Story

这个国庆，很多人一天没休。从回答一个问题，到持续接管一类事情，AI正在争夺新的个人入口。国庆前，Muse爆火，很多团队直接取消休假。Personal AI的竞争被按下快进。9月8日，Meta发布Muse，把持续运行的个人AI推向用户。9月23日，Meta又在Connect公布Muse Charm，为Muse增......

本文来自微信公众号： 取木Axel ，作者：取木，原文标题：《【硝烟又起】从 ChatGPT 到 Personal AI：下一代 AI （主动智能）的入口之争》

这个国庆，很多人一天没休。从回答一个问题，到持续接管一类事情，AI正在争夺新的个人入口。

国庆前，Muse爆火，很多团队直接取消休假。Personal AI的竞争被按下快进。

9月8日，Meta发布Muse，把持续运行的个人AI推向用户。9月23日，Meta又在Connect公布Muse Charm，为Muse增加专用硬件入口。9月28日，Instinct完成10亿美元C轮融资，估值达到100亿美元。一天后，OpenAI发布Dots，让个人Agent持续围绕用户的目标工作。

终于，阶跃星辰、豆包、Today AI、光帆科技等一众团队取消国庆休假，开始了各自的Personal AI加速计划。

21天，四个信号。大厂产品、专用硬件和百亿美元估值，密集出现在同一个方向上。

这一轮竞争的变化，在于产品开始争夺更长的用户关系。

ChatGPT让自然语言成为通用的人机接口，Agent把一次对话延伸到任务执行，Personal AI则试图继续接管任务之间的空白：记住背景，发现变化，接续工作，在用户没有重新开口时推进事情。

谁来承担这些工作，关系到下一代个人入口属于谁。过去，用户自己选择应用、组织步骤、完成操作；如果个人代理能够可靠地接手其中一部分，软件如何获得用户、服务如何被选择、个人信息如何参与决策，都可能随之改变。

对产品团队来说，现在需要形成判断。技术已经允许系统持续运行，新的交互设备正在进入市场，用户又还没有形成稳定的使用习惯。入口的竞争已经开始，围绕入口的具体用法仍在建立。

但发布节奏和资本估值，无法替代需求验证。用户愿意尝试什么，愿意长期委托什么，又愿意为此交出多少信息和权限，依然需要产品逐一回答。厂商争的是下一代入口，用户要的是自己的事情得到更好的处理。

因此，判断Personal AI，至少需要讲清楚三件事：技术走到了哪一步，Personal增加了什么，以及产品应该围绕什么持续迭代。

2026年9月，产品、硬件和资本共同加快了个人AI的竞争节奏；Muse Charm此时为公布，非面向用户上市。

1.从对话到执行，再到持续服务：AI开始接管不同层次的工作

1.1 ChatGPT建立了自然语言入口，Agent开始接管执行过程

早期ChatGPT最重要的变化，是让用户能够直接用自然语言获得帮助。

写文章、解释概念、分析材料、讨论问题，很多工作可以在对话中完成。这些已经是真实的交付，不能因为后来出现Agent，就把聊天理解成一个低价值阶段（ChatGPT本身就是一个伟大的产品创新）。

Agent扩展的是执行范围。

模型不再只生成内容，还可以选择工具、读取执行结果，再决定下一步。这个过程构成Agent Loop（智能体执行循环）。模型外部的运行系统，则负责工具、任务状态、权限和异常处理。

对用户来说，变化很直观：过去拿到答案后，还要自己往下操作；现在可以把一段过程交出去。

因此，端到端能力（End-to-End，从目标一直做到交付）的进步，最终应该表现为：同样一件事，用户需要亲自接管的次数越来越少。

模型推理、工具调用、任务恢复、多智能体协作，都要回到这个结果上来评价。

系统内部更复杂，不等于用户外部更省心。

1.2持续运行，让AI从完成一个任务走向照看一类事情

Open Claw（“龙虾”，以及后来腾讯后来居上的Work Buddy）让更多人看到了持续运行的吸引力：用户离开聊天窗口，工作仍然可以推进；时间到了，或者新事件发生了，系统可以再次启动任务。

