傅盛在社交平台上发了一条推文串，聊的是近期热度很高的 Meta Muse。他没有停留在产品功能层面，而是直接拆了拆这东西的技术底子。

他的判断很直接：Muse 的本质，是长期记忆和虚拟机后台执行这两件事的结合。

从单次问答到后台干活

过去用 Agent，大多是一次性的问答——你问一句，它答一句，对话结束，它也就停了。傅盛认为 Muse 代表的变化在于，通过长期记忆加上虚拟机的配置，Agent 可以在后台持续工作，而不是只在你开口的时候才动一下。

这背后是 Agent 演进方向的一次转向。他把这个方向概括为两点：进入生活场景，以及从被动响应走向主动服务。

也就是说，AI 不再只是“等待命令”，而是开始“主动找事做”，并且深度集成到社交、广告和交易这些生态里去。这个描述，和 Meta 自身的业务结构是高度吻合的。

壁垒不在模型，在资源规模

傅盛点出的另一个关键，是这类产品的竞争壁垒并不在技术本身，而在资源规模。

他提到了一个数字：每周每人 1 亿免费 Token。这种级别的 Token 成本投入，再加上虚拟机等基础设施的开销，普通创业者很难复制。投入的体量本身，就构成了大公司的规模优势。

这也解释了为什么他把通用生活类 Agent 划到了大公司的地盘上。Meta 手里有社交与商业生态，又有能力承担极高的 Token 成本，这两样东西叠在一起，创业公司很难在同一维度上竞争。

创业者的位置在哪

傅盛给出的建议是避开通用赛道，去找更垂直的机会。他的原话是：“这种通用生活类 Agent，最后大概率还是大公司的菜。创业者还是得找更垂直的机会。”

这个判断的逻辑链条并不复杂：当一个方向的胜负手是 Token 成本和基础设施投入时，规模就是护城河，而规模恰恰是创业公司最缺的东西。与其在通用生活场景里和大公司拼资源，不如在垂直领域里找那些大公司顾不上的缝隙。

Muse 的热度还在，但傅盛这条推文串提供的视角是：先看清楚它的技术构成和成本结构，再决定自己该站在哪个位置。