一个 Personal Agent 创业者的思考｜对谈 Ambi 创始人子皓

摘要

• 子皓认为 personal agent 具备走向 C 端的产品要素，但传播链路仍未打通。 他不觉得 OpenClaw 那波之后这件事就不火了；OpenClaw 的问题是场景难以说清、安装成本高，还要自己接 connector——“这不是技术的问题，其实这个是产品的问题和传播链路的问题”。他认为 Muse 已具备普通人产品的许多要素；据 Business Insider 报道，扎克伯格和 GitHub CEO 也惊讶于大厂为什么一直不发、Muse 却先发了。
• 需求规模的底层变量是获取智能的成本，交互是他眼中最大的非共识机会。 “如果你张嘴一说，它就能帮你做，那其实可能每个人都会用很多。”他以增程汽车作比：可能一百天都用不上，但会担心“万一用一次就很痛呢”；当行为成本趋近于零，生活侧需求会被放大，所以他认为“交互天然发生在屏幕上就是错的”。
• 他认为终局竞争者包括 ChatGPT 和 Claude，分发是独立产品的重要限制。 他认为中国市场做这类产品的机会受限，原因之一是依赖大厂分发会被上游成本和渠道约束；海外线下硬件则不受同样的封闭社交分发限制。Ambi 押注线下 context 和交互入口，让 AI“同步在场”而非让人一直 human in the loop；主动性应由环境变化触发，而不是反复扫描 connector 猜需求。
• 模型能力仍在进步，但训练模型主要是做帕累托取舍；端侧大模型不适合 Ambi 的形态。 他修正了去年“智能已经足够”的说法：模型升级后，调整 harness 和 system prompt，同样任务仍有明显提升。训练模型更多是在成本、速度和智能之间找更合适的点；Ambi 不做端侧大模型，主要考虑电池、重量和佩戴体验。Computer Use 在模型能力的延长线上，他预计三到六个月后会继续改善。
• 他认为个人 AI 的网络效应可以出现在 agent 之间，消费级应用的 timing 已到。 他用同事在 Lark 群里直接 @ 自己的 Hermes bot 请它审稿为例：不是先有 A2A 才有产品，而是用户先积累 memory、file system 等个人内容，agent 之间才有协作基础。他判断当数字化任务的能力和基础设施成熟后，产品就可以面向更广泛的普通用户。
• 商业方法论一以贯之：timing 和赛道重要，商业底层是效率、ROI 和需求。 从高三做溜冰票代理、轻松筹分析用户路径，到海南电销用红旗激励销售，他反复强调识别需求、找到满足需求的方法；“对外能够识别需求，对内能够招得到人”，两者之间的 gap 是剩余利润。多年不变的经验是“去有鱼的地方抓鱼”。
• 他对国内产品环境持悲观判断，但原因仍是开放问题。 他认为今年中国大厂和创业公司都少有让人眼前一亮的产品，并说“我觉得 Granola 也很一般，但中国人做得比 Granola 好的产品都没有”。谈到美国时，曲凯提及 Harvey 的一百多亿美金估值，子皓也认可 Tom 和 Instinct 是好产品；他表示自己也不知道国内为何出现这种状况。

精读

1. Ambi 起步时就有 personal AI 的技术架构：每人一个虚拟机环境

• 子皓确认，创业刚开始时技术架构就是“给每个人一个虚拟机环境”；投资机构在两三个月前提起 personal AI 之后，他们才觉得自己可能也属于这个领域，尽管“我们没有这样定义自己”。
• 创业原点是改变人与 AI 的交互方式：“智能已经如此厉害，但是我们可能每个人每天用两三个小时，这个是这个世界最大的不合理”——达到了智能平权，却没像水电煤一样去用它。
• 野心上不做垂直产品：希望做出能让很多人用上、改变大部分人生活的产品。

