AI 智能体厂商都在承诺隐私：Meta Muse 与 OpenAI Dots 能兑现吗？

10月10日，The Verge 高级 AI 记者 Hayden Field 报道了一个颇有讽刺意味的场景。在今年的 OpenAI DevDay 上，CEO 山姆·奥特曼发布了公司的新智能体 Dots，并对台下观众表示，OpenAI 希望"为前沿 AI 的隐私设立新标准"。据报道，OpenAI 当天多次含蓄地指向主要竞争对手 Meta 的 Muse，批评它没能守住用户数据。然而数月之前，Muse 本身正是以"比前任 OpenClaw 更安全的替代品"身份登场的，马克·扎克伯格当时承诺它"从底层开始就为隐私与安全而构建"。一条承诺链由此浮现：Muse 对标 OpenClaw，Dots 又对标 Muse，每一代产品都把自己定位成上一代的安全修正版。 需要说明的是，本文依据的是这篇报道的公开部分，凡涉及产品内部机制的论述，均属分析性推断，不代表任何一家公司披露了具体技术细节。把这条承诺链放在一起看，最值得注意的是它背后的矛盾。报道开篇就点明了大背景：企业囤积客户个人数据，网络攻击也早已司空见惯，而 AI 实验室却在设法说服用户向智能体分享更多信息。也就是说，行业一边向用户索取更深的信任，一边把"我们比别人更安全"当作拿到这份信任的敲门砖。隐私在这里不再是合规部门的附属品，而是产品定位的核心卖点，甚至成了发布会上互相点名的竞争话术。 为什么智能体让隐私问题变得更尖锐？这里的推断来自产品形态本身。普通聊天机器人只处理用户主动粘贴进去的内容，而智能体的价值在于替人办事：读邮件、排日程、翻文件、操作账户。要做到这一点，它必须获得持续、广泛、往往是跨应用的访问权限。数据面越宽，单次失误的代价就越高；权限越大，被攻击者利用的价值也越高。当一个产品同时拥有读取与行动的能力，任何一处疏漏都可能从"信息泄露"升级为"被代为操作"。因此，隐私承诺对智能体而言不是锦上添花，而是用户敢不敢放权的前提条件。这也解释了为什么三家产品要在安全叙事上一环扣一环地较量。

承诺与兑现之间，隔着的是可验证性。一句"为隐私而构建"，在没有对应机制的情况下无法被检验。真正有分量的隐私设计，通常体现为几类可以核查的做法：默认不把用户数据用于模型训练，或至少提供清晰的退出选项；按任务收窄权限，而不是一次授予全部访问；在尽可能靠近用户的位置处理敏感数据；保留可导出的访问日志，让用户知道智能体到底读了什么、做了什么；接受独立第三方的安全审计，并在出事时及时、完整地披露。以上是评估框架，并不是对 Dots 或 Muse 实际做法的描述。评判两家公司，应当看它们是否愿意把这类机制写进产品文档，而不是只写进发布会的台词。 这种"一代比一代更安全"的叙事还有一层结构性风险。当隐私成为比较广告，安全的标尺就被竞争对手的失败所定义：只要对手出了事，自己就显得可靠，于是激励变成了"别比别人差"，而不是"做到真正够好"。一旦其中任何一家出现重大泄露，受损的不会只是那一家，而是整个智能体品类的公信力，用户会重新掂量要不要把邮箱和文件交出去。Muse 此前以 OpenClaw 的安全替代者自居，如今又被 Dots 的发布方点名批评，恰好说明这种定位随时可能被下一位入场者翻转。承诺越响亮，用户越有理由要求证据，监管者也越有理由追问。 还有一个容易被忽略的层面：隐私承诺的对象究竟是谁。对个人用户而言，担心的是邮件、聊天记录和日程被用于训练或被员工查看；对企业客户而言，担心的是商业机密、客户名单和内部文件经由智能体流向外部；对监管者而言，关心的则是责任如何划分，一旦智能体代用户做了错误的操作或泄露了第三方的数据，责任究竟在用户、平台还是模型提供方。三类关切并不相同，一句统一的口号很难同时回答它们。更重要的是，智能体常常要接触的并不只是用户本人的数据，还包括通讯录里的他人、同事共享的文档、客户发来的附件，这些第三方并没有同意把自己的信息交给某个智能体。当几家公司竞相宣称自己最重视隐私时，谁来为这些不在场的人说话，同样是需要被追问的问题。

对普通用户和企业来说，务实的做法是把"承诺"拆成可以逐条核对的问题：数据是否默认用于训练，能否一键删除，权限能否细分，是否有审计日志，出现事故时由谁负责通知。在这些问题得到清楚答复之前，不妨先把智能体限制在低敏感度的任务里，再逐步放权。对行业而言，真正的新标准不会诞生在发布会上，而是来自能被外部验证的工程与披露。Dots 是否如奥特曼所说树立了新标准，Muse 的"从底层为隐私而构建"是否站得住，答案都要等时间和独立审查来给。在那之前，值得记住的只有一点：智能体越能干，它对信任的要求就越高，而信任只能靠证据积累，不能靠口号预支。