Personal Agent,为什么都停在付款之前?

资讯 腾讯网 作者:腾讯网 全文 6696 字 · 约 17 分钟读完 配图 5 张 分类并购智能体机器人

出品 | 智械岛作者 | 霍如筠(北京)对于AI有句调侃:只要学得够慢,就可以不用学了。因为等你终于学会上一个AI产品,下一个都过时了。过去四年,AI产品换了一茬又一茬:聊天机器人、AI陪伴、Coding Agent……每一波都有人喊“这次不一样”,但每一波都有一批产品被关停、合并与收缩。据不完全统计,仅2025年全球

所属频道 融资与资本智能体与 Agent机器人与具身智能

出品 | 智械岛

作者 | 霍如筠(北京)

对于AI有句调侃:只要学得够慢,就可以不用学了。因为等你终于学会上一个AI产品,下一个都过时了。

过去四年,AI产品换了一茬又一茬:聊天机器人、AI陪伴、Coding Agent……每一波都有人喊“这次不一样”,但每一波都有一批产品被关停、合并与收缩。

据不完全统计,仅2025年全球就有至少392个AI工具停服,国内至少有25个AI应用停运、下架或长期停更。

AI的故事起始于2023年春天,聊天框第一次让普通人觉得“这东西跟我有关”,你问它答,它帮你写诗、写代码、写周报。彼时,ChatGPT的月活用户突破1亿,成为历史上增长最快的消费级应用。

但很快,做一个聊天产品的门槛低到套一层模型接口、加一个界面就够了。

2024年,热度换了主角,写作、绘画、搜索、写真,每一个功能都独立成App,火过一阵,然后被大厂免费做进自己的应用,用户没有理由只为了一个单点功能去多装一个软件。

陪伴类产品同样在那一两年里热闹过。有人愿意和它聊上几十亿条消息,但聊得越多,算力账单越厚。估值曾超过十亿美元的Character.AI,最后倒在了每月八百万美元的亏损上。

AI行业隐隐意识到,用户愿不愿意用,和应用能不能靠它增加营收,好像是两件独立的事情。好像是两件独立的事情。

转折出现在2025年,Coding Agent(代码类智能体)能够编译代码、上线项目,开始交付能跑通的结果,终于有人愿意为它掏订阅费。到2026年年中,Cursor的年化收入一度突破40亿美元,但收入来自企业和开发者,并不是消费级AI的答案。

图源:豆包手机助手

消费级AI也想找到一个能跑通的结果。一批智能体试图跨App替用户办事,字节联合中兴推出豆包手机,最终等来的是微信、支付宝等155多款应用明确拒绝被AI代操作的名单。

既然软件的路收窄了,一批公司转头去造耳机、眼镜和AI智能体手机,想把上下文从物理世界里直接采回来,绕开App的授权壁垒。

于是行业走到了今天这个词:Personal Agent。

2026年9月,Meta的Muse上线四十天,美国下载量破千万,历史上只有11款应用达到过这个门槛;国内,大厂和创业公司争相入场,这是四年来最像消费入口的一次。

从2023年的聊天框到2026年的Personal Agent,不难发现AI行业过去反反复复撞上同一件事:每一次AI都证明了自己能创造价值,但创造价值的人并未拿到大结果。

AI行业进入了一个循环:AI越往前一步,越要进入别人的服务链路,也就越难独立完成结算。

那么,这一轮的Personal Agent,是这个循环的出口,还是下一次迁移的起点?


一、那些被放弃的AI产品
图片

把被放弃的AI产品名单拉出来会很长:翻译君、鹿班、通义听悟、火山写作、小悟空、MarsCode、星绘、扣子企业版、腾讯元器、QClaw、Kimi Claw、豆包和千问的自建智能体入口、Character.AI、Inflection Pi……