2. 这波 personal AI 不只是热点：OpenClaw 输在传播链路，不是技术

• 子皓不觉得 OpenClaw 火完之后这件事就没了。他们部署过 OpenClaw，后来觉得不好用，换成 Hermes；之后一直用 Hermes 处理工作、生活和健康事务，也做定时任务和主动服务。他说这个过程“从年初到现在”都没有变过。曲凯补充，他说的“不火”是从 C 端角度看。
• 子皓承认，当时可能还没有达到 C 端 PMF 的产品。他认为 OpenClaw 的问题包括：很难用明确场景和价值点说明它厉害在哪里；第三方获取这种能力的安装成本高；装完还得接 connector、加 context——“这个不是技术的问题，是产品的问题和传播链路的问题”。
• 据 Business Insider 报道，扎克伯格和 Fred Freeman（子皓称其为 GitHub CEO）都惊讶于其他大厂为什么一直不发、Muse 却先发了。子皓认为 Muse、Grok 具备面向普通人的产品所需的许多要素：不需要技术背景，甚至不需要知道虚拟机等技术细节，“就真的像上个时代的一个互联网产品”。

3. 收回“智能已经足够”：模型升级带来新的啊哈时刻

• 子皓改口说：“去年说智能已经足够了，可能是说错了。”原因是当时设计的任务不够复杂、context 不够多、来源也不够丰富；他们没有把 agent 能做的事情限定在虚拟世界里能做的一切事情上。
• 方法论细节：模型发布后，先调整 harness，再调整 system prompt，让它更适配新模型。公司 Slack、GitHub、Figma 以及聊天、文件和会议内容都是开放的；面对“某个功能跟最初的设计有什么偏离”这类模糊任务，模型 6 出来后仍能看出明显提升。
• 同样任务下，模型 6 能用更少文字表达得更好、更精确，甚至给出人自己总结不出来的东西。子皓的结论保留了限定：“人对智能的需求上限可能真的很高。我不能说无限，但我还没有到那个点。”

4. Computer Use 在模型能力的延长线上；成本不是特别大的问题

• 子皓把产品押注分成两类：一类是押注模型性能刚好能够做到的新体验；另一类是花时间构建一个现在可用、但过一阵子模型可能天然就能做到的能力。他认为 Computer Use 属于后者：现在可能仍有些慢、需要反复尝试和处理各种情况，但三到六个月后会改善。
• Ambi 暂时不做 Computer Use，准备把它当作基础能力，等模型开放权限、能力成熟后再用。
• 成本方面，子皓认为 personal agent 的特点之一是用户不太关心后面具体用了什么模型。订餐厅、订票等任务需要成功率、速度和质量，但大部分任务的速度可以稍微让步；Ambi 不希望因成本阉割体验。他认为现阶段模型价格与交付价值之间的 trade-off，至少在商业模式上能够成立。

5. 日常需求多少，取决于获取智能的成本

• 对曲凯“个人到底有多少日常需求”的疑问，子皓把问题下沉到行为成本：如果“张嘴一说，它就能帮你做”，人们可能会用很多；但现在需要 setup，还要花时间解释，而生活里的事情又常常鸡毛蒜皮，所以很难触发。
• 他用电量焦虑和增程汽车作类比：可能一百天都不会用一次增程，但会想“万一用一次就很痛呢？”如果能在两到四个小时内随时随地以很低成本获取智能，为什么不呢？
• 他举例说，公司有人自驾去新疆，突然需要改酒店、找最近的加油站和修车厂，还要估算维修费用，这时就很需要智能。他认为，只从浅层的工作和生活场景看需求，是把人的需求过度简化了；获取智能的成本会改变需求本身。

6. personal agent 的竞争者包括 ChatGPT 和 Claude

• 曲凯问 Muse、GrapeBot 等产品的竞争对手是不是 ChatGPT、Claude，子皓回答“我觉得是”。他认为生活场景最终也会围绕明确需求展开，一旦需求明确，各种产品都会来做。
• 子皓说，在硅谷能看到 OpenAI 马上要出类似虚拟机的 bot，头条也要出类似产品。

