Karpo入局：AI要在用户想清楚之前接住需求

谁先把用户还没说清的需求接住，谁就更有希望成为下一个消费入口。

一笔消费到底从哪一刻算起？不少人会答下单付款那一秒。可只要回想一次最近的外出，就会发现它的起点要早得多。

在订下一家餐厅之前，可能先冒出过想见朋友、想庆祝、想换个环境这些念头；同一句“今晚想出去”，最后可能落在一顿饭上，也可能是一场演出，甚至只是一条没有目的地的路线。

也就是说，店名、品类、价格这些具体信息还没出现，消费就已经起步了。只是那时候它还没有名字，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，都在这段过程里起作用。

MachinePulse推出的Karpo，就是在这个环节下判断的一款城市生活AI产品。

从一种心情出发：选好状态、说出想要的感觉，Karpo就能给出具体去处。图片来源：Karpo

它跟Resy、Google Maps这类工具并不从同一个起点出发。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盯的则是用户还没定下目的地、甚至还没定下要做哪类活动的时候，怎么帮人从一个模糊的念头走到一个具体的安排。

这个选择背后，是一支做过消费级AI产品的团队。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曾在豆包和TikTok担任工程师，也有过多次创业经历；另一位联合创始人Alex，此前负责阶跃Agent产品团队。

带着这些经验，团队把方向定在海外市场，探索“生活方式×AI”。在他们看来，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。这给消费级Personal Agent留出了一个具体切口。

那么，当AI能在用户形成明确需求之前就插手决策，Personal Agent这场竞争会跟着起什么变化？

从寻找答案，到参与需求的形成

先要弄清楚一点：Personal Agent带来的关键变化，不只是它能多办几件事，还在于它把“需求到底明不明确”这个过去默认由用户自己解决的问题，变成了产品要处理的对象。

这背后其实是两种能力的区别。执行能力管的是怎么把一件事办成：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那一步——帮用户一点点弄明白，他到底想要什么。后一种在生活决策场景里格外常见。

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，却说不清哪种活动、哪个地方能满足它。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，也会落在那些用户没有再说一遍的信息上。比如有人问Karpo：“想去安静的地方跑步，哪里适合？”这句话里没提狗，也没提车。

可Karpo的回答开头是：“你和Koda去跑河边完全没问题。”Koda是家里的狗，Karpo记得。它推荐了两个安静、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。”

不用每次都重新跟它解释你的生活——这是收到回复后最实在的感受。

当然，这种交互得靠个人理解积累到一定程度才发生：依据不只是当前这条消息，还有此前对话叠出来的上下文。意图捕捉不只在单次问答里出现，它需要一段持续关系打底。

而要把这件事做好，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告诉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和朋友。

一个人长期喜欢艺术，不代表他每个周末都乐意去美术馆。过去的偏好提供了理解的基础，当下的情绪、同行关系和时间安排，才决定这次建议该怎么调。同样是看展，独自出门时可能愿意花半天琢磨作品，和朋友同行时，则可能更在意双方是不是都有兴趣。

反馈同样得放回具体场景里看。用户没去看展，可能是题材不对胃口，也可能单纯嫌路远。这两种原因，给下一次推荐的依据完全不同。要理解一个人，就得容得下这类变动，把长期偏好和一次性的选择条件分开。

“主动式体验”也建在这层理解上。主动推一条消息，只是交互的外壳；建议值不值钱，更看上下文、时机，以及能不能帮用户往前走一步。产品要结合对话、偏好和具体场景，在该出手时给出相关选项，让用户接着确认、调整，慢慢把安排定下来。

意图竞争的起点，是让用户少花力气表达需求、少费劲形成选择。可一个选择能不能真正落地成一次体验，还卡在另一件事上：AI怎么把对某个人的理解，和城市里真实存在的供给对接起来。

理解一个人之后，还需要重新组织他面前的世界

其实，把一个模糊念头变清楚，并不等于服务就完成了。附近有什么、几点开门、适不适合一起去的人、交通和活动怎么接上，这些都决定一条建议能不能变成现实安排。主观感受再准，最后也得过时间、空间和供给条件这一关。

