Muse登顶App Store,云栖同日开幕:AI智能体两线作战

2026年9月22日，两场AI大事件同日交汇：大洋彼岸，Meta个人AI智能体Muse上线不到两周即登顶美国App Store免费榜，5天73万次下载超越ChatGPT同期数据，Meta股价单日暴涨超12%；杭州国际博览中心，2026云栖大会以"智以致用"为主题开幕，阿里云发布Qwen 3.8-Max（2.4万亿参数）、真武M890芯片、磐久AL128超节点服务器，并提出"Agentic Cloud"战略。一个从消费端引爆AI Agent，一个从基础设施全栈自研——两条路径，指向同一个终点：AI智能体时代正式落地。

9月22日是个有意思的日子。杭州云栖大会开幕，Meta的Muse刚登顶美国App Store。一东一西，一个从底层基础设施往上建，一个从消费级应用往下扎——两条路线在同一周交汇，背后是同一个判断：AI的竞争已经从"谁的模型更强"变成了"谁能让AI替人干活"。

1

Meta Muse：从聊天机器人到"替你干活"的AI智能体

9月8日，Meta正式发布Muse，官方定位是"世界首个面向大众的个人AI智能体"（The World's First Personal AI Agent Built for Everyone）。注意这个定位——不是"聊天机器人"，而是"个人AI智能体"。区别在哪？聊天机器人回答问题，Muse替你执行任务。

用户告诉Muse"帮我订一张下周去东京的机票"，它会自己跨网站操作：搜索航班、填写表单、选择座位、甚至通过Stripe Link完成支付。你不用打开十个App，说一句话，Muse替你全部搞定。这就是Meta想要讲的叙事。

底层模型是Muse Spark 1.3，9月2日发布，是Meta超级智能实验室（MSL）5个月内的第四次模型更新。参数和定价如下：

在Meta自身9项智能体测试中，Muse Spark 1.3拿下5项第一，全部进入前二。Terminal-Bench 2.1得分86%，与GPT-5.6 Sol持平；DeepSWE v1.1编码测试75.4%，编码能力第一；长上下文任务（512K-1M）得分98.1，远超第二名GPT-5.6 Sol的73.8。单任务成本约$0.55，低于GPT-5.6 Sol（$0.95）和Claude Opus 5（$1.23）。

安全设计上，Muse运行在Muse Secure VM（安全虚拟机）上，一个专用的隔离云环境。还引入了Sentinel安全代理——未经Sentinel批准，Muse无法访问互联网。Meta还计划推出Muse Confidential VM，完全加密，仅用户持有密钥。免费基础版+$20/月、$100/月两档订阅。

2

为什么"走红"：数据说话

"走红"不是营销话术，是有数据支撑的。

Bernstein分析师Stacy Rasbon指出，此前大多数AI Agent仍主要面向技术用户，而Muse显示出向大众普及的可能性。这是关键——不是模型参数多大，而是普通人能不能用起来。

社交媒体上的反应也很有意思。扎克伯格在Instagram发布Muse后，评论区画风跑偏："Muse，帮我不看Instagram""Muse能抹除Meta在我生活中的痕迹吗？"用户用最Meta的方式吐槽Meta。不过，早期用户评价正面："incredibly good""really smooth at filling heavy forms""insanely good"的计算机操作能力。

但也有冷静声音。此前Sora、Vibes等多款AI产品发布初期冲上排行榜后增长明显降温。Muse能否持续，仍是未知数。另外，Dissenter等评论媒体批评Meta借Muse扩大"监控帝国"——AI Agent需要访问邮箱、日历、支付、健康等高敏感数据，隐私问题不容回避。

3

2026云栖大会：阿里"智以致用"的全栈答卷

把视线拉回杭州。9月22日至24日，2026云栖大会在杭州国际博览中心开幕，主题"智以致用"（Intelligence Goes Beyond），系统呈现AI从底层技术突破到产业价值落地的完整路径。展区超5万平方米，140余场分论坛，1000+家企业参展，2000余位国内外嘉宾。

阿里巴巴集团CEO吴泳铭在主旨演讲中提出一个预判："未来机器思考总量将达到人类的1000倍以上。"阿里巴巴将坚定投入AI模型、AI芯片、AI云三大基石，目标到2032年阿里云全球数据中心规模超20GW。

大会设三大主论坛——云栖主论坛阐述阿里巴巴AI战略，技术主论坛围绕模型、Agent（智能体）、Agentic Cloud（云智能体）拆解五层全栈技术，"为了无法计算的价值"主论坛探讨AI社会价值与人文共融。首创Agent Native参会方式：每位参会者可携带自己的Agent入场，Agent获得专属数字身份，可实时读取议程与展品信息、智能推荐，还设有Agent Arena（智能体竞技场）。

