一个 Personal Agent 创业者的思考｜对谈 Ambi 创始人子皓

There's something there. 我们记得很清晰，Ambi的方哲、子皓。Ambi做了感觉时间很长了，其实也没有多长，是吧？半年多。

6个月。

对，半年多做了非常多的事情。然后做着做着发现，原来你们也是做 personal AI 的，是吧？你有这个感觉吗？还是你一开始就觉得自己是在做这件事？

我们一开始就在做这件事。刚开始的时候，技术架构就是给每个人一个虚拟机环境。有些投资机构也会说我们是做这样的东西。我们没有这样定义自己，但他们在两三个月前提到这个事情之后，我们觉得可能也算是这样一个领域。

1. The Personal AI Shift

创业刚开始时，我们的想法其实是改变人与 AI 的交互方式。你看我们现在推出来的产品，前面一直在说，智能已经如此厉害，但每个人每天可能只用两三个小时，这是这个世界最大的不合理。虽然我们达到了智能平权，但还没有真的像用空气、水、电、煤一样去用它。

另外，从我们的背景和职业经历来看，我们不希望做一个垂直产品。我们希望真的能做出一个改变这个世界上大部分人的产品，让很多人都能用上。这是我们希望在这个年纪能够做出的改变。

我觉得最近 personal AI 和 agent 这一波特别火。首先，它是 OpenClaw 那一波的延续；OpenClaw 又是之前 Manus 的延续，Manus 又是从 2023 年左右大家开始讲用 AI 做事情的延续。所以我觉得这是同一条主线的延续。

一开始大家觉得 agent 和 AI coding 是分开的，现在也合到一起了。我不知道你的感觉是什么：这一波 personal AI 和之前相比有什么区别和变化？它的火是不是又像 OpenClaw 那样爆发，还是有一些确实不同的原因？

OpenClaw 对我们来说不算是突然爆发。我自己觉得，这一波 personal AI 满足了很多上个时代活下来的产品经理能够看到的端倪。我觉得这件事会持续很久。

单拿 Muse 来举例，也可以拿 Grok 来举例，我觉得它具备了一个面向普通人的产品所需要的所有要素：你不需要任何技术背景，甚至不需要知道它有一个虚拟机，也不需要知道其他技术细节，每个人都很容易用上。它真的像我们上个时代的互联网产品一样。

另外，你去看 Business Insider 最近出的那些文章，讲 Muse 是怎么做的。像我们这样的人，并没有觉得 OpenClaw 火完了就没有了。从 OpenClaw 出来之后，我们自己也部署过 OpenClaw，但后来觉得不好用，就换了 Hermes。然后我们每天用 Hermes 处理工作、生活、健康方面的事情，慢慢做很多定时任务和主动服务，也一直在迭代这个系统。模型在变化，我们也在更新，想办法把 Hermes 做得更轻。其实从年初到现在，这个过程一直没有变过，我不觉得这件事已经不火了。

但我觉得是这样，我也会刷到你说的 Hermes 之类的东西，还是有很多技术人员在讨论它做得很好。但我说的不火是从 C 端角度来讲。

可能那个时候还没有一个达到 C 端 PMF 的产品。但从做互联网产品的角度看，这个产品具备了火起来的所有要素。

你看 Business Insider 的报道里，像扎克伯格，还有 Fred Freeman——就是 GitHub 的 CEO——都很吃惊，觉得其他大厂为什么一直不发，是 Muse 第一个发。因为你觉得这个东西能够帮普通人完成所有事情，这就是我们对智能很好的想象。但它显然还没有完成这样的传播链路，智能水平也可能还不够，所以没有成为普通人的产品。

刚才我说的核心有几点。第一，OpenClaw 出来的时候，大家觉得它很厉害，但你没办法用一个明确的场景和价值点来说清楚它到底厉害在哪里。第二，我知道它很厉害之后，作为第三方，怎么获得这种能力？安装成本很高；即便安装完了，还要接很多 connector、加很多 context，才能把它变成别人分享给你的那种能力。这个链路特别长，但这不是技术问题，而是产品问题和传播链路的问题。

我觉得那时候已经比较 ready 了。我自己的感受也很明确，因为我一直用 Codex 跑 Hermes。模型更新到 5.6，再更新到 6，每一次模型升级给这个系统带来的变化都非常巨大。你会觉得它提供的价值越来越高。所以，一方面产品做得越来越好，另一方面模型越来越强，两边都越来越接近让普通人也能用上的好产品所需要的基础要素。

顺着你刚才讲的，我想问一下，这半年以来也不断发了很多新模型，包括 Fable、5.5 之类的。我记得我们去年聊的时候，其实在讲一件事：智能已经足够了。

对普通人来讲，智能已经足够了。所以最近这半年新发的模型，有没有哪一刻让你觉得原来它还能进步？具体体现在哪些场景和细节上？

我觉得去年说智能已经足够了，可能是说错了。智能足够，是因为我们设计的任务不够复杂，给它的 context 不够多，来源也不够丰富，所以才觉得智能足够了。我们当时没有把 agent 能做的事情，限定在它能够在虚拟世界里做的一切事情上。当时可能眼界不够，或者想法不够成熟。

我记得当时我们聊这个的时候，主要是在聊以聊天为主的场景。

对，聊天场景肯定是这样。你说 DeepSeek，可能开源模型都足够了。但在工作场景里，你记不记得当时 ChatGPT 6 发布的那个周末，我跟你说这玩意特别牛？其实我不是拿它写代码，而是每次模型发布后，你可能要先把自己的 harness 调整一下，再把 system prompt 调整一下，让它更适配新的模型。调整完之后，同样的任务产出的东西，你能感受到非常巨大的变化。

举个比较简单的例子，我们公司所有 Slack、GitHub、Figma，还有聊天、文件和会议内容都是开放的。在里面会有一些比较常见的模糊任务，比如某个功能跟最初的设计有什么偏离。同样的任务，6 出来之后，跟之前比，我们肉眼仍然能分辨出巨大的提升，而且是往好的方向提升。

6 出来之后，面对同样的任务，它不会那么长篇大论，但能用更少的文字表达得更好、更精确，甚至能给你一些你自己总结不出来的东西。我觉得人对智能的需求上限可能真的很高。我不能说无限，但我还没有到那个点。这真的是一个非常让人有“啊哈”感的时刻。

那 Computer Use 这件事呢？GPT 最近发布的 Computer Use，我感觉模型厂商内部会觉得它做得很牛，尤其是很多软件大家可能都知道它没有训练过，但它也能用得很好。不过在外部，大家的感知好像弱一点。

我自己的感受是，Computer Use 这件事已经说了很久了，大家可能会觉得不就是看懂屏幕，然后模拟点击吗？我不知道你们在做自己的产品和功能时会不会用到这块，或者你自己会做些什么东西？

我们觉得 Computer Use 这个东西就在模型非常直接的能力链路上。我们做产品有一个比较大的假设：一种情况是我们在技术上下注，觉得这种体验以前没有，但模型的性能和能力刚好能做到，给大家一个“啊哈”的方向。另一种情况是，我们花很多时间去构建，让大家现在能用得比较好，但过一阵子模型天然就能做到这件事。

我觉得 Computer Use 属于后者。现在大家可能还是会觉得有点慢，但我觉得已经蛮快了。另一个问题是可能还需要反复尝试、处理各种情况，但你可以理解为，3 个月、6 个月之后这些都会改善。我们现在去调这些 corner case，调 harness，让它变得更好，我觉得是在模型非常明确的延长线上。所以我对这件事很乐观，但我们没有做这样的事情。

我们会把它当成一项基础能力。模型增加了这个功能、开放了 Computer Use 的权限之后，它自然就可能表现得很好。到那时候我们再来用，我觉得可能会是我们自己的选择。

我们再讲回刚才的 OpenClaw。我觉得模型不断进展，能做更多事情，也能给用户提供更多价值。但这件事从供给角度来讲，不管模型怎么变，首先还是会涉及价格问题。

我不知道你们现在的感受怎么样，也不知道像 Instinct、GrapeBot、Muse 这些产品到底有多烧钱，我觉得应该很烧钱。能力方面我觉得确实差不多了，但从成本角度来讲呢？

其实上次我发即刻，说的就是这个点。这一波 personal agent 最大的特点是，你看 Twitter 和各种地方，其实没人关心后面到底用了什么模型。

如果是订餐厅、订票这样的事情，我觉得可能不是在智能层面体现得有多高，大家对延迟也没有那么苛刻。在这种任务里，成功率、速度和质量都重要，但速度相对来说可以稍微放弃一点，至少大部分任务是这样。