这些AI产品有的被改名,有的不再更新停留在维护阶段,有的被取消独立身份并入其他业务线,有的则直接停服、下线。

AI的摸索虽然显得杂乱,但如果按照商业模式,也就是看它们在卖什么,大致分为六种卖法:套壳层、单点工具、陪伴类产品、跨App操作、开源框架、专属硬件。

每一步都有人倒在兑现的路上,只是倒下方式各不相同。

具体来看,第一批被淘汰的,是套在别人模型外面的套壳。这类产品自己没有模型,靠调用大厂接口,再加上精巧的交互和增长手段获取用户。

比如翻译君下线,能力迁入元宝;火山写作关站跳转豆包;通义听悟取消独立App身份,并入千问;豆包和千问先后下线自建智能体入口。

底座模型每升级一次,套壳包装层的价值就缩水一轮直至归零。由于卖的是别人的能力,是整个AI应用里最先被证明没有护城河的一层。

紧随其后的是单点工具。写作、搜索、写真这类产品,卖的是某个具体功能,它们一度有不错的流量,但功能本身没有壁垒,大厂把这个功能免费做进超级应用之后,独立产品就失去了存在的理由。

比如,鹿班停服,星绘团队并入豆包,小悟空停止更新后下架,MarsCode改名TRAE插件。最近的例子是扣子企业版的退场,2025年,它在中国智能体开发平台公有云市场占据19.3%的份额,位列第一,但搭建智能体功能正在被通用助手的自然语言能力直接吸收,用户不需要学会搭一套流程,直接说需求就够了。

图源:扣子

单点工具出局的方式,是它的功能变成了别人产品里的一个默认选项。

陪伴类产品是另一种出局方式,也是六种里唯一一种带有遗憾的,因为用户明明留下来了。这类产品的用户粘性是比较高的,但情绪价值很难被定价,用户并不愿意为聊天长期付费。

由于算力成本随使用次数线性上涨,高互动带来高推理成本,订阅价格覆盖不了一次长对话的边际算力,高粘性反而变成了一张不断失血的账单。

试图跨应用操作的那批,撞上的则是平台的高墙。它们的价值主张是替用户在不同App之间办事,但触碰了平台方的利益,只能在技术上走得通,在商业上走不通。

开源的常驻智能体卖的是框架。这类产品让不少人第一次体验到“养个Agent”的感觉,也就是之前风靡一时的养虾热潮,但它需要用户自己部署、自己装技能、自己维护,稳定性也比较差。

OpenClaw证明了有用户需要常驻Agent,但没能赚到钱;后来SpaceXAI把常驻Agent做成开箱即用的Grok Bot,赚到了钱,打包进付费套餐,成为一门生意。

商业公司把同样的能力放进产品、做成服务之后,随着开源框架的热度退去,功能被收编,框架本身却没能成为一门独立的生意。

以上五种属于软件层,还有一批为AI造专属硬件的产品,想给Agent造一个物理载体。

比如,胸针式的可穿戴AI设备Humane AI Pin,它的定位是取代手机,2024年4月交付后因可靠性差、实用性不足遭遇大量退货,后将大部分资产出售给

毕竟手机已经足够顺手,这些硬件体验又没能兑现宣传里的承诺,未能成为新的默认入口。

这六种产品的卖法各不相同,出局方式也各不相同,但并排放在一起会发现,它们卖出去的东西,没有一样是属于自己的。

卖模型能力的,能力在模型公司手里;卖单一功能的,功能可以被免费复制;卖情绪粘性的,粘性变不了现;卖绕墙操作的,墙在平台手里;卖开源框架的,框架谁都能抄;卖专属硬件的,手机已经覆盖了。

以及那些被大厂放弃或者赛马失败的,同样逃不出这个逻辑:产品的价值可以被零成本复制,或者被免费内化,它在这个市场里就没有独立存在的必要。

因此,行业转向Personal Agent,本质上是尝试再一次更换兑现方式,不再依靠卖能力,转向改卖长在用户身上的上下文和决策权。


二、为什么是Personal Agent?图片

和前面所有产品相比,Personal Agent卖的东西第一次发生了质的变化:让AI产品拥有排他的东西。

任何公司都能调同一个模型、抄同一个界面,但一个用户在某个产品里积累下来的记忆、授权和历史行为,搬不到别家去。

谁持有它,谁就独占它,这是前面六种卖法都不曾拥有的资产属性。

同时,用户在一个AI里存下的东西越多,换掉的代价就越大,是订阅费和广告都买不来的留存。

这正是这一轮所有玩家不约而同把口号从更强的模型换成记忆、上下文、主动、托管的原因。

但上下文真正值钱的地方是它的终点,因为AI如果记得你的偏好、预算和日程等私人性质的信息,就能在你还没想清楚要什么之前参与决定,而谁拥有让事情在哪里发生的决定权,也就掌握了交易流向的主导地位。