这就是说，AI不光要判断什么值得推荐，还得理清不同选项之间的关系。一个地方待多久合适、离下一个目的地多远、整段行程的节奏合不合用户心意，都会左右最终体验。

需求确认之后，Karpo会去比价、核对退改规则、推进购票，下单前再交回用户确认。

有一类需求更能考验这种本事：时间窗口被压得很紧时，AI能不能把城市供给拼成一条有节奏的路线。比如有人在飞机中转间隙发来消息：“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把约8小时的约束变成一条闭合路线：先到El Born，沿Santa Maria del Mar走到Port Vell，再接着去Barceloneta海滩，把老城和海景连成一片，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。

这时你可能要问：“等等，我能看海、吃海鲜饭、还能赶上日落？”Karpo的回答是：“而且还能赶上飞机。”

关键不在Karpo挑了哪几个地方，而在每处出现的顺序和时机都围着中转窗口转：路线少折返，餐厅预约少等位，返程节点则服务于赶上下一班飞机。

这正是“供给组织”和“信息检索”的分野：检索是找出一个合适选项，组织供给则是把多个原本分散的商家和地点，按这一个人的需求和节奏串起来，让它们合力满足一次完整的生活安排。

想通这一点，也就明白Karpo为什么挑城市生活作为切口。

吃喝玩乐看着是轻场景，里面却同时装着个人品味、本地信息和行动安排这些复杂问题。用户常常不是没得选，而是不知道眼下最适合自己的是哪个。一座城市给的内容越丰富，筛选和组合就越费精力；地点越多、活动越密，找到合适安排的过程未必越轻松。

供给端也是一样。商家手里有供给，却未必能被正好需要它的人看见；一家餐厅有自己的氛围，一场展览有特定的表达，这些特征，并不总能被评分、品类、热门程度这些标签完整呈现出来。

AI的机会，就夹在这两端之间。

谁承接意图，谁就有机会影响消费的去向

当AI参与需求形成，再进一步组织选择和行动，它就有可能改变消费入口与分发关系，这才是意图竞争值得行业盯住的商业含义。

正如前文所说，一笔消费的去向，往往在下单之前就已被影响。Personal Agent所探索的，是靠围绕个人的持续交流，把对意图的理解和后续安排接得更紧。

如果一个人不必先定品类、目的地或商家，就能启动一次生活安排，那需求就可能在和AI的交流中跨出原有分类。从想散心，到决定看展，再到安排附近的餐厅，几个原本要分别寻找和比较的选项，可以围着同一个念头慢慢铺开；供给端的逻辑也跟着变，服务有机会从提供一个商品，变成承接一整段需求。

在搜索和点评的年代，一个商家、一场活动能不能被找到，很大程度上看它是否匹配用户输入的关键词、评分够不够高、位置够不够靠前。等到选择由AI围着具体的人来组织，就更依赖它和某个具体用户、具体场景的契合程度。

这会带来一个要紧的变化：那些很难用关键词描述、过去因此很难被找到的体验，反倒可能因为精准对上了某个人的兴趣，头一回进入他的选择范围。供给的可见度，不再只由搜索框说了算。

正是看到这个位置的分量，资本已经开始提前下注。

目前Karpo已获得Creekstone Ventures、高瓴创投、蓝驰创投等机构支持，累计融资数千万美元。

放到整个Personal Agent赛道里看，这个动作的分量会更明显。Muse、Instinct这类产品主要在任务执行层面打得火热，与此同时，另有一批资本和创业者愿意为更上游的“意图竞争”掏钱。他们押注的是消费入口会不会从“你已经知道要什么”往前挪到“你还没想要什么”那一刻。比拼推荐谁更准、谁更深，这已经比原来的竞争逻辑又进了一层。

单次推荐其实很容易被替掉，用户换个工具再问一遍就行。真正难被替代的，是一段持续的关系。AI长期摸清一个人的偏好，不断接住后续行动，这个过程会自我强化：用户的反馈让建议越来越准，建议越准，他越愿意把事托付出去，委托越多，理解越丰富、数据也越厚。

换句话说，这里真正该看的指标，更接近用户愿意把多少事、多早交给这个AI，而非单轮问答谁赢谁输。Karpo围绕个人品味和城市供给做探索，积累的正是这样一层关系，也展示了“生活方式×AI”的一种可能。

纽约马拉松期间，Karpo与纽约当地跑团合作，为现场活动提供支持，并融入城市跑步社区。

意图如果能在更早的时点、更顺地被接住，消费的形态也会跟着变。过去大量需求因为说不清、懒得找、怕麻烦而没有发生，如今会被释放出来。Karpo迈出的只是第一步。一个让更多念头被看见、被实现的时代，正在拉开序幕。