所以我觉得成本不是特别大的问题。至少我们自己做产品，并没有吝啬智能的使用。我们不希望因为成本而阉割用户体验。但你会发现，对用户来说，现在模型的价格和智能交付的价值，以及你在不同地方做的 trade-off，至少在商业模式上是能够成立的。

从需求角度来讲，我觉得从 OpenClaw 那一波到今天的 Muse，我能想象工作场景里大家是有需求的，比如帮我做这个、帮我写个材料之类的。但真的到个人层面，一个用户到底有多少需求能每天用起来？我觉得 OpenClaw 那一波就有这个问题。

这里有一个很大的点：你把智能当成默认触手可及的东西，还是觉得你要花一定的交互成本，才能让它帮你完成一件事？举个简单的例子，你做一件事的成本有多少变化，会改变你对这件事的需求程度。

如果你张嘴一说，它就能帮你做，那么大家觉得智能默认可以帮你做任何事情，每个人可能都会用很多。但现在不是这样。现在你需要先做很多 setup，做一件事的时候还要拿出来跟它解释、跟它说。生活里好多事情本来就是鸡毛蒜皮、无关紧要，或者很 low 的事情。这样一来，就变成一个很难被触发的事情。

但生活里时时刻刻获取智能的需求是存在的，有点类似以前的电量焦虑，或者增程汽车。你可能一百天都不会需要用一次增程，但你会想：万一用一次就很痛呢？如果你能在两到四个小时内、随时随地以很低的成本获取智能，为什么不呢？

所以大家可能默认都是这个点。但如果要专门额外花时间去用一个智能产品，我觉得现在大家没有这样的诉求。大家过了中秋、过了国庆，非工作场合用 AI 的情况确实很少。但有些特殊场景会不一样。比如我们公司今天有个人自驾去新疆，他突然需要改酒店，找最近的加油站、修车厂，还要看看修车大概多少钱。遇到这样的需求，他就很需要这个东西。

所以如果只在很浅的层面去看工作和生活，我觉得是把人的需求简化得太过了。需求还是会按时间、场景和不同的人有所区别。但核心在于，比需求更底层的问题是你获取智能的成本是多少，这个前提会改变你刚才那个问题的答案。

明白。我在想，比如像你讲的，我直接跟它说一句：“我今天要在旁边订一个大概什么样的酒店。”它就能帮我订好了，我可能就何乐而不为。

对，为什么不呢？

但从这条线上来讲，后面你觉得现在这些 personal agent，比如 Muse 或者 GrapeBot，它们的竞争对手是不是就是 ChatGPT、Claude？

我觉得是。

最后其实还是会到一起，对吧？

我觉得的确会到一起。因为大部分人在手机和电脑上使用智能的场景都跟工作相关。现在你给它创造了一个生活场景，生活场景一定跟名和利相关。跟名和利相关，或者说跟利相关，最大的切入点就是找到一个明确的需求。所以最终所有产品都能围绕这个明确的 AI 需求去做，他们一定会做。

这件事很明确。你去硅谷也能知道，OpenAI 马上要出一个类似虚拟机的 bot。头条也要出这样的东西。大家都能一眼看到这些事情。

前面半年，Claude 和 GPT 好像都在做 coworker 这个方向，比如 Claude Code、GPT Work。我们之前其实也聊过，之前大家做 agent 有好多条路线和选择：一种是需要一堆 agent 给一个人服务，GrapeBot 有点这种感觉；一种是每个人配一个 agent；还有一种是给一个团队加一个 agent，更像 Claude Code 当时的路线。

我不知道你怎么看这些不同路线。未来不同场景、不同群体，人与 agent 之间的关系和协作会是什么样？

我的观点可能跟大家都不一样：这些方式都有可能。

我们有民营企业、外企、私企，以及各种企业，但不同的组织架构、组织方式都不妨碍企业成功。极端一点，比如所有人都没有隐私、所有人都公开的组织，也有很厉害的基金；也有特别内卷、彼此竞争很强的地方。还有一些地方会保留一定的隐私，但大家共享 context。我们公司就有点类似：尊重个人隐私和私人空间，但愿意把公司很多东西公开，让公司里的人都能看到，也给大家足够多的信任。

所以这些路线不是非要选一种，都有可能成功，只是不同应用场景对应不同组织形态。为什么 cowork 这种方式没有大家想象中发展得那么快？我觉得核心原因是它在组织中的应用会涉及很多组织变革。最终它就像一个大水管，会被里面最窄的那一段限制住。

我们看到了很多案例，也没有什么大公司能够只靠“AI native”转型成功。但你重新建一个公司会发现，问它按照原来的公司做这样的产品要多久，可能需要 5 倍以上的时间。这就像很多人说的，电发明之后，按照使用电的方式建一个工厂，可能需要 30 年。

慢慢地，coding agent 出现之后，再去建新的公司。当它们成长为巨无霸的时候，才会完成这样一次社会淘汰和换血。但从逻辑上看，如果原来公司的壁垒不是网络效应——当然网络效应也不是牢不可摧的——而新公司效率更高、人才密度更高，知识能积累并产生复利，那么给它一定时间，新的公司类型一定会慢慢取代旧的公司类型，只是过程不是一蹴而就的。

新类型的公司越来越多，刚才提到的 Claude Code、各种 coding agent 和 agent 产品，市场占有率一定会越来越高。

我觉得这个点挺有意思。从这个逻辑来讲，给个人用的 agent 肯定更容易做起来，因为每个人可能自己用就好了。

我觉得大家看硅谷看多了，看得有点魔怔了。回到 10 年或者 13 年前，能做 To C，谁做 To B？

硅谷、美国都是 To B 啊。

但我的意思是，它是因为做不了 To C，所以才做 To B。到了新时代，做不了 To C 是因为那个时代 To C 渗透率已经很高了，有网络效应，你一冒头就会被抄，各种原因都有。现在到了新时代，为什么还要走老时代的路？

对，但我觉得还有一个原因是他们愿意做 To B。To B 天然是一个分散的市场，而且退出渠道更多一点，底线也更高一点。

就是看你创业是为了改变世界，还是为了卖点钱。

对，但 To C 有一个问题，我们刚才聊到过，To C 经常会是赢家通吃的局面。我不知道你觉得 personal AI 这波会怎么样？

如果你的获客渠道依赖于一个有强网络效应的上游，那么天然就很难走出来一个非常独立的巨头。特别是《颠覆式创新》这本书写完之后，我觉得可能很难再有新的颠覆式创新。所以我觉得现在更多是渠道和分发侧导致你刚才说的情况，而不是产品本身的问题。

对，但这么讲的话，像 Meta、腾讯这些公司，我看有些报道在讲 personal AI，评论区也经常会说这事肯定就是腾讯的了，没别人什么事了。

我们就不讨论中国市场，因为中国市场不是腾讯的主场。我们纯讨论海外市场。看 To B、To C，以及整体做全球 distribution 的情况，你会发现海外仍然有 TikTok。TikTok 当时投了很多 Facebook 广告。这一波出来之后，可能这方面的分发整体更紧了一点。

但也会发现，线下硬件不具备所谓的网络效应，也没有那么封闭的社交环境。所以我觉得仍然有机会。

这就提到为什么你们要做硬件了。

反过来说，我觉得中国的确没有机会。我很认可这个点。我们在这里做了这么久，就觉得依赖大厂来做分发，上游对成本的把控实在太严了。你的分发端已经被限制之后，所有创造力都会被压榨，而在这个时代，你没有什么东西能抵抗这种压榨。

personal AI 天然很难做出网络效应，是吧？我在想，你刚才说怎么样打破其他人的壁垒，我觉得网络效应可能是一种。

对，我觉得网络效应是一种。

但 personal AI 这个名字天然就不带网络效应了，似乎。

当然，当时我们看 Peter Thiel 的书，里面说的壁垒有很多种。personal AI 有没有网络效应，要看具体情况。你看 Tom 做了很多 A to A 的事情，包括后面的 Instinct 也会有这样的事情。我觉得 agent 本身具备产生网络效应的可能性。

网络效应成立的核心，是大家互相连接是否能给彼此带来正向作用。不是因为可以 A to A 才有你的产品，而是因为用了你的产品才有 A to A。用了你的产品之后，我有了你的所有 memory、file system 和沉淀下来的东西，这些天然是属于你自己的。

