110: 与明势夏令聊Agent竞争：通用入口之战就要来，创业要做垂、做专|Agent#2
摘要
夏令认为，DeepSeek展示了L2推理者对L1 Chatbot的“降维打击”，因此所有被投企业都必须高度重视L3 Agent并将其列为明确研发方向。 Manus在GAIA最难Level 3上的完成率仍只有50%多，但模型公司与从业者的判断是，一年内、甚至今年年底可能推到80%以上；更粗暴的解释，是“80%的岗位”或“一个岗位里80%的任务”可能被覆盖。若创业公司届时仍停留在旧产品形态，“很有可能一年内就会被别人的L3 Agent类产品降维打击”。
Agent竞争不只取决于基模，而是模型、编排层和工具生态三条能力曲线同时上升。 编排层包含目标指令、长短期记忆、规划与推理；工具层则由Function Calling、Computer Use和MCP扩张边界。OpenAI的全局记忆、MiniMax基于Linear Attention探索的400万Token，以及多模型、多Agent Workflow，都说明模型公司的产品边界已经远超“只提供一个模型”。
通用入口之战可能从今年下半年开始，最焦灼的战场是手机上的通用Agent。 海外的OpenAI、Anthropic、Google、Meta，国内的字节、阿里、腾讯，以及理想、美团等都在争取这个机会；对美团、滴滴等平台来说，也不愿重新成为别人入口下被调度的资源。夏令把这场竞争称为“有点偏终局”，胜负取决于“一线模型加一线身位”。即便模型尚未完全突破，To C通用Agent的诱惑也可能让大厂提前开战。
若下一代硬件是眼镜，AI Agent可能成为其操作系统，入口选择也会进一步收缩。 夏令估计这一变化“大概率也是两三年要发生的事情”：受空间、续航和性能限制，设备可能只让一个3B或7B模型常驻内存。对Meta的观察尤其值得保留——其社交资产、小模型投入、定制感知与主控芯片，以及可能绕开手机的独立盒子，共同指向把眼镜做成独立AI终端的野心。
通用Agent可能侵蚀传统广告，却尚未证明订阅是足够高效的替代商业模式。 Save Time场景里，人可能不再浏览搜索结果，竞价排序与广告触达都会减少；海外主要靠订阅，国内通用产品则“约等于免费”。相反，Kill Time内容中的广告可嵌进生成式上下文，夏令看到的早期转化效率“比传统广告高很多倍”，但仍取决于植入是否自然。
创业公司的安全区不在模型公司的主航道，而在专业人群、垂直数据、专属Workflow和最后一公里。 GPT-4o文生图首先冲击的是追求一步到位的泛C工具，而不是要求迭代控制的专业生产；夏令甚至认为它会推动Liblib AI更快成为Agent，以LoRA审美生态、ControlNet和人机反馈重构Workflow，反过来蚕食Photoshop。Manus、Perplexity、Kimi等离通用主航道较近的产品，则必须找到差异化，向更精准的人群与更深的产品发展。
中国垂直Agent更可行的商业模式不是卖SaaS席位，而是直接拿走服务环节、交付结果并收10%至30%的Take Rate。 爱语智能本身就是律所，面向金融机构做批量诉讼，单月立案1.5万起、以回款的30%分成；酒店抖音代运营和线上产品销售Agent，则可能把约20%的传统销售成本转化为向Agent代运营公司支付约10%的销售额。夏令认为，这类公司若能把非标服务结构化、重塑业务流乃至组织，仍可能长成“百亿美金级公司”。
具身智能真正的风险不只是眼下缺少PMF，而是还没找到可泛化、可遵循Scaling Law的“GPT-3时刻”。 硬件工程、模仿学习和强化学习都在进步，但预训练的数据来源、加工方式和算法体系尚未收敛；行业目前更像Technology-Problem Fit，而非Product-Market Fit。夏令押注两三年内可能突破，接受商业化可能需三到五年甚至更久，但也明确承认：“如果找不到，那确实具身就会变成一个巨大的泡沫。”