7. 组织形态没有标准答案；coworker 路线慢在组织变革

• 对“多个 agent 服务一个人 / 一个人配一个 agent / 一个团队配一个 agent”的路线之争，子皓的看法是“这些方式都有可能”。不同组织架构和组织方式都可能成功：有的组织几乎不设隐私，有的互相竞争，也有的保留一定隐私、同时共享 context。
• 他认为 coworker 方式没有想象中发展得快，核心原因是应用到组织中会涉及组织变革，最终会被“大水管”里最窄的一段限制。
• 他举例说，很多大公司没能只靠“AI native”转型成功；新建公司如果沿用旧方式，可能要花五倍以上时间。这像是电发明之后，按照用电的方式建工厂可能需要 30 年。随着 coding agent 等工具出现，新公司效率更高、人才密度更高、知识能积累并产生复利，可能逐渐取代旧公司，但过程不会一蹴而就。

8. To C 路线仍有机会；赢家通吃更多受分发渠道影响

• 子皓认为，过去硅谷做 To B，有一部分原因是做不了 To C；在那个时代，To C 渗透率高、有网络效应，产品一冒头就容易被抄。他质疑新时代为什么还要走老路。曲凯则补充，To B 市场分散、退出渠道更多、底线也更高。子皓把差异归结为创业是为了改变世界，还是为了卖点钱。
• 对 To C 赢家通吃，他认为强网络效应的上游渠道会让独立巨头很难长出来，问题更多在渠道和分发侧，而非产品本身。他还说，《颠覆式创新》出版之后，可能很难再出现新的颠覆式创新。
• 讨论海外市场时，子皓提到 TikTok 曾投很多 Facebook 广告；他认为线下硬件不具备同样的网络效应，也没有那么封闭的社交环境，因此仍有机会。他后来也表示，中国做这类创业的机会确实受限：依赖大厂分发时，上游对成本的把控太严，分发受限会压缩创造力。

9. A2A 的网络效应可能长在 agent 层，逻辑同 iPhone 与 App Store

• 子皓认为 personal AI 是否有网络效应，要看具体情况；agent 本身有产生网络效应的可能。关键是彼此连接能否给双方带来正向作用。因果方向是：“不是因为可以 A to A 才有你的产品，而是因为用了你的产品才有 A to A。”使用产品后积累的 memory、file system 和其他内容，才构成 agent 之间分享与协作的基础。
• 他用 iPhone 与 App Store 作比：“不是因为有 App Store 才有 iPhone，而是因为有了 iPhone 才建了 App Store。”
• 他们已经有一些实际案例：Lark 群里有同事，也有子皓的 Hermes bot；同事会 @ bot 请它审稿或询问“这个方向按照子皓的理解是什么”。子皓在群里是为了让大家看到 bot 按照礼仪和要求使用他的 memory、file system；他本人不必发言，只是处理权限问题。

10. 逐家拆解：Tom、Google Bot、Muse、Instinct

• Tom：子皓说 Tom 有 Y Combinator 的痕迹；他记得 CEO 原来是 Plaid 的 CTO。产品很注重权限、reference 和 connector，因此适合许多 To B 场景。它会处理大量邮件，自动打标签、归类，有时还会写草稿；一些家长会用它处理学校发来的夏令营、报班、作业等邮件。不过他认为日常生活中能完全自动回复的事情不多，A2A 功能也很复杂；他不太看好整体产品架构，并认为智能回邮件长远看不在智能能力的延长线上。
• Google Bot：子皓认为它是一个好产品。它在授权和透传方面做得好；MCP 或接口接不上时，会打开浏览器，让用户在弹出的窗口里输入邮件和密码。他认为大厂背书能让普通用户也觉得更安全，bot 之间的通信与 context share 也做得不错。产品来自“科仔”团队，科仔的增长负责人也参与其中；子皓觉得它在细节和传播方式上做得好。他同时指出，它不是面向普通人的产品，更多是面向非程序员群体。
• Muse：子皓认为它带有明显的移动互联网时代烙印，产品打磨精细、投入很大；每个人上来有 1 亿个 token。他第一天使用时就觉得，它在钱、存储来源和 token 消耗方面很难大规模复制。Muse 在 Instagram 顶部有推广，容易上手；它也有处理长程目标的 goal 功能，涵盖程序员与普通人的任务，以及物理世界和比特世界的交叉。子皓觉得它比 Google Bot 更往普通人方向走。
• Instinct：子皓说他们没有环境去用；“可能我们生活在一个有美团的国家，很难理解这里面的需求是什么。”