人与人连接、沟通需要什么？需要别人脑子里的东西、knowledge，也需要别人的时间。那么，如果我借用了这些东西之后，agent 和 agent 之间，我的 agent 和你的 agent 分享的就是我们各自 personal 的东西。它们之间的沟通协作能给我和你带来帮助，那就满足了网络效应的条件。我相信 A to A 是有网络效应的。

所以网络效应可能反而体现在 agent 上面了。

我觉得是的。

那还挺有意思的。

你刚开始不是因为有 App Store 才有 iPhone，而是因为有了 iPhone 才建了 App Store。这个逻辑一定是这样：不是先建协作，才有下面的东西，而是因为下面的每个 agent 都有很多背后的东西和内涵，才导致 agent 之间能够协作、产生网络效应。

而且在我们的日常工作中，很多案例已经明显体现出这种关系了。举个简单的例子，我们有好几个 Lark 群，里面有我，也有我的 Hermes agent 在 Lark 的 bot 里。为什么要这样？因为他们想让我的 Lark bot 帮他们审稿、看一些东西。

但他们问我的 Lark bot，很可能会问出一些我觉得不太合适的问题，或者他们想问、但我不想告诉他们的事情。我在里面是为了提供一个透明的空间，让他们看到 bot 是以符合礼仪、符合要求的方式使用我的 memory 和 file system。

所以他们就会建这样的群。在群里我从来不用说话，他们都会 @ 我的 bot，让它帮忙看东西，或者问这个方向按照子皓的理解是什么。这天然就是一个 A to A 的场景，我在里面只是解决权限问题。

这可以通过很多产品来解决，所以天然就能满足这种需求。

你刚才正好提到 Tom。我觉得 Tom 是今年上半年相对火一点的产品，但它好像跟今天其他几个产品走的路线不太一样，感觉更偏 To B。你也都用过，能不能给大家分析一下你用起来的感受？

我觉得 Tom 有一点 Y Combinator 的痕迹。有意思的是，大家去看 Tom 的 CEO，原来是 Plaid 的 CTO，是一个很出名的金融公司出来的 CTO，如果我没记错的话。所以他们特别注重权限和所有 reference。你会发现，整个产品设计里，各种 connector、各种权限都设计得特别明确，天然符合很多 To B 场景。

另外一个比较有意思的点是，它可能会处理特别多的邮件。你也用过它的邮件功能，会自动打标签、归类，有时自动帮你写好草稿。但回到我们的工作和生活中，到底有多少事情可以完全不用我们操心、自动写好回复？其实很少。不过恰恰有些人需要处理很多这类事情，比如他们最大的用户群体里有家长，因为学校不停发夏令营、报班、作业之类的邮件。所以他们用一些比较 niche 的设计方式，满足了这部分人的需求。

他们也做了 A2A，但 A2A 我也跟你一起试过，特别复杂。所以在整个产品信息架构上，我觉得没有中国人做得好，只能这么说。我不是那么看好它的整体产品架构，但它确实满足了一部分需求。而且我觉得它对智能的使用并不高。智能回邮件这件事是有需求的，但如果你把这个点做得很精，长远来看它不在智能能力的延长线上。

然后 Google Bot，我觉得至少是一个非常好的产品。它在授权、透传这些方面做得很好，也给你提供了一个很稳定的虚拟机。授权和透传的意思是，有时你用 MCP 和那些接口接不了 bot，它就会给你打开一个浏览器。输入邮件和密码时会弹出窗口，你可以在里面输入。

它有大厂背书，所以普通人可能会觉得比较安全，不只是程序员会这么想。它在 bot 之间的通信和 context share 上也做得比较好。而且是科仔团队做的，包括科仔的增长负责人也参与了这个产品，所以很多小细节，包括传播方式，我觉得都做得比较好。

Muse 则能很明显地看出上个移动互联网时代的烙印：做得非常精细，很多地方都打磨过，也花了很多钱。每个人上来有 1 亿个 token。我第一天用的时候就觉得，这玩意儿没法大规模做一样的事情，不管是钱、存储来源，还是 token 的消耗，你都会觉得它真的是一个移动互联网时代定义出来的好产品。它现在在 Instagram 的顶部也有推广，所以整体上是一个非常容易上手的产品。

你也能看到它在产品设计上有一些巧思，包括对 connector 的描述。它还有一个 goal 的功能，也就是长程目标功能。它会考虑程序员定义的长程任务、普通人定义的长程任务，以及普通人日常生活里物理世界和比特世界的交叉。所以你能看到，它的 goal 功能跟我们的设计有很多相似的地方。

我觉得它会比 Google Bot 更往普通人的方向走一步。Google Bot 本身并不是面向普通人的产品，更多是面向非程序员群体做的 bot。它们都是非常好的产品。

还有 Instinct。

Instinct 我们没有环境去用，可能我们生活在一个有美团的国家，很难理解这里面的需求是什么。

我感觉不只是 Instinct，其他几家美国公司宣传时也都是说订机票、订酒店、订餐馆。

这就是我说的传播问题。它解决了 OpenClaw 的问题：OpenClaw 的案例很难描述，描述完了之后也很难用。这个案例就很好描述。大家会觉得，原来我下载一个 App 还要花钱，现在免费了；我下载之后可能给我省 499 块钱。这是很典型的传播方式。

感觉渐渐回到互联网年代的感觉了。

对，很像以前互联网年代。包括 Lovable 也有很多这样的宣传：我建了个网站，别人可能赚了 499；我用一个小白工具做 vibe coding，建个主页就能有更多客源。

从 coding 版本开始，其实有很大的增长路线都是这样：帮你省钱、帮你赚钱。大家觉得我下载一个应用不仅不用花钱，可能还赚钱。这就回到了中国人的底层增长基因，跟我们特别类似。

但我就在想，比较唏嘘的是，今天国内的环境跟那个年代很不一样了。不然今天可能已经开始补贴大战了。

像鸡蛋。

对，但不知道后面会不会有。按理来讲，如果今天是好的时候，美团应该已经出了一个东西，腾讯也有一个东西，字节也有一个东西，然后上线就补贴。你用我这个点餐，我就直接给你免费送什么的。但可能去年外卖大战已经打完了。

你会发现，这一波大厂跟上一个时代比，失去了成为世界第一、领先全世界的雄心。很多都是做一个中国的什么，然后复制一个外国的什么。但原创的、让大家觉得好的产品，其实很少。

另外，今天 personal AI 的火其实有迹可循，是能预料到的。年初大家在讲 OpenClaw 的时候，我们就跟很多人交流过。我当时提到一个点：模型出来，或者一个像 OpenClaw 这样的热点出来，其实要半年到一年以后才到真正产品化的阶段。之前几年我们看过很多这样的案例，典型的就是 Manus，也是 o1 出来大概半年之后开始做的。

所以这一波其实是能看到的。可惜的是，OpenClaw 出来以后，对你们来说倒是好事：没有几家拿到钱的玩家来做这件事。当时应该有上百家团队在做，最后基本没有什么拿到钱。从那个节点开始就变成应用寒冬了。今年正好经历了这么一波，结果是今天大家都听到 personal AI 很火，但国内好像没有太多动静。很少有人说“这么火，那我也要做一个”，做垂直 personal AI 或其他东西的团队也很少。

感觉那边是一个很大的事情，大家也觉得它肯定是很大的事情；国内则会自动觉得这件事肯定是大厂做了。

我觉得一方面是国内的环境，另一方面是今年年初那一波可能把大家的热情消耗得很厉害，所以大家还是太热衷于做很多急功近利的事情。

从大模型出来之后，每一波都是做“中国的什么、中国的什么”，这已经耗尽大家的热情了。做“中国的什么”的创业团队没有一个成的。你一定要有自己的审美、自己的押注，自己觉得不一样的东西。最终跑出来的团队也都是这样。今天你也很清楚，Jensberg、Melius，还有 Paulin，它们并不是“中国的什么”。最终成功的都是这些公司。

急功近利的事情其实很少能成功。这个过程也持续 3 年了，大家就不再押注这类事情了。

所以我说，对你们来讲反而是好事情，一定程度上吧。

一定程度上，看你怎么理解这个事情。我们出来的时候，本来也不是这样。其实我之前写过一篇文章，说没有所谓的 timing。agent 出来之前，你说做 agent 硬件，谁信呢？OpenClaw 出来之前，你说要跑一个 OpenClaw 这样的东西，谁信呢？出来的 timing 不一样，基础假设就不一样。

