115
0在Bayt播客上收听任何播客的中文翻译音频，并查看双语字幕：
安卓：baytfm.com
iOS：apps.apple.com
📝 本期播客简介
本期我们翻译了创始人访谈播客《David Senra》。主持人 David Senra 与 Meta 首席 AI 官、Scale AI 联合创始人 Alexandr Wang 对话，回顾 Muse 从一两周做出原型到七个月持续打磨的过程，解释 Meta 为何押注个人 AI 智能体，以及扎克伯格和 Nat Friedman 如何参与产品塑造。Wang 谈到不到 200 人的 Muse 开发团队如何保持专注，以统一的产品视角和细致评估提高可靠性；也分享了用梗图“让 Meta 再次酷起来”的想法，以及用户从小任务逐步建立信任的路径。访谈后半段回到他离开经营九年的 Scale AI、加入 Meta 重建实验室的经历，讨论从创始人转向“教练”、保持高人才密度和扁平组织，以及他希望 AI 帮助每个人实现更大抱负的愿景。
⚙️ 本期嘉宾
Alexandr Wang，Meta 首席 AI 官、Scale AI 联合创始人。在本集访谈中，他回顾经营 Scale AI 九年后加入 Meta 的决定，以及参与重建 Meta 超级智能实验室（MSL）的经历。
🌟 精彩内容
🚀 七个月打磨：从偶尔惊艳到稳定可靠
Wang 回忆，团队在一两周内做出 Muse 原型，随后用七个月打磨模型与产品体验。早期原型偶尔有神奇表现，却常常出错。团队把个人智能体所需的一百多项行为与能力逐项建立评估和发布门槛，并结合用户测试判断体验是否成熟。他强调，只有可靠地完成任务，用户才会持续回来。
🎨 不到 200 人的团队，保持一个清晰的产品视角
谈到 Muse 的开发规模时，Wang 说相关工作和产品工作加起来总共不到 200 人。团队有意保持精简和专注，避免产品成为多个部门意见的拼盘。Nat Friedman 的品味和审美在塑造 Muse 体验上发挥了关键作用；扎克伯格则展现了对长期打磨产品的耐心。这里的不到 200 人指 Muse 开发团队，不是 Meta 全公司的规模。
📱 为何押注个人 AI
在行业聚焦编程智能体时，Wang 和同事认为，Meta 的社交产品、兴趣发现和分发渠道，使它适合探索个人 AI。他们使用 OpenClaw 的经历加深了这一判断。Wang 希望个人智能体帮助人们减少必须处理的琐事，把更多时间用于真正想做的事情。这是他的产品判断与长期愿景。
😎 让 Meta 再次酷起来
Wang 说，大公司的分发能力能让人知道产品，却不自动带来文化上的关注。他亲自发帖、分享用户案例、尝试围绕 Jolly Bot 的梗图，希望让 Meta 变得更酷、更有趣。谈到营销效果，他明确表示不确定是否有追踪数据，因此节目中的判断不应视为已经量化验证的增长结论。
🤝 用户如何一步步信任智能体
用户从小任务开始，看到成功后，再尝试更复杂的任务。Wang 将这种递进称为“信任跳跃”。节目也讨论了真实使用截图如何传播、如何让用户尽早体验到产品的价值，以及他把 Muse 用作工作流程和“第二大脑”的方式。
💡 从创始人到“教练”：钻石开采与建造摩天大楼
离开 Scale AI 对 Wang 而言是艰难的情感决定，而重建实验室的机会又激发了他的创业动力。他用“建造摩天大楼”比喻持续优化流程的业务，用“钻石开采”比喻回报高度不均的研究探索：许多尝试可能失败，少数发现却可能带来巨大价值。相比在 Scale 事必躬亲，他在 Meta 更重视设定方向、识别人才并提供环境与资源。
🏗️ 扁平组织与反官僚原则
在谈到实验室管理时，Wang 估计自己有超过 200 名直接汇报者，并说明 TBD 团队的研究员直接向他汇报。团队仍有技术负责人和小组结构，但减少人员管理层级，鼓励讨论与共同决策。他强调，优秀人才需要的是能发挥能力的环境。这个人数口径与前面 Muse 开发团队“不到 200 人”的口径不同。
🌐 播客信息补充
翻译自：Creating Muse: The Fastest-Growing AI Product Since ChatGPT | Alexandr Wang, Meta
本播客使用 AI 进行播客音频制作。如果你对翻译和音频质量有任何意见，欢迎联系微信：caiwenshuo。
如果有后续想听中文版的其他外文播客，也欢迎联系。
Meta, Muse, Alexandr Wang, Scale AI, 个人AI代理, 扎克伯格, 纳特·弗里德曼, 消费级AI, 梗图营销, 反官僚架构, 超级智能, David Senra, AI实验室, 信任跳跃, 幂律回报