这里的持续运行，通常是服务持续待命、任务状态得以保留，再由时间或事件触发工作。它不意味着模型需要二十四小时不停计算。

Muse这类云端产品，进一步降低了本地部署和维护的负担。用户不用自己养一台始终开着的电脑，但账号连接、权限和任务设置依然存在。

如果要划分阶段，更有用的标准是用户把什么交给了系统：

从交代一个问题，到交代一个目标，再到委托一类事情，用户逐步交出组织和跟进工作的负担。

第二种方式是“帮我规划这次旅行”。

第三种方式则是：计划已经确定，系统继续关注相关变化，发现它会影响安排时，提出调整，并在约定范围内处理。

变化在于，用户逐渐交出了“记得这件事、发现变化、重新发起任务”的工作。

我把搜索特定信息形成日报的工作交给了Muse，Dots。也把我预购新设备的邮件转给了Instinct，这样，我要“盯”的事情就越来越少了。

光帆有个不错的特性，它的耳机能独立联网，重要消息来的时候，不管App有没有进程，它都可以在耳边提醒我。这种消息直达的能力让我愿意长时间佩戴耳机。

1.3当前处在任务执行扩展、持续服务开始产品化的阶段

从公开产品能力看，任务委托已经进入实际应用，持续委托也有了明确的产品探索。

但执行长度、运行时间和用户价值，不能画等号。

一个系统能工作一整夜，并不意味着用户有一件值得它工作一整夜的事。更不能意味着它交回来的结果已经可靠。

因此，当前阶段有两个并行任务：技术继续提高可交付任务的范围和可靠性；产品寻找哪些事情值得长期交给系统照看。

这比把某个新产品直接当成“下一时代”，更有助于判断机会。

2.Personal AI的核心竞争，是用户为什么愿意长期委托

2.1“主动性”决定何时行动，Personal决定按谁的处境行动

Personal和主动性，需要分开讨论。

一个只在用户开口时响应的AI，也可以很了解这个人。一个每天主动发消息的AI，也可能只是给所有人推送同样的信息。

主动性解决的是行动何时发生。Personal要解决的是：这些行动，是否持续适配这个人的目标、偏好和处境。

两者结合，才形成更完整的个人服务：系统知道什么与用户有关，也能在用户没有逐次发起请求时，继续推进。

它的价值应该出现在同一个用户的下一次使用中：

背景不用重新解释，未完成的事情能够接续，选择更符合约束，行动更契合当下。

如果积累了很多记忆，下一次仍然需要从头交代，那么个人化并没有产生多少实际收益。

Personal的价值，要通过连续使用中的改善来证明。

2.2 Agent门户组织能力，个人代理组织用户的事情

大量Agent出现之后，筛选、分发和协调会成为新的问题。

曾鸣在张小珺某期播客里提出了一个值得研究的方向：新的入口，需要连接人的需求与Agent的能力。正如网站多了，会出现Yahoo，会出现Hao123，然后又会出现更多的网站。

Agent门户可以帮助用户找到、比较和选择工具。

Personal AI则尝试再多承担一层：带着用户的目标和上下文，选择能力、协调步骤、接续工作。

前者降低选择成本，后者还需要降低交代、协调和监督成本。

两者可以共存。个人代理可以通过市场寻找专业Agent，门户也可以加入委托执行能力。

真正决定产品形态的，是用户的主要负担在哪里。

如果专业能力差异很大，用户愿意自己挑选，门户就有价值。如果用户面对大量工具，仍然需要自己当项目经理，个人代理就有机会接手更多工作。

门户帮助用户选择能力，个人代理进一步承接交代、协调与跟进；两种形态可以共存。

2.3厂商争的是入口，用户要的是持续交付

从厂商角度，Personal AI很有吸引力。

它有机会建立长期关系，成为默认的需求入口，并参与后续服务的选择和执行。甚至，很多厂商觉得谁赢得了Personal Agent之战，谁就拥有了AI OS.