但在现在这个 timing 上，你觉得你们要把自己定位成 personal AI 吗？包括我们回到刚才分析的那几家，中间我记得你也提到过，觉得 Muse 的打法太强了，不能碰。

那你们的定位和道路在哪里？

对我们来讲，定位和道路就是用软硬结合的方式来做。当然我们也会发布产品。我们跟他们完全不一样的定位点在于，我们在现在的 personal agent 基础上，增加了线下的 context，最重要的是线下的交互入口。我觉得这是最重要的一点。

你能看到 Muse 发的 Charm 硬件，其实他们也看到了这个点。包括我说的那个 Go，你能看到 Meta 的 Muse 要做一个可能是一亿年时间线的产品，他们有这样的概念。Charm 是一个半成品，有五十多毫米厚，戴在手腕上。

为什么做这样的事情？因为现在所有 personal agent 缺少的就是线下 context 和线下交互入口。personal agent 这么强，能给你做无数的事情，但是每次用它，你都要花 30 秒到 3 分钟、甚至 5 分钟。这个才是我认为下一步最大的 gap。

当然，我们不承认半年前就预测到了这个 gap。我们半年前出来，最初想做的就是解决交互问题。所以我们天然打的不一样：线下的 context、线下的交互入口。

Computer Use、订菜、打折这些事情我们都可以做，但不会主打这些功能。Google Bot、Muse 做的那些事情，我们也都能实现。但我们更希望 AI 和人的关系是在场的，而不是异步的。最终你会发现，他们做的很多是 human in the loop，人要在中间做很多事情；我们希望人和 AI 同步在场，没有 human in the loop。

这点跟 Jeff 特别像。我还写了一篇文章说感谢 Jeff。你能看到 Jeff 的创始人在 Latent Space 里做了两个多小时的播客，也做过一个 20 分钟的演讲。有些观点跟我们的观点特别一致：软件应该一直在跑，你不用管它。我们做的也是 AI 一直在跑，你不用管它。当 AI 真正平权的时候，它就会像软件一样一直 continuous running，一直运算、一直做事、一直帮助你，实时跟在你旁边。

这是我们跟他们押注不一样的地方：交互方式、context 处理和技术都会不一样。我们在实时这方面投入了特别多。

交互上，大家很容易忽略这个问题。可能我是产品经理出身，所以对交互会更敏感。我觉得 AI 眼镜是很好的东西，但每次用的时候，有一件事让我特别难受：我看到一个东西，或者听到你跟我说一个很有意思的事情，我想问它，或者让它做点什么，首先要先唤醒它，然后说“Hey Meta”，再把你跟我说的事情重复一遍，最后再说我的要求。

这个重复让我觉得很奇怪。它明明戴在我的脸上，也明明能听到我说的话，为什么还要我重复一遍？因为它不是一直在跑，不像一个软件，也不像空气一样默认围着我运行。所以半年前我们最初实际上想解决的就是这个问题。

过去几年做 agent 的人很多，我们也聊过很多。跟我们的工作类型有关，很多事情发生在线下、发生在大家聊天的时候。我问过好几个人怎么解决线下 context 的问题，他们给我的方案基本都是：你开完会之后，要自己再把信息录进去。

我就觉得这是最大的门槛。有的人说你要打字录进去，有人说你用语音说就好了。

这很蠢。

对。

你不需要录。它跟软件一样。Jeff 那个创始人说了很多点：软件在跑的时候，你根本不用关心它在不在跑、会不会跑错。只要它天然就在跑，它就是对的。

AI 跟你的关系就应该这样。你天然不用关心它，它就是能听到。你开着，它就一直在。那才是人与 AI 最好的交互方式。我们俩在这里聊，旁边有我的 AI、你的 AI 在听着。聊完之后，我不用再跟它说一遍，它就能做事，它也知道我为什么要说这些。

你看《Her》或者《钢铁侠》，从来没见过钢铁侠重复一遍：“刚才我跟小辣椒说了什么。”你要插话，就直接说。电视剧也不是这么演的，为什么大家的生活却要习惯这样？

这个点让我特别难受。再往后想一想，这件事很有意思。大家多看历史，乔布斯之前在他的电影或者书里写过，早期苹果电脑开机可能要几十秒。他怎么说服员工？他说，想想看，以后每个人每天都会用电脑，每天都要等 30 秒。如果能把它变成 3 秒，每个人省下 27 秒，你就帮全世界省下了多少寿命，可以用来做有意义的事情。

现在也一样。personal agent 这么强，每个人每天可能现在只跟它说 3 次，但可以预见半年之内，平均每个人每天可能会跟 personal agent 说 30 句话。现在我们研发要“法随”可能需要 5 秒，如果你还要花 30 秒重复一段内容，那给大家省下来的就是很多时间。所以我觉得这就是最大的需求。

站在未来的模型去设计产品，站在未来的模型能力去想象交互，我觉得这是一个最核心的点。

你说 AI 会持续在后台运行，我觉得跟软件对标的某一层是可以理解的。软件可能很多也是在后台不断运行，但它对用户生活的侵入没有那么明显。如果 AI 一直在跑，尤其是还能看你的桌面、听你的声音，大家会不会更有顾虑？隐私问题后面会是什么样？

我觉得这个世界上最注重隐私的公司已经给了答案，跟我们一样，用了一模一样的词，叫 ambient。我们为什么叫 Ambi？就是 ambient 的缩写。

这个东西其实是苹果在本地做完所有 AI，也不留存录音。最终大家不会拿到任何你的第一手录音文件。我们的处理方式一样：所有录音文件都不会接触到我们的任何服务器，在第三方平台上做完这些事情之后，可能我们就已经没有了。

另一个问题是图片存在本地还是上传。现在那么多桌面端，本身也是用苹果的 Accessibility 接口去拿东西，它们也没用你的本地截图。所以本质上苹果给出的解决方法跟我们是一样的，只是它在芯片上做这件事，我们可能需要 Google GCP 或其他东西来背书。

但本质上，这件事情就跟刚开始大家也很难理解为什么手机背面需要有摄像头一样。大家会担心在厕所用手机拍照怎么办。未来大家可能就会觉得这是很正常的事情。

所以就是越来越多东西会直接放在端侧解决，对吧？我听起来是这样。

有可能放到端侧，也有可能放到可信的第三方云端。但这个事情的关键是，你能有生物识别，或者能够追溯到你个人，而且大家觉得这个东西是可信的。隐私最底层、最好的处理方法，一定是没有任何应用方能拿到这些东西。

讲到端侧，过去半年大家看各种模型、投各种模型，最近也觉得应用公司要自己训练模型。你们后面对模型的规划，包括节奏会怎么看？

我觉得应用公司自己训练模型，并不是从智能角度考虑这个问题的。红杉那个合伙人不是说过一个点吗？为什么大家要训练模型？我很同意他的观点：模型公司提供的几种模型接口，是在 Pareto 前沿上的几个点。对不同的应用公司来说，成本、速度和智能本身可能是在 Pareto 前沿上的其他点。

它们去做这些其他点，并不是追求更高的智能，更多是在速度、智能和成本之间找到更好的平衡。从这个维度来看，训练模型是合理的。说白了就跟优化代码一样，优化模型结构，让自己的 ROI 更高。所以我们也是从这个方向考虑。如果我们有能力，后面也会在速度和成本的基础上做更多事情。

但你说能训练出智能程度更高的模型，我不认可。我觉得这也很荒谬。

你要跟两万亿的那个 AI lab 去拼。

对。一方面是算力的问题，另一方面是你到底有什么数据，能代表比现有模型更高维度的智能，然后把它压缩出来？这也是我之前说的：我何德何能，能让 Claude 来证明我到底知道什么、他们不知道什么？

那在端侧上，你们会做更多什么东西吗？

不会。我觉得回到硬件上，硬件一方面是做取舍，另一方面要尊重物理规律。现在并不是算力受限制，更多是电池受限制。你到底是什么需求，需要跑一个端侧模型、用那么多电来做这么多事情？

在我们的角度，或者说在我们受到限制的 form factor 下，我们没有选择任何端侧大模型。电池越大，设备就越重、越厚，天然会影响佩戴和使用。但在别的场景里，比如放在桌子上，或者装在一个拉杆里，他们可能会需要。这是不同的选择。