精读
1. Agent是一套跨虚拟与物理世界的任务系统
夏令把自动驾驶、具身智能和云端软件Agent放进同一框架：它们面对的环境与软硬件不同，但内核都是调用工具、与外部世界交互、执行一系列动作，最终完成一个人指定的任务。
这一视角来自明势横跨软件和硬件项目的观察。夏令认为，从模型能力的演进去理解自动驾驶、具身智能和AI应用，可以得到不同于单一领域观察的认知。
2. DeepSeek把L3 Agent从远景变成了所有公司的研发日程
OpenAI的五级框架里，L1是Chatbot，典型形态是ChatGPT、豆包和Kimi；L2是具备推理能力的AI，夏令以DeepSeek为代表；L3则不只回答问题，而是通过解决一系列复杂问题来完成整个任务。
夏令此前已在去年下半年投资Agent，但真正让所有被投企业高度重视它的是DeepSeek：“当一个L2的产品出来，对一个L1产品是一个降维打击。”自然延伸出的追问是，L3一旦成熟，是否会再次对既有L1、L2产品形成降维打击。
因而，Agent并不是三月Manus走红后才出现的概念；Manus只是把关注度推向大众。对创业公司更残酷的含义是，今天若不按L3实现后的环境设计业务，旧形态可能在一年内失去竞争维度。
3. GAIA的80%是时间锚，不是已经兑现的能力
夏令用GAIA拆解当前成熟度：Level 1通常不用或只调用一个工具、推理不超过约五步；Level 2调用若干工具、步骤少于十步；Level 3则要协调大量工具，完成复杂任务体系。Manus在最难一档的完成率仍只有50%多。
他与模型公司从业者交流后的“初步判断”是，一年之内、甚至今年年内，头部公司的Agent体系可能把GAIA Level 3推到80%以上。所谓“80%人类工作”只是更简单粗暴的表达，也可能实际指80%的岗位，或每个岗位中80%的任务，并非一个已验证的就业预测。
4. Google的三层框架说明模型公司已经越过基模边界
夏令采用Google年初白皮书的结构：Agent由Model、编排层和Tools构成。模型提供能力底座，编排层负责目标指令、记忆、规划和推理，工具则让系统真正接触外部环境并执行动作。
Model层的预训练、后训练与能力融合都未放缓，多模态进展也不只体现在图像。夏令已在生产而非Demo场景听到接近真人的语音，能够呈现情绪、口音乃至方言，同时保持很低延迟。
这也改变了“模型公司会做到哪里”的判断：Memory、Computer Use、MCP、Google的扩展和早期Function Calling，都属于模型公司构建L3产品的一部分，而不是留给应用公司的天然空白。
5. 记忆既是技术瓶颈，也可能成为关系壁垒
对多数通用或垂直Agent，原生Long Context仍不够。节目提及OpenAI约128K、64K以及DeepSeek相近的上下文长度；MiniMax则尝试以Linear Attention支持400万Token，并在“大海捞针”测试中维持很高的命中率。
OpenAI在4月11日上线全局记忆后，Sam Altman甚至把Memory指向可能的下一个“Scaling Law”。但它究竟依靠Context、传统RAG还是Agentic RAG，业内仍在猜；夏令认为如果只是传统RAG，命中率肯定不够。
夏令认识的一位创业者被灰度后，直接询问系统如何理解自己的职业和性格。AI识别出他是CEO，也概括了管理风格与人性中的闪光点，而这些判断与夏令作为投资人的观察相符，构成了一个“被感动到”的Wow Moment。
曼祺由此指出潜在飞轮：一个AI关于用户的记忆越多，越懂他的工作、习惯和关系，用户也可能越离不开它。夏令同意长期关系可能成为壁垒，但认为从准确记忆走到稳定的情感关系，技术要求仍远高于完成通用任务。
6. Workflow是对当前模型能力缺口的工程补偿
当任务足够明确，Agent未必需要最强推理模型；团队可以把人的SOP拆成更细颗粒度的串并联推理，显式补上人类会自动调用、模型却缺失的隐性知识和判断。
