 一旦 AI 彻底绕过人类自以为是的“经验智慧”，其进化速度与所达高度将远超预期。 [8:30] 快思考（系统 1）：本能驱动、无意识且迅速。 [8:30] 慢思考（系统 2）：调动巨量能量，负责深度逻辑分析、查找资料、反复纠错、人生规划等复杂任务，以牺牲时间换取高精度。 [8:30] 去掉了慢思考与自然语言输出模块 [11:45] 多智能体协同（Multi-Agent）已成为今年的核心落地范式。 [11:45] 全链路的“去人化” [11:45] 未来的用户无需过问系统在底层如何调度、是在亚马逊、eBay 还是淘宝下单，也无需了解底层的比价与沟通逻辑，只需接收最终结果。 [11:45] AI 正如同一个快速步入青年期的孩子，它在内部所思所想、所用的一整套通信与博弈逻辑，已然完全脱离了人类经验所能理解的范畴。

Original transcript

[0:00] 本周有一个最火的外网的一个AI热点事件其实就是这个Muse这个工具推出以后咱们首先说最直观的事件这个Facebook的股价拉是飙升8%你要知道这个在这种市值的股这个公司来说都是非常大的旗它不是刚上市的公司这么多年了股价其实很稳定飙升8%你就可见整个市场对于整个Facebook也好Meta也好这家公司是极其无敌乐观的扎克伯格这几年包括Meta公司这几年几乎就没有做对事情就包括推出的各种各样扯淡的东西尤其他那个元宇宙咱都不说了那个破元宇宙砸了N多的钱狗屁连那水花都没做出来然后整个团队各种改造甚至他那个Meta的名字都是为了给那个元宇宙应景然后你在行业里边听到的所有的那些什么高薪挖人啊什么巨额薪资挖人都是他搞的两亿美金三亿美金挖个开发过去挖一个程序员过去甚至比那些顶级的体育明星心思都高这还不夸张他挖了他AI工作室他挖了一个小伙子就这次执掌Muse这个小伙子是个华裔忘了叫什么名字了他其实花了20多亿美金把这个人挖走说老师哪有花20多他把那个公司收的把那个小伙子的公司收购的原因就是为了要那个小伙子然后他把他收走了以后为了给他权利还把这个地球上最懂AI的前五个人之一的杨立坤给排挤走了就是为了扶他上位就包括我们听说前一阵子咱们听应该听他最近的新闻是他当然好像昨天晚上的新闻吧这个MenasMenas2.0上线吧也是豪质千金多少亿啊然后收购咱们国内咱们国内的Menas也是这个事就都是他干的就人傻钱多素来你可以认为他是花钱最多不这都已经没算了他算力显卡算力部署了他在人身上花钱最多效果最差行业无敌大笑话行业无敌大笑话就是他基本上他做的什么都扯淡最早的时候就是世界上的开源模型根本就没中国什么事我们之前说的开源模型都是就两个人扛大企业马斯克和扎克伯格但扎克伯格是扛最大大企业做拉玛我们当年所有的模型其实都是基于拉玛去开发再去优化的再去做后训练的你问咱们国内那些模型公司都知道但是后来Deepseek出来以后就没你什么事了然后Deepseek出来以后世上也给他的迎头一中击然后他们也重新在思考我们到底还要不要做这玩意做这玩意做了半天还不如Deepseek做的好我们在搞什么搞最贵的人然后最贵的显卡然后最支持的政策这怎么搞不出来呢巨尴尬所以刚才说那句话就是老师这个Meta这个感觉到底谁呢扎克伯格的感觉是如果你实在不理解的话对比一下百度起的最早当年请陆棋什么文心一言然后做的最傻然后包括你看这个Meta扎克伯格大概类比谁大概类比咱们中国哪个企业家我就不说名字了对吧就大概类比咱们中国的百度的企业家一样就基本上行业里边他算是个笑话了但是这个话怎么说呢这个没有永远的霸主这时也运也他就命也然后那个谬似是什么东西呢我简单说来他就是一个豆包他其实就是个豆包嗯它是个豆包手机吧本质来说是干什么的简单说它是一个你的口语化的生活助理可以帮你买东西卖东西它可以绕过一些平台的审核直接操作你电脑甚至帮你付款一旦记录你的身份识别信息以后它