你又创过创业，又做过保险业务，做过偏运营型的……

投放。

投放、运营型的业务。

增长，还有 SaaS 之类的。

对，大营收的业务。你又在模型厂待过，也在消费硬件公司待过。你现在做的其实有点像把这些东西合到一起了。你总结这几段经历，分别觉得最核心、给你带来认知的点是什么？

刚开始做了 6 年公益方面的创业，融了 3 轮，最后也被收购了。当然，钱也都退回去了。对我来说，这段经历最大的启发是，timing 和赛道比能力和其他所有事情都重要。

所谓选择比努力更重要；命运或者大的浪潮，可能又比选择更重要。这是第一段经历带来的启发。

后来你说做保险、创新支付，还有 SaaS 业务，做了 4 年。这段经历让我理解了很多商业模式的本质。我觉得商业模式的本质可能有点像王慧文在清华课程里说的，都是很简单的事情。

对我来说，所谓商业没有什么秘密。你想想看，当时的业务有在抖音投放，也有很多 CPA 投放，还做了很多央国企、外企、外资药企、创新支付。大概有六七种不同的商业模式，但其实每种商业模式我们至少都能做到全国前三、前二，没有什么能接近的东西。最终商业最底层的东西就是效率、ROI 和需求。所以在商业需求这件事上，我觉得自己比较弄得明白。

再到模型公司和硬件公司。硬件公司等于补齐了硬件研发、仓储和设计方面的经验。硬件的软件可能完全反过来，但其实它跟 To B 软件很像。To C 软件是要多试错，找到一个好的方向之后就 double down、去下注，然后做得更多。To B 的交付是你签单那一刻，收入就已经 cap 了，利润来源于后面怎么把事情交付得更好、成本更低。

做硬件也是一样：你第一天能不能把后面所有的风险排除掉，让后续交付更顺利，而不是做更多试错？这里面涉及很多计划、仓储、物流等事情。

但最终到了大模型时代，你可以理解为回到了移动互联网刚开始时的很多经验验证。每个不同的过程都很像，历史总是在押韵。很庆幸赶上了移动互联网的尾巴，2013 年开始创业，做过一个 App。现在经历过大模型之后，有些事情非常明确：在底层技术剧烈变化的时代，短期的成功和短期的那些东西很容易变得完全不一样。变化要足够快，找到一个核心的方法，才有可能成为唯一的竞争力。

你觉得自己更偏哪种类型？创业者有不同的 tag，有的偏产品，有的偏运营，有的商业特别强，当然也有技术、算法特别强的。你的背景经历很融合，所以我好奇你踩过这么多点之后，给自己打什么 tag？

产品和商业吧。但可能在优势点上，商业比产品更多。

我也觉得。我在好几个场合都说过，你跟小洪蛮像的，但小洪可能不一定愿意被打这个标签。你给人一种很稳、能够 deliver 结果的感觉。

能赚到钱。

对，能赚到钱，我觉得这很难得，也很重要。

对，无论做多垃圾的业务，我都能赚到钱。

你觉得这是为什么？

我是商学院毕业的。

商学院毕业的多了去了。

但我是因为喜欢才去商学院的。

不不，你这个是非常历史的原因。你总结的话，比如你觉得商业的本质到底是什么？有的人不会赚钱，你会赚钱，中间到底差的是什么？

对外能够识别需求，对内能够招得到人。

招人我们一会儿再聊，我觉得你招人太厉害了。先说需求这件事：你有没有一个例子，不管是帮别人解决公司的问题，还是解决公司内部的问题，有没有哪个问题别人怎么都搞不清楚、赚不到钱或者跑不通，你去了之后一下子抓到某个点就解决了？有时候是不是像有个开关，突然赚到一次钱，或者看到原来可以这么做，就知道原来还可以这样？

我举个简单的例子。我高三毕业时，想试一下不学习、不用脑子，只用体力出去打工能赚多少钱。当时我在广州的溜冰场卖溜冰票。第一天我在北京路卖票，一天可能只卖了 5 张，因为实在拉不下面子。

我当时还去五羊新城广场楼下卖英孚教育，站了一天只拉了一个人上去。

你这……

我实在拉不下脸做这样的事情。

你这不跟现在说的“练习销售”一样吗？

不是，我可以……

不不，你听我讲完。然后就说那你要去马路上找人，给他擦皮鞋。

不是，我擦不了，我承认自己做不了这个事情。第二天之后，我就发现到底什么人在那里溜冰，然后发现其实好多年轻人会去。于是我去广州的兼职网站发招聘。我买票是 25 块钱，就跟他们说：“你们可以做我的代理，我 27 块钱给你，你可以 30 块钱卖出去，让你班里的同学来溜冰，你们就可以赚 10%。”

然后我就成了那个溜冰场的独代。我到大三了还有人打电话来，找我姐拿溜冰票。一个月的时间，所有溜冰票都由我来卖。我从小就有这种……

就是资本家的一个……

对，就是通过商业的方法来解决自己的问题。我其实是拉不下脸去英孚的。那天我站得腿都酸了，站了 5 个小时，跟一个姐弟对视了好久，好不容易开口问要不要上楼看看，说有免费的英语测试，然后把她拉上去。第二天我就辞职了，完全做不了这个事情。

你说的这些都是高三暑假的时候？

对。

但你高三暑假为什么会想这个？你当时就对商业感兴趣？

当时高考考得不太理想。

不是，你……

我虽然去了中山大学，但那是我高中三年所有考试里全级排名最低的一次。

发挥最差的一次，是吧？

对对对。所以当时就觉得，我不读了，能不能出去试试？后来我一个月瘦了 20 斤，考验一下自己到底能不能吃苦耐劳。反正太累了，每天累得不行。

那就要去当资本家。

要不然去吃自助餐，要不然去按摩，一点钱也赚不下来。后来就觉得商业还是自己比较喜欢的东西。以前从来没人这样卖过溜冰票，但我发明了这个办法。

所以我刚才问，商业的本质是什么？

识别需求，找到能够 deliver 东西来满足需求的东西。但怎么找到，就看你看过多少东西，以及你能怎么做。

我觉得你说的正好切合我们刚才那个问题。很多很好的产品经理擅长找需求，但不擅长把需求转化成商业收入。很多人就在这个坎上有问题。

他们没有赚过钱。

所以还是刚才的问题，这个怎么学？比如现在真的有一个公司，用户很多，做得也挺好，就是不赚钱，你会怎么给它建议，或者做哪些事情？

我举我自己的例子。我当年被轻松筹收购之后，进去挂了个虚职，就要做出自己的业绩来证明自己。当时我花了一个周末，一页一页地看大家在轻松筹怎么卖保险，流量来源是什么，用户的整个 user journey 是什么样的，卡在哪里，在哪些地方做什么能带来很大的提升。

你还是要回到用户真正使用产品、做事情的过程，通过最原始的数据还原他当时的心态，找出有什么东西是他花钱也愿意克服的，或者有什么地方他愿意花双倍的钱。一个方向是帮他省钱，另一个方向是他其实愿意花 100 块，但你只赚他 50 块，为什么不赚他 100 块？你就在这些地方找机会。

当时我花了一个周末，一页一页看，一个一个网页 URL 分析。那时候不同行业不一样，他们连 tracking 都没建，只建了一些很基础的东西。但这样分析完，很简单就帮他们提升了 30%、40%。可能一天的时间就提升了 30%、40%。大家会觉得这里面有很多 magic。

但这个例子更多是从数据层面去看，对吧？因为你……

对。再举一个例子，怎么样发现人的需求。当时我在海南岛管电销。

是哪一份经历的时候在海南岛？

就是轻松筹的时候。我第一次管电销，从来没去过电销中心，也从来没管过。你就要去看那些人为什么做电销，他们这个部门做得不好的核心原因是什么。当然有 leader 的原因，也有其他原因。

但你会发现销售最大的点在于什么？在于利益。当时我申请了一笔预算，每个人能拿到 100 面红旗。你出一单，我就敲锣，把红旗插在那个地方。最后我再来告诉你多少面红旗能换多少钱。通过这件事，那个月业绩就翻倍了，利润到了 200 多。

所以你要找到业务里的关键缺口和关键需求是什么。有可能是销售觉得在这里赚不到钱；你告诉他换了一个领导之后能赚到钱，他的士气就不一样，销售话术也会不一样。那你怎么让他相信换了领导就能赚到钱？直接把钱给他。