Multi-Agent进一步分工：一个Agent把握总体进度，一个负责情绪表达，另一个处理数值计算；实际系统还可能混用DeepSeek或Claude做推理、豆包或OpenAI做情感输出。模型能力增强后，这些步骤和角色理论上可能重新合并。
夏令提醒，先摸索出Workflow只是产品定义或工程壁垒，随着Agent门槛下降必然被削弱。更持久的壁垒应迁移到平台效应、新业务流或新组织，而非一套可复制的流程编排。
7. MCP扩张工具生态，最大受益者仍可能是模型公司
MCP最初是Anthropic为了让自己的Agent更好使用外部工具而推出，后来因行业价值形成生态，并逐渐被OpenAI接受。应用公司当然受益，但需要最多跨行业API的恰恰是做通用Agent的模型公司。
Manus据称集成了29个工具，开发时MCP尚未成熟，主要依靠Function Calling等工程方式。MCP让Manus这样的公司更方便地调用更多工具，却没有解决模型如何从众多Server中选对工具的问题。
曼祺补充的瓶颈是，当可选工具超过50个，任务完成质量会明显打折。夏令承认问题尚未解决，但判断模型选择和调用能力会逐步提高；届时，工具生态越繁荣，通用入口的争夺就越不可避免。
8. 通用入口既是增长野心，也是平台公司的防守战
海外的Anthropic、OpenAI、Google都想借工具生态成为通用入口；国内则包括阿里、字节、腾讯、理想、美团，夏令也不排除小红书、滴滴。这里的“通用”不是为原业务加一个助手，而是同时回答问题、写邮件、画图、识图并执行生活任务。
曼祺以微信类比：若微信本身是Agent，小程序就像可被调用的MCP Server。问题在于，美团、拼多多、滴滴等公司好不容易逃离微信九宫格，不太愿意重新成为别人分配流量、随时调度的供应链资源。
“不开放API”也未必守得住。曼祺提出，若美团拒绝接入而饿了么开放，新增订单可能反过来逼迫美团调整；夏令认可这种可能，但认为各家仍会优先争夺自身流量和入口控制权。
胜负条件在夏令看来是“一线的模型加上一线的身位”。Google、Meta、字节、阿里、腾讯拥有现成生态，OpenAI、Anthropic、DeepSeek等则试图靠领先模型推出时代级产品；缺少两者之一都会更被动。
9. 手机Agent之战可能在模型完全成熟前就开场
激进的时间判断是今年下半年，这与大厂公开的产品节奏及GAIA能力预期大致匹配。形态很可能首先是手机上的独立通用Agent App，因为美团、滴滴等服务的人群和场景都天然在移动端，比Manus、Deep Research、Computer Use覆盖的云端生产场景更广。
曼祺追问第一个PMF是否会成为“甜蜜的诅咒”：Chatbot可能只是过渡产品。夏令认为，谁若真正拿下Agent入口，这个位置“有点偏终局”；今年下半年可能看到的不是终局本身，而是终局竞争的序幕。
最大变量仍是模型能力及其归属，但竞争甚至可能更早。夏令的判断是：“To C通用Agent的诱惑，对于大厂跟模型公司来说还是太大了”，能力尚未完全突破时，卡位就可能先发生。
10. 眼镜若脱离手机，Agent就可能变成唯一常驻的OS
夏令估计，下一代AI硬件“大概率也是两三年要发生的事情”。受空间、续航和性能限制，眼镜可能只允许一个3B或7B模型常驻内存；这个模型所驱动的Agent实质上就是操作系统，入口选择会比手机更少。
国内阿里、字节也在模型和眼镜上布局，阿里的相关产品被放进面向消费者的信息智能事业群。曼祺仍保留怀疑：现有体验离接班手机很远，但若出现真正独立的新终端，创业公司的空间会被大幅打开。
对Meta的推演带有明确的猜测成分：Llama 4虽受诟病，但Meta此前训练Llama 3的7B模型时据夏令记忆使用约15T数据，而70B模型反而使用了更小的数据量；他怀疑这种小模型偏好与眼镜端有关。
