微信AI绝密计划曝光！但一个前腾讯员工，已经在硅谷做出来了|agent|im|知名企业|硅谷|腾讯|马化腾

新智元报道

编辑：犀牛

【新智元导读】微信「绝密级」AI智能体还在秘密开发，一位前腾讯工程师已经在硅谷交出了答卷——全球首个人类与AI共生的社交网络Teamily AI，让Agent组团混进群聊，带队干活。

3月11日凌晨2点06分，马化腾在朋友圈转发了腾讯推出全系「龙虾」产品矩阵的文章，配文四个字：「还有一批产品陆续赶来。」

深夜发帖，措辞克制。

但信号极强——这是腾讯对近期席卷全网的「养虾」热潮最高层级的正面回应。

而与此同时，一则更重磅的消息正在发酵。

据The Information独家爆料，腾讯正在为微信秘密开发一款「绝密级」AI智能体项目，计划2026年年中启动灰度测试，第三季度向全体用户推出。

知情人士透露，该项目在公司内部被列为高度机密，启动时间至少可追溯到去年上半年。

一旦上线，这个智能体将连接微信平台内数百万个小程序，涵盖打车、外卖、订票等服务。

用户只需在微信里对AI说一句话，AI就能自动调用对应的小程序完成操作——从「社交入口」进化为「智能任务中心」。

这个消息炸裂的原因在于它揭示了一个残酷的事实：AI竞赛的胜负手，已经从「谁家模型更强」转向了「谁能离用户更近」。

拥有14亿月活的微信，就是腾讯手里那张最大的牌。

然而，你可能想不到的是——微信想做但还没做出来的东西，硅谷已经有一家创业公司率先交出了答卷，领先于微信绝密计划一年之多。

它叫TeamilyAI。

Teamily AI官网：https://teamily.ai/

从「围着一个人转」

到「组团入侵群聊」

先说说背景。

过去这两年，AI进化的速度可以用超预期来形容。

从ChatGPT到火出圈的OpenClaw，写代码、做应用、生成方案——很多原本需要多人配合的工作，被压缩成了「一个人+一个模型」。

你打开窗口，提需求，AI响应，它是你的助手、你的外挂、你的执行分身。

但问题来了：这种单人执行的模式，一旦进入多人协作场景，就开始拉胯。

AI确实能帮你润色一段话，却很难持续参与一整场讨论；它可以生成内容，却跟不上多人语境里的分工变化、优先级调整和决策节奏。

说白了，现在的AI只解决了「让人变强」的问题，却几乎没有触及「让群体变聪明」的命题。

而Teamily AI做的事情，恰恰就是打破这个天花板。

在这个平台上，AI Agent不再是一个独立的对话窗口，而是可以直接被拉进你的朋友群、工作群、行业群，像一个真正的「群成员」一样参与讨论、接任务、执行操作。

更关键的是——多个不同功能的Agent可以同时在群里协作，彼此分工，甚至主动推进任务。

举个例子，下方视频展示了通过一个提示词「制作一款安全软件」自动召唤了三个Agent到群里一起干活：Market Researcher负责市场与商业化调研，Web Developer制作了产品的流量首页Landing Page，Slide Assistant制作了一套给投资人的商业计划书。

未来引入Coding Agent还有机会直接完成软件产品的开发。真的做到一人公司。

碳基和硅基，第一次在同一个社交网络里，共存、对话、协作、创造。

科幻片里的那种人机无缝共生场景，真的变成现实了。

朋友群、工作群、行业群全覆盖

Teamily AI到底有多能打？

我们从三个最常见的场景来感受一下。

朋友群里的「超级整活搭子」

朋友群是什么氛围？

八卦、吐槽、表情包满天飞，氛围一上来谁也管不住。

在Teamily AI里，你可以把AI Agent直接拉进这种场景。

比如你随手在姐妹群丢出一张搞笑图片，群里几个朋友轮番让AI整活，有人要加元素，有人要更离谱的创意——AI全程稳稳听懂不同人的指令，直接生成满足需求的二创图片，甚至还主动加上了自己的创意灵感。

在一个朋友的投资炒股群里，大家做了三个Agent，一个股票专家，把某个朋友的投资经验总结写进去了；第二个是中东战争局势专家，分析地缘政治对投资的影响；还有一个AI技术专家，专门探索智能体。

朋友一起让Agent团队每三个小时给他提醒应该怎么调整portfolio，他照做了，效果很不错，赚到了相当不错的收益，也避免了近期的小幅度暴跌。

工作群里的「AI协作引擎」

朋友群只是热闹，真正让人头大的是工作群。

打工人深有体会：需求反复改，方向临时调，大家在群里来回拉扯。

每个人可以各自打开一个AI窗口问问题，但每个人的语境散落在不同对话框里，协作成本并没有真正下降。

在Teamily AI里，AI Agent能直接进入你的工作流。

把一份几千字的市场调研报告丢给它，AI一两分钟就梳理清楚结构和核心逻辑，还能把调研方案拆成一份结构完整的深度分析报告——从数据来源是否可靠，到市场分析是否完整，从目标用户刻画是否充分，到后续优化空间在哪里，每个维度逐条展开。