这些地方就是有很多细节。有没有一套完整、固定的范式？其实没有。

我从来没有做过药，后来去做创新支付业务。那时候他们选择我们，很大的原因是当时另一家竞对一家独大，跟他合作可能会有问题。我给了一个选择：跟我们合作一定是清白的。大家都在跟那一家比价格，但我们觉得不选那一家，核心原因是别的药企出了问题。这可能不是利益需求，而是安全需求，是对方能不能把位置坐稳的需求。

所以你要找到不同的人做决策的根本驱动力是什么，然后强化这些地方，就会不一样。

但我还是在想，赚到大钱跟能赚钱的区别又是什么？

你说我算不算赚了大钱，其实也不算。

你肯定见过很多赚到大钱的人。

到底怎么定义赚了大钱？你说我到底做过多少家很牛的公司，的确也没有。

没有没有，你当时保险那个业务一年多少？10 亿，是吧？

保费有几十亿吧。但你可以理解为本来就是做投放，各种东西都很大。

对。

也是因为投了很多、做了很多增长。你看小红书、抖音和腾讯，就没有办法成为伟大的公司了。

所以当年扎克伯格还是太年轻了。

对。最早的蘑菇街已经是这样子了，当然它更大，但道理一样。

这些年来，你觉得自己除了高三时候那个天赋之外，额外学到的最主要的几条东西是什么？

水无定式。成功的方式真的是各有各的样子，我觉得绝对不是只有一种方法，更多的是因地制宜。

我们投资也做了这么多，我不是说一级投资，是二级投资，我就是学这个的，也做了很久。真正不变的东西在于，其实就是要到有鱼的地方抓鱼。

我觉得可能只有这个是不变的：去有鱼的地方抓鱼，不要去没有鱼的地方。其他的，不管你用什么竿、什么饵、什么方法，只要那个地方有鱼，都有可能抓得到。

我跟你讨论一个问题。一个水池里有很多鱼，也有很多人在钓；另一个地方鱼比较少，钓鱼的人也更少，你更愿意去哪一种？

年轻的时候我会去后面那个，现在我会去前面那个。

我也是这么觉得。你会发现，有的时候在大赛道里喝汤，都比在小赛道里吃肉要强。

或者说到了一定年纪，你会觉得为什么在大赛道里不能吃肉呢？

还是你比较牛。我还只敢想在大赛道里喝汤，你已经要去吃肉了。讲回来，你刚才说人的事情。

对外能不能找到需求，对内能不能用合理的成本把这个需求 deliver 出来。这两者之间的 gap 就是你的剩余利润。

当然现在有硬件和成本问题，但最终把事情做成靠的是人。

你招人为什么这么强？今天听节目的可能很多人不知道，但但凡对你有点了解、对你们公司状态有点了解的，都觉得你招人能力太强了。我觉得这也是你跟小洪有点像的地方，小洪聚人的能力也很强。他以前的 CTO，从第一个创业项目就跟了他很多年，后来又招了 HiCloud 这些很好的人。

你的情况也很类似。你走到哪里，之前就会有很多人跟着你，在新地方又能招到新的人。这次你跟凯凯也是认识十几年了。你觉得自己聚人和招人能力这么强，能总结一下吗？

首先第一点是真诚。第二点是很多东西都有积累，就是你到底愿不愿意真的跟大家分享。我觉得成熟的人很能分辨你说的是真话还是假话。

大家老是觉得我要招比自己更厉害的人，但你要假设，在比你更厉害的人面前你没法撒谎。他都比你更厉害了，你骗他什么？所以就把你最真实的想法跟别人说，为什么要做这件事，这件事能带给大家什么，不一定是财务回报。我一直叫过程级奖励。这件事能不能让大家发挥自己的才华？我觉得这几个点都可能打动人。

现在这个时代，真正有才华的人不太缺工作，大家都在求着他们。我们公司有很多人在加入之前，本来就是收入很好的 freelancer。为什么要转成全职？现在越来越像国外，freelancer 也可以过得很好、更自由，也可以在任何地方办公。核心在于能不能给大家一个做更伟大事情的动机。核心就是真诚和愿意分享。

但你要真的花时间。我当时在海南岛招电销负责人，在他们楼下的小卖部等了五六个小时，吃了几份清补凉，才等到他下来见我一面，最终才说服他加入。我们公司现在也有很多人，都是花了很多时间去招来的。不能嘴上说招人重要，真的要觉得招人重要。

要花你觉得重要的成本、时间和真心，才能把这些人招到。招的人足够多、足够合适之后，你会发现确实会有化学反应。我忘了之前在哪个演讲里听过：你在聊的过程中，但凡有一点觉得不舒服，就千万不要推进，因为最终这种不舒服一定会放大。

要快速 move on。你已经花了足够多的诚心和时间，对方还是不愿意加入，那可能就是不适合。你们彼此了解得不多时，只能看到对方的优点，但原生家庭、背景、决策方式，以及对未来的想法，不一定适合陪你很久。

所以没有捷径，就跟做企业一样，这些东西都没有捷径。

你最近主要在思考什么问题？

我觉得 timing 很重要。说实话，我一直在思考：为什么以前好的东西要花 3 年做？当你发现写代码原来要花 3 年、30 个人才能做的事情，现在一年、几个月可能就能做出来，很多别的事情也一样。所有东西都不能特别极化。

以前一个公司需要这么多人写代码，但你说 code 特别强，就突然变成 OPC，我觉得这肯定不对。我们公司十几个人，大家也都很努力，才做出现在这个产品。人家需要投入这么多人，但现在可能比以前快 10 倍，都不止。

回过头来看，你要从最根本去想，一个企业的发展到底应该是什么样。举个很简单的例子，硬件原来的 go-to-market 方式是先上 Kickstarter 测试，之后找媒体，再上独立站，上完独立站上亚马逊，亚马逊之后再 go global。为什么一定要这样？为什么这个过程要走 3 年？软件也是一样。

我能不能用 coding agent 改变 coding 的方法，重新思考所有业务构成、组织形态，以及怎么样完成这些事情？这是我想得比较多的。

有什么结论吗？

很多方法、很多做事的方式确实都跟以前不一样，可能会更激进。一年时间希望做别人 3 年做的事情。

确实已经非常快了。如果你不说，确实才半年。

对。但我们在产品、招人，以及开发之外的很多地方，也都提速了。如果单纯看 coding，一定不是我们现在这个状态。

但这样跑得更快，你会有更大的压力吗？或者遇到更多问题？跑得更快，反思和选择的时间也更少了。

这就是过去十几年积累下来的为数不多的有用的东西：尽可能不犯错。即便犯错，也尽可能不要犯那种单向门的错。

有的时候好多错犯了就犯了。

对，没太大关系。

你现在最担心的问题是什么？

速度。

还是速度。

因为速度取决于我们自己，也取决于别人。别人也很快。你也没想到苹果的设计师去了 Meta 之后，10 个月就做出 Charm 了吧？这件事很难想象，他自己也说很难想象。你会发现这个世界就在把所有事情都逼得很快。

我觉得何必呢？

看你到底愿意做的事情是什么。

我知道，我知道。我是说这个世界何必把自己变成这样？大家都越来越卷。

在这个阶段，我觉得的确是这样。

但对很多人来说，好不容易等到了一个有意义的、可以卷的时代。

这个我也很同意。我忘了我在播客上有没有讲过，但哪怕讲过也想再讲一次。我现在看到很多活动，大家讨论 AI 带来的焦虑、问题等等。有一次我突然在一个活动上想，如果没有 AI 呢？你看 2022 年大家大概是什么状态，如果大家还记得的话。没有 AI，现在可能有点政治不正确，就是一潭死水。与其那种平稳的状态，我还更希望是今天这种有点焦虑、但有很多变化的状态。

每个人的人生多数就只有一次。

所以你现在担心 Muse 这些竞争吗？

只是担心我们做的东西不够好，做得不够快。

但你现在脑子里是有一些差异化的思路、打法，还是有一些信心的？

对，我们跟他们很不一样，的确很有差异化。但 Muse 跟 CloudBot，或者 Muse 跟马上出来的智捷之类的产品，肯定没有什么差异化。

还有什么没聊的吗？你觉得硬件……

硬件最大的优势有几个。第一，硬件的获客渠道本身不具备特别强的网络效应。反过来说，当你建立了渠道之后，渠道可以成为你的优势。像安克、大疆、影石，本身渠道就是优势来源，出了新品就能 default 出去。