Ray-Ban Meta的产品虽非直接靠AI走红，却已显示眼镜作为终端的潜力。Meta还在摄像头、感知芯片、主控芯片等环节做定制，并希望用独立盒子绕开手机；夏令据此判断，它在软硬件两端都进行了超前投入。
11. Save Time削弱广告，Kill Time可能放大广告效率
当Agent代替人搜索、比较和执行，人可能不再浏览原始信息，Google或百度API返回的竞价排序也不会原样展示。Perplexity、豆包式答案因此可能减少传统搜索广告触达，面向人的推荐系统也不能直接移植给Agent。
海外通用Save Time产品当前主要靠订阅，国内则几乎“约等于免费”。夏令对订阅是否是AI时代真正高效的变现模式打问号：它可调的商业化维度少于广告，而国内产品最终仍得寻找其他收入来源。
Kill Time内容的机制可能相反。广告若自然植入虚拟角色或生成式聊天的上下文，夏令看到的转化效率可比传统广告高很多倍；但这仍是在体验与商业价值之间做Trade-off，用户是否感觉被硬塞广告取决于融合质量。
12. 模型公司交付的是博士应届生，创业公司要交付专业人士
夏令以“博士毕业的应届生”概括模型公司的L3 Agent：知识广、推理强，能调用通用工具完成常识任务，却缺少某一行业的思维方法、工作流、历史经验、数据和专属工具。
若把能力放在“泛化性—精确性”两轴上，模型公司会持续吞掉通用任务，并可能覆盖一个岗位80%的工作；剩余20%越专业、越长尾，定制成本越高，也越不符合模型公司依靠泛化降低边际成本的逻辑。
因此，专业工具和垂直Agent不是模型公司完全做不到，而是通常不会成为其优先级。它们会把最后一公里的开发门槛大幅降低，却不太可能同时亲自做律师、设计师和每个行业的服务商。
13. GPT-4o首先挤压泛C应用，而不是高要求的专业生产
GPT-4o文生图在文字一致性等方面令人惊艳，且OpenAI首阶段没有开放API。曼祺认为，当前不开放可能是希望让这一功能成为市场上相对独有的产品，先拉动C端增长；她也判断以后可能开放。
泛C用户希望“一步到位”，通常不在意大量局部细节；专业人士则知道高质量成果必须反复控制和迭代。按这一分界，曼祺提出GPT-4o对即梦式大众文生图产品的冲击，可能大于对Liblib AI这类专业平台的冲击，夏令认同。
这条边界适用于语言、图像和视频：模型厂商从L1到L2再到L3，必然沿通用主航道推进。创业公司若服务同一批泛C用户、提供同一种一步到位体验，承受的“降维”风险最大。
14. Adobe下跌交易的是Workflow被重写，而非Photoshop已被4o替代
曼祺追问GPT-4o发布后Adobe股价大跌。夏令认为，市场一方面在定价生成式图像长期颠覆Adobe既有软件与Workflow，另一方面也在反映Adobe虽积极“加AI”，实际产品效果却不理想。
但GPT-4o眼下直接冲击更大的可能不是Photoshop核心专业用户，而是美图秀秀及Canva中质量要求较低的人群。资本市场交易的是替代路径可信度提高，而不是专业图像编辑已经当场消失。
Photoshop的根基是图层、滤镜和围绕图层建立的标准编辑范式；文生图天然没有同样的图层结构。夏令判断，真正的长期冲击来自生产流程被重构，而不仅是某个生成按钮进入旧软件。
15. 图像市场越专业，用户越少，但价格和付费率越高
Photoshop及Adobe创意套件全球月活据夏令估计约一亿多人，正版月费50多美元；Canva约两亿多人，月费约10至15美元；美图秀秀全产品线约两亿多人，价格仅约2至3美元。
三类产品对应一条从专业到大众的扩散路径：Photoshop服务专业创作；Canva承接社交媒体兴起后不会用Photoshop的营销人员；美图秀秀则满足手机用户的美颜和轻编辑需求。
人群越泛，价格与付费率越低，也越期待免费和一步到位。美图在GPT-4o之前已因AI提高付费，但这不改变夏令的核心分层：具体需求做得足够深可以拓出市场，泛C产品则最容易被通用模型吞掉。