打个比方,一个家里买什么、用什么,往往不是谁掏钱谁说了算,而是最了解全家喜好和预算的那个人说了算。

因此,这轮的Personal Agent甚至是不必向用户收费的,它要收费的对象是用户背后的每一笔消费,包括导流、抽佣和按成交分成,回到了互联网领域最擅长做的事情。

卖产品给用户变成了卖用户的决策给服务方,才是这轮Personal Agent转向里真正新鲜的东西。

Personal Agent想要把逻辑跑通,理论上一家公司需要同时握住三样:用户的上下文,把事情办成的执行能力,以及用户敢把账号和钱交出来的信任。

但恰好被分在三拨人手里,每一拨都缺一角。

超级App握着上下文和信任,账户、支付、十几年攒下的风控体系都在它们手里,用户也早已习惯把敏感操作交给它们。

但它们的上下文被困在自家墙内:蚂蚁灵光看得到支付宝的账单,看不到微信的聊天记录;小微调得动微信的小程序,接不进别家的外卖。执行跨不出墙,上下文就是半截的。

模型公司握着执行能力的底座。OpenAI的Dots能连四千多个应用,Anthropic的Duet有六千多个连接器,但它们手里没有消费账户、没有支付体系,也没有一个能让用户放心交出信用卡的场景。

工具连接得再全,接的大多是工作软件,生活服务的大门进不去。

图源:Today AI

独立创业公司握着产品。Today AI的主动性和交互得到一批用户认可,Instinct用短信和电话就留住了绑卡的人,但两者都没有账户体系,也没有结算通道,上下文得靠用户一点点喂,执行要等其他平台许可,三样里只有怎么把产品做好这一样是自己的。

端侧硬件试图绕开授权,自己采上下文。优势在于手机、眼镜、耳机等硬件和用户的距离很近,录音、视觉、系统权限都不必经过App的许可。

但硬件厂商同样没有交易能力,设备本身也还没有成为默认入口,采回来的上下文最终还是要回到某个平台手里才能变现。

对照之下,Muse为什么能在美国成立,就清楚了。

美国的互联网是分散的。用户的信息和交易散落在邮箱、几十个独立网站和App里,平台之间相对开放。

所以Muse要解决的是整合问题,用云端浏览器和连接器,把这些碎片重新串起来,替代用户在一个个网站之间的手动奔波。

这是开放互联网里真实存在的需求,也是Muse能成立的原因。开放的网页和邮箱提供了上下文,云端浏览器提供了执行,Stripe和一次性虚拟卡提供了结算,Meta的社交网络提供了分发和信任,四样凑齐,缺一不可。

国内市场上,这四块拼图被四家互相防备的公司分别攥着,没有一家能同时拿到全部。

既然拼图凑不齐,谁缺的那一块最少?最接近齐全的几家,缺的到底是不是同一块?


三、离兑现还有多远?
图片

先来看国内几家大厂把Personal Agent做到了哪一步。

阿里是动作最早的一家。2026年10月,千问 Go在千问App里开放体验,它能办的已经是实事,比如用户授权后,它可以代办航班延误理赔,在有记录的一次案例里,客服先提出赔代金券,它没有接受,继续围绕"要现金"去谈,最终替用户拿回七十元。

但它的能力半径以阿里自己的生态为界,跨出淘宝和支付宝,同样的执行就未必兑现。

腾讯的小微是另一种状态。它长在微信里,2025年立项,今年6月开始灰度测试,转账、发朋友圈、调用小程序点外卖等,确实能办不少事。

但根据媒体报道,参与这个项目的员工自己的评价是"目前还不算纯正的 Personal Agent"。它无法与外部服务器通信,一旦脱离微信就执行不了任务,盯票价、做预订这类跨生态的事还做不到。