但长期关系对厂商有价值，不等于用户会为关系本身买单。

猎头就是一个很直接的类比。用户愿意交代职业经历、个人判断和发展目标，是因为期待获得更合适的工作机会。了解得再深入，如果没有带来帮助，交流的意愿也会下降。

Personal AI同样如此。

用户交出更多信息，是因为预期能够获得更多价值。产品需要在这个过程中不断兑现，而不是先要求用户提供完整人生，再讨论未来可能有什么用。

这也是个人代理权的来源：用户因为得到帮助，愿意把更多选择和行动交给系统。

3.美国可以从Gmail切入，中国必须进入微信和飞书

3.1邮箱型个人助手，建立在特定的信息习惯上

对一类大量使用Gmail、日历和在线文档处理工作生活的用户来说，邮箱是非常有价值的入口。

会议、账单、预订、订阅和后续沟通，能够通过邮件串起来。连接邮箱，就有机会承接一批明确的事务。

Instinct等产品选择这条路线，有现实基础。但接入范围仍然取决于用户连接和授权，消息入口也不等于全部私人聊天历史。

这条路线不能原样套到所有用户身上。

对许多中国用户，重要的工作和安排散落在微信聊天、飞书文档及其他应用里。邮箱里可能更多是旧账单、广告和订阅。

数据接入完成了，不代表关键上下文已经到位。

3.2微信、飞书、淘宝、美团，分别保存着不同部分的生活

中国Personal AI面临的一个核心问题，是上下文与行动能力同时分散。

工作背景在文档里，临时决定在聊天里，购买记录在电商里，日常服务在生活应用里。

产品必须分别解决三件事：

能获得什么信息，能理解多少背景，能完成哪些操作。

接入一份文档，不等于知道这项工作的全部来龙去脉。读到一条消息，不等于有权代表用户回复。能够模拟点击，也不等于获得应用里的完整历史数据。

这些边界由身份、授权、产品设计和服务方的接入规则共同决定。增加一个模型，无法自动消除它们。

所以，微信拥有大量个人上下文，确实意味着很大的机会。但把这些上下文转化为可靠的代理服务，依然是一项独立的产品和工程工作。

数据优势不能直接兑换成产品优势。

重要信息分散在不同入口；读取信息、理解背景与获得行动权限，需要分别解决。

3.3提醒和备忘，可能是需求，也可能只是最容易实现的入口

这也解释了为什么许多Personal AI从提醒、日程和备忘开始。

这些信息容易由用户直接提供，任务边界明确，也比较容易验证结果。

它们当然可以构成好产品。但团队需要知道，自己选择它们的理由是什么。

是目标用户确实有高价值需求，还是系统暂时只能方便地处理这些信息？

如果用户原本就不维护日程，产品不能默认他会为了AI，突然开始完整记录自己的生活。

同样，分析账单、优化订阅，对有明确省钱目标的人很有价值。但不能因为账单容易接，就把省钱当成所有人的长期目标。

可获得的数据，决定产品从哪里开始；用户需要的结果，决定产品应当往哪里走。

4.AI已经具备执行能力，具体用途仍需要产品来建立

4.1用户对完美助手的期待，远高于对当前产品的理解

用户很容易理解超级助手的价值。

订餐厅、买东西、安排旅行、处理杂事，最好一句话就完成。人们对“机器替人干活”的期待，一直很明确。

但实际产品有能力边界：登录需要接管，数据无法读取，付款需要确认，跨应用操作可能中断。

于是出现了一个看似矛盾的现象：

用户一方面觉得个人助手应该什么都能做，另一方面，又不知道今天这个产品究竟适合做什么。

这不是用户不会使用AI。

它说明，技术能力、产品承诺和实际交付之间，还没有建立清晰对应。

宣传给出了完整秘书的形象，产品却需要用户自己摸索局部能力。这部分理解成本，最后落在了用户身上。

4.2“结果明确、步骤模糊”，是值得优先寻找的任务结构

此前传播的Instinct找视频案例，很适合解释Agent的价值。

一对情侣想拿回自己出现在美网现场大屏上的视频。按当事人的分享，Instinct联系相关机构，最终获得了素材。

这个案例的关键，是用户清楚自己想要什么，却不知道应该找谁、怎样联系、失败后怎么办。

结果明确，步骤模糊。

