關於我
作為一個軟體工程師，在 Coding Agent 大行其道之後，深深感到未來軟體工程的工作會有劇烈的變化，持續從事原本的工作可能會錯失學習與轉型的機會。因此結束前一份工作後沒有繼續尋找下一份工作，而是試著理解透過 Coding Agent ，能怎麼建基於自身已有的經驗與知識，擴展技能去涵蓋更多的面向，進而建構自己與他人都願意使用的產品。在摸索的過程當中，也花一些時間閱讀與思考，並隨手將這些心得紀錄下來。
Meta Muse 與 Personal AI Agent 真能獲利嗎？
Meta Muse 在 2026 九月初面市以來，短短兩周快速登上美國 App Store 免費榜第一名，引來極高的關注度，讓在 AI 競賽中一度落後到掉出大眾視野的 Meta ，又重新回到大眾的視野當中，並幫助 Meta 的股價迎來一波大漲，顯示出許多人看好這項技術的前景。許多使用者也紛紛分享使用 Meta Muse 的成果，最引人注目的莫過於壓低合約費用，爭取更好的價格。然而，在一片看好聲中，也得要回頭仔細看看，這樣的技術在其商業化的發展上面，可能會面臨什麼樣的挑戰。以下從成本、隱私與安全性及配套三個方面來簡單檢視一下。 首先，目前所有建基在大語言模型的 AI 技術，其普及的最主要挑戰仍在成本。許多 Meta Muse 的初期使用者願意試用 Muse ，甚至試著把它用在一些不確定性較高的場景，一定程度上是因為 Meta 贈送了一定量的免費額度，讓使用者可以沒有負擔地去嘗試。也可以說 Meta Muse 上線後的成功，一半來自於其系統本身的成熟度，另一半則來自免費額度的推廣。然而，這類型的 Personal AI Agent 未來是否能夠普及，在商業上是否能持續獲利，其運作成本仍然會是使用者是否持續使用的主要因素之一。 運作成本並不是 Meta Muse 的弱點，甚至相對於競品，可能會是 Meta Muse 的強項，畢竟 Meta 夠大，要透過規模性壓低成本，會有不少的優勢。然而，成本在短期內可能會是所有 Personal AI Agent 的弱點。扣除掉一些嚐鮮體驗的使用者與關注 AI 發展的 KOL 們，會因為出於對「 Meta Muse 能做到什麼」的好奇心而不計成本地去讓 Muse 做一些實驗性的事情，對一般的使用者而言，終究要回歸 Meta Muse 能解決的問題本身代來多少價值，是否能打平使用 Muse 的成本。就以前面提到的「爭取更好的價格」作為例子，最簡化的數學式就是，使用 Muse 要花的錢，是否小於爭取到的價差。如果答案是肯定的，使用者就持續有動機使用 Muse 去爭取更好的價格。 但要評估這個數學式能否成立，實際上卻相當困難。第一，使用 AI 的實際成本到底要怎麼估算？從提供服務的 Meta 來看，現在還在搶佔市場的階段，他可能願意透過免費試用讓利，爭取更多的使用者進入他的生態系。因此實際的成本可能高過目前 Meta 對外給出的定價。目前我們...
留言
張貼留言