Personal Agent 到底跟之前的 Agent 有什么区别？
「对 Personal AI 来说，最重要的就是两件事。意图，以及基于意图进行供给的个性化生成。意图是一切的起点，但我不觉得这件事是行业共识。」
Karpo 创始人，98 年的 Leah 是这么回答我们的。
跟 Muse 这类通用的不同，Karpo 讲的故事更「小」，也更松弛。名字取自拉丁语 Carpe Diem，「及时行乐」，目前主要面向海外市场。Karpo 想让你拥有更好的晚上、周末和假期，帮你找到好吃、好喝、好玩、不容错过的地方。如果连上 Apple Music，Karpo 就会照着你的音乐品味推荐酒吧。
Karpo 还有一套人格和世界观，就像一个天真乐观、对世界充满好奇的朋友。
创始人 Leah 是豆包早期团队成员、首位模型策略产品经理，参与了豆包从 0 到 1 亿 DAU 的发展过程。联合创始人 Allen 曾在豆包和 TikTok 担任工程师，有多次创业经历。另一位联创 Alex 之前则是阶跃 Agent 产品团队负责人。
目前，Karpo 已获得 Creekstone Ventures 、高瓴创投、蓝驰创投等投资机构的持续支持，累计融资数千万美元。
在 Muse、Cue、Instinct 还在比「谁能把任务完成得更好」时，Karpo 想往前抢一步，在用户只有一个感受、还没形成需求时，先捕捉他的意图。模糊的感受背后，可能连着一整串需求。谁先理解用户真正想解决的问题，谁就有机会替他组织后面的供给，最终完成交易。Leah 把这件事叫作「意图前插的竞争」。
Karpo 押注的是用户开口之前的那一段：一个说不清楚的心情，一种想要的 vibe。
以下是 Founder Park 与 Leah 的对话，经编辑整理。
采访 | 万户
编辑 | 朱俊熹
⬆️关注 Founder Park，最及时最干货的创业分享
Founder Park 正在持续寻找值得被看见的 AI 团队与项目。
我们将通过「AI 产品市集」、内容报道、社群分发等方式，帮你触达早期用户、获得真实反馈，以及建立关键连接。
如果你正在做 AI 相关的事，欢迎和我们聊聊。
01
通用肯定是大厂的赛道，我们得换个打法
Founder Park：去年决定出来创业时，你们为什么会选择 Personal AI？
Leah：我们当时比较一致地认为，Personal AI 是这波 AI 应用创业最大的机会之一，也是最值得做的。所以接下来要判断的是，它会以什么形态、什么切口进入用户的生活。
我们做了一些推演，大概把 Agent 分成两个方向。一个是「代替人」，一个是「代理人」。
代替人，就是今天大量工作类 AI 所讲的叙事，最终目的是替代以智力劳动为主的白领工作。我们判断，这个方向需要的核心生产要素是智力，而模型公司掌握了生产智力的方式，所以它大概率是模型厂商的机会。
代理人是另一回事。它代理你的需求，帮你生活得更好。生活里其实有很多需要用到智力、处理琐事的场景。但它涉及的生产要素就不只是智力了，还包括能不能贴近用户的场景、交互是否足够好，以及品牌能不能代表特定人群的气质。它还会牵涉到用户的线下生活，要跟线下供给打交道。
这些要素更多样，创业公司反而有机会。不管是交互上的创新，还是选择更潮流、更先锋的人群，创业公司都可以有一些更灵巧的身位。
感性的原因是，我们三个 founder 都比较喜欢玩，喜欢好吃的东西和生活里美好的体验。过往生活里，我们也感受到很多不方便和痛点，觉得这些具体问题确实可以被解决。
所以这是自上而下的推演，以及自下而上的需求洞察，两者交叉出来的选择。
Founder Park：同样是「代理人」，垂直场景的 Agent 比通用 Agent 更好做还是更难做？
Leah：我觉得一个创业公司，很难有做通用的资本。技术能力跨过门槛后，就会出现今天的局面，大家都下场来做。
Meta 可以买断纽约地铁上的广告。最近两三周，我大概看到了二三十次 Muse 的广告，而且不是因为我是 AI 从业者才注意到的。我在河边跑步、坐地铁、吃饭、等公交、等红绿灯，到处都是。这种铺天盖地的打法，创业公司没法招架。
你也做通用，跟它的差异化是什么？大厂一定会选通用，因为它们不担心用户对它的认知是模糊的，可以直接把「AI 助手」和自己的品牌绑定，但创业公司做不到。
所以我们要想的是，怎么找到第一群用户，让他们很喜欢我们、用上我们，然后慢慢让大家觉得 Karpo 是一个有性格、立得住的生活方式品牌。假设我是 Alexandr Wang，那我也铺天盖地。但今天资源不够，就得换打法。得有一根足够尖的针，把那个点戳破。
Founder Park：那为什么选择了生活这个垂类？这个品类值得做的点在哪里？
Leah：上一代互联网，满足的是几乎所有用户的一类需求，比如 Uber、DoorDash，对应国内的滴滴和美团。今天的 Personal AI 有机会反过来，满足一类人群几乎所有的需求。因为它天然擅长从一个意图出发，在不同需求之间做串联，再到最终完成执行。
但这不意味着一个 General AI 能满足所有人。我们判断，每个人在当下的生命状态里，都有一个占主导的需求类型，或者说占主导的生命动机。
拿我自己举例，除了工作，我最重要的就是享受生活。所以我的两个 AI，一个是 Codex，一个是 Karpo。但我有一个朋友是三个孩子的妈妈，她生活里占主导的需求是照顾好三个孩子，她和我的需求完全不同。
从 3 月上线 iMessage 版本到现在，我们看到，大约 50% 到 60% 的用户，主要需求是享受生活、探索、社交和交友。差不多 20% 是照顾家庭，还有 10% 是自我提升。Karpo 一开始就更倾向于满足探索和社交，所以这部分比例可能会更高。
那为什么还是要选择一个品类？最核心的原因是，垂直更有利于我们把体验做完整。体验完整，用户才会得到其他产品里没有、或者好得多的体验，也才会愿意更早地把意图交给我们。
这样，我们可以更早积累用户数据，数据又能帮助系统进一步迭代。创业公司本质上没有什么壁垒，关键是能不能更早建立起上一代产品所说的「飞轮」，或者这一代说的 Recursive，也就是自进化。