用户原本可能因为过程太麻烦而放弃。Agent如果能接手寻找路径、联系、等待和跟进，就提供了实际价值。

持续运行在这里有了理由：事情确实需要跨时间推进。它的价值可以从结果中看见。

这比先提供一个全天候运行的系统，再让用户给它找工作，要具体得多。

4.3产品机会可以用“十倍效率”和“从无到有”筛选

需求也不总是事先清楚地存在于问卷里。

拓竹（3D打印机）这样的产品给人的启发是：看到具体作品之后，用户才可能意识到，原来自己也想制作这些东西。

新能力可以让新的用法出现。用户暂时说不出来，并不能直接证明方向错误。

但探索需要标准。

对于原来已经能做的事情，争取十倍效率；对于原来实际做不到的事情，带来用户想要的从无到有。

这里的“做不到”，包括过程过长、成本过高，以至于这个用户事实上不会去做。

效率也必须算全账：解释、授权、等待、纠错和监督，都属于用户的付出。

这两个标准帮助团队区分：哪些能力只是技术上成立，哪些能力值得成为产品。

先确认用户想要，再判断是显著降低完成成本，还是让原本不会做的事情得以发生。

5.手机、耳机与操作系统，正在争夺AI进入日常生活的位置

5.1豆包手机的价值，在于把跨应用执行放进真实使用环境

系统级AI的机会，是缩短“表达目标”与“完成操作”之间的距离。

豆包手机助手尝试通过模拟操作和工具调用，承接手机上的跨应用、多步骤任务。应用接入仍然存在边界，因此不能把系统操作能力理解为对所有服务的完整控制。

这类实践依然重要。

只有进入真实环境，团队才能知道任务在哪里中断：是模型判断错误，界面变化，权限不足，还是某一步必须由用户处理。

这些信息能够反过来指导模型、系统和交互的迭代。

不能因为今天还不畅通，就认为探索没有意义；也不能因为有了系统入口，就认为其他应用会自然开放。

5.2光帆和Muse Charm探索的是更直接的感知与交互入口

手机之外，专用设备在探索另一部分问题：AI能否更及时地接触现场信息，更低成本地被唤起，并在合适的时候反馈。

要做到此，就得绕开苹果、安卓严苛的保活策略（App不能一直活跃）。

Meta已公布Muse Charm，探索专用设备与Muse的实时交互。

国内第一个提Personal AI的公司光帆，选择的是带摄像头的耳机、自研AI操作系统，以及耳机仓独立联网的路径，希望把声音、视觉信息和对话更直接地接起来。

这条路线的价值，需要落到具体条件上。

用户能否随口发起请求？系统能否理解正在发生的事情？反馈能否及时到达？任务能否在用户离开一次交互之后继续推进？

这些问题，比“哪个形态更像未来”更值得做。

如我前文所说，光帆的体验有待打磨，但就一个“耳机能主动说话，及时提醒”，我愿意付2000元。

5.3硬件成立的门槛，是让原本不会发生的有效使用发生

拿出手机、解锁、打开App，确实有摩擦。

但摩擦存在，不代表新设备一定成立。很多时候，晚一点问也没关系，多操作几步也可以接受。

硬件需要找到更强的场景：双手正在忙，问题和眼前操作有关；一个念头稍纵即逝；现场信息很难用语言重新描述；连续交互频繁被手机操作打断。

在这些时候，交互条件可能决定一次有价值的使用究竟会不会发生。

因此，新设备的判断标准依然清楚：

它有没有让用户更容易获得原本想要、却因为交互限制而拿不到的帮助？

我更看好能够把软件和硬件一起迭代的团队，因为它们可以同时调整感知、唤起、模型和反馈。但独立联网、摄像头和操作系统都要付出工程与使用成本，优势最终需要通过场景兑现。

云端承接持续执行，手机连接应用操作，随身设备改善现场感知与交互条件。

6.微信迭代聊天，头条迭代信息获取，Personal AI应该迭代“委托”

6.1找到稳定的使用行为，技术进步才有产品方向

微信的发展围绕“聊天”展开，语音、图片、红包都是消息的一种形式。脱离这些，微信价值并不明确。所以在微信早期，只有张小龙一人认为“免费的短信”值得一做。不然，置身一个有QQ、飞信、Whastapp，短信还超级便宜的时代，绝大多数人都会认为微信不必存在。