是啊，是啊。

抖音不建账号、不投广告，即便是东方甄选也卖不出去。它不给你流量就不给你流量。这就是天然的区别。

第二，硬件有独占性，硬件的整体搭配和硬件软件的商业模式完全不一样。你一个时间点只会带一个东西，但电脑右上角可能同时跑着 5 个软件。所以这里面天然有差异。东西买都买了，你有了这样一个硬件之后，在上面附加消费的价值，在 AI 时代会被放得很高，所以商业模式天然也不一样。

第三个点特别有意思，硬件和软件有一个很相反的地方。软件有 100 个功能，我可能只用一个；或者我用 100 分钟，有 98 分钟好用，2 分钟不好用，但我能容忍，因为那 2 分钟可以换别的软件来补充。但硬件在同一时刻只能用一个东西。你每天用 100 分钟，有 2 分钟特别恶心，那你每天就百分之百要吃两分钟的屎，这两分钟就最难受。

所以硬件天然不能这样。你说有个功能每天用得很少，但只要那个场景每天百分之百都会发生，你就一定要满足它。投资人和创业者老是说这个东西没有需求，每天可能用得很少，但恰恰有很多事情，即使使用场景很少，也一定要做好。这些思路跟软件不一样，但也会带来优势。

它的劣势也很明显，慢，需要迭代，需要讲品味。但所有东西都是双刃剑，没有只有优势、没有劣势的东西。明显的是，在大模型吞噬一切的时候，硬件的生存空间更大了；或者把两边的优势结合起来，可能是最优解。

你想想看，即便苹果也不是垄断的。苹果这么牛，也不是垄断的。另一个点是硬件不会那么容易死。GoPro 已经这么差了，还没倒闭。放在国内，软件公司早就不知道倒闭多少次了。大家可能对硬件没那么了解，思维方式完全不一样。

我觉得有点像你刚才讲的，大家对 AI 硬件或者消费电子，既有非常高估的地方，也有很低估的地方。

对。大家老是觉得深圳很厉害。

深圳也是挺厉害的。

不是，我应该这样说：搓一个 demo 出来，和稳定地大规模交付、做高集成度的东西，可能对软件来说只是多加几个人，但对硬件来说就是 100 倍的差别。我觉得这个有巨大的差异。

所以没有特别多大型生产制造公司的生产都在深圳。深圳是一个让大家尝试搓出一个东西的地方，可能很厉害。但你真的要大规模走向市场、大规模做出苹果级别的东西，就需要动用完全不一样的资本和能力。

这确实挺有意思的。大家把工厂干到各种二三线城市去了。

对，现在谁开得起深圳的工厂？

对于 personal AI 和 AI，有没有什么是你觉得大家没发现，或者你认为对、但大家觉得是非共识的一件事情？

我觉得就是交互。交互是最大的机会。

交互，你指的是软硬件结合的交互，还是……

就是人跟 AI 的交互方式。

嗯，怎么讲？

大家对 AI 最好的想象是什么？我觉得就是我一直说的“言出法随”：你最希望 AI 怎么服务你，你张嘴说，它就做好。一个是你张嘴说，第二个是它能做好，这是两件事，依赖很多很多底层技术。

嗯。

那为什么不能做很多产品去逼近这个东西呢？还是我刚才说的，因为底层基座的交互没有发生巨大的改变，所以大家觉得 personal AI 做这些生活里的事情没有需求。但是，当你做这件事的成本变成零的时候，需求就会急剧放大。所以我觉得这是一个很底层的问题，大家不能短视地看。

嗯哼。大家聊到 personal AI 的时候，经常会聊 computer use、memory 这些技术上的东西，但我感觉你好像提得相对比较少。

因为我在大模型这个行业里待得也算久了，对吧？其实你也知道，我之前做保险的时候就做了很多 AI 相关的东西。这个时代觉得很了不起的事情，在 AI 这个 timing 里，两个月之后就会变得理所当然。现在已经没有人提 skill 了，以前说 skill 可以征服一切的人，现在你会发现其实也不需要 skill。最终，computer agent 这个东西再过半年，大家就会发现，所有能够被 digitalize 的事情，默认都可以被智能解决。

不过那只是基础，后面才是所有的东西。所以你要动态地看，现在聊的这些概念都不重要。

所以最重要的到底是什么呢？

人到底怎么用 AI。

那最终体现在产品上就是交互。

我觉得是。

嗯，但交互容易被抄吗？

交互能够带来一定的壁垒，就不容易被抄嘛，对吧？因为交互沉淀下来的价值，可能有网络效应、迁移成本，各种各样的东西。但是你想想看，放到当年来看，刚开始能够做 function call 的时候，大家都惊为天人；刚开始能够做多模态的时候，大家觉得好牛，都在聊。但是过了 3 个月之后，这些东西就都变得理所当然了，而且成功率是百分之百。

所以最终，你说这些技术问题，没有太多讨论的必要，因为它们一定能够变得趋近无限好。

嗯哼。对，有一个主动性的问题，我觉得那天你讲得挺好的。

主动性这件事，从人的根本来看，所有主动性的来源都一定是有成本的。现在这些产品形态，你看到它的主动性来源于可能接了你的很多 connector，然后主动性可能来自一个方面：connector 发生了变化，它去扫描；另一个方面是它定时去扫描，然后自己推测能给你提供什么样的、让你觉得“啊哈”的主动性内容。

这个时候你就会发现，首先要推出一个东西，你需要花成本；智能度越高，成本越高，推出的东西可能就越有理由。但是它推过来的时候，我接收的那一刻，这条信息跟我的场景匹配到什么程度，我到底觉不觉得这个东西好？因为它其实是在猜我脑子里的需求是什么，这里面就会有错配。由于这种错配，我觉得这个东西能给我带来“啊哈”感的概率，以及我觉得自己没有被打扰的概率，就成了问题。所以这其实是个很奇怪的漏洞。

嗯。

你要花一大块成本穿过各种漏斗，漏斗筛出来的都是不满，剩下的部分才是让人觉得“啊哈”、觉得好的。大家到底会因为这个“啊哈”带来什么呢？带来付费、带来传播，还是带来别的东西？这个账在产品上我觉得很难算。

确实。你讲的时候我在想，就好像有个秘书，每半小时敲门问一下。

对，就很奇怪。

对吧，你现在需不需要——

你需不需要我帮你看看餐厅能不能改到另一天？“欸，那个邮件跟之前那个很像，你需不需要我帮你分析一下这两封邮件有什么差别？”

对，然后这个秘书一天进来 20 次，有一次你觉得“欸，这个提得好”。但好像不可能让他每天进来提 20 次，就为了那一次好。

对啊，那很奇怪的。

那解决方案是什么呢？目前还没解。

我认为这个产品方向就是错的。我们不做这个东西。

嗯哼。不，但你们肯定要强调主动性嘛，对吧？现在所有的——

我们的主动性是有来源的，不是主动性越多越好。我们的主动性来源于环境的变化。

就是要有一个明确的 input。

不是它的 input，而是它所处的环境，也就是它的 context 环境发生了变化，trigger 了主动性。而我的主动性都是基于调查才出现的。否则，刚才说的那种情况就真的很奇怪。大家可以想想，中秋节或者别的时候，你不在工作场合里，需要 AI 干嘛？你那一天到底有没有用过 AI？如果你一天都在玩，没有 AI 和有 AI，到底能带来什么差别？

然后工作跟生活，你觉得最后——

我觉得没有差异。

最终是一体的，是吧？对于 AI 这件事情。

我们自己其实有几个想法。第一个，工作和生活是不应该分开的，因为工作和生活的 context 能够让 AI 更了解你，从而给你提供更好的价值。区分工作和生活，对智能来说并不麻烦，这更多是在信息架构上给你提供更多价值，是能够解决的问题。当然这不一定适用于百分之百的人，但我们是这么认为的。

第二，我们觉得，非要提一个所谓人格化的东西，非要有一个头像、一个人物、一个名字，也是一条很奇怪的路线。这只是其中一条路线，但我们不一定要选。所以我们天然没有任何 persona 出现。

为什么 AI 一定要是一个跟你不相关的客体，你可以让它做事情，它再给你提供东西？我们选择的是，AI 是你的一部分，是你自己的延伸，是你主体的一部分。我觉得在哲学层面上很容易理解：你的客体是一个跟你不一样的东西；但如果它是你主体的一部分，它就是你自己的一部分。那么外人来看，他找的是曲老师的助手，还是找曲老师的延伸？了解曲老师的百分之八十，我觉得大家对这两件事的认知天然是不一样的。所以我觉得后者更有可能做成网络效应。