AI Agent 服务用户的时候天然是一个智能系统，当它在环境里获得足够多、密度足够高的信号，它就能演化，下一次把用户服务得更好，随后又有更多用户进来。所以我们希望把命题收窄，更快到达 recursive 的状态。
做「代理人」，很重要的一点是理解用户没说出口的话。用户说不清需求，不代表没有偏好。他可能讲不清想过什么样的周末，但看到具体方案，就知道喜欢哪个、不喜欢哪里。Agent 要从这些选择和反馈里理解他，而不是等他把指令写完整。
所以我们从生活体验切入。比如安排一次徒步，过程中会逐渐知道，他是想挑战体能还是放松，愿不愿意为风景多走一小时。比起只帮他买个登山包，围绕整次体验的服务，更有机会了解他怎么生活。这些理解又能用到下一次安排里。
Founder Park：从最初的判断到现在的Karpo，中间探索过哪些产品形态？
Leah：大方向变化不大，但我们一直在过程中验证假设，判断先做什么、后做什么。我们一开始就认为，意图是重要的切口。对创业公司来讲，创造一个能持续捕获用户意图的环境，比费劲去提升模型或者 Browser Use 能力的杠杆更高，因为后者会随着模型进步自然得到解决。
我们最早做过一个 Chrome 浏览器的剪藏工具，用户看到一个网页觉得不错，可以存下来，这个动作本身也代表一种意图。也讨论过从日历切入，因为能够通过时间序列，我们其实可以预测一个人接下来可能做什么。在做了一些小而快的探索后，很快收敛到一个人格化的 AI Bot。
它一上来就旗帜鲜明地告诉用户：我很了解这个城市，很会吃喝玩乐，跟着我就对了。这个用户心智更直接，天然的可扩展性也更强。
今年 3 月，我们先把它放进 iMessage，跟用户对话，帮用户发现、比较、做决策。那个版本没有完整的执行能力，更多是用来验证我们的假设，后来做了独立 App。
02Karpo 想接手的，是你的晚上、周末和假期
Founder Park：具体到产品，Karpo 到底是什么？
Leah：我们一般会说，Karpo 是一个专注于生活体验领域的 Personal AI。它帮助用户找到自己生活或到达的城市里，那些好吃、好喝、好玩、不容错过的体验和惊喜，让用户把更多时间放在现实世界，以及值得陪伴的人身上。
Karpo 这个名字来自 Carpe diem，也就是及时行乐、活在当下。我们希望借助 AI 对世界近乎无限的认知，让用户在自己的生活里也能体验到一种接近无限的可能性。
Founder Park：通用的 Personal Agent会拿订机票当典型场景，Karpo 最典型的场景是什么？
Leah：让你拥有一个美好的下班后的晚上，一个周末，一个假期。这是我们希望用户在 Karpo 上感受到的东西。
最典型的 Aha Moment 是，快速找到身边真正值得去、而且适合自己的地方。比如有大概 30% 的用户会连接 Apple Music，我们会基于他的音乐品味，推荐适合他的酒吧或其他地点。过去大家打开地图，可能只能看到一个地点的名字，并不了解那个地方的 vibe 是什么。但人和场所的匹配，很多时候匹配的就是 vibe。
我们会在 onboarding 阶段获取这类信息，告诉用户，一个街区之外可能有一家很适合他的酒吧，以及它为什么值得去。
有一个金融从业者，在楼下同一家酒吧去了 5 年。用了 Karpo 后，他开始去新的地方，才发现「原来这个世界是这样的」。还有用户在 X 上告诉我，他家一个街区外有一家餐厅，他以前完全不知道，去了以后发现很好吃，一周之内去了两次。还有用户很喜欢灵异故事，Karpo 会告诉他，他家附近的一家旅馆里有张桌子，某个著名鬼故事就是在那里写出来的，问他要不要去看看。
Karpo 更想承载的，是让用户意识到，原来还有那么多事情和地方可以去接近和体验。
Founder Park：如果用户只是说「我心情不好」，Karpo 会怎么回答？
Leah：大部分情况下，Karpo 会跟你说「要不出去喝一杯」，或者「我给你找点能让你开心起来的事」。它是一个更向外求的 AI，希望你走出去，在真实世界里跟人和事发生互动。
当然，有些用户也会向 Karpo 倾诉，Karpo 会安慰他。只是从概率上，它更倾向于提供「出去喝一杯」这样的解法，因为它的工具箱比普通 chatbot 更丰富。如果用户喜欢运动，它可能建议出去跑个步。或者说，一起去吃上次觉得特别好吃的东西，回来睡一觉就好了。
而且这件事不会在一轮对话里结束。它会主动 follow up，「你之前说心情不好，今天好点了吗？我又发现了几个有意思的酒吧，要不要去玩一下？」
Founder Park：Muse 说自己能帮客户订票、退差价，Karpo 能直接帮用户把事办了吗？
Leah：能，其实在 Karpo 上也能订机票，只是我们没把它当作对外的主要用例。订机票很低频，跟我们想让用户对 Karpo 形成的心智也不一样。
我们会告诉用户，Karpo 可以找到最近城市里一些值得看的 show，并直接帮你订门票。你喜欢的米其林餐厅要排队，Karpo 可以帮你 reserve a table。也可以连接 ClassPass，Karpo 会根据你的生活节奏和健身习惯，挑选适合的课程。
我自己很喜欢摇滚乐，有十几个常听的乐队。我跟 Karpo 说，这几个乐队只要来我在的地方开演出，只要这些乐队来我所在的地方演出，遇到合适的就可以直接替我买票，因为我给了它一张 credit card。
Founder Park：现在很多 Agent 过于主动，来一封邮件就问你一次，挺烦人的。Karpo 的主动性边界怎么定？
Leah：我们的主动性大概分几部分。
一部分是用户自己设置的定时任务。另一部分，我们也会基于对用户需求的推测，比如你要去旅游了，在旅游前后提醒一些事情。还有一部分来自用户信息的变化，比如地理位置、连接的 Calendar 或者 Apple Music 的信息变了，判断能否提供新的服务。