11. 增长叙事回到互联网年代；子皓批评大厂失去雄心

• 子皓认为，订机票、订餐馆的宣传方式解决了 OpenClaw 不好描述的问题：用户容易理解“我下载一个 App 还要花钱，现在免费了；下载之后可能给我省 499 块钱”。Lovable 的建站宣传也类似：用工具做出网站，可能帮人赚钱、带来客源。增长叙事回到“帮你省钱、帮你赚钱”，他说这和中国人的底层增长基因相似。
• 曲凯提到，如果国内环境像过去，美团、腾讯、字节可能会通过补贴争抢用户。子皓认为，这一波大厂相较上个时代，失去了成为世界第一、领先全世界的雄心；不少产品是在做“中国的什么”、复制“外国的什么”，真正原创且让人觉得好的产品很少。

12. 这一波热潮可以预料；子皓认为创业需要自己的审美和押注

• 曲凯回顾说，模型或 OpenClaw 这样的热点出现后，通常半年到一年才进入真正产品化阶段；他以 Manus 为例，说它大约在 o1 发布半年后开始做。他还提到 OpenClaw 那一波有上百家团队在做，最后几乎没有多少团队拿到钱，之后国内应用创业遇冷。
• 子皓认为，国内环境和年初那一波消耗的热情都有影响。大模型出来之后，大家反复做“中国的什么”，急功近利的事很难成功；创业团队要有自己的审美和押注。他举的例子是 Jensberg、Melius 和 Paulin，并说它们并不是“中国的什么”。
• 对 timing，他说自己写过文章，认为“没有所谓的 timing”：agent 出来之前，说要做 agent 硬件没人相信；OpenClaw 出来之前，说要做类似的东西也没人相信。不同的 timing 会带来不同的基础假设。

13. Ambi 的差异化：线下 context 和交互入口，让 AI 同步在场

• 子皓说，Ambi 的定位是软硬结合，在 personal agent 的基础上增加线下 context，尤其是线下交互入口。他认为现有 personal agent 的一个 gap 是，每次使用都要花 30 秒到 3 分钟，甚至 5 分钟。Muse 发布的 Charm 硬件（五十多毫米厚、戴在手腕上的半成品）也说明对方看到了这个方向。
• Ambi 的押注是 AI 和人“同步在场”，而不是异步地让人参与很多步骤。他认同 Jeff 的一些观点：软件应该一直运行，人不用管它；AI 也应该 continuous running、实时跟在用户旁边。
• Computer Use、订菜、打折等功能 Ambi 都可以做，但不会主打这些。子皓认为他们与其他产品的区别在交互方式、context 处理和技术，并且在实时交互上投入很多。