字节是最早喊出来、却最晚动手的一个。代号Spell的项目今年4月就启动了,小豆也测试了不短的时间,上线节点却一再推迟。

一个在C 端投入最“激进”的玩家,在Personal Agent这个方向上按下了暂停键,这件事本身比任何分析都更能说明独立跨应用路线的难度。

相比之下,蚂蚁的灵光是目前离兑现最近的一家。

灵光2.0定位能管事的个人AI助理,走的是和Muse同一条技术底座,靠独立云主机加跨会话记忆,让任务在用户退出对话后继续运行。

发布一周,它对外披露的数据是管理了一百多万项事务、执行了三百多万次任务,用户量突破两千万,在国内这批玩家里,它是少数能拿出运营数据的。

同时,支付宝连接着十亿用户、八千万商家,二十多年积累下来的支付、风控和授权体系,再加上一整套给智能体用的可信基础设施,这些就是用户敢把账号和钱交给它的现成答案。

它内置的支付能力已经跑出了量:AI付累计处理了三亿笔智能体支付,覆盖超过95%左右的通用智能体框架。别人缺的结算那一角,蚂蚁灵光手里本来就有。

图源:灵光APP

但离兑现最近不等于已经兑现。智械岛实测发现,灵光能分析账单、盯价格、把一部电影的选座推进到链接那一步,可它无法直接完成支付宝付款和淘宝购物,比如酒店、餐馆、演出等预订最后停留在提供信息层面,ETC和充电类应用的数据也拉不下来,需要用户自己提供订单截图。

灵光把挑好选好做得很顺手,最后一步付款却始终要交回用户手里。

这不是某一家公司的能力问题,把千问Go、小微、小豆、灵光并排看,四家的短板更多不在能办多少事,而在能办到哪里,每一家的能力范围,都被生态授权和交易闭环框住了。

这条边界不属于任何一家公司,它属于中国互联网本身的结构。

顺着这条边界往里看,才是Personal Agent最大的矛盾:它卖的是省钱,要赚的却是交易。

Personal Agent的第一卖点,是帮你省钱。比价、退款、取消订阅、提醒被遗忘的自动续费、找到比平台价更便宜的直订渠道,这些构成了它获客的主要理由。Muse在海外甚至专门发起过一场省钱挑战,鼓励用户晒出省下的金额。

省钱这件事,从另一头看就是平台利润的蒸发。

有用户让Muse订住宿,它绕开平台找到了直订渠道,最后比平台价便宜了约六成。亚马逊封禁Muse的理由其实很简单,仅广告业务,亚马逊一年就有六百八十多亿美元的收入,如果放任一个智能体替用户跳过浏览、全网比价下单,这套以广告竞价为核心的商业模式会受到直接冲击。

更别扭的是,Personal Agent自己未来的收入,恰恰押在交易上。中金公司测算,基础情景下,2030年,中国Personal Agent的订阅收入、交易抽佣收入和广告收入空间分别达到838亿元、3918亿元和386亿元,其中,交易抽佣占比约76.2%。

此外,中金公司在报告中还提及,部分套餐的订阅费或难以覆盖硬件成本,更大的收入空间需要依赖抽佣和广告。

抽佣依靠促成交易,省钱却要绕开交易,究竟是要成交额,还是灭掉成交价?这两个设定在同一条业务线上互相打架。

目前,这个悖论还没有被解开的迹象。行业里实际在做的处理,是把它拆开:对用户,继续讲省钱的故事;对商家和平台,卖的是替你找到人、替你促成交易的能力。

但归根结底,掌握了机器怎么花钱的基础设施,就能在每一笔AI经手的交易里抽一份过路费,无论这笔交易是省了钱还是花了钱。支付宝的AI付、Token Pay、AI钱包,海外的Stripe一次性虚拟卡,铺的都是这条路。