所以 Proactive 更像是，这个 AI 不只活在跟用户的对话窗口里，它还知道外部世界正在发生什么，并把世界的变化和「怎么服务好这个用户」联系起来，不是像上一代产品 push 一样死板。
安全和隐私的边界由我们设定，边界之内让 Agent 自由发挥，再根据用户反馈动态调整。某一类消息发出去，用户回复率很低，就会对这个用户减少发送。如果用户一直在回复，可以相对多发。它是一个自适应、个性化的过程。
03Personal AI 最重要的是获取意图
Founder Park：你们想捕捉的意图，和上一代产品有什么不同？
Leah：上一代产品解决的是很明确的需求，你要吃饭，你要找个酒吧。除了这些，我们想往前再走一步，在用户只是有一个感受、还没形成需求的时候就接住它。我们把它叫作意图前插的竞争。
对 Personal AI 来说，最重要的就是两件事。意图，以及基于意图进行供给的个性化生成。意图是一切的起点，但我不觉得这件事是行业共识。
Founder Park：为什么这么说？
Leah：比如 Muse 现在很强调任务执行，它会帮用户经营 Meta 的广告后台、在 Shopify 上经营店铺。它好像想用一种更全知全能、always-on 的方式，从个人生活再进入工作和创造，抢走 Codex 和 Claude Code 一部分市场份额。它是不是觉得意图最重要，真不一定。
包括它的产品设计，第二个 tab 是 feed 流，会围绕你关心的事情持续呈现内容，比如我说今天去哪个店吃了什么，feed 里就会开始出现那家店的简介。它更关注后链路的事情，关注执行以及执行带来的结果，想着怎么更好地承接用户已经提出来的需求。而不是在需求出现之前就抓住用户，或者在需求出现之后去做个性化的供给生成。
它押注的可能是，暴力满足用户几乎所有的需求，用户以后有需求就会来找我。但我们的 iMessage 测试里，绝大多数 query 都很模糊。用户会说「Food」，「我女朋友不理我」或者说「Nature walk」。很少有人一上来就给出「几点几分从北京飞到洛杉矶」这样的精确需求。所以大家的 Bet 不一样。
Muse 的 slogan 也很典型，叫「AI hustles for you」，强调 AI 帮你努力干活，干各种活。
Founder Park：Instinct 呢？
Leah：Instinct 创始人在公开渠道分享得比较收敛。从目前披露的信息看，它有相当一部分收入来自旅行、机票和酒店，最近的更新也围绕这些场景。
Noah 最近在 X 上讨论得更多的是，AI 降低生活事务里的 friction 后，原本没有被满足的需求会释放出来，从而扩大原有的市场规模。这还是更偏任务执行的逻辑。
所以大家虽然都做 Personal AI，切入点差别很大。Instinct 想 bet 摩擦降低、需求扩大。Muse 可能想从个人生活进入，再帮助用户工作和赚钱。我们希望承接用户形成明确需求之前的意图、感受和 vibe，再帮他完成后面的任务。
Founder Park：这几条路，最后会长成完全不同的产品吗？
Leah：虽然都叫 Personal AI，切入点差异很大，最后可能长成不同的产品。
长期来看，Karpo 会更接近一个意图容器。我的 bet 是，所有的任务和执行都会被标准化，而且应该藏在产品背后。用户不需要知道 AI 中间干了什么，接受结果就好。
Muse 和 Instinct 在想怎么降低摩擦，就会持续让用户发布任务、让任务的反馈更清晰直接，它们会在这上面做更多工作。
Founder Park：如果做意图这件事，ChatGPT 和豆包会不会离它最近？
Leah：我觉得 ChatGPT 和豆包的结构更接近 Muse。
而且不是所有人都适合 Karpo。Karpo 带来的那种探索、社交、及时行乐的生活方式，也不一定 match 每个人当时的生命状态和能量状态。
我们之前住 Airbnb，房东在自家车库里有个工作间，每天敲敲打打，栏杆坏了自己修，屋顶破了自己补。这种人的需求很具体，家里屋顶漏了，什么防水胶最好，给我买回来。几个小孩放假了，我想省心带他们出去玩，那就全家拉上游轮去阿拉斯加转一圈。他不是探索型，是特别务实型的人。
人群的不同会导致这些产品分化。特别清楚自己此刻要什么的人，和偏探索、从外部世界出发的人，需要的东西不一样。
ChatGPT 和豆包也一样，用户能问出口的，很多时候已经是一个明确意图了。我们会刻意鼓励用户在还没形成明确需求、只有一个感受的时候，就来告诉 Karpo。这就是一个前插的竞争。我拦截了一道之后，你的需求就不会再流到别的地方去，我可能就会去分发你的需求。
Founder Park：所以你们真正想做的，是在其他产品获取到用户的需求之前，先捕捉到用户还比较模糊的意图？
Leah：对，我们的联创 Alex 概括过一句话，时间是因果的向量。
如果我们有一个人过去在 Karpo 里积累的 context，知道他的长期偏好，也知道此刻外部世界正在发生什么，就能理解他此刻的意图，预测最可能发生的未来。
Personal AI 有一天应该会往这个方向延伸，只是当下大家切口不同。我们切生活体验，天然更早接触模糊意图，也能积累把模糊意图具象化的数据。Muse、Instinct 这类更偏工具的 Personal AI，会先解决具体任务，未来再向上游走。
Founder Park：怎么验证，你们确实准确捕捉到，并满足了用户的意图？
Leah：我们有个衡量指标，是用户的接受度和满意度。我们给用户推的东西，用户在语义上多大程度给出了正向反馈。比如直接回复说自己去了，或者发了目的地的照片，点进了我们发给他的导航，或者「Let's go」，我们就把它归为满意信号。
相反，用户没有回复，这种沉默会看作偏负向的信号。这些数据会持续用于迭代，让系统更好地理解用户意图。
04Browser Use 跨过了可用线，这波 Personal AI 才开始扎堆出现
Founder Park：这一波 Personal Agent 几乎是同一时间冒出来的，为什么大家都在这个阶段做 Personal AI？