可以利用Facebook强大的真人实名社交网络去做一些只有人才能操作的东西你们懂我的意思吗就是你现在AI可以帮你搜索帮你干这个帮你干那个本质来说是你和它配合完成你的工作Muse的这种概念根本就类似于你的数字分身你可以这么理解就大概这个意思所以本质来说它就是个豆包手机你说老师Muse跟其他的AI工具有什么区别呢它的区别就在于你手机上装了个豆包和用豆包手机的区别你们懂我什么意思吗你从网上搜一下豆包手机就知道了它的权限更多对于你生活的介入更多它能代替你的行为更多就是完全是你的个人私人助理就大概这个意思然后MetaMuse呢就是上一周也是因为这个概念然后很多的公司又开始出台各种各样的政策比如说要不要能够允许他直接访问比如说亚马逊现在也在激烈的商讨中要不要其他的公司做一些限制之类的东西但是从这里边上一周 [5:00] Meta有一个专门的访谈说个人agent必须预训练开始设计然后虚拟机记忆和权限系统是巨头的权战护城河他在做的事情就是他就在做真实的贾维斯什么叫个人的预训练就是个模型从训练阶段数据阶段就是用你的数据去进行训练就用你的日常真实受数据训练这个模型处理社会上的事情通用的事情可能没那么擅长但处理你的事情极其擅长就是你说老师模型这么好你让他问你你喜欢吃什么他可能还不如你妈厉害你懂我意思吗就是你今天难受你该吃什么药你今天心情不好到底为什么心情不好模型迭代多少个版本他都不如你妈懂你谢谢大家为什么因为你妈从小就练你的也不用这么说吧反正那个意思吧反正就是它是跟着你的数据训练起来的专属于你的模型问题来了老师那从哪儿来这么多数据呢这不巧了吗Facebook呀Facebook人家就专门绑定你的数据的你这么多年发的朋友圈你说的留言你看的小姐姐对吧你一仔晚上跟着人的骂战是吧你偷偷收藏那些不要脸的照片都有他就所有东西都知道你了这些数据就能参与模型的训练让它更加完整更加优秀的能够去实现你的真正所思所想好跟着这个东西呢我们继续往下说结合刚才的Muse和我们现在看到这一位模型你们会发现现在的模型转向有一个很有意思但是又有点让人几倍发凉的转向风格这种转向方式我再给你们强调一次这个例子我已经举了不知道多少次了你知道在AI的革新之中它一定有这么一个过程AI就像是一个嗷嗷待哺或者蹒跚学步的小孩一开始他围绕在你身边所有的事情都要你去照顾你教他你陪他成长或者你在做什么东西然后你他一定少女照顾岁数越来越大当你把你的浑身泄数都交给这个孩子之后家长就要学会放手因为后来你所教的所有的经验都不再对他产生任何的帮助甚至是他的一些拖累找对象应该找什么样,听爸妈的准没错,找工作一定要去什么样的工作,听爸妈的准没错,你一定要去考研,听爸妈的准没错之类的这些东西,其实是上一个时代,或者更老去的,或者更被淘汰的智慧,对新兴的更前沿智慧的一种制约,或者一种限制,AI也是如此,我这个例子举过无数次,就是在围棋领域中,最令人破防的不是AlphaGo赢了科捷,而是AlphaZero赢了AlphaGo,他的训练方式就是AlphaGo的训练方式是熟读人类的多少部棋谱在人类的棋谱训练之后然后在自己下再不断的迭代最后达到一个高峰但AlphaZero从一开始就没有去看人类的棋谱从头从第一步开始就自己跟自己下摸清游戏然后自己能够下明白然后他能赢掉AlphaGo换句话说人类的这么多年的棋局其实并没有帮着围棋走到一个更正确的方式反而是一种拖累跟桎梏,如果AI能够绕过人类的这些干扰,绕过人类的智慧,所谓的智慧的这些限制和局限,它能发展的更高,它能成长的更快,能走到更大的平台,就像是我们带孩子一样,父母不要再制约,他们就能飞得更高,更快,更远,这个其实挺让人难受的但Muse就是如此包括最近的Jave包括后边我们刚才后边我们要说的Mustrick都是如此再讲到Muse以后再来讲讲Jave这模型是什么也是上周很火的一个概念本质来说