14. 言出法随的时间账：不该让用户重复线下 context

• 子皓提到，AI 眼镜需要唤醒、说“Hey Meta”，再把对方刚才说的话重复一遍，才提出要求；他觉得这种重复很奇怪，因为设备就在脸上，也能听到。“因为它不是一直在跑，不像一个软件，也不像空气一样默认围着我运行。”
• 他用《Her》和《钢铁侠》举例：角色不会复述刚才对话，为什么现实生活却要习惯这样？他还借用乔布斯讲电脑开机时间的例子：如果每个人每天都用电脑，把等待从 30 秒缩短到 3 秒，就能为全世界省下时间。
• 子皓说，现在每个人每天可能只跟 personal agent 说 3 次，但可以预见半年之内平均每天可能说 30 句话。如果研发实现“法随”要 5 秒，用户还要花 30 秒重复一段内容，就会浪费很多时间。曲凯提到开完会后手动录入线下信息的做法，子皓直接说“这很蠢”，认为 AI 应该像软件一样持续运行、听到对话并理解它为什么发生。

15. 隐私：子皓称 Ambi 的处理方式与苹果相似

• 子皓说，苹果在本地做完所有 AI、不留存录音；Ambi 名字是 ambient 的缩写。他称所有录音文件都不会接触 Ambi 的服务器，在第三方平台处理完后“可能我们就已经没有了”。
• 对图片是在本地还是上传，他提到一些桌面端会用苹果 Accessibility 接口获取内容，而不是使用本地截图。他认为处理方式与苹果类似，只是苹果在芯片上做，Ambi 可能需要 Google GCP 或其他东西作背书。
• 子皓把大家对设备的担心比作早期对手机背面摄像头的担心，并说隐私保护的关键是可信；最好的处理方法是没有任何应用方能拿到这些东西。

16. 训练模型是帕累托取舍，不是追求更高智能；端侧受电池限制

• 子皓引用红杉合伙人的观点：模型公司提供的模型接口，是 Pareto 前沿上的几个点。应用公司训练模型，更多是为了在成本、速度和智能之间找到适合自己的点，而不是追求更高智能；这像优化代码、提高 ROI。若有能力，Ambi 之后也会在速度和成本上做更多事情。
• 但他不认可应用公司能训练出智能程度更高的模型，称这很荒谬，并追问：“我何德何能，能让 Claude 来证明我到底知道什么、他们不知道什么？”
• 端侧方面，子皓说硬件需要尊重物理规律；限制更多在电池而不是算力。就 Ambi 的 form factor 而言，他们没有选择端侧大模型，因为电池越大，设备越重越厚，会影响佩戴。放在桌面或拉杆里的其他设备可能是不同选择。

17. 几段履历的总结：timing、商业模式与效率

• 子皓先做了 6 年公益创业，融了 3 轮，最后被收购，钱也退回去了。他从中得到的最大启发是：“timing 和赛道比能力和其他所有事情都重要。”他认为选择比努力重要，而命运或大的浪潮可能又比选择更重要。
• 后来做保险、创新支付和 SaaS 等业务做了 4 年。他认为商业模式的本质很简单：过去做过抖音投放、CPA 投放、央国企、外企、外资药企和创新支付等六七种模式，每种至少能做到全国前三、前二；商业底层是效率、ROI 和需求。
• 硬件经历补上了研发、仓储和设计经验。他认为做硬件有点像 To B 软件：要在第一天尽量排除后续风险，让交付更顺利、成本更低，而不是不断试错。大模型时代又让他想起移动互联网初期的经验：底层技术剧烈变化时，短期成功的东西容易变，变化速度和核心方法会成为竞争力。
• 子皓给自己的标签是“产品和商业”，但优势更多在商业。曲凯评价他稳、能 deliver 结果，子皓自嘲“无论做多垃圾的业务，我都能赚到钱”。