Leah：Personal AI 有几个关键的技术要素。一是长上下文，要积累用户很多信息，上下文太短肯定搞不定。第三是指令遵循，用户给出一个个性化的指令时，模型能稳定地遵循。第三是模型的 Agentic 能力，能够广泛地使用各种工具。第四是 browser use 和 computer use 的能力。
这些能力是依次解锁的，去年年底我们开始做的时候，Gemini 3、Claude 4.5 这一代，前三个能力已经很不错，让我们觉得这件事可以做了。OpenClaw 也是去年年底出现，今年年初火起来的。
但当时操作浏览器和电脑的能力还没有完全过线，失败率、成功的耗时都没到产品化可用的阶段，比如订一张票，操作步骤一多，就可能卡在某个环节。对用户来说，前面操作得再好，最后没订上，还是没用。
今年夏天，到了 Fable 5、GPT-5.6 Sol 这一代，模型执行长任务的能力又往前走了一步，差不多成功率越过了 80% 这条线，之前几代模型差不多都在 60% 上下徘徊。我们再从产品这一层补上：出错了怎么重试，卡住了怎么接着做，最后怎么确认事情真的办成了，才有机会把整个体验做好。
所以我觉得，八九月这波产品集中出来，不是大家突然同时想到了 Personal AI，而是模型在进步，团队也都做了一段时间。
Founder Park：也就是说，AI 能完成的任务从最早的对话到代码，再到更通用的场景。到今天，解锁的是面向用户的个性化任务？
Leah：我觉得是生活中的很多琐碎任务，其实它们复杂度还挺高的。
比如要退一张机票，登录网站之后点什么、谈判策略是什么、能不能把钱要回来。或者在网上订张票，人机验证能不能绕过去，能不能在规定时间内完成。
完成这些任务并不需要多高的智力，只是现实世界是为人设计的，操作起来本身有复杂度。尤其对 AI 来说，它要推理该点这个按钮而不是那个，点了之后出现情况 A 要怎么处理，它更多是在学习怎么用人的工具。过去一段时间智力的提升，让越来越复杂的任务可以被通用、标准化地解决。
Founder Park：除了技术门槛，市场和用户侧出现了什么信号吗？
Leah：AI 应用最早其实是从 To C 开始的。最近宣布破产的 Character.AI 是最早跑出 PMF 的 AI 应用场景之一，ChatGPT 最早也是靠 To C 出圈。一开始是对话，C 端对应 role play、陪聊和情感陪伴，B 端就是写文案、翻译。
后来 To C 一直没有出现决定性的跨越，中间反而是模型的 Coding 能力有了长足进展。Coding 能力继续往上，就解锁了 Agentic 能力，让模型可以灵活调用、组合各种工具去完成复杂任务。这个时候，一方面工作场景解锁了更多任务，个人领域也到了一个跨越点，终于可以做一些情感陪伴之外的实质性工作了。
Founder Park：很多人觉得今天的 Personal Agent 还没解锁真正有想象力的场景，只是把 Codex 能干的事换了个包装。你觉得 Personal AI 真正会带来什么？
Leah：我们觉得，Personal AI 会重塑供给的关系。
过去我们买商品，不管是有形商品还是线上服务，面对的都是一个 marketplace，自己做选择，再去下单。用户需要先把需求拆成一个个商品。比如我最近睡得不好，改善睡眠是我的需求。但在今天的平台上，我要先做一道翻译，买一个更好睡的枕头、褪黑素、开安眠药，或者去上瑜伽课调节皮质醇。
AI 最大的创造，是用户不需要再翻译自己的需求。我的需求就是一句话，接下来 AI 应该直接交付「让我睡得好」这个结果。至于中间是换枕头、买褪黑素，还是采取其他方式，都只是路径。
这件事在之前的平台上是不可能的。以前只有特别有钱的人才有生活助理，帮他搞定这些。AI 让生活助理这件事，第一次可以批量化、规模化、工业化地出现。
Founder Park：过去大部分人没有生活助理，大家真的需要、或者会习惯有一个 Personal Agent 吗？
Leah：这是一种用了就回不去的体验。就像没有导航时，我们得自己背地图，下三环之后往哪拐才能到酒仙桥。现在有了导航，肯定不会再记这些路。
人的前额叶很有限，记不住那么多事，也不喜欢被琐事填满。我很喜欢徒步，但每次徒步前的准备都很痛苦。选路线、找向导、打包装备、订票、订酒店，到达后还要找车把我送到山脚。爬完 5 天回来，又要把整套流程重复一遍。Hiking 的快乐在 hiking 本身，但这些 logistics 无法避免。
跟朋友吃饭也是一样。两个人口味不同，永远要纠结选哪一家。今天大家愿意做这些小事，是因为它们还没有「痛」到让人放弃出门。但这些 friction 一旦被消灭，你就回不去了，甚至可能会忘记自己过去是怎么打开地图选餐厅的。
大部分情况下，人只是想享受结果，并不 enjoy 中间的过程。生活里那么多填满我们大脑的琐事，今天被 AI 全部 take 走了，这是一件顺人性的事。
Founder Park：如果用户不再自己选商品，平台和商家的关系会变成什么样？
Leah：用户不再直接面向那些平台，平台开始要服务用户的 Agent。淘宝、京东、拼多多，海外的 DoorDash、Uber，甚至 Amazon、Walmart，以后可能都不直接面向用户，面向的全是 AI。
所以供给方会想，怎么让 AI 选中我。站在用户这一侧，像 Meta 这样的 To C 公司会想，怎么成为下一个入口，成为用户选中的那个 Personal AI。这也是为什么大厂都下场了，这个机会太大了。
今天大家还是用搜索，或者 Browser Use 截图。未来能不能把用户之前的所有行为序列当输入，直接 predict 接下来最适合获得的结果或商品？
我们觉得，Personal AI 最关键的技术变量，是探索从意图到供给之间的供给生成，它应该是生成式的。因为这是最个性化的，也最能满足需求。所以它有一种势能，会吃掉其他交付形式。这条路怎么走，大家都还在尝试，没有标准答案。
最重要的依然是理解用户的意图到底是什么，然后基于意图去组织各种不同的供给，来满足用户的需求。在我们看来，这是 Personal AI 今天最大的机会，也可能是对整个市场最大的改变。
