Karpo做城市生活AI：用户没想清楚前，入口争夺已开始

谁先接住那些用户自己还没讲明白的需求，谁就离新的消费入口更近一步。

一次消费是从哪一刻起头的？下单付款当然算，但很多人要是回想一下最近一次出门，会发现起点比这早得多。

定餐厅之前，脑子里先冒出来的也许是见朋友、庆祝一下、换个环境这些念头。同一句“今晚想出去”，最后落到的可能是一顿饭、一场演出，也可能是一条压根没定目的地的路线。

也就是说，店名、品类、价格这些具体信息还没冒头，消费过程已经启动了。只是这个阶段它还没名字，更像一种说不清的心情、一个还没成形的愿望。搜索、内容推荐、朋友的建议，都会在这个阶段起作用。

MachinePulse推出的Karpo，就是在这个环节上做选择的一款城市生活AI产品。

先选状态、说出想要的感觉，Karpo就能给出具体去处——它从一个心情出发。图片来源：Karpo

它跟Resy、Google Maps这类工具的起点不一样。后两者处理的是你已经知道要找什么之后的事：查地点、看评分、规划路线；Karpo盯的是用户还没定目的地、甚至还没想好要干哪类活动的时候，怎么把一个模糊念头带到具体安排上。

做这个选择的团队有消费级AI产品的底子。创始人Leah是豆包早期团队成员，参与了豆包从0到1亿DAU的全过程；联合创始人Allen在豆包和TikTok做过工程师，也有多次创业经历；另一位联合创始人Alex，此前负责阶跃Agent产品团队。

靠着这些经验，团队面向海外市场试“生活方式×AI”。他们的判断是，服务好一个人得贴近具体场景、懂个人品味，还得跟现实供给打交道。消费级Personal Agent由此有了一个具体切口。

那么，AI要是能在用户形成明确需求之前就插手决策，Personal Agent这场竞争会跟着怎么变？

从找答案，转向参与需求形成

先要说清一点：Personal Agent带来的关键变化，不只是能多办几件事，更在于“需求到底明不明确”这件事过去默认归用户自己解决，现在变成了产品要处理的对象。

这背后是两种能力的分界。执行能力管的是把事办成：目标定了，剩下就是拆步骤、调工具、推流程；理解意图管的是更靠前的问题，帮用户一步步弄明白自己究竟想要什么。生活决策场景里，后一种情况特别多。

生活体验往往掺着情绪、审美、关系和临时起意。人可能已经盼着某种感受，却说不清哪类活动、哪个地方能给自己这种感受。需求不是没有，只是还没被整理成能直接执行的要求。

这种理解也体现在那些用户没重复说出口的信息上。比如有人问Karpo：“想去安静的地方跑步，哪里适合？”话里没提狗，也没提车。

可Karpo的回答一上来就是：“你和Koda去跑河边完全没问题。”Koda是家里的狗，它记着。它推荐了两个安静、对狗友好、方便下水的地方，接着补了一句：“Sportage开过去没问题，那台车的机油需要更换，但不影响今天的往返。”

不用每回都重新跟它解释你的生活——这是收到回复后最直接的感受。

当然，这种交互得靠个人理解攒到一定程度才成立：依据不只有当前这条消息，还有此前对话叠出来的上下文。意图捕捉不发生在单次问答里，它需要一段持续关系打底。

可要办好这件事，光记住喜欢什么还不够。

一个刚到纽约的用户把自己的兴趣讲给Karpo，Karpo就持续推荐同类人常去的地方，帮她在新城市找到固定去处，也交到朋友。

一个人长期喜欢艺术，不代表他每个周末都想去美术馆。过去的偏好是理解的基础，当下的情绪、同行的关系、时间的安排，才决定这次建议该怎么调。同样是看展，独自出门可能愿意花半天琢磨作品，和朋友一起则可能更在意两个人是不是都有兴趣。

反馈也得放回具体处境里看。用户放过一场展览，可能是内容不对胃口，也可能只是路太远。这两种原因，给下一次建议的依据并不一样。对一个人的理解，要容得下这些变化，分得清稳定偏好和一次性的选择条件。

“主动式体验”也建在这层理解上。主动发条消息只是交互形式，建议值不值钱，更看上下文和时机，看它能不能帮用户往下走一步。产品得基于对话、偏好和具体场景，在合适的时候给出相关选择，让用户能接着确认、调整，慢慢把安排定下来。

意图竞争的起点，是压低用户表达需求、形成选择的成本。而选择能不能真变成一次体验，还得看另一件事：AI怎么把对一个人的理解，跟城市里真实存在的供给接上。

读懂一个人之后，还得把他眼前的世界重新摆一遍

其实，把模糊的意图捋清楚，并不等于服务就交付完了。附近有什么、几点开门、同行的人合不合适、路上和活动怎么接得上，这些都会决定一条建议能不能落地成行程。主观判断再准，最后仍要过时间、空间和供给这三道关。