曼祺的反问保留了重要张力：若生成模型最终也能持续精细控制，专业边界并非永久不变。夏令给出的防线不是“模型永远做不到”，而是审美生态、专业Workflow与工具组合不会自动随基模一起交付。
16. Liblib AI的路径不是防守文生图，而是用Agent进攻Photoshop
Liblib AI超过一半用户是专业人士，其平台资产首先是LoRA形成的审美、风格和高质量参考图生态。夏令说明，AI可以学习和借鉴审美与风格，也可能创造新的审美和风格，但人类未必能理解后者；审美最终仍需人理解、选择和引导。
更强基模不是Liblib AI的终点，而是底座。平台还要加入Prompt交互、ControlNet、人机反馈与其他工具，甚至把Photoshop本身纳入Tools，重构从风格选择到专业交付的完整Workflow。
这一Agent形态可能让原来用Photoshop只能做到“五分六分”的用户，更快做到“八分九分”，也让专业设计师提高产出。夏令因此把GPT-4o视为利好：它可能加快Liblib AI蚕食Photoshop专业市场，而不是简单削弱平台价值。
17. Manus与Perplexity的问题不是没有增长，而是离主航道太近
Perplexity、Manus以及国内Kimi等产品，都贴近模型公司必争的通用能力。二月DeepSeek冲击最强时，Kimi和Perplexity仍有增长，虽然可能包含营销投放；国内最大的受益者仍是DeepSeek，以及吸收其流量的元宝和纳米。
夏令关注这些数据，是为了验证两件事：贴近主航道的公司能否继续活得好，以及它们会如何调整。当前增长并不能消除长期风险，因为模型公司自身也在把搜索、研究、工具调用和通用执行纳入产品。
产品公司很难靠技术本身建立长期壁垒；Manus、Cursor、Perplexity的早期优势更多来自模型Ready之前的产品创意、精准定位和工程时间差。夏令给出的方向很明确：“深度是比广度重要的”，目标人群必须更专业、更精准。
18. 中国垂直Agent的机会不在RPA热潮或旧SaaS加补丁
DeepSeek走红后，不少老板因技术焦虑推动自动化，最直接的受益者反而是RPA，因为老板未必分得清AI与RPA，只要流程自动化能缓解焦虑即可。
酷家乐、神策、一快报等成长期SaaS公司都能建立AI团队，把模型能力叠加进既有产品。但若业务逻辑与工作流未被改变，这只是“打补丁”，属于存量公司的升级，而不是AI原生创业公司的窗口。
真正的创业机会首先要重塑原业务流程，否则原软件供应商加AI即可完成；其次最好进入长期小而散、难结构化的行业，用AI把非标工作标准化、规模化；最后必须从当前技术够得着的“低垂果实”切入。
夏令把垂直机会分为两类：一类仍是Save Time，但只服务专业人士或垂直场景；另一类是Kill Time，以新内容和新体验争夺消费时间。两者都要避开通用模型最直接的推进路线。
19. 中美差异不只在收费方式，而在Agent究竟辅助人还是替代环节
美国企业愿意沿效率付费。Harvey做合同审查、销售Agent做SDR，通常按席位或调用量收费：AI SDR一个席位大约每月2500美元，Harvey按使用量收费，并不直接与律所拥有多少合同审查人员相关。它们服务主流业务、辅助专业人士，并不直接为最终结果负责。
中国企业付费数量少、能力有限，更愿意为效果而非效率付费。可接受的交付通常只有两种：给出可继续处理的信息线索，或把整段业务拿走、直接交付结果。
因而，中国垂直Agent更适合做完整外包并收Take Rate，区间约10%至30%。它不是让专业人士更高效，而是“替代人或者指导人”，让小白具备执行专业任务的能力。
这也解释了为什么把美国SaaS模式直接复制到中国容易失真：同样是法律或销售，海外卖工具和席位，国内新公司可能直接成为律所、代运营商或渠道代理，以收入分成兑现价值。
20. 满帮证明最低垂的果实可以很窄，也可以很大