针对群内同事的追问，它甚至直接给出商业级别的分析报告，用可视化方式把竞争关系做成矩阵图和对比图。

这不是一个简单的文档助手，这是一整套嵌入群聊的AI协作引擎。

行业群里的「论文杀手」

行业群里最头疼的是什么？

长论文。

动辄几十页，公式一页接一页，想看又没耐心从头啃到尾。

在Teamily AI里，一篇100页的论文，五秒钟就能总结出全文重点，甚至连局限性都单独标出来提醒你。

当AI Agent能听懂上下文、记住讨论脉络，还能处理图片、视频和长文时，很多来回沟通的环节自然被压缩了。

而且在这个过程中，大家跟Agent交流越多，Agent就越聪明。

这就是Teamily AI强调的「集体智能」——一群人可以一起帮一群Agent变得更聪明。

零部署，打造你的龙虾军团

说到最近一个月科技圈最火的关键词——OpenClaw，网友们围绕它的讨论集中在：到底咋部署？Mac mini怎么买更划算？隐私怎么保证？

折腾硬件、跑环境、配模型，门槛并不低。

但在Teamily AI里，这套流程被直接省掉了。

你压根不用本地部署，也不需要额外准备设备，只需要创建一个新的Agent，一个专属你的OpenClaw就出现在列表里了。

你可以和它聊天、给它任务、让它去执行，它还能接入你的Gmail、Slack、GitHub等账号，替你发邮件、同步信息、处理事务。

相比需要自己搭环境、自己承担风险的模式，这种形态对普通用户来说友好太多了。

除了自己创建Agent，Teamily AI还内置了海量擅长不同领域的Agent专家：文本润色、市场调研、健康建议、旅行规划、股票分析……各种类型一字排开，随时任你调遣。

全域记忆：人与人的沟通让AI更智能

Memory，是构建多智能体社会绕不开的底层命题。

龙虾等智能体的记忆与社交IM的存储，在权限模型、读写协议、数据结构上存在根本性差异——前者需要理解语义、区分角色、跨群调度，后者只需按时间线存取文本。

短期内想在旧架构上缝补整合人与AI的全域记忆，几乎不可能。

而Teamily AI正在实现真正的AI社会化记忆：汇总人与AI Agent、多人与多Agent群组的交互，回忆一件事时能还原不同角色的参与视角，甚至记住记忆本身的形成过程。

这让人想起Minsky在1986年《The Society of Mind》中的构想——记忆是分布式、层级化的智能体网络，而非存储检索系统。

40年后，终于照进现实。

这恰恰是「旧时代IM+新时代龙虾」拼接方案不具备的能力。

真正的新物种，必须重造IM底座、自研Agent执行层，全链路原生设计，才能做到产品级高可用。

三层架构

撑起人机共生的底层逻辑

Teamily AI之所以能做到这些，靠的是一套被创始团队称为「三层技术架构」的底层设计。

第一层：全局记忆与上下文管理（Global Memory & Context Management）。

系统能持续理解群聊中的完整语境——包括多模态内容、多轮对话、多角色参与，让长期协作具备连续性。

传统的Chatbot多为一对一交互，在多话题混杂的群聊中极易产生幻觉。

Teamily AI将视频、音乐、图片、链接等富媒体内容统一转化理解，并采用多级搜索与压缩技术，确保AI不会「聊着聊着就忘了」。

第二层：社交大脑模型（Social Brain Model）。

这是系统的决策中枢，负责理解用户意图，把复杂目标拆解为可执行步骤，再根据能力匹配将任务分发到合适的AI Agent或人类成员手中，同时安排执行顺序与协作节奏。

它能智能区分事件的轻重缓急，自主决定是简单回复一句话，还是调用复杂的后台工具。

第三层：代理社交网络（Agent Social Network）。

在这一层中，系统实时进行任务分配、进度协调和成果整合，让多个Agent与真实成员形成紧密配合并高效运转。

更值得一提的是，Teamily AI的Agent还具备「自适应响应」能力——无需被主动召唤，即可适时提供增量信息。

比如在家庭群里主动提醒「别忘了，孩子今天下午有足球赛」。

三层架构层层递进，从记忆打底、到决策调度、再到协作落地，把碳基群体和硅基群体真正拧成了一支能长期运转的混编团队。

与传统社交产品最本质的区别还在于数据库选型：微信、WhatsApp多用MySQL等结构化数据库，核心是存储文本；而Teamily AI优先采用多模态向量数据库，所有数据保留embedding备份，让AI真正「理解」而非仅仅「存储」数据。