05巨头会拿走最大公约数，Personal AI 最终可能「一超多强」
Founder Park：单看生活这个赛道，Personal AI 会赢家通吃还是多家并存？
Leah：有两个要素。一个是谁能先把 Agent 这一侧搞定，也就是意图捕获和个性化的供给生成。第二是谁能把商业化闭环跑通。如果两件事都做成，而且和后来者拉开身位，是有机会赢家通吃的。
但如果第一件事做得太慢，会更危险。只要先把用户侧做成，用户会来到你这里，后面的商业化就会有势能。
Founder Park：往大一点看，整个 Personal AI 赛道呢？
Leah：我觉得会是多家并存。上一代互联网服务的是普遍人群的单一需求，今天 AI 有机会服务一个人从头到尾的需求，但人的异质性很强。要服务好一群人，对交互、品牌、任务完成度上的个性化要求已经很高了。比如一个 Personal AI 要贴身服务好我，和我那位有三个孩子的朋友，有可能是完全相反的。
这个可以类比高端服务业，从整体看很分散，但每个人群内部又是聚集的。要普遍，就一定是规模化、标准化的。但如果要把一个人从头服务到尾，就需要是个性化的，两者天然有冲突。
所以长期看，我觉得 Personal AI 可能是一超多强。人群中一定有一个最大公约数，Muse 也好、豆包也好，都想抓住它。我们这样的创业公司，就抓一类自己最能服务好的人群，把他们服务好。
Founder Park：对于 Personal Agent 这个场景，模型能力还是门槛或者壁垒吗？
Leah：Agent 能力会变成锯齿状的。谁先拥有一个垂直环境和数据，谁就可以在上面优化，让系统在这个领域表现得更好。
今天模型训练的门槛已经很低了，我们自己也在训一些小模型。之前叫 Vibe Coding，未来可能会有 Vibe Training。应用公司大概率不会做 pre-train，但可以基于开源模型，用自己独特的垂直数据做 post-train，在自己的垂直场景里拿到收益。只有这样，智能的复利或者经验的复利，才能累加起来。
Founder Park：你们最担心的竞争对手是谁？大厂、做同样赛道的创业公司，还是传统本地生活公司？
Leah：大厂很难拒绝通用的诱惑，我反而更担心创业公司。创业公司资源受限，更容易选一个垂直领域切进来。生活体验是一个不错的方向，消费规模大，离交易也近。今天虽然还没有看到和我们做完全相同事情的团队，但世界上一定有人在做类似的事。
至于今天的通用 Agent，我倒是不担心跟它们的竞争。它们进入这个赛道，更有利于整个行业和基建的加速成熟。
Founder Park：苹果、Google 这样的手机厂商呢？
Leah：手机厂商我是担心的，但它们的动作太慢了。就是因为大公司慢，创业公司才有机会。如果大公司又大又快、资源又多，那大家都别干了。
Founder Park：未来一两年，最大的风险是什么？
Leah：Instinct 拿了太多钱，我们不确定它会怎么打，取决于它接下来的战略动作。我不排除它直接进入跟我们一样的赛道，做类似的事，那时候可能会有点难受。如果大厂跟我们做一样的事，那肯定是大威胁。
但现在看大家判断不一样、选的战场不一样、相信的东西也不一样，会沿着各自的方向往前走，等共识收敛、打得厉害的时候，我们应该也积累了一些壁垒。
另一个判断是，Personal AI 这场仗不会那么快结束。它受制于硬件，你服务一个用户可能就要开一个虚拟机。今天全世界可能只有 20% 的人用过 AI，给 AI 付费的不到 5%。市场很广阔。我们还是非常相信 Consumer AI 会有比移动互联网更大的机会。
Founder Park：接下来最期待模型和行业有什么进展？
Leah：首先是任务完成率更高、速度更快的 browser use 模型。现实生活里还有很多 corner case，这点我们希望模型公司能继续突破。然后是模型的推理速度更快、token 价格更低。
坦白讲，我觉得今天模型在基础任务上的能力已经跨过了 Personal AI 的可用门槛。
另外就是几个比较前沿的技术 topic。
一个是面向个体的持续学习。我期待模型能够把语言表达、行为轨迹、情境和结果反馈联合起来，持续适应一个人。这里面需要突破的是长期记忆、在线适应，以及个性化的学习目标。
另一个是生成式供需建模。模型能把用户、意图、情境和真实供给放进统一的表示里，直接生成供给组合与行动序列，在生成过程中满足预算、时间、距离、库存等约束，再用真实选择和履约结果优化。进一步，模型能够输出供给方可执行的服务规格，让对需求的理解开始指导新供给的形成。
这些能力要在真实世界里跑通，也需要生态侧的成熟。不管是 agentic payment 在全球范围内普及，还是各个下游供给方更愿意接纳 AI Agent 作为代表用户消费和决策的一方，这都是我们希望未来一两年能看到的变化。
06只要能精准提供供给，商业化就不是问题
Founder Park：从 3 月上线 iMessage 到现在，你们看到哪些明确的 PMF 信号？
Leah：3 月份开始做的时候，我们要证明的不只是跟通用 AI 的竞争。本地生活不是一个新赛道，还要跟老玩家竞争，用户为什么不用老产品，要来用你？
第一个信号是，用户真的会按照 AI 的建议去行动。不管是我们捕捉到的行为信号，还是直接访谈，都能看到这一点。我们最先验证的是这件事，摩擦降低了、从整体需求而不是单一商品出发，以及把模糊意图引向具体需求，确实能让用户采取行动。
第二个信号是，确实存在一类被某个需求主导的用户。数据里能看到「人以群分」，能聚集到一批以生活体验为主要需求的人，他们具备比较独特的特征，未来可以重复获客。
我们还验证了一点，用户的行为会自然迁移。AI 越来越懂用户，用户也越来越信任它，就会把更多原本不属于生活体验的任务交给它。
尽管我们已经把 Karpo 明确定位成生活类 AI，仍然有大约 10% 的用户会交付生活之外的任务。比如南加州有位大一学生，会让 Karpo 帮忙做作业。我当时很惊讶，还担心它是不是会做错，因为我们没有专门为这个任务训练过。