来自于丹尼尔卡尼曼说了一本写了一本书叫思考快与慢我不知道你们有看过这本书这本书大概简单说来就是我们的大脑是有两种逻辑判断系统的你看到什么东西快速就会回答你不需要进行逻辑判断举个例子这是火我能摸吗蟑螂我要不要躲等等这些快这些东西我们不会在那思考这是什么节制动物啊这只让蟑螂是好蟑螂是坏蟑螂啊都说蟑螂啊可能佛祖也会寄托在蟑螂的身体上哎没准这个蟑螂呢就是佛祖的蟑螂呢那我要跑的话我要不要不要那么跑呢你绝对不这么想你看到他立马就躲快速获得反应这不需要调动我们的深度思考模块看到A就直接得到B对吧看到的话老师帅呆了帅哥这就是逻辑判断看了太多了觉得什么叫帅哥呢泡泡老师帅哥对就是很帅就是这个是一瞬间就能得到结论就是这样的这是相当于我们的快思考系统慢思考呢就是我们去处理一些复杂的规划形成啊人生方向啊思考啊这个部分的系统他需要调道和调动很大多很多的能量然后去复杂的深 [10:00] 入境判断收集总结纠错很麻烦很多的人他其实没有办法去轻易的调动自己的快思考的这个慢思考的能力那慢思考这个模块就是我们现在大元模型在做的事情需要逻辑判断深入思考查找资料反复验证最后用时间换准确率最后给你出一个完整完美的答案所以我们现在看到很多模型他们都是出flash为什么还是太慢了无论如何都太慢了但就这样都已经比人类快很多但它还是慢思考系统这部模型是什么这部模型就是我去掉了慢思考这个部分我就做快思考我在固定好的数据库我只做概率判断现在的绝大多数大约模型他能做东西太多了有能生成视频有能生成文字有逻辑判断能搜索能联网能输出五言绝句七言绝句能干很多东西但其实我们人其实很多的小的事情操作我们没想让他做这么多但他调动了整个模型里边激活的参数这么多费了复杂的各种量劲儿去得到结果太慢了这模型解决就是这个我不做那么多的判断我就去做基础判断这个东西A B对吧女朋友亲你一下喜欢你想找你要钱喜欢你20%的可能想找要钱80%的可能他就快速得结论A跟BA跟B快速出结论就做这样的判断这样的判断有什么用呢有用的地方多了举个例子我们现在可以用AI去非常容易的去了解一个复杂的数学题但是你用AI去打游戏你用AI去玩FES游戏你不能说植入电脑你就直接视觉模型监测去玩游戏这个可能还是比较麻烦如果用现在大元模型去玩的肯定是不行简单的优化协调对吧那才能让他玩成这个游戏尤其是反应速度要求极快的你每一个都这么长时间去调动这个模型TOP token消耗咱就不说了这个反应速度也太慢了所以这个模型要做的事情就是去掉输出语言这个部分去掉深度思考这个部分我只让他去做一个简单逻辑判断本质来说他并不是一个非常厉害的新兴的AI他就是一个被阉割版的AI但是被阉割版的AI现在在全世界火爆了终于发现原来有很多的事情可以把它分解成快思考和慢思考两个部分就像我们豆包似的虽然我答错了但我答的快有的时候我们不需要那么快的那么多的正确语以及失误反正叫快你不能在这晾着所以这是一个事情来我们再看另外一个事情MostrickMostrick AI这是什么事就是上周里边的一个15人的团队里边包含12个博士然后首席科学家还是菲尔茨兹得主然后他们做的一个工具Mostrick AI也非常的火9月24号的新闻它是一个什么东西简单说来我们模型尤其是在multiagent就多模型多自己操作multiagent最简单的特点比如说举个例子比如说你们如果用这个Grogbot就是马斯克这个Grogbot你就知道很多agent他可以同时跑任务然后各种agent之间他们还可以互相交换信息然后互相的分享研究结果然后再推进什么进度什么这种东西各个模型之间配合现在基本上大家应该都在用Motiagent我不知道你们有没有在用反正我在用我配了一堆的模型你看GBT然后Opus然后往下逗包逗包的那些我跑视频模型我就逗包然后往下Memo然后质朴JRM这我都配了我还有很多没配我这个台电脑没配因为Armys是