Personal Agent创业者还有机会吗？价值能否长在基模之外

最近 Personal Agent 这个话题热度很高。有意思的是，概念刚火起来，几轮讨论下来就冒出一个近乎一致的看法：Personal Agent 的机会属于大厂，创业者基本没戏。

「入口级机会归大厂」，这话在多数情况下确实成立。可 Personal Agent 真的是个「入口」问题吗？真的意味着「这件事里没有创业者的位置」吗？

这个问题还是值得认真聊一聊。

真正值得兴奋的事：价值可以长在基模外

换个视角看，Personal Agent 为什么让人兴奋？

原因在于，它给创业者打开了一种新的可能：产品的终极价值并非来自今天大模型公司提供的智能，而是可以借大模型的能力来孕育产品，最终在和用户的共同成长中，把大部分能力和价值留在创业公司自己手里。

回头看过去三年 AI 和 Agent 的演进，通用大模型就像一个营养丰富的「蛋」。绝大多数 AI 应用和 Agent 产品，本质上都没能离开大模型这层「卵壳」。从最早的「套壳」，到后来做 Environment Engineering、Harness Engineering，努力让模型能用工具、能执行更长的任务，很多时候仍然受制于同一个事实：产品的智商、响应能力和行为边界，很大程度上由底层模型决定。

产品早期靠大模型供给「养分」，这没什么毛病。真正的问题在于，要是始终只能从基础模型那里「吸收营养」，迟迟无法破壳、到真实世界里独立生长，最终往往逃不掉沦为模型厂商「Token 分销商」的命运。而且一直甩不开在沙滩上建城堡的那种风险：别人跟着升级一轮模型，差距就被追平；模型涨一次价，自己的成本就被人牵着鼻子走；基模再迭代一版，你的产品说不定就被它的能力直接吞掉。

Personal Agent 提供了一种「破壳」的可能性，这才是真正值得兴奋的地方。

在今天，虽然很多时候接入最好的模型才能让 Personal Agent 产品有最好的用户体验，但总要用发展的眼光看问题。

Personal Agent 产品最终值多少钱，未必取决于你手里有没有、或者接没接上全球最强的通用大模型。要解决某个具体场景里的个人问题，未必非得用最贵、参数最大的顶级模型。产品最终的价值，更多要看大模型之外的那些东西，比如高密度的个人上下文、对用户理解做的深度建模，以及长周期交付中一点点攒下来的信任关系。

当然，这背后要求团队自己有扎实的数据工程和后训练能力打底。但也不是说得一步到位、样样配齐才能下场。创业公司起步阶段能用的解法有很多，比如先把上下文管理、任务编排、评估这几块做起来，或者靠架构设计拼出更高效、更贴合场景的模型，甚至把「熟能生巧」级别的 RSI 能力先跑起来。随着真实任务里高质量数据和用户反馈慢慢积累，创业团队最后也有机会训出更贴合自身场景的模型。

这有点像是给自己建一条「核心供应链」。关键不在于一上来就把所有环节都攥在手里，而是一步步拿下那些决定交付质量和服务成本的关键能力。拉长时间看，这些能力会直接影响用户服务的成本和利润空间。

所以，两年前那波大模型热潮更像一场「硅基竞赛」，比的是谁卡多、谁的研究员更顶级、谁的数据更多更好。而 Personal Agent 把 AI 创业带进了一个新阶段：价值和竞争力可以长在基模之外。这才是 Personal Agent 对创业者真正有吸引力的地方。

Personal Agent 不是新产品概念，是一个技术新阶段

如果只把 Personal Agent 理解为一个新产品形态，可能并不完整。我现在越来越觉得，我们讨论的其实不只是 Personal Agent，而是更大的问题：Personal AI。

Agent 回答的是 AI 能不能替用户动手，Personal AI 则是个更有方向感的话题：技术能不能长期读懂一个人，围绕这个人的上下文、目标和动机，持续给出有效的、主动的服务，并且以「忠于个人」为起点搭起一套能跑通的商业模式。