微信持续迭代聊天，今日头条持续迭代信息获取。功能和技术不断变化，但产品知道自己在改善什么。

Personal AI也需要这样的对象。

我认为值得抓住的是“委托”：用户把问题、想法和任务交给AI，得到反馈，再决定下一次是否继续交给它。

对话是委托的重要入口。回答好一个问题、帮助形成一个判断，本身就能完成价值交付。执行能力再把这段关系延伸到行动和结果。

因此，好好做好AI聊天，依然是一项核心工作。

如果首次回答没有帮助，增加长期记忆未必能让用户留下。如果理解正确却做不成，就应该改善工具和执行。如果每次都要重新解释背景，才需要检查上下文和记忆的使用。

团队要知道，当前最主要的损失发生在哪里。

6.2冷启动要在信息不足时交付价值，不能先要求完整了解用户

Personal AI的初始状态，一定是不够了解用户。

这应该成为产品设计的起点。

产品要找到一件在少量信息下也能做好的事，并让用户在得到回报之后，愿意继续提供信息。

Muse团队公开提到，早期测试者不知道从哪里开始，因此加入用途提示和建议；用户也喜欢命名和装扮自己的Muse。

这里面有一个很实际的产品判断：可爱、有趣，也可以构成第一次使用的理由。

它不需要一开始就承担“管理人生”的任务。

一次有价值的交流，产生一点新的上下文；下一次帮助更准确，用户再愿意交一件事。长期关系可以沿着这条路径形成。

这也解释了为什么主动AI的前几次沟通如此重要。

它像刚认识的人：缺少共同经历，却已经开始争取对方的注意力。第一次没说到点上，第二次就更难开口。连续几次无关提醒之后，即使后台还在运行，关系也可能已经结束。

所有做Personal AI的人，都应该好好学习下如何从尬聊开始追男神、女神。

6.3主动性需要围绕“行动是否值得”迭代

主动运行容易形成一种产品错觉：系统没有发消息，就像没有工作。

但用户需要的是有价值的进展。

历史偏好可以提供线索，当下意图仍然需要判断。过去喜欢旅游，不代表这次假期需要旅游建议。知道用户要出差，也需要先理解这次出差最重要的约束。

有效的主动性，应当从明确目标和小范围行动开始，通过反馈逐渐校准。

用户接受了什么，拒绝了什么，建议最后有没有产生帮助，比单纯的点击和回复更有价值。

每日对话数也不能直接证明关系变好。

多聊二十句，可能是因为有趣，也可能是因为系统反复理解错误。对于执行型产品，减少对话、顺利交付，可能才是真正的改善。

6.4产品与工程，需要共同围绕用户成本建立反馈

Personal AI的迭代可以落到几项具体观察上：

观察对象	产品需要回答的问题	工程需要定位的问题
首次获得价值	用户付出多少信息和操作，才得到第一次回报？	理解、上下文获取、响应质量与延迟
任务实际完成	从交代到交付，用户累计介入了多久？	工具调用、状态保持、异常恢复
主动行动有效性	系统发起的事情，有多少确实值得用户关注？	目标匹配、时机判断、反馈更新
下一次使用	过去的交互，是否让下一次更省事？	记忆准确性、上下文选择、过时信息处理

这张表的作用，是把“更懂用户”翻译成可以观察的变化。

同时，预期管理必须进入任务过程。用户需要知道系统已经完成什么、卡在哪里，以及哪一个判断需要自己参与。

一边宣传完整秘书，一边让用户不断猜测能力边界，会消耗最初的尝试意愿。

Personal AI要逐渐扩大的是可被信任的委托范围。

个人化是否有效，最终要看下一次委托是否更容易、交付是否更可靠。

7.下一代个人入口，要靠连续交付建立

Personal AI是一个值得认真研究的方向。

它背后有明确的技术变化：模型能够承担更多执行判断，运行系统能够维持更长时间的任务，个人上下文可以参与后续行动，新的设备又在改变交互和感知条件。

但这些能力的组合，不会自动生成一个成熟产品。

当前真正的机会，是找到一个用户愿意开始、能够得到回报，并且在连续使用中越来越有价值的过程。

这也是这轮竞争与普通工具分发的重要区别。

工具可以靠一次任务证明有用。个人代理还需要证明：过去与你共同完成的事情，确实让未来的帮助变得更好。

更多信息、更高权限、更大的委托范围，都应该随着这种改善逐渐获得。

技术团队需要持续扩展能可靠完成的事情，产品团队需要持续降低用户理解、交代和监督的成本。软硬件团队则有机会进一步改变需求被表达、上下文被获得、结果被反馈的方式。

谁把这些工作连接起来，谁才更有机会成为默认的个人入口。

Personal AI的竞争，最终要看谁能把用户的下一次需求，处理得比上一次更好。