Armys是本地的我的苹果电脑配的模型更多最早的时候为什么去做Motiagent就是哪办法因为Dipsick没有生他不懂读图他看不见所以我当年是用了Memo然后Memo帮我看图然后Deepseek帮我是处理文字你为什么用Memo和Deepseek因为他们俩便宜后来我用了以后我就发现确实很好用尤其是多个A成的之间协作然后他可以各种不同去自己去跑任务而且有的模型他擅长这个就是模型不擅长那个而且有的资费举个例子最简单就是对吧你白天的时间你白天的时间用谷歌因为他那是风就是什么风谷算力因为他美国正是晚上吧然后你晚上的时候用deep shake正好是他的低谷算力对吧因为这边美国那边是白天吧就这个意思对吧能写成本就是过日子的人你抠出了这种多个模型配合的小想法你就我也不可能就直接deep seek就用到那个什么那个gbt用满你们也是我强烈建议你们用个harness用个ermis用个ermis用个pi用个什么这种东西你用多模型切来切去或者多模型配套去使用像这种多个agent同时协作在帮你跑各种任务这种事情应该是今年的最大趋势Muse本质来说他也是在做这个事如果你们听新闻的本周新闻的话其实OpenAI的Astro他也在推出这样的工具但是多个AI工具一起跑项目的时候我们管它叫 [15:00] agent这种技术里边有一个最大的问题是什么就是multi agent他们的协作他们是这么协作的因为agent的本身他们并不知道自己要跟另外的agent的协作或者他们设计出来他们每一个agent是作为单独模型来服务人的他并不是来服务每个模型的你们懂我的意思吗所以本质来说模型与模型之间对话是这样的模型先把自己理解的信息转换成人类的语言再把人类的语言交给另外一个模型就上下文本压缩上下文本压缩以后交给另外一个模型另外一个模型理解他所输出的人类语言以后再去执行他的任务如果你们做过生图你应该知道是什么他就类似于叫两次反解就是你先把一张图片提出它的关键词生成的提示词然后你再把提示词生成的提示词再让它生成一片图它这张图一定不是一样的你们试一下就知道了为什么因为语言之间是有损失的它并不是信息有损失是语言之间是有损失人类语言是有损失的这是多个模型之间沟通起来最大的问题咱们都先不谈它的效率性的问题咱们就说准确性的问题都有很大的损失未来的模型都是multiagent今天我们现在看到那位斯托克方程也就是NS方程被破解你们听这新闻它也并不是某一个模型去破解的新闻的原文是这样的OpenAI用自己的Astral的模型用2万个模型2万个agent并行去跑然后跑了80个小时最后最终暴力破解了NS方程我绕回来把整个东西给大家总结一下我们来知道未来的方向是什么现在的AI无论是Muse绕过人的输出直接读取你的真人信息无论是Mosaic AI绕过让人能理解的输入语言部分,直接做模型之间的通话,或者是这模型绕过输出人类能够理解的语言,直接输出AI能够理解的快速思考的概率结论。这些东西都是AI的下一步的更新方向就是去人化你不需要知道我们的AI到底在做什么在鼓到什么你最后拿你的结果就可以了这就是AI的下一个的发展方向三个技术三个爆款点都在指向最后的方向你不需要知道发生了什么你不需要知道下单你不需要知道我是从亚马逊还是从Ebay还是从中国的淘宝还是从特募上购买的你只需要知道拿到你的东西就可以了你不需要知道最便宜的价钱是什么你只需要拿到结果就可以了而怎么跟店铺沟通这是我的事跟你没关系AI就像是一个蹒跚学步的孩子但是他成长速度实在是太快了现在已经可能到了中年青年青少年期他跟人类的交互他到底在想什么父母已经有些东西已经难以理解已经跟不上了他所思的所交流的所研究的东西跟我们的完全不一样但是我们眼看着他在不断的成长最后他能走成什么样子他是否还要经常回家看一看不好说

Meta推系统级助理Muse激怒电商 架构革新加速去人类化