把这件事放进更长的技术演进里去看，会比较清楚：

互联网让用户拿得到信息，推荐系统让信息开始迁就用户，生成式 AI 让系统读得懂用户的意图，Agent 让系统能替用户行动，Personal AI 想做的，是把这些能力攒成一种长期、连续的个人智能。

Personal AI 的目标，不只是让 agent 把用户明说的需求又快又省地办成，更在于让用户真切感到「个人智能」的存在，让自己在往好的方向变。

Personal 不是一个单点功能，而是一整套技术栈。此前我拆解「陪伴类」产品时就得出过结论：「陪伴不是新产品类型，而是一条新技术栈」。Personal 的难度恐怕比「陪伴」还高。毕竟「陪伴类」产品还能靠卖个萌、装个傻把容错率抬上去，Personal AI 站在用户面前，多半没法「萌混过关」。

回头看过去 4 年，从大模型到 Personal Agent，大致走过四个阶段：一开始是 AI 能理解和生成内容；接着 Agent 把模型接上工具，让它在对话之外有了执行力；然后是 Personalized——系统能依据具体用户的上下文，调整自己回应和做事的方式；再往后就是 Personal：在拿到授权的前提下，和一个人长期相处，持续理解他、帮到他。

这波 Personal Agent 产品并非凭空冒出来，而是整个行业走到了一个有迹可循的技术新阶段。有意思的是，AI 这一轮发展里，产品形态的演进往往跑在技术和基础设施成熟的前头。

2025 年的 Manus，可以看成 Agent 的一次产品打样。它靠大量工程工作把模型、工具调用和任务流程组织到一起，让用户直接看到：AI 不光会回答问题，也能接下一件事，试着从头做到尾。Manus 先把 Agent 的样子摆了出来，但这不代表 Agent 的能力、成本和可靠性已经成熟到能稳定、低成本地规模化交付。产品先让人看见「可以是什么」，技术和工程再慢慢补上「怎样才能一直做到」。

2026 年的 OpenClaw 把这个问题又往「Personal」方向推了一步。它不再只是一个等你打开来提问的工具，而是有机会长期留在个人环境里，持续积累对用户的理解、承接个人任务的助手。Personal Agent 原本只是个想象中的产品概念，如今已经变成了能摸得到的形态。

可形态出现，不等于问题就解决了。Agent 能调用工具，不代表它能有效、安全地把任务完成；能替用户完成一次任务，也不代表它已经真正以用户为中心；记住了几条偏好，更谈不上和用户形成了长期关系。所以这条线并不是「模型越来越强，产品自然就出来了」那么简单。更像是底层能力逐步接近可用时，产品先把下一阶段的样子摆到用户面前，再在真实使用中一点点补齐能力。真实用户必须被卷进来，一起往前走。

这也能解释，为什么眼下不少 Personal Agent 产品都还不够完善，哪怕会收到「还是玩具」这类评价，各家也要抢着把半成品推到用户面前、带进真实世界：要让人相信这个产品会越来越懂自己，去争取更多泛 C 用户带来的真实任务和反馈，反过来帮他们迭代模型、工程和产品。

大厂为什么下场？创业者又在面对什么难题？

科技巨头怎么打这一仗？Anthropic 的做法是把 Claude 的订阅价压到比同等额度 API 成本低得多，还时不时把额度往上调一调。免费额度也成了各家客户端的常规手段，免费期一拖再拖。马斯克在 X 上都直言，Grok Bot 的服务成本高得没法靠收入撑住。

用户一旦进到自家应用里跑任务，平台就能看清他设了哪些任务、怎么把问题拆段、如何调用 MCP、什么时候切换模型、怎样反复调整方案、又是在哪一步放弃。这些真实轨迹是多模态的、任务链条很长，还自带精标注，对模型、工程和产品迭代来说都是难得的资源。巨头做 Personal Agent 的算盘就打在这里：卖助手只是表面，争的是用户、任务和反馈。