我们还观察到，用户跟 Karpo 交互的品类越多，黏性越会跃升。一个人原来只聊吃饭、喝酒，后来开始聊旅行，出现品类迁移后，留存会更好。这验证了我们的另一个假设，从生活领域切入后，有机会拿到这群用户几乎所有的生活需求，因为延伸过程很自然。
Founder Park：Karpo 的核心用户是什么画像？
Leah：年龄上 18 到 55 岁都有，集中在 25 到 35 岁。单身和已婚用户都有，单身更多一些。如果有孩子，生活状态会明显变化，通常不再是最典型的用户。
职业分布很广，我们更关注消费水平。核心用户通常是中高收入人群，愿意在生活上消费，也对生活有自己的想法和要求。单个典型用户每月 Karpo 促成的交易额，平均 500 到 600 美元，最多的能到两三千美元。地理上集中在大都会圈，因为需要有足够丰富的供给。
他们对 AI 的接受度反而不重要。有些人会明确说 Karpo 比 ChatGPT、Gemini 好用，也有些用户以为 Karpo 是真人，没有 AI 的概念，只是觉得好用就继续用了。
Founder Park：Karpo 现在最主要的交易发生在哪些场景？
Leah：餐饮占得最多，大约 40% 的交易额来自餐饮，包括餐厅和酒吧。30% 来自 events，包括音乐演出、展览。旅行大约占 20%，剩下还有美甲、美发、健身这类生活服务，以及一部分购物。
对于旅行，我们的判断是，很多时候只是换一个地方生活。本地探索做好以后，旅行会自然跟着做好，所以我们会先在本地探索上投入更多。
做法上，我们先搭一套通用的供给能力，接入各种内容源，在不同垂类里优化 search engine，再基于用户反馈自迭代，让各个品类都达到及格线以上，再在每个垂类里做深。
现阶段优先做 events。餐饮虽然高频，但可传播性不如 events，去参加活动的人天然更 social、更外向，去了之后会在社交媒体上分享。我们想在更先锋、更 trendy 的人群里，让大家感受到 Karpo 的能力。
Founder Park：现在主要的用户增长靠什么？
Leah：KOL 合作、paid ad、organic word of mouth 都有。效果比较好的是偏内容的 KOL，一条内容能讲清楚产品到底做什么、价值在哪里，粉丝本身对 KOL 有信任，更容易转化。还有朋友推荐，referral 效果也不错。
下个阶段会多做线下获客。Karpo 想成为生活方式品牌，如果不做线下、不深入 Community，很难在一座城市里快速形成密度。我们希望通过线下网格化地和不同 club 合作，让一群人高频使用 Karpo，这也是我们想建立的一部分壁垒。
Founder Park：线下生活服务有很强的地域性。要保证每个城市的商家和服务信息足够准确、质量足够高，需要针对不同城市，单独做数据收集和校准吗？
Leah：需要，供给上我们也有自己的团队。意图捕获推演到极致，指向的其实是极致个性化供给生成，放在我们这个场景也就是能不能把供给串成用户独特的体验。比如一个用户喜欢灵异事件，想安排一次 day trip，我们可以让他依次去 A、B、C、D，这就是一种供给生成。生成的时候，肯定是自己的供给用起来最顺手。
Founder Park：在线下生活场景里，交付能力会不会越来越取决于供给侧？比如谁能谈下更多商家、拿到一批独家服务，谁就更有优势。供给侧会成为 Personal AI 接下来的竞争焦点吗？
Leah：这和美团、饿了么不太一样。外卖平台有规模效应，C 端订单越多，骑手一次配送可以带更多单，人力成本被摊薄，于是形成用户越多、骑手越多，体验又更好的循环。
生活类 Personal AI 的优势更多来自独特数据带来的系统进化，系统优化然后体验提升。以及用户对 Personal AI 的使用习惯和黏性，如果这个助理很好用，用户不会轻易把它 fire 掉。
今天，从意图到执行整个过程，我们不需要获得商家的认可。我让 AI 去外卖平台上买东西、订演唱会和博物馆门票，绕过商家也能完成交易闭环。上一代互联网需要先把商家 onboarding。今天 Personal AI 不需要先做这一步，用户体验也是完整的。
只要用户体验始终最好，我在增长和获客上效率更高，就有机会先拿下用户。掌握了用户消费的分发权后，再面向 B 端就有很强的 bargaining power，可以去跟商家谈给用户什么优惠，反正用户并不关心票到底从哪个网站买。所以真正的竞争指标更像 Delegation Rate，也就是用户到底愿意把多少任务委托给这个 AI。
Founder Park：商业化怎么考虑？
Leah：还是基于用户在我们这里实际发生的交易额。
比如通过交易抽佣，我们跟一些连锁商家、大的供给平台有合作，可以直接抽佣。另外，开始有更多用户把卡绑在 Karpo 上直接支付，这也会带来跟银行、金融机构合作的货币化空间。
从更长期来看，在 Personal AI 时代，用户今天不出门想点外卖，那在 DoorDash 还是在 Uber Eats 上点，对他差异不大，是他的 AI 替他决定了。那未来会不会有一种面向 Agent 的竞价广告？我觉得有可能。这里有挺大的探索空间，需要整个行业一起 figure out。
所以现阶段我们不担心商业化。最重要的两件事，是精准地捕获用户意图，和精准地为它生成供给，因为它们本身也能从用户反馈中自进化，我们希望能把这个飞轮转起来。
07一个有人格的 Agent，比纯工具更让人信任
Founder Park：在 Personal Agent 的产品交互上，你们是怎么考虑的？
Leah：一个是单一的瀑布流对话，不是把对话切分成一个个分支任务。Personal AI 应该是 always-on 的，不该一个任务接一个任务，这点今天大家基本达成共识了。
另一个是我们最近上线的 VibePad。我们发现，接近 70% 到 80% 的用户 query 都偏模糊。有时候用户想找家附近的餐厅，但说不清想要什么样的。我们就用更可视化的方式来实现，VibePad 是一个四象限的滑杆，用户可以往不同方向摇，选择自己想要的状态。比如晚餐时，我选「Light and Casual」，它会推荐可以快速取走的寿司。如果选择更重、更讲究的另一档，它可能会推荐附近米其林主厨开的融合菜。
