Personal Agent是个很移动互联网的事

@陈之琰

最近和人聊 Personal Agent ，总给我一种很熟悉的感觉。

开头通常是 context、trust network、proactive、personalization 。聊过半小时后，话题就变成了怎么提高留存、怎么补贴用户、手里需要多少钱，以及从实现成交的交易里分多少钱才够。再往后，是大厂会不会做、平台肯不肯开放，创业公司能不能在巨头反应过来之前跑出规模。

DAU、补贴、入口、跑马圈地、用户心智。那些十年前的熟悉词语又回来了。

过去三年，一级市场的主流话语是被模型支配的。我们习惯了讨论模型的智力边界，也习惯了用"下一代模型会不会把它吃掉"来审视AI应用公司。

而 Personal Agent 可能是一个非常互联网的事情。

美国也在搞to C

美国现在最讨论度最高的两个产品 Instinct 和 Muse ，一个是创业公司，一个来自大厂。他们的PR动作几乎不分先后。

我理解，美国投资人都在抢一样东西：AI to C的话语权。

硅谷对于to C有一种长期的陌生感。早期投资投得少，创业者们也不爱做。过去两三年，AI应用常常要在模厂定义的问题里证明自己。智能还不够，要等；下一代模型变强了，又要担心业务被吞掉。

而 Personal Agent 则提供了另一种解法：模型层逐渐降低成本和对最先进模型的依赖，但用户关系、使用习惯，以及交易前面的位置，可以留在应用公司手中。

这让互联网时代平台经济的想象又重新回来了。

用户的个人信息、偏好沉淀在哪里？下次购物、订酒店、安排出行先和谁说出需求？谁参与意图的接收谁就有机会影响注意力和交易。这不是每月几十美元订阅费的事，还涉及人们整个生活环节的分发。

这次美国 Personal Agent 的动作非常快，甚至已经有点移动时代的战争感。

9月20日，亚马逊封杀 Muse 的购物功能，指控这个"未经授权的AI智能体"获取并存储了客户凭证，Meta 予以否认。这太眼熟了，类似当年淘宝屏蔽百度蜘蛛，微信封杀淘宝链接。

补贴换增长，meme 当投放，邀请码做裂变，平台互相封杀，烧钱占坑，收购兜底。把"AI"两个字遮住，这就是一份十几年前平台大战的战报。

人民的AI

热潮也并非凭空制造。到当下这个节点，AI产品确实发生了一些变化。

Muse 的底层模型 Muse Spark ，4月就发布了。Meta 自己也承认，长链任务能力仍有不足，新模型昨天才刚刚拿出来。有报道称，上线前两周，还有内部员工批评它像"一个操作更繁琐、底层模型更差的聊天机器人"。

但就是这个被内部嫌弃的产品，创造了64万的美国移动端日活，几乎是同期 ChatGPT 的三倍。

早期快速增长当然不能证明长期成功，但至少说明一件事：模型能力，不是用户愿意尝试的必要条件了。

这是Muse区别于此前AI产品的关键。这也让我意识到， Personal Agent 有可能会跳出"谁智能最高"的逻辑，形成一个新的战场。

先回答一个很普遍的问题：Muse 能做的事，OpenClaw 不早就能做了吗？

确实，今天各家 Personal Agent 的大量能力并非第一次出现。Muse 也是受到过 OpenClaw 的强烈启发。但"已经有人能做"和"普通人愿意用"，中间可能就隔着一家大公司。

而且，对于普通人来说，"小龙虾"终究是个泛极客玩具。

Muse 做的一个关键步骤，是把自行部署维护，变成云端托管、注册即用。用户不必先成为半个工程师，才能拥有一个替自己办事的 Agent 。

当然也有人说，Codex、Claude Code，以及一众办公 Agent 已经不存在部署门槛了，怎么也没见它们大众化？

在 Personal Agent 主要宣传的一些场景上，这类 Coding Agent 其实可以做到同样的事情，甚至能在 frontier 模型的驱动下更好的完成任务，这也是很多人对 Personal Agent 的质疑之一。但这有点像让科研人员做管家，杀鸡焉用牛刀。

以及，可能还是思路不同。前 TikTok 产品莫唯书对我说，Personal Agent 区别于办公 Agent 的核心在于上下文 Context 不是围绕任务构建，而是主要围绕人来构建。

因为AI办公产品从第一天起，就不是围绕普通人的生活来设计的。办公 Agent 的记忆和上下文可以围绕项目和任务构建，但一个普通人的日常里哪有那么多值得"专门立项"的任务？

人们的需求是琐碎而连续的：改航班、订餐厅、取消订阅、缴费、回邮件、看保险到期。这些事的共同点是认知价值低、流程摩擦高、高度碎片化。

它们可能不值得专门打开一个工作台，却最好能有个什么东西一直替你盯着。

这使得 Agent 的交互方式也会有所不同，办公 Agent 倾向于输出得越详尽越好，说得越多，犯错和被追责的空间越小。而 Personal Agent 们则更倾向于日常沟通的"拟人化"表达。按 Today AI 的说法，好的个人助理首先得学会少说废话。