可巨头能算的账，创业公司未必算得了。大厂握着模型、算力、流量入口和现成业务，能从产业链好几个环节同时下手，也能在自家体系里把成本消化掉。创业公司多半贴着应用端，模型、云端环境和基础设施都得花钱外购。大厂亏得起，可以当战略投入，觉得不划算也能抽身；创业公司得先把几个问题答上来：用户凭什么留下来？留下来以后沉淀了什么？这门生意到底成不成立？

前阵子，我和两位在这一轮热潮之前就曾想探索 Personal Agent 的创业者聊了聊。我问他们：「你们起心动念比所有人都早，为什么后来没有冲出来？」

他们的答案很一致，甚至带着一丝劫后余生的感慨：不是没想过，而是很快发现，受限于自己的资源边界（说白了就是融资能力），Personal Agent 这件事现在没办法做。最主要的是，按跑 ARR 的打法，现在根本支持不住。

其中一位给我算了一笔账：他当时给每个用户配了一个云端虚拟环境，让 Agent 能够真正像人一样去操作软件、调用工具。跑了一段时间后，财务模型崩了，一个月从每个用户那收来的钱，只有背后算力、Token 和云资源成本的 1/4。更关键的是，他发现就算这样做，依然想不清楚究竟沉淀下了什么不可替代的长期资产。

另一位的路径也类似，最初就想做全功能的 Personal Agent，但很快发现：当时的数字和物理环境，对 Agent 而言极其恶劣。Agent 每往前推进一步，都可能碰上页面变化、权限受限、任务中断，继而反复重试、补充上下文，Token 和云资源消耗一下子就上去了。Web 已经这么难，更别提移动互联网生态下各种 App 的「围栏」了。基础设施不 Ready，让启动 Personal Agent 这件事天然面临很大阻碍。

这倒不是说 Personal Agent 永远算不过账，而是眼下技术栈、基础设施和商业模式还没能自然咬合。产品看着能做，不代表能稳定地做；用户愿意试，也不代表每个用户的服务成本都能被收入盖住。

听着是不是挺让人泄气？不过客观讲，Personal Agent 今天确实不是那种马上就能铺开、靠场景走量的机会。它更像一道系统、技术和资源叠加起来的综合题。

翻翻创业史，很多重要的创新恰恰就长在这样的阶段里。有些创业者手里攒着别人还没有的历史资源和技术积累，他们想明白了一件事：有些实现条件，不一定只能等，也可以自己动手造出来。说到底，能看出哪些事今天看着不可能、但凑齐它的关键条件正在慢慢成形，这本身就是抓住创业机会的重要一环。

创业这件事，人、事与技术时代的三重对齐是最重要的。Personal Agent 这件事做与不做，对不同创业者来说，答案本就不应该统一。

通用 Agent 可能赢家通吃，个人智能也许未必

Personal AI 还有个看点：未来的格局可能更接近「赢家不通吃」。人的偏好本来就分散，世上不会有一个人人都满意的「万人迷」。基模在榜单上排第几，跟用户喜不喜欢它并不直接挂钩。说话的调调、想得深还是想得快、遇到模糊问题怎么处理，这些都会影响用户愿不愿意长期用一个 AI。

一旦沾上「Personal」这层关系，它就不像单纯的工具或服务了，反倒更接近消费品牌——世上没有哪家车企或服饰品牌能把所有人的口味一网打尽。

再说，用户也未必肯把全部个人信息和事务一股脑交给一家科技公司。设想一下，全世界的人都把个人数据和事务托付给同一款产品、同一家企业，站出来阻拦的力量恐怕不止一方，非市场力量也可能在其中。

还有，「专事专办」这套社会结构，放到数字世界大概同样行得通。通用助手可以当「大总管」，却未必事事亲力亲为。健康、理财、工作事业，各自需要的 Agent 专业程度可能不同。分开来办，执行质量可能更好，成本和安全上也更划算。