回到第二部分留下的问题,最接近齐全的几家,缺的是同一块,即AI亲自走到交易最后一步的那个位置。

四家都停在付款之前,问题不是能力不够,而是一旦AI自己替用户付了钱,既要帮用户省钱、又要从交易里挣钱,这个矛盾就再也没有地方可以回避。

这个位置空多久,中国Personal Agent离兑现就有多远。


四、结语
图片

账面上的矛盾,最终会落到具体的人身上,而落到人身上之后的样子,可能和行业里的主流叙事不太一样。


行业里流行的一种说法是,AI会让普通人获得过去只有大公司才有的能力。这句话本身没错,但它只说了一半。


同一件工具,在不同的人手里,会走向两个相反的方向。在腾讯、百度办过的线下活动里,排队来装“龙虾”的人里有开发者、学生,也有退休的老人。


对前者来说,这个工具接管了重复劳动,省出的时间可以用来做更重要的事;对后者来说,它可能只是一个装上了、却不知道能用来做什么的东西。


更值得留意的是话的另一半:不会用的人,往往在不知不觉中被动“使用”AI工具。


沃顿商学院有实验显示,AI给出错误答案时,仍有八成的人照着采纳,人们缺乏发现和纠正它的意愿与能力。


工具越强,越会把人群划成两类:一类懂得把生活外包出去,让AI替自己省时间;另一类连该把什么交给它都不知道,反而在不知不觉中被它引着下单、跟着它给的答案走。


使用工具,还是被工具使用,在AI时代尤其值得警惕。会用和不会用之间,正在形成一道新的鸿沟,并最终在人的身上留下痕迹。图片

封面来源:《山河故人》

本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. Personal Agent 创业者的机会:价值可以长在基模之外?

    最近一阶段,Personal Agent 很热。有趣的是,这个概念迅速火爆又迅速有了一个共识,几波讨论下来大家的观点似乎是: Personal Agent 的机会是大厂的,创业者基本没戏。虽然一般情况下,「入口级机会归大厂」确实是大概率发生的事情,但 Personal Agent 真的是个「入口」的问题吗?真的意味着「

    来源 腾讯网
  2. Looki孙洋:Personal Agent最重要的不是Agent,而是Personal

    作者|Yoky微信|yokyliu617Personal Agent 火了,但纯软件的 Personal Agent 很快暴露出一个问题:它知道的还不够 personal。它可以读邮件、查日历、操作浏览器,知道用户在数字世界里做过什么;但用户离开屏幕后见了谁、去了哪里、正在讨论什么,它往往一无所知。越想让 Agent

    来源 腾讯网
  3. 千问“死磕”Personal Agent:为什么下限比上限更重要?

    作者 | 褚杏娟Personal Agent 已经渡过早期产品验证,进入了新一轮产品竞争阶段:Meta Muse、OpenAI Dots 等纷纷把产品从“炫技”推向了“长期稳定地替用户做事”。不过,身处一线研发的阿里千问事业部 AI 算法负责人蒋冠军对现状的真实评价是:今天的 AI 依旧不好用。“虽然对话里已经可以点奶

    来源 腾讯网
  4. 申通快递联手千问办公:Agent能力下沉全国网点

    【TechWeb】11月6日消息,申通快递与千问办公正式达成战略合作。双方将围绕快递核心场景打造 AI 办公体系,以Agent能力支撑申通快递全国网点的增长战略落地,推动AI从总部管理向末端网点规模化输出,加速物流服务智能化升级。申通快递总裁韩永彦与千问办公CEO陈宇森等共同见证签约。 申通快递作为中国头部快递企业,拥

    来源 AI 行业观察
  5. Amp推出Spaces:主Agent自动拆任务、协调多线程

    IT之家 11 月 7 日消息,AI 编程协作工具 Amp 昨日(11 月 6 日)宣布推出 Spaces,希望构建面向 AI 智能体(Agent)和团队协作的全新工作方式。对于用户而言,不再需要手动创建、命名和管理多个 Agent 线程,只需对话一个主 Agent,由它理解需求、拆解任务,并让其自动生成和协调其他 A

    来源 腾讯网
  6. 腾讯云ADP升级:企业级Agent如何对经营结果负责

    当 AI 从个人办公助手走向企业核心业务,单纯的工具搭建已无法满足需求。腾讯云 ADP 通过全生命周期升级与 FDE 交付方法论,解决跨系统打通、权限治理及规模化落地难题,让 Service Agent 真正嵌入业务流程,对华润信托、伊利等企业的实际经营指标负责。

    来源 AI 应用前沿
  7. 大晓机器人双脑协同:一次滑移如何变成可复用经验

    【TechWeb】11月6日消息,一次普通的取杯任务中,机器人找到水杯、规划接近方向,却在抬起时发生滑移;它调整接触位置,重新抓取并完成任务。对使用者而言,任务已经结束;但对持续学习的具身智能系统而言,真正值得追问的是:为什么滑?这次调整在什么条件下有效?换一只杯子、一副夹爪,甚至另一台机器人,这段经验还能否...

