创业者做 Personal Agent，有没有一线生机？

Personal Agent 把 AI 创业带到了一个新阶段：价值和竞争力可以长在基模之外。

最近一阶段，Personal Agent 很热。有趣的是，这个概念迅速火爆又迅速有了一个共识，几波讨论下来大家的观点似乎是： Personal Agent 的机会是大厂的，创业者基本没戏。

虽然一般情况下，「入口级机会归大厂」确实是大概率发生的事情，但 Personal Agent 真的是个「入口」的问题吗？真的意味着「这件事里没有创业者的位置」吗？

我们换一个视角看，Personal Agent 为什么让人兴奋？

因为它给创业者提供了一种新的可能：产品的终极价值不来自于今天大模型公司提供的智能，而是可以借助大模型的能力来孕育产品，最终在和用户的共同发展中，把大部分能力和价值留在创业公司自身。

回顾过去三年 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」。无论是从最初的「套壳」，还是后来开始做 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。

早期生长依赖大模型提供的「养分」，这本身没有问题。问题在于，如果产品一直只能从基础模型里「吸收营养」，无法破壳去真实世界里独立生长，最后就容易沦为模型厂商的「Token 分销商」。并且始终难以摆脱在沙滩上建城堡的风险：模型一升级，别人也能跟上；模型一涨价，自己的成本就被牵着走；模型一迭代，你的产品可能就被基模能力吞没了。

Personal Agent 提供了一种「破壳」的可能性，这是那个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 产品的终极价值，不必然取决于你是否拥有或接入全世界最强的通用模型。解决具体场景里的个人问题，未必总需要最昂贵、参数最大的顶级模型。产品的终极价值更多会取决于大模型之外的东西，例如高密度的个人上下文、以及对用户理解的深度建模、长周期交付价值沉淀下来的信任关系。

当然，这要求团队本身具备强大的数据工程和后训练能力来打底。但不意味着需要一步到位配置齐全才能下场。创业公司起步阶段可以动用的解决方案可以有很多，例如，可以先把上下文管理、任务编排、评估做起来，或者通过架构设计组合出更高效适配的模型，甚至把「熟能生巧」级别的 RSI 能力跑起来。随着真实任务里的高质量数据和用户反馈的逐步积累，创业团队最终也有机会训练出更适合自身场景的模型。

这有点像建设一条自己的「核心供应链」。重点不是一开始就拥有所有环节，而是逐步掌握那些决定交付质量和服务成本的关键能力。长期来看，这些能力会影响用户服务的成本和利润空间。

所以，如果说两年前的大模型热潮更像是一场「硅基竞赛」，比拼的是谁有更多的卡、更顶级的研究员、更多更好的数据。那么 Personal Agent 把 AI 创业带到了一个新阶段：价值和竞争力可以长在基模之外。这是 Personal Agent 对创业者真正有吸引力的地方。

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 解决的是 AI 能不能替用户行动，而 Personal AI 则是更具方向性的话题：技术能不能长期理解一个人，围绕这个人的上下文、目标和动机，持续提供有效的、主动性的服务，并以「忠于个人」为出发点建立有效的商业模式。

互联网让用户能够获取信息，推荐系统让信息开始适应用户，生成式 AI 让系统能够理解用户的意图，Agent 让系统能够代表用户行动，而 Personal AI 试图将这些能力组织成一种长期、连续的个人智能。

Personal AI 的目标不只是把用户明确表达的需求通过 agent 多快好省地实现，更在于用户能感受到「个人智能」的存在让自己在变得更好。

Personal 不是某个单点功能，而是一整套技术栈。就像此前我拆解过「陪伴类」产品，得出「陪伴不是新产品类型，而是一条新技术栈」一样。Personal 的难度可能比「陪伴」更高。因为「陪伴类」产品还可以靠卖个萌、装个傻来抬高容错率，但 Personal AI 在用户面前多半难以「萌混过关」。

回看过去 4 年，从大模型到 Personal Agent，大致走过了四个阶段：先是 AI 能理解和生成内容；再是 Agent 把模型接上工具，让它在对话之外，开始具备执行力；然后是 Personalized——系统可以根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：在获得授权的前提下，和一个人长期相处，持续理解并帮助这个人。

这波 Personal Agent 产品不是横空出世，而是行业整体到达了一个有迹可循的技术新阶段。有意思的是，AI 这轮发展中，产品形态的演进常常先于技术和基础设施的成熟。

2025 年的 Manus，可以看作 Agent 的一次产品打样。它把模型、工具调用和任务流程通过大量工程工作组织起来，让用户直观地看到：AI 不只是回答问题，也可以接下一件事，试着一路把它做完。Manus 先把 Agent 的样子做了出来，但这不代表 Agent 的能力、成本和可靠性已经成熟到可以稳定、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，则把这个问题往 Personal 的方向推了一步：一个不只是等你打开来提问，而是有机会长期待在个人环境里、持续积累对用户的理解并承接个人任务的助手。它让 Personal Agent 从一个想象中的产品概念，变成了可以摸到的形态。

但形态出现，不等于问题已经解决。Agent 能调用工具，也不等于它能有效、安全地完成任务；能为用户完成一次任务，也不代表它已经真正以用户为中心；记住了几条偏好，更不等于和用户形成了长期关系。

所以，这条线不是「模型越来越强，产品自然就出来了」。更像是，当底层能力开始逐步接近可用时，产品先把下一阶段的样子摆到用户面前，再在真实使用中逐步补齐能力。它必须把真实用户卷进来，一起往前走。

这也能解释，为什么当前很多 Personal Agent 产品都还没那么完善，即便会收到诸如「还是玩具」的评价，各家也要争先恐后把半成品先推到用户面前、带到真实世界中去：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，进一步帮助他们迭代模型、工程和产品。

看看各家科技巨头的打法：Anthropic 把 Claude 的订阅定价压得远低于同等额度 API 的成本，时不时还刷新一次额度。各家也在客户端里纷纷推出免费额度吸引用户，还将免费时效一延再延。马斯克都忍不住在 X 上感慨，Grok Bot 的服务成本相对于其收入而言高得不可持续。

把用户吸引到自己的应用里跑任务，可以看得到用户设置了什么任务、如何分段提问、如何调用 MCP、什么时候换模型、怎么迭代一个方案、什么时候放弃。这些真实的、多模态的、长任务链条下的人类任务执行轨迹，天然带着精标注，是模型、工程和产品迭代的金矿。

这就是科技巨头做 Personal Agent 的一笔账：它们不只是在卖一个助手产品，也是在争取用户、任务和反馈。

大厂手里有模型、算力、流量入口和既有业务，可以从产业链的多个环节参与，也可能在自有生态里闭环成本。创业公司通常更靠近应用端，要向外购买模型、云端环境和各类基础设施。大厂可以把某些亏损视作战略投入，也可以在不划算时转身离场，创业公司则必须更早回答：用户为什么留下？留下之后我们沉淀了什么？这门生意有没有机会成立？

前阵子，我和两位在这一轮热潮之前就曾想尝试探索 Personal Agent 的创业者交流。