18. 会赚钱的做法：溜冰票、轻松筹和海南电销

• 高三毕业时，子皓想试试不学习、只靠体力打工能赚多少。他第一天在北京路卖溜冰票只卖了 5 张；在英孚教育楼下站了 5 个小时，只拉了一个人上楼。之后他发现年轻人会去溜冰，就在兼职网站招学生代理：票价 25 元，27 元给代理，代理以 30 元卖给同学。他后来成了溜冰场的独代，到大三还有人打电话找他姐姐拿票。
• 轻松筹收购他之前的公司后，他需要做出业绩证明自己。他花一个周末逐页看保险销售流程、流量来源和 user journey，用网页 URL 和基础数据找出用户卡点。通过分析，他帮业务提升了 30% 到 40%。
• 在海南管电销时，他第一次负责电销中心，申请预算让每个人能拿到 100 面红旗；出一单就敲锣、插旗，再告诉大家红旗能换多少钱。那个月业绩翻倍，利润到了 200 多。子皓认为关键是找到业务里的缺口和人的需求。
• 他后来做创新支付时，赢得合作的理由也不只是价格：面对一家竞对一家独大的情况，他强调与自己合作“清白”，满足的是安全需求和对方能否坐稳位置的需求。
• 多年总结，他认为商业是识别需求、找到能交付解决方案的过程；不变的经验是“去有鱼的地方抓鱼”。被问到大赛道和小赛道，他说年轻时会去鱼少、人少的地方，现在会去鱼多、人也多的地方；“到了一定年纪，你会觉得为什么在大赛道里不能吃肉呢？”

19. 招人没有捷径：真诚、投入时间，注意不舒服的信号

• 子皓总结商业是“对外能够识别需求，对内能够招得到人”；用合理成本满足需求，二者之间的 gap 是剩余利润。招人时，他认为成熟的人能分辨真话和假话；面对比自己更厉害的人，没必要撒谎，要分享真实想法、为什么做这件事、能带来什么，以及不一定是财务回报的“过程级奖励”。
• 他提到不少员工加入前是收入不错的 freelancer；要吸引他们，关键是能否给出做更伟大事情的动机。他当年为招海南电销负责人，在楼下小卖部等了五六个小时，吃了几份清补凉才等到对方见面。他认为既然说招人重要，就要投入时间和真心。
• 他还提到一个招聘原则：如果交流中有一点不舒服，就不要推进，因为这种不舒服最终可能放大。要快速 move on；招人和做企业都没有捷径。

20. 一年做三年的事；最担心的是速度

• 子皓最近在想，过去需要 3 年、30 个人写代码完成的事，现在可能一年或几个月就能做出来。他也在反思硬件原本的 go-to-market 路线：Kickstarter 测试、找媒体、上独立站、上亚马逊，再 go global，为什么一定要花 3 年？他想用 coding agent 重新思考业务构成、组织形态和做事方式。
• 他的结论是，很多做事方式确实可以更激进，“一年时间希望做别人 3 年做的事情”。但他反对把公司极化成 OPC：Ambi 十几个人都很努力，才做出现在的产品；如果只看 coding，解释不了他们目前的状态。
• 他把过去十几年积累的经验总结为尽可能不犯错，尤其避免单向门的错。现在最担心的是速度，因为别人也很快；他举例说，苹果设计师去了 Meta 之后 10 个月就做出 Charm。
• 曲凯感叹这个世界何必越来越卷，子皓回应说，对很多人来说，好不容易等到了一个有意义、可以卷的时代。曲凯谈到 AI 带来的变化后，子皓补充：“每个人的人生多数就只有一次。”

21. 硬件的优势与劣势；深圳 demo 和大规模交付有差距

• 子皓认为硬件获客渠道本身不具备特别强的网络效应，但渠道建成后可以成为优势；他举安克、大疆、影石为例，认为它们推出新品时可以借助既有渠道。抖音则不同，不建账号、不投广告，即便东方甄选也可能卖不出去。
• 硬件有独占性：一个时间点只会带一个硬件，但电脑右上角可能同时跑着 5 个软件；拥有设备后，在设备上附加消费的价值可能在 AI 时代变高。
• 软件 100 分钟里有 98 分钟好用、2 分钟不好用，用户可能用其他软件补充；硬件却可能每天有 2 分钟特别糟糕。因此即使某个场景使用时间少，只要每天都会发生，就必须做好。
• 劣势是慢、需要迭代、需要品味；但硬件不只有优势没有劣势。子皓认为大模型时代硬件的生存空间更大，也提到苹果并非垄断、GoPro 仍未倒闭。
• 他提醒不要把深圳 demo 能力等同于稳定大规模交付：对软件来说，demo 到规模化可能只是多加几个人；对硬件而言，稳定交付和高集成度可能有 100 倍差距。深圳适合尝试做出东西，但大规模制造需要完全不同的资本和能力。