4

Qwen 3.8系列：千问最强阵容亮相

云栖大会的核心发布之一是千问（Qwen）3.8系列大模型，这是迄今千问系列最强阵容：

Qwen 3.8-Max支持100万Token上下文窗口，在Text Arena排名第五、Vision Arena排名第二。更值得关注的是RSI（递归自我改进）能力——在人类"零参与"下完成33轮有效迭代，Artificial Analysis得分从40涨至45分。

阿里巴巴ATH事业群Token Foundry、Qwen LLM项目负责人刘大一恒公布了路线图：Qwen4已启动训练，Qwen4.5、Qwen5计划扩展至5-10万亿参数。下一代视频生成模型拟于2026年11月发布，聚焦"更长、更可控、更完整、更智能"。郑波（阿里巴巴ATH技术副总裁、淘天集团首席科学家）则提出"三年内会出现一个原生全模态统一模型"的预判。

5

从芯片到应用：阿里全栈AI自研

云栖大会展示的不只是模型，而是从芯片到应用的完整链路：

芯片层：真武M890 AI芯片，144GB显存，片间互联带宽800GB/s，原生支持FP32至FP4精度，性能为上一代真武810E的3倍。这是阿里自研的AI芯片，对标的是英伟达的高端GPU。

基础设施层：磐久AL128超节点服务器，搭载128颗平头哥自研真武M890芯片，PB/s级别单柜带宽。配套ICN Switch 1.0专用互联芯片，吞吐量25.6Tbps。这是阿里在"超节点"架构上的核心突破——用自研芯片+自研互联，搭建AI算力底座。

平台层：阿里云百炼PAI，内置Agentic RL机制和安全治理能力。数据平台方面，MongoDB 8.3定位为AI Native数据库，AnalyticDB具身多模数据平台V2.0面向具身智能场景。

应用层：千问办公（Qwen Work）覆盖17大职业身份，200余个Skill/套件/模板。Qwen Intelligence手机智能解决方案，为手机场景深度优化。导演陆川携AIGC短片《历史·现场》预告片亮相，首次深度使用AI创作影视级影片。

这条链路的核心战略是"Agentic Cloud"——为Agent而生的云操作系统。从算力供给到智能体运行环境，全面升级。阿里云在说的是：不只给你模型，还给你跑Agent的整套基础设施。

6

Meta vs 阿里：两条路径，一个方向

把Muse和云栖放在一起看，会发现一个有意思的对照：

Meta的打法是从应用层往下扎——先让消费者用起来，用数据反哺模型，用订阅收入覆盖AI基础设施支出（预计2026年超1300亿美元）。阿里的打法是从底层往上建——先搞定芯片、云、模型，再把Agent生态搭在上面，服务企业和开发者。

两条路径各有各的逻辑。Meta的优势是20亿月活用户的分发渠道和消费级产品经验；阿里的优势是全栈自研的深度和ToB场景的厚度。但指向的终点只有一个：AI智能体（Agent）成为下一代计算交互范式。

值得注意的是，Meta在开源层面也有布局。8月10日，Meta开源了Muse Glimmer（30B参数），扎克伯格呼吁减少美国对开源AI模型的限制。这与阿里Qwen系列的开源策略形成呼应——开源vs闭源不是简单的对立，而是不同场景下的策略选择。

7

值得关注什么

一、Muse的留存率。登顶App Store只是第一步，此前Sora、Vibes等AI产品发布初期冲榜后增长明显降温。5天73万下载的"爆发力"能否转化为持续使用的"留存力"，是判断Muse成败的关键。

二、云栖的"价值兑现"。大会主题"智以致用"本身就暗示了一个判断——AI已经过了"炫技"阶段，该兑现价值了。从甲子光年的分析看，大会从"能力演示"走向"规模应用"，AI进入"智能体规模化应用"新阶段。谁能率先把AI Agent变成日常生产力工具，谁就赢得下一轮竞争。

三、AI基础设施的投资回报。Meta预计2026年AI基础设施支出超1300亿美元，阿里云目标到2032年全球数据中心规模超20GW。这两笔巨额投入都需要回报——Muse的订阅收入和Agentic Cloud的企业服务收入，分别是各自的"回血管道"。

四、隐私与安全的博弈。Muse需要访问邮箱、日历、支付、健康等高敏感数据，Dissenter批评Meta借AI Agent扩大"监控帝国"。阿里云提出"Agentic Cloud"也面临Agent运行环境的安全治理问题。AI Agent越强大，能触达的个人数据越深，信任成本就越高。

五、模型迭代速度。Meta的Muse Spark在5个月内更新4次（1.0→1.1→1.2→1.3），阿里的Qwen从3.8-Max到Qwen4已启动训练，Qwen4.5/5计划扩展至5-10T参数。模型竞争已经进入"月度迭代"节奏，这比之前的"年度发布"快了一个数量级。