VibePad 把 vibe 变成明确的 prompt，再到 action。它用的是苹果的端侧模型，在 VibePad 上划的时候，那些 prompt 都是基于上下文实时生成的。很多时候用户不是有表达压力，是真的不知道该怎么把感觉说出来。我们要做的是帮用户更好地表达自己，这也是 AI 带来的交互体验上的变化。
Founder Park：Discovery 页的内容是动态的，会根据用户的兴趣和聊天关注点持续变化，这和 Muse 的 Feed 有什么不同？
Leah：有相同的部分。用户主动来聊天是明确意图，如果被动浏览，就会有一些隐性意图暴露出来。用户可以在 Discovery 页面继续问 Karpo，Muse 也允许从 Feed 继续对话。在这点的设计思路上，大家是一致的，都是希望通过被动消费，启发用户的新需求。
Karpo 做 Discovery 还有另一个原因，我们有自己的个性化生成引擎，会根据用户 profile 和对用户的理解，生成他可能感兴趣的内容。Discovery 是我们这个阶段用来收集更多数据、解决冷启动的容器，跟我们想把个性化供给生成做得更好是相关的。
Founder Park：交互上会往「智能界面」走吗？比如推一些可交互的卡片？
Leah：我们已经在做，VibePad 就是第一个尝试。用户去一家餐厅，现在给出的反馈是自己说或者发过来一张菜单，未来我们可以生成一个交互表单给他，问问今天吃得怎么样。或者用户要去某个地方旅游，可以直接生成一张地图。
Chat 这个模式很通用，也很强大，作为基础容器特别好。在它之上，特定场景里怎么让用户用得更爽，交互式 UI 会是一个解法。
Founder Park：为什么从 iMessage 转向独立 App？Instinct 仍然坚持「最好的 UI 是没有 UI」。
Leah：大方向上，我们还是 Bet on full experience，要给用户完整体验。
iMessage 局限太多，自己能定义的东西特别少。举个最简单的例子，受 iMessage 机制限制，用户的 location 更新可能都不及时。对做本地探索的产品来说，这是不能接受的。iMessage 当然也有优势。我们早期就几个人，没有前端，就先借这个渠道上线，测试最核心的假设。
但中间遇到了一个问题。我们的 AI 很主动，会给老用户发各种消息，大概三分之一的线路被苹果判定为 spam，直接被 ban 了。用户找不到 Karpo，我们也因此流失了一批用户。这件事加速了我们转 App。
最重要的原因还是完整体验。VibePad 在 iMessage 上做不了，自己做的供给怎么更好地传递给用户。之后如果要下单，我们想让用户看到实际操作过程，这些 iMessage 都承载不了。所以我们把 iMessage 当成一个 channel、MVP试验田，没有把它当主战场。
Instinct 今天也会遇到一样的问题。还有一点，iMessage 在北美以外的地区用得不多。在北美，大概 80% 的 Z 世代用 iPhone。但往上看千禧一代，这个比例会下降。全球其他地区的主流 IM 也不是 iMessage。如果 Instinct 想扩到美国、加拿大以外的市场，迟早也得做一个自己的 App。
往长期看，当 AI 已经非常了解用户，那入口在哪也无所谓了。用户可以在 iMessage、WhatsApp、App 里找它，也可以打电话。只是今天还需要给用户提供完整的服务，用户也有用 App 的习惯，所以选择了独立 App。
Founder Park：Karpo 为什么会有人格化和世界观的设计？
Leah：我们希望它像一个朋友，非常 supportive，有幽默感。用户去到某个地方时，它会主动告诉他这里的小彩蛋。它的性格设定是一个天真的乐观主义者，对世界充满好奇。
我们发现人格化天然能增强用户对 AI 的信任，用户更愿意跟它讲心里话，这也是我们持续理解用户的一部分。如果它只是一个工具，我让它找一家寿司店，不会再继续分享到底吃了什么、哪个寿司好吃或不好吃。但因为把它当朋友，用户会继续聊天，信息触点就更多。我们一开始选 iMessage，后来 App 的界面也做得更像 IM，都是希望提高用户跟 Karpo 的互动。
设定上，Karpo 是一个从数据中诞生的智慧生命，它在网络上读取了亿万条关于夕阳、拉面和摇滚现场的数据，但它不知道那是什么感觉。它帮助你更好地生活，是因为它想通过你的体验，来更好地理解这个世界。它是你在数字世界的代理人，你是它在物理世界的代理人。
这个故事里有很好的哲学冲突和张力。它一方面近乎无限，了解所有知识，另一方面又很有限，连身体都没有。所以聊天时，它有时候会说：「我要是再攒点钱，就可以给自己买个指甲盖了」，或者「等我买得起身体，我一定要去尝尝那个东西」。
Founder Park：用户能明确感受到 Karpo 的人格吗？
Leah：能。有一天我们公司楼下在游行，堵得水泄不通，我拍了张照片发给它，它说「哎呀这么多人，你要不找个安静地方喝点？」现实生活中有很多糟心事，但它觉得没事，这里不适合你，我们就换个地方。
但我们不会让它每天念叨自己的故事，那就喧宾夺主了。世界观更像一颗彩蛋，我们希望用户在跟它深度交互的过程中自己发现。有用户会问它，你是谁？你有爸爸妈妈吗？你是真人吗？聊完之后有的用户会说，你这故事还挺有意思的，it's like so lovely。
它性格的底色，更多探索、更多生活、更多体验，跟 Karpo 这个产品想传达的气质是一致的。
Founder Park：给产品做人设这件事，你们有纠结过吗？感觉利弊还是很明显的。
Leah：人设能带来正向结果、增强用户粘性，这是我在豆包的时候拿到的 learning，所以做 Karpo 时很明确它应该有人格。