也就是说，AI不光要知道什么值得推荐，还得弄清各个选项之间的牵连。一个地方该停多久、到下一个点有多远、整段安排的松紧对不对得上用户的期待，都会左右最终体验。

需求确认之后，Karpo会去比价、核对退改条款、推进购票，下单之前再交回给用户拍板。

有一类需求最能试出这套本事：时间窗口被压得很紧时，AI能不能把城里的供给串成一条有节奏的路线。比如有人在飞机中转的空当发来消息：“我1:10落地巴塞罗那，9:20下一班飞机，这中间我能做点什么吗？”

Karpo把这约8小时的限制做成了一条闭合路线：先到El Born，沿着Santa Maria del Mar走到Port Vell，再往前到Barceloneta海滩，把老城和海景连成一线，不走回头路；接着在Can Solé提前订好一张桌，“不然中转时间会耗在等位上”；下午去Montjuïc看日落，6:45动身，直接回El Prat机场。

看到这里你大概会问：“等等，我能看海、吃海鲜饭、还能赶上日落？”Karpo那边回的是：“而且还能赶上飞机。”

关键不在Karpo挑了哪几个地方，而在于每个点出现的先后和时机都卡着中转窗口来排：路线少绕路，订桌少排队，返程的时间点则服从于赶上下一班飞机。

这就是“供给组织”跟“信息检索”的分界：检索是挑出一个合适的选项，组织供给则是把原本散落的多家商户、多个地点，按这一个人的需求和节奏拼到一起，让它们合起来撑起一整段生活安排。

想通这一层，也就明白Karpo为什么拿城市生活当切入口了。

吃喝玩乐看着是轻场景，可里面既有个人口味，也有本地信息，还牵扯行动安排，问题并不简单。用户常常不是没得选，而是不知道当下哪个选择最适合自己。一座城市能给的东西越多，筛选和搭配就越费精力，地点越多、活动越密，找到合适安排的过程未必就越省事。

供给那一头也是一样。商家手里有货，却不一定能被正好需要它的人碰上；一家餐厅有自己的气氛，一场展览有特定的表达，这些特点，靠评分、品类、热门程度这些标签往往说不全。

AI的机会，就夹在这两头中间。

谁接住了意图，谁就有机会左右消费往哪走

一旦AI参与到需求形成里，还进一步把选择和行动组织起来，它就有可能改写消费入口和分发关系，这才是意图竞争在商业上值得行业盯着的地方。

前面说过，一笔钱花到哪儿，往往在下单之前就已经被影响了。Personal Agent在试的，就是靠围绕个人的持续交流，把对意图的理解和后面的安排接得更紧。

假如一个人不用先定品类、目的地或商家，就能启动一次生活安排，那需求就可能在跟AI的对话里跨过原来的分类。从想散心，到定下看展，再到安排附近吃饭，几个本来要分别找、分别比的选项，能围着同一个念头慢慢铺开，供给端的逻辑也跟着变，服务有机会从卖一件商品，变成接住一整段需求。

在搜索和点评的年代，一个商家、一场活动能不能被看到，很大程度上看它是否对得上用户敲进去的关键词、评分够不够高、位置排得够不够前。可当选择由AI围着具体的人来组织，就更看重它跟某个具体用户、具体场景合不合拍。

这会带来一个不小的变化：那些很难用关键词说清、过去因此难被找到的体验，反倒可能因为正好对上某个人的兴趣，头一回进入他的选择范围。供给能不能被看见，不再只由搜索框说了算。

正是看中了这个位置的分量，资本已经提前落子。

眼下Karpo已拿到Creekstone Ventures、高瓴创投、蓝驰创投等机构的支持，累计融资数千万美元。

把它摆到整个Personal Agent赛道里看，这一步的意思会更清楚：当Muse、Instinct这类产品主要在任务执行这一层打得火热时，也有一批资本和创业者愿意为更上游的“意图竞争”掏钱定价。

他们押的是，消费入口会不会从“你已经知道要什么”之后，挪到“你还没想要什么”之前。这就带出了比谁推荐得更准更深一层的竞争逻辑。

单次推荐很容易被替掉，用户随时能换个工具再问一遍。真正难替代的，是一段持续的关系。AI长期摸清一个人的偏好、不断接住后面的行动，这是个会自我强化的过程：用户的反馈让建议越来越准，更准的建议又让他更愿意把事情交出去，而更多的委托，反过来带来更丰富的理解和数据。

换个说法，真正能衡量这场竞争的，不是单轮问答谁答得更好，而是用户肯把多少事、在多早的时候交给这个AI。Karpo 围绕个人品味和城市供给做的尝试，攒的正是这样一层关系，也让人看到“生活方式×AI”的一种可能。

纽约马拉松那段时间，Karpo 跟纽约本地跑团联手，为现场活动提供支持，也把自己融进了城市的跑步圈子。

意图如果能在更早的节点被顺畅接住，消费的样子也会跟着变。过去不少需求因为说不清、懒得找、嫌麻烦，根本没发生，如今这些被放了出来。Karpo 才迈出第一步，一个让更多念头被看见、被实现的时代已经开头。