这些有别于互联网平台模式的可能，也引出一个问题：Personal AI 若是离散的，用户的上下文是不是也跟着离散？

「上下文归谁」由此成了一个需要认真对待的问题。

一种妄念是：手上有模型、有入口，就把用户的日历、邮件、聊天记录全圈进自家围墙，不让上下文流到外面，借此抬高迁移门槛。可这么干，可能恰恰伤到 Personal 最核心的地基——信任。产品越把个人数据当私有资产，用户就越可能处处设防。

另一种可能，是把个人上下文明明白白算作用户自己的资产：产品在授权范围内提供专业服务，用户能查看、能管理，必要时还能迁走。不同 Agent 在获得明确授权后，可以拿到完成具体任务所需的信息。

与此同时，产品真正留下的东西，是在充分理解用户上下文与主动性 agent 履约服务之间沉淀出来的用户建模。这份建模，决定了产品的用户体验价值和信任价值。

换句话说，Personal AI 的核心壁垒不在 Context Ownership（上下文壁垒），而在 Context 之上——靠持续理解、主动服务和反馈验证，与用户一起演进，形成 Deep Entanglement（深度耦合）。

当然，这不代表开放架构一定赢，也不代表用户数据越多壁垒越厚。云端还是本地，也不是简单的二选一。数据、智能、控制权这三层放在云上还是端上，可以有不同搭配。比如个人上下文主要存在用户自己控制的空间里，授权后把部分信息交给云端模型处理；简单任务本地完成，复杂推理调云端；多个模型也能共享一套受控的上下文，不必把用户全部数字生活绑死在一家模型服务商身上。

真正要紧的，或者说今天亏着钱也值得攒的，还是在用户需要的服务上建立起更好的价值交付能力，并且能和用户共同演进出深度耦合的本事。

如果能确认这是一门技术上不会被大模型直接吞掉、用户上有机会积累、未来单一用户价值上有机会突破上限的生意，那创业者做 Personal AI 有没有一线生机，就变成了另一个问题：今天这位创业者能拿到多少资源，能挑什么时机和切入口，又能以多高的效率搭起这套技术栈。

另一种路径：找准切口，从工具走到伙伴

抛开那些火热的概念，创业终归要回到商业本质：能不能找到一件值得解决的事，能不能把它解决得够好，能不能找到需要这项服务的人，最后能不能把账算平。

甚至，创业者还有一条通往 Personal AI 的路：不从通用入手，而是在垂直场景里找一个具体、又足够 Personal 的高价值切口，把事情做深做透。

某个具体人群的具体问题，只要足够重要、反复出现，产品又能持续交付价值，就可能带来不错的收入，价值上限甚至可能很高。

而且，有些过去觉得做不成、或者需求太少的服务，可能正因大模型「批量生产智能」的能力而改变了供给，需求和价值的上限也跟着变。

拿「个人成长」来说，这事一直很虚，服务供给也从来没跟上过。我注意到 OPPO 最近做了个叫「心力球」的产品，没去讲 Personal Agent 的宏大叙事，而是切进了一个明确群体的原生需求：听用户的对话，帮用户「向内看」自己。对不少创业者或带团队的人来说，这不像「书记员」式的助手，更像一位很需要的思考伙伴。它像个随时在线的成长教练，always-on，某些特定时刻还能敏锐地给出建议和提醒，你立刻能感到一种平等的伙伴关系在建立。

个人健康也是一个可能的切口。过去的智能硬件，常常只是每天雷打不动推一份报告；AI 带来的新机会在于，产品可以演化成有主动性、能直接和用户交流对话的形态。

比如 Alloop.ai 在「健康黑客」（Health Hackers）人群里的实践，已经显现出一些 Personal Agent 的实际效果。在持续追踪用户健康数据的基础上，软件能敏锐捕捉到那些波动以及数据背后的联系，再把洞察反馈给用户，主动和用户探讨，推动用户养成更好的生活方式。其用户群里有真实案例：软件会主动和用户聊起来，从「昨晚你深度睡眠时长有了显著提升的原因」开始探讨，帮用户意识到晚上不喝酒对睡眠有好处，用户随后在实践中反复验证这一改变的影响，最后自己主动开始戒酒。