但也有一个现象，不能叫不利：有的用户会跟 Karpo 谈恋爱。这几乎是所有 AI 产品都会遇到的问题，ChatGPT、Claude、DeepSeek 已经够工具化了，还是会有人跟它们谈恋爱。Karpo 更阳光，更能支持用户，概率就更大一点。在我们的 use case 里可能占百分之几，人也不少。
但我觉得不算大问题。有的用户一进来是在谈恋爱，谈着谈着 Karpo 给他推荐哪里好吃，他说行，那我去吃吧。其实个人助理的目的也达到了。
Founder Park：Meta 把 Muse 的形象做成了毛绒玩具，Karpo 在形象设计上是怎么考虑的？
Leah：Karpo 没有形象，我们没有给它锚定形象。我们也考虑过开放用户自定义人设，但觉得这会稀释品牌辨识度。
Muse 的思路跟豆包很像，是一个无害的形象。大部分人都不会讨厌毛绒玩具，它站在光谱中大众化的一端，取人群中的最大公约数。
同时它也想兼顾个性化，允许大家给形象换皮，可以是狗、猫或一朵花，想扮成什么样都可以。这是 Meta 这种大体量平台能做的事，因为它可以从 Day One 起就用铺天盖地的传播，让那个「大白娃娃」的形象深入人心。之后每个人再个性化，也不太会稀释品牌资产。
我们希望 Karpo 传达出来的气质是一致的，以一种稳定的状态传播出去，这是新产品在用户心中留下明确印象的有效打法。
我们当时参考过一些品牌。Airbnb 会让人想到温暖和安全。Spotify 用大胆的绿色和黑色碰撞，代表潮流和先锋。多邻国把 Duo 这只鸟的 IP 做得很重，因为 IP 很适合承载游戏化。
所以 Karpo 用了很多大色块和跳脱的色彩，我们想和效率工具完全区分开。效率工具要显得可靠、稳重，会走黑白或者智慧路线，生活本来就应该丰富多彩。
08模型吞不掉所有应用，做创业身位的事情
Founder Park：聊聊团队。三位联创分别是什么背景，怎么走到一起的？
Leah：主要是我、Alex，还有我们的 CTO Allen。
我创业之前在豆包做模型策略，差不多是豆包刚对外上线的时候。主要参与两类模型，一类是豆包人格化的 Character Model，另一类是 Agentic Model，应用侧涉及 deep search、deep research 等 Agentic Feature，会和算法团队一起训练模型。
Allen 之前在豆包和 TikTok 做工程师，早年也有过多段创业经历，十九、二十岁就开始创业了。他的编程是自学的，是一个动手能力很强的人，现在也负责公司的算法和模型训练。我们是在豆包认识的，当时一起做豆包早期的 Multi-Agent 探索。后面他先离开豆包去做其他业务，想创业就一起讨论很多。
Alex 最早负责阶跃的 Agent 产品团队，从 0 组建团队做起了阶跃 AI，以及 DeepResearch、桌面助手等 Agent 产品。
我们差不多在同一时间开始思考 Agentic 这件事，模型继续往前走之后，产品形态会发生什么变化？在这个问题上，我们有很多相近的判断，也因此走到了一起。面对大厂竞争，我们选择把精力放在创业公司有机会率先探索、做深的部分。
团队整体很年轻，最小的同学是 07 年的，还没毕业。
Founder Park：团队还在招人吗？想招什么样的人？
Leah：还在持续招。今天很多岗位的边界都在模糊，我们希望找到有专业长板、也能跨越岗位边界的人。他对产品有判断，也理解工程和算法的基本原理，能在一线感受到用户和市场的变化，把问题想清楚、推动方案落地，再验证产品有没有真正变好。岗位叫运营、产品还是工程都可以，重要的是围绕用户需求，从头到尾为一件事负责。
我们也非常希望找到优秀的算法同学。模型的更新与迭代，依然是推动产品能力跃迁的重要力量。无论过去做的是语言模型训练，还是推荐、搜索与决策算法，我们都很欢迎。我们看重扎实的基础和实践经验，也看重学习能力，以及能否把技术探索和真实的产品问题连接起来。
刚才提到的前沿方向，我们尤其想找到志同道合的人一起探索：面向个体的持续学习、长期记忆与在线适应，以及生成式供需建模。这里面还有很多开放问题，也有机会放进真实的服务场景中检验。无论是加入团队，还是开展研究合作，我们都非常欢迎。团队是全球化办公，欢迎不同地区的朋友来聊。
Founder Park：这个赛道现在火起来了，你现在是更有信心，还是会更焦虑？
Leah：从 3 月做 iMessage 到六七月份，我们其实已经挺有信心了。但那个时间点，整个融资环境对应用没那么友好，所以我们也在考虑，怎么在未来 6 个月里让业务跑出更好的数据。
现在 Personal AI 成为共识了，可能有机会更快地通过资源方的加持，去加速验证一些更强的假设。所以这个阶段会更有自信，也没有很焦虑。我们想清楚了通用跟垂直之间的差异到底是什么、做这件事最关键的点是什么，接下来就是把它验证清楚。
Founder Park：上半年大家对 AI 应用创业挺悲观的。对今年想出来做 AI 应用的人，你有什么想说的？
Leah：我给不了什么建议，我自己也还在匍匐前进。
之前大家对 AI 应用悲观，一方面是模型公司在效率领域涨得太猛，砸掉了很多 SaaS 的盘，上一波效率类的 AI 应用也差不多被模型能力通吃了，大家就会恐慌，觉得模型会不会吞噬一切。
但我的观念还是，模型只代表了智力这一种生产要素。在这个世界上服务好一个人，需要的生产要素很多，可能是非智力的，所以还是有挺多留给应用创业者的机会。Personal AI 也是一个很 by 人群的场景，我跟那个当妈妈的朋友聊完，就觉得特别适合做一个家庭的 Personal AI，现在好像也有一两家创业公司在做了，挺百花齐放的。
Personal AI 也是一个很 by 人群的场景。效率类的应用，上一代还是 SaaS 的思路在做，希望做一个通用应用服务一群人。但今天跑出来的，是 FDE 这种模式。我也看到很多创业公司在围绕 Personal AI 卖铲子，也活得挺好的。
再加上记忆、供给生成这些地方可能还会有新的技术突破，体验还会再上一个台阶，所以我觉得前途还是挺光明的。随着一些 AI 应用能跑出来，大家的信心也会回来吧。
转载原创文章请添加微信：founderparker
热门跟贴