所以在这些点上，我觉得我们可能都跟别人选择得不太一样。

嗯哼。那你觉得最终人和 AI 会是什么样的关系？或者你觉得 Ambi 这个公司、这个产品做到最后会是什么样子？

我们只希望以后每个人都认为，AI 就是随身的服务。

你想想看，每个人应该都有过这样一个梦想：有一架特别牛的飞机跟着自己，我想干什么、拿什么，它就自己回去帮我拿，自己帮我做，自己帮我搞定所有事情。

特别牛的什么跟着他？

一个无人机啊，对吧？从——

我从小没有这个梦想，我从小的梦想应该是有个机器猫跟着，差不多。

你可以理解吧。反正我从小特别想买遥控飞机，因为家里买不起，当时也特别贵。我从小就特别想要一架飞机能跟着我。

嗯。

因为当时没有美团嘛，你有时候忘带钥匙、忘拿水，又懒得走，是不是能让它帮我搞定？但为什么不能有一个一直在工作的智能跟着你呢？然后你张嘴说，它就可以帮你做。在任何时候、任何地方，你都能够随时随地享受到智能给你的服务。我觉得这是人对智能最好的想象。当然，可能是因为我才华不够，想不出这样的东西，下一步是什么我也不知道。

不，到最后如果真是这样，我觉得它还是需要具身，还是需要机器人来做。

对啊，具身可以帮你做事情嘛，虚拟的事情就让 AI 帮你做。其实人在非娱乐时间用手机和电脑的时间，占全人类时间消耗的比例是很少的。

嗯哼。

对吧？但是你想占更多时间，就要去挤占娱乐时间，你是抢不过他们的。

嗯哼。

所以你不应该抢屏幕上的时间，你应该抢屏幕以外的时间，看看能不能更多地帮你做增量的事情。实际上，这说的是 AI 怎么样创造更多价值、创造更多工具，我觉得方向是在这一侧。

嗯。

这是能带来价值的。

嗯，合理的。

你再想想这个点，就是人能够并行了，因为 AI 在这个时候帮我去平行宇宙、平行世界——所谓的平行宇宙、平行世界，就是互联网嘛，对吧？帮我在互联网上做很多别的事情。

嗯，这个是合理的，我觉得。

对吧？所以我觉得，交互天然发生在屏幕上就是错的呀。

欸，那你看 Manus 也好，Pluto 也好，我觉得他们大概就是几十万的付费用户吧。其实你真的去看，总量还是非常小的。包括现在很多其他 AI 工具型产品，哪怕很赚钱，用户量我觉得可能也就在几十万到百万级别。但现在你看像 Muse、Grokbot 这些，包括国内的 WorkBuddy、豆包，它们冲的应该是亿级用户的平民市场。我不知道你觉得当下这个 timing 更适合哪条路线，尤其对创业公司来说。

后者。

是亿级用户的路线，你觉得是？这个应该是个蛮不一样的点。

其实创过业或者做过企业的人都能觉得，做前者和做后者的难度是一样的。

但这里面就涉及付费的问题嘛，对吧？还是说这是 AI 时代独有的问题？

我觉得不是。我不说陪聊这些，我单纯说前者能够做出来的成功公司，也就是那些……很多你也能判断，它是一个阶段性的东西。

但后者几乎没有啊。前者还能数出来一些，后者就大厂。

Timing 没到啊。

对，所以我就想问你，你觉得这个 timing 现在大概走到哪一步了？你觉得快到能做那个的阶段了吗？因为感觉 Instinct 是要向这种——

我觉得到了。为什么？一个原因是大家不 care 模型，另外一个原因是从基础上来看，我们从最早够不够聪明、能不能做指令跟随、能不能做多模态模型，到能不能用强化学习做长程任务。但我刚才那个判断是，半年之后，所有人都会默认所有能够被数字化的任务，成功率都能达到百分之百。

嗯。

你还能干嘛呀？对模型厂商来说，你还能干嘛？你已经迭代到上限了。所以在这个时间点上，各种水电煤的基础设施已经特别特别好了，那么你就可以在上面做各种五花八门的东西。

就该扩量了。

对，我觉得 timing 就是这个点。

嗯。

后面就是能力到了之后，成本不停地掉。最高的智能可能还在解决癌症、疾病这些问题，我单纯说 To C 的日常场景。到这一步，你能被虚拟化的任务都已经能够完成了，什么 computer use、browser use，再加上长程任务和智能。当这些都完成之后，自然而然就是每个人都能够去——

嗯。

使用智能。

嗯。

对吧？所以我觉得 timing 就在这个点上。

嗯。然后你之前提过好多次，说很多问题要反过来想嘛。你最近有什么新的反过来想的问题吗？

我觉得反过来想现在变成了多问为什么。我们已经反过来想了很多，所以不能什么都反过来想。举个例子，我今年 3 月份出来，如果真的顺着来想，我们就应该做一个无屏的、贴在手机背面的卡片，对吧？或者做桌面 dialog agent，或者做一个办公场合用的东西，我们都没做。

所以更多的还是不要看别人怎么做，而是想这个东西到底什么才是真的对。想得更多的，是 Go to market 和整个硬件交付节奏这些事情上，到底能不能做出比较多的不同。

说实话，这么多年从来没有见过像今年这么寒冬的。

你说哪个——

我不说融资啊，是真的可以用的、中国人做得好的产品，无论大厂还是创业公司，今年几乎都没有。

确实啊，为什么呢？前段时间极客公园上有个外国投资人，他在骂国内 VC，说不投应用了，让大家想一想。

那个是 Manus 和 Pluto 的投资人。

对，那个 Old Friendship[?] 嘛。

对。

大概讲的意思就是，你们要反思一下，是你们自己投得不好，还是应用不行。但我当时看的时候就在想，关键应用确实挑不出来几个好的呀。

对，可能都不对，真的。

对，我可以理解的是，你看那波老的人，很多可能半退休状态，或者在大厂待久了，可能离 AI 稍微有点远。这是一波人。还有一波是这几年出来的，可能确实也是大厂训练出来的。我觉得不能否认，有一批人是机会主义，看到这个时间点身边很多人拿到钱了，觉得自己也能出来创业，但并没有很强的需求把握和产品能力。

但确实还有一批我觉得挺好、也挺有创业精神的人，那最后可能遇到的问题就是模型很强，他们做了很多东西，最后被模型吃掉。但我确实也不理解。

模型也没吃掉啥呀。

对，我说这话的时候就在想，你看像我们刚才讲的 Manus，怎么就那么几十万用户？Pluto 不也就那么几十万用户吗？模型再吃掉你做的东西，你在全球抢不到几万个用户吗？

嗯。

不知道。所以你觉得到底是为什么呢？而且中美两边还是不太一样，美国还是不断有很多人拿到融资。你看 Harvey，我看都一百多亿美金估值了，各个垂直领域都有估值很高的公司，甚至潜在地能挑战一下模型的主导地位吧。

对，基本上无论是数据公司、To B 公司，还是垂直领域的 To C 公司，都有做出来的好产品。你不论怎么说，我觉得 Tom 肯定算得上一个好产品。

嗯哼。

Instinct 肯定算得上一个好产品。

嗯，对。

我当时就在即刻发了一条，说没有一个中国人做的产品。

对，为什么呢？

不知道。我不知道啊。我从业这么多年，第一次见这种状况。已经九月底了，发出来都十月份了。你能够数得出来今年中国让你觉得眼前一亮、或者大家都知道的产品吗？

对啊。

从来没有这样子。

为什么呢？

说难听的，我说实话，我觉得 Granola 也很一般，但中国人做得比 Granola 好的产品都没有。我真的觉得很奇怪。

嗯，好呀，留个开放性的问题吧。

嗯。

还是希望我国好呀。

对，真的。我就不说创业者了，大厂做出来的好产品也没有啊。以前至少还有 TikTok 啊。

还早，还早，要给大厂时间，要给大家时间。好呀，行，谢谢子皓。然后我们这期放出来的时候，你们产品正式的内测应该就开了吧？

我们这次开，但我们那个不叫内测，就是直接在 App Store 可以下，只是你可能需要一些邀请码才能真正登录注册。

嗯。

嗯。

等你们产品发布了。

看我们能不能发一个邀请码。

对，好的。