22. 最大的非共识是交互；一种主动性产品方向被他判为错误

• 子皓认为 personal AI 最大的机会是交互：“言出法随”包含两件事：用户张嘴说，AI 能做好；这依赖许多底层技术。他认为模型时代很多技术概念会快速变得理所当然：以前被认为很厉害的 skill、function call、多模态等，过一阵子就不再是讨论重点。他判断半年后，所有能被数字化的事情都可能默认可以由智能解决；真正重要的是人怎么用 AI。
• 他认为交互能形成一定壁垒，因为交互沉淀下来的价值可能带来网络效应和迁移成本；而具体技术能力会不断变好，技术问题本身不值得过度讨论。
• 对主动性，他指出，扫描 connector 的变化或定时扫描都要花成本；智能度越高，成本越高。但推送到用户面前时，系统是在猜用户的需求，可能与当下场景错配。用户觉得内容有“啊哈”感、又不被打扰的概率会影响产品价值。
• 曲凯用秘书每天敲门 20 次、其中一次提得好的例子说明问题。子皓认为靠猜需求、频繁推送的产品方向是错的，“我们不做这个东西”。他补充 Ambi 的主动性有明确来源：环境或 context 发生变化后才触发，而不是主动性越多越好。
• 他认为工作和生活不应分开，因为两者的 context 能让 AI 更了解用户；这不一定适用于所有人，但对他们来说是合理的。他们也不打算设置固定 persona：AI 是用户主体的一部分、用户自己的延伸，而不是一个无关的客体。他认为别人找“曲老师的助手”和找“曲老师的延伸”，认知并不一样；后者更有可能形成网络效应。

23. 终局愿景是随身服务；子皓认为消费级 timing 已到，但国内好产品稀少

• 子皓希望以后每个人都认为 AI 是“随身的服务”。他从小时候想要一架无人机跟着自己、帮忙拿东西的愿望讲起：人希望任何时候、任何地方都能随时享受到智能服务。曲凯说自己小时候更想要机器猫。
• 子皓认为，非娱乐时间里人用手机和电脑的时间只占全人类时间的一小部分，AI 若要创造更多价值，就不该只抢屏幕上的时间，而要帮助人处理屏幕外的事情，让人能并行做更多事。
• 曲凯估计 Manus、Pluto 等工具型产品有几十万付费用户，并把它们与 Muse、Grokbot、WorkBuddy、豆包等面向亿级用户的产品作比较。子皓选择后者的路线，认为做两类产品的难度相当；此前大规模消费产品没出现，主要是 timing 没到。
• 子皓认为 timing 已到：一方面，用户不 care 用的是什么模型；另一方面，模型已从指令跟随、多模态发展到长程任务。他预测半年后所有能数字化的任务默认都能完成，基础设施像水电煤一样成熟，接下来就该扩量。这里说的是 To C 日常场景，不包括模型继续解决癌症、疾病等问题。
• 讨论国内应用环境时，子皓说自己从业多年第一次见到这种情况：今年到九月底、十月，几乎没有让人眼前一亮、大家都知道的中国产品。他说：“我觉得 Granola 也很一般，但中国人做得比 Granola 好的产品都没有。”他认为美国有数据公司、To B 公司和垂直 To C 公司做出好产品，并认可 Tom 和 Instinct；对国内为何如此，他表示不知道。曲凯最后说：“还是希望我国好呀。”