AI 和用户一起启动一项健康计划，我觉得很接近 Personal AI 的本质定义。不是被动等用户派任务，而是能和用户共同发起一个目标并推着它往前走，这是产品从服务关系走向伙伴关系的一个很明显的标志。

在这些具体场景里，产品能不能跨过「工具」和「服务」的旧范式、成为「伙伴」，要看它能不能持续交付价值。「关系」不是目的，是结果。用户交办一件事，你做好了；你主动提供的服务，命中了；两边在一次又一次符合预期、超出预期的协作里，关系才可能层层深入、变得更稳。

Big Thing 还是 Big Hole？该 Rush 还是该 Build？

Personal AI 这件事，注定得跟用户一块往前走。但它跟移动互联网那套「跑马圈地」不是一回事——把用户量、DAU、ARR 当目标，先靠补贴把人拉进来，再指望以后自然长出价值，这路子放今天风险很大。多一个用户，就多一份服务成本。产品交付还不稳定，也没本事把真实任务和用户反馈变成更好的产品，人越多，离成功未必越近。所以对 Personal AI 来说，用户不只是「业务结果」，还是产品成长要用的「关键资源」。过程中得反复判断：该引进什么样的用户、什么阶段引进、想验证什么、要拿到什么资源，以及自己接不接得住。用户量不是越多越好，关键是每个阶段新增的用户，能不能帮你把当下这阶段的问题解决得更好。

说到底，核心要想清楚：那个该拿到的核心价值到底是什么？关键指标又是什么？过去一段时间，ARR 常被拿来衡量 AI 创业公司。可到了 Personal AI，还只盯着 ARR 吗？多拿用户、多烧 token、多融几轮，就真能让创业者的赢面变大？

我目前也给不出定论。但假如 Personal AI 的目标是让产品从工具变成服务，再从服务变成伙伴，那衡量一个团队，也许就不能只看收入多少、用户多少、烧了多少 Token，还得看它在真实使用里有没有攒下更深的用户理解、更稳的协作关系。

这问题投资人和创业者都得想，因为它决定了眼前这个到底是机会，还是个大坑。

我估摸着，Personal AI 创业大致分 Rush 和 Build 两种打法。Rush 型靠铺营销、推泛 C 端概念，快速把用户量和 ARR 做起来。但得留个心眼：要是没能力把这些用户带来的任务和反馈加工成产品能力，就会像个「资源国」——用户和 Token 吞吐看着不少，却没把原料转成稳定价值的工业能力，到头来可能等于拿投资人的钱补贴了产业链。

Build 型从更窄的口子切进去，不急着扩量，甚至有意把用户规模压在资源能兜住的范围内。稳扎稳打，把活做细，一点点抬高自己在垂直场景里的交付能力。

Rush 和 Build，不是简单的「快」对「慢」，也不是选一次就定死的路线，这两种机制甚至得不断切换、随时调整。

不管是「大力出奇迹」的 Rush，还是「可持续发展」的 Build，核心起码是一场精密的动态计算：手里能掌控的资源有多少，投进去能换回什么可积累的资产，自身能力和外部环境又是什么状态——这些都得清楚、持续地评估和预判。毕竟谁的资源都不是无限的。环境摆在那，客观限制绕不开，「许愿式的创新」要不得，还是得带着工程思维去主动建设、主动创造。

Personal AI 算不算 Next Big Thing？我认为算。不是因为它是什么兵家必争的「入口」，而是它有机会让产品的长期价值长在基础模型之外。

但它同时也可能是个「Big Hole」。今天它在真实环境里要面对的摩擦力、技术和工程上的挑战，还有现阶段那股「不经济性」，都明明白白摆在眼前。

可 Big Thing 和 Big Hole，本来就是一体两面。Personal AI 本来就不该是大家一哄而上的产品形态。也恰恰因为它的「非共识」，因为它只有「一线生机」，它对创业者才真正有价值吧。