    来源 腾讯网
  8. 硅谷华人团队开源Comma:单入口调度多Agent并行,解决上下文瓶颈

    DeepSeek提出Super-agent概念引发关注,而硅谷华人团队AFK AI早在半年前就推出了类似架构的产品Comma并开源。Comma采用“单Router+多Worker”模式,用户只需在一个对话窗口下达指令,系统即可自动调度多个独立上下文的Agent并行处理代码、文档等任务。它支持跨应用协作(如微信、Line

    来源 AI 应用前沿
  9. Agent 越用越多,企业为何仍不够 AI Native?

    AI 生码率飙升,端到端交付却没有变快;通用 Agent 提效办公生产力,整体业务效能却未同步提升。当企业把 AI 工具推向业务流程,“局部更快、整体不快”的现象值得审视。阿里云智能集团副总裁、CIO 蒋林泉复盘了三年 AI 实践,从问题中找到了答案,也对 AI Native 有了清晰的认识。 AI Native,越热

    来源 AI 行业观察
  10. 亚马逊成立新团队专攻家用机器人,剑指“前所未有”的新产品

    IT之家 11 月 8 日消息,美国 CNBC 分析亚马逊的招聘信息发现,过去几个月,亚马逊组建了一支新团队,准备开发一款前所未有的机器人产品。亚马逊近期发布的一则工程师招聘信息写道:“机器人即将走出电影,进入我们的家中。”这条被撤掉的招聘信息透露,新产品能够适应不断变化的家庭环境,并在人类家庭成员身边自主活动。...

    来源 腾讯网
  11. 智能体 Harness 从链到图再到代码化:三步演进怎么走

    作者 | Karthik Ramgopal译者 | 明知山在过去几年里,基于大语言模型构建的智能体经历了翻天覆地的变化。最初只是用粘合代码拼凑起来的临时提示词,如今已逐渐演变为我们所说的智能体 Harness 框架,也叫结构化执行框架——它们围绕概率模型搭建起脚手架,让模型变得稳定、可观测,达到生产级水准。这一演变并非

    来源 腾讯网
  12. 从一次滑移到可复用经验:大晓“双脑协同”如何让机器人少走弯路

    为什么需要“双脑”协同?三个递进闭环第一是自主执行闭环,让机器人更可靠完成当前任务。双脑协同希望建立的,正是任务推理与物理预测通过真实反馈相互校正、执行认识经过验证进入后续学习、学习与研发方法持续改进的路径。让一台机器人付出的探索,为更多机器人省下重复试错的代价——这是大晓双脑协同试图推动的进步。

    来源 TechWeb
  13. AI入门:Agent、Skill、MCP怎么选?先弄清三件事

    面对大模型、Agent、Skill和MCP等术语,新手往往感到困惑。本文剥离营销话术,用“周末旅行规划”为例,通俗解释这些概念的实际分工。重点在于如何根据真实任务选择工具,以及如何通过有效提问和结果验证,让AI真正帮到你,而非陷入术语堆砌的焦虑。

    来源 AI 应用前沿
  14. 申通快递携千问办公:AI办公体系落地全国网点

    【TechWeb】11月6日消息,申通快递与千问办公正式达成战略合作。双方将围绕快递核心场景打造 AI 办公体系,以Agent能力支撑申通快递全国网点的增长战略落地,推动AI从总部管理向末端网点规模化输出,加速物流服务智能化升级。申通快递总

    来源 TechWeb
  15. 李飞飞团队发布Frameboy:浏览器里实时体验世界模型

    智东西作者 | 王涵编辑 | 云鹏智东西11月6日报道,刚刚,“AI教母”李飞飞的世界模型团队World Labs发布Frameboy,是一个基于Atlas优化的实时流式生成演示Demo。Frameboy从云端GPU流式传输画面,速度最高可达15FPS,这意味着每隔约67毫秒就能获得一帧新画面。与之对比,谷歌DeepM

    来源 腾讯网
向下滚动自动加载更多