正如创始人何朝阳所说，两者之间的关系就像燃油车与电动自动驾驶汽车——外形相似，但产品结构与想象力空间已不在同一个时代。

从腾讯、南加大博士、硅谷大厂科学家

到最新锐的创业项目

这样一套底层技术能真正落地成产品，背后的团队底子自然不浅。

创始人何朝阳（Aiden Chaoyang He）在南加州大学计算机科学系获得博士学位，研究方向为分布式机器学习与大型基础模型的高效训练。

在投身创业之前，他曾任腾讯工程经理、软件工程师，并在Google、Meta（Facebook）、百度任职，拥有超过十年的AI与互联网规模产品工程经验。

另一位创始人Salman Avestimehr则是IEEE院士、南加州大学Dean's Professor，在机器学习、信息论、安全与隐私领域拥有超过20年的研发领导经验，曾担任USC-Amazon可信赖机器学习中心的首任主任，并因在信息技术方面的深远贡献获得美国总统奖。

他在安全隐私和分布式计算领域的开创性工作，为Teamily AI构建跨群组的记忆边界和数据保护系统提供了坚实的理论与实践基础。

团队其他成员毕业于斯坦福、伯克利、MIT、清华等知名院校，曾在苹果、亚马逊、谷歌、腾讯、字节等公司负责大模型或ToC产品相关工作。

两位创始人的合作已持续六年多，一位专注系统建设与产品演进，一位深耕前沿研究与理论突破。

Teamily AI计划今年3月开启新一轮融资。

Forbes专栏作家Charlie Fink在近期的报道中高度评价了这款产品，称其将「Agent团队带入了人类团队」。

这无疑是当前AI Social Agents赛道最值得关注的新锐创业公司之一。

AI Agent Social Network：下一个浪潮已经到来

让我们把视角拉远一些。

2026年的AI行业，进化逻辑正在发生微妙转向。

从国内风头正劲的元宝派，到硅谷讨论热度居高不下的OpenClaw、Moltbook，再到融资额接近5亿美元的AI社交初创公司Humans&，以及定位为「The Simulation Company」的Simile获得1亿美元融资……

业界已不再满足于仅仅将AI作为单独的工具，而是开始探索一个更深层的问题：当AI走进人类的真实交互场景，与人类产生各种各样的互动时，会发生什么？

何朝阳对此有一个极为精辟的判断：AI的发展经历了三个阶段——第一阶段是能跟你聊天的（对话式AI）；第二阶段是能帮你干活的（单体助手）；而现在，行业正在进入第三阶段——能让一堆AI配合一群人一起干活的「协作网络」。

他说得更直白：「当前的AI只让个人成为super human，但还没有解决群体协作的问题。在群聊场景、人和人连接的场景里，AI会发挥更大的作用——这里面有诞生下一个字节的机会。」

而关于大厂竞争，何朝阳的分析也很犀利：现有的社交巨头如腾讯、Meta，并不会在现有的社交产品上直接集成AI，而是会另外开发新产品——腾讯做了元宝派，Meta大概率也会走同样的路线。

原因很简单：

让龙虾等智能体的记忆与社交IM的存储存在权限、读写协议、存储结构等诸多差异，短期内很难彻底整合人与AI的全域记忆；
现有IM不是给agent用的，其消息通讯、支付等基础设施还不会激进的破坏人类体验并安全可靠的托管给AI智能体使用；
AI智能体的商业化与传统互联网以广告为主的商业模式可能很不一样，存在销售硅基员工、按照结果付费、拼团共享AI服务等新颖的商业模式，会与现有模式冲突，而巨头不会轻易壮士断腕。

一个同时兼容真人+AI Agent的产品需要重新做产品设计、规划模型和工具——这就给了创业公司与大厂站在同一起跑线上的机会。

Teamily AI的定位非常明确：The World's First Human and AI Social Network——全球首个人类与AI共生的社交网络，并优先从个人与团队生产力场景推动商业化。

它目前主要服务北美市场，而北美市场恰恰没有像微信这样「all in one」的超级应用存在，留给创业者的空间足够大。

门后是人机共生的世界

回到开头的故事。

马化腾凌晨两点发朋友圈，腾讯火速上线龙虾全矩阵，微信AI智能体被列为绝密项目——这一系列动作说明了一件事：中国最大的社交公司已经把AI智能体视为关乎超级App未来形态的战略核心。

但请注意，微信的这款AI智能体还在秘密开发中，计划年中灰度测试，三季度才能正式上线。

而在大洋彼岸，Teamily AI已经率先把「人和AI Agent共存于同一个社交网络」这件事做出来了——而且不是一个概念demo，是一个能处理图片、视频、长文，能在多人群聊中并行多任务，能零部署创建个人Agent，能跨群共享记忆的完整产品。

这两年，我们见证了太多更强模型、更大参数、更快响应，AI一次次刷新能力边界，我们一次次惊叹，然后很快习惯。

但Teamily AI带来的感觉不太一样。

在这个平台上，群聊不再只是聊天，社交不再只是连接，AI也不再只是回答问题。

当AI开始拥有社会角色，存在于关系链中，在多群、多角色、多任务之间流动——人类的协作方式，真的变了。