所以，我们也需要脱离开一线城市精英白领、科技KOL、AI达人的视角来理解 Personal Agent ，莫唯书在自己的公众号上则写得更直接些：别做个人 Agent ，做人民的 Agent 。

国内，已经有全职妈妈在用 Today AI 给孩子做早教规划。一位在北美创业的朋友也对我说，Instinct 真正的破圈信号，不是科技媒体的报道，而是 Facebook 的宝妈群和 Nextdoor 的邻居社区开始讨论它。当然这距离真正的大众化仍然很远。

假如，Personal Agent 真能将只有高收入人群才雇得起的私人助理和礼宾服务，用更低的门槛给到普通人。这何尝不是一种AI平权？

世界不只有五环内，也有更大的五环外。将这件事干到最极致的就是拼多多。

熟悉的战役

人类总想追求不劳而获。但希望有人替自己操心，和需要一个 Personal Agent ，还是不一样的。

需求成立也未必会是同一种生意。有的产品追求低价、大规模，通过交易寻找收入；有的服务愿意付费的人，在少数场景里做深交付。这与通用、垂直有所关联，却不是一一对应。

通用助手可能更了解一个人的家庭、预算和习惯，垂直服务却可能更有能力把一件事做完。

Personal Agent 能不能成，还得算两笔账：一笔是成本，AI替你办事到底贵不贵；一笔是价值，AI能不能比你自己做得更好。

这一轮 Personal Agent 当然有技术做为基础。比如，Computer Use 让模型能直接操作软件，不必事事等接口开放——截图、网页结构、无障碍信息、代码工具，可以看菜下饭地组合使用；持续运行的云端环境，让一个任务跨过一次对话，关了App还在后台推进。

模型这头，对相当一部分日常任务，产品不必每次都调最贵的模型。据我了解，前面提到的几家创业公司，都已经在后训练自己的模型，靠场景训练和流程优化把成本往下压。

但 token 便宜，不等于办事便宜。一个任务要调几次模型、重试多少遍？在平均约 318 步操作的长时程基准 OSWorld 2.0 上，Opus 5.5 的严格完成率也只有 48.7%；而在操作效率上，OSWorld-Human 的测量显示，agent 的步数仍是人类的三四倍。还要算上用户解释、等待、确认和纠错的时间。

Rabbit 创始人吕骋问过一个非常典型的问题：让 Agent 去买一箱可乐，和自己点两下，哪个方便？

到中国市场，这个问题更为尖锐。

海外不少 Agent 从邮件、网页和分散的服务流程切入。中国的支付、本地生活和购物，则已经被超级 App 组织得相当便利。一个产品在海外省掉了三通电话，不代表搬到国内也一样。

毕竟，用户没有义务为了体验先进技术，把简单的事再做复杂一遍。

Personal Agent 真正值得期待的，是打通人从"有意图——获得结果"之间的路。要做到这一步，难的恰恰不是执行。

随着模型能力的增长和价格的下降，"做完任务"势必会成为标品。真正难的，是中间那层。怎么处理记忆、怎么理解表达背后的意图、怎么把意图对应到具体的任务上、怎么提供合适的供给、怎么用供给完成高效且有效的执行。

于是你会发现，把 Personal Agent 看成"跳过现有 App 、直接兑现用户意图"的新入口之后，这场 AI to C 的胜负手，收敛到的全是老问题：

谁先占住入口；谁更快布好所需的供给；创业公司能不能钻进大厂生态的缝隙；大厂能不能迈过自己的门户之见和创新者窘境；执行到底有效没效、高效没高效；以及，Agent 和 Agent 之间那张协作网络，到底会不会有。

在移动互联网时代，以上几乎都有一一对应的命题。

那从曾经战场上杀出来的大厂就拥有绝对优势吗？目前来看的确挺大。这也就是为什么很多会认为字节、腾讯看起来希望最大的原因。

至少到现在，能让人用起来、做国内市场的 Personal Agent 产品依然很少。

当然还有一种观点是，如果 Personal Agent 是个需要调动各家的产品服务，那一个中立的位置可能也是重要的。这似乎是一些跃跃欲试的创业者的角度。但中立只是立场，不是能力。拿不到信息，完不成任务，再客观也很难做大。

有投资人对我说，参与国内 Personal Agent 竞争的创业公司需要抓住极短的窗口期来抓住用户，可能需要亿级美元的储备资金，很快甚至会提高到三五亿美元。

这是指估值，还是融资？

他说，都不是，"是账上够烧的钱。"

封面来源：John Quidor, The Return of Rip Van Winkle, 1849, National Gallery of Art, Washington