夏令把满帮视为上一代产业互联网的标准样本：它最初只是把信息部的小黑板数字化，形成车货匹配平台，为临时找货的车和临时找车的货交付一条有效信息。
这个切口没有试图重做整个运输链，信息本身就是客户要的结果。公司后来扩展其他业务时遇到大量挑战，但最低垂的匹配需求足以形成一个大规模平台。
对Agent创业者的启示不是“功能越少越好”，而是先找到技术当前能够稳定交付、价值闭环又足够清晰的一步。每一波最终跑出来的大公司，往往都从这种窄而刚需的入口起牌。
21. SHEIN的壁垒来自重塑组织，而不是向工厂出售数字化
服装行业曾出现大量信息化、产业互联网和SaaS项目，但让百人工厂、低学历老板主动采购系统，是“特别苦、特别差”的生意。真正完成供应链数字化的反而是SHEIN（希音）。
SHEIN不是为了卖软件，而是为了小单快返、减少库存，用真实订单撬动上游工厂接受信息化改造，再把前端促销数据与加工进度连接起来。
夏令强调，它把营销与供应链以数字化方式整合，重塑了原有业务流，也形成了新组织。单纯的工厂SaaS或传统信息化公司无法复制这一结构，这才是比工程Workflow更高的壁垒。
对垂直Agent公司而言，最优结果同样不是在旧环节加一个助手，而是让此前无法标准化的服务被重新组织。若周边竞争者仍是小散服务商，新公司就有机会以技术密度获得数量级的人效差。
22. 爱语智能不是给律所卖Agent，它本身就是一家AI律所
相比Harvey服务约700家律所做合同审查，明势投资的爱语智能直接成立律所，服务金融机构的对私、对公批量诉讼，重点处理追账、违约及传统律所因金额小或年代久而不愿承接的案件。
公司在三月单月立案1.5万起，而中国最大的传统律所单月诉讼量可能也只是几百起。夏令估计其效率相对传统小律所可提高100倍甚至更多。
商业模式不是席位费，而是回款后抽取约30%的Take Rate。夏令强调，AI可以指导小白甚至非法学背景人员完成大量流程；这不是“帮律师提效”，而是重建律所的生产结构。
23. 销售Agent只有拿走完整渠道，才可能按成交结果收费
海外SDR Agent只判断商机并把客户送入后续销售流程，因此无法从最终销售额抽成，只能收席位费或调用费。它提高了前端效率，却没有承担成交责任。
中国已出现为酒店做抖音全Agent代运营、为线上课程和数字产品完成全流程销售的公司。它们更像渠道代理，把整个销售环节切走：若传统销售成本约占20%，Agent代运营可能收约10%的销售额。
这类模式的上限也有约束：货和流量都属于别人，公司做大后可能被平台或供给方卡住。团队因此寄希望于Post-Training持续优化，在通用Agent都能做到10%转化率时，自己已做到13%或15%；但夏令没有把这视为已建立的永久壁垒。
24. “人间法则”会让一些看似标准的Agent场景失去可做性
美国已有Agent自动代记账、关账，但中国企业可能存在“两套账”的现实。夏令把这类潜规则、主观判断和非技术约束称为“人间法则”：是否让AI参与另一套账，并不是单纯由技术决定的问题。
曼祺用旧段子概括这一边界：“AI不能替代律师，AI不能替代会计，因为AI不能替代人去坐牢。”夏令的结论是，技术应优先进入能够标准化、结构化的问题，而不是假设所有人工流程都值得自动化。
传统律所或代运营公司理论上也能使用Agent，但从专业知识和销售关系驱动转成技术驱动，组织转型很难；小散竞对通常缺乏持续工程、研发和产品能力，这给AI原生公司留下窗口。
合适的创始人要同时懂行业与AI。爱语智能的创始人来自金融行业，了解客户场景，自己读论文，拥有核心技术团队，并与通义千问等模型公司紧密合作；夏令认为这类机会会成批出现，但低垂果实存在时间紧迫性。
25. Kill Time Agent首先是新内容，不是成熟陪伴关系
星野、造梦式虚拟角色平台里，每个角色都可看作Agent，但夏令不愿轻易称其为陪伴。当前技术能即时提供情绪价值，常借角色扮演实现，却还不能稳定提供需要长期理解、记忆和信任的情感关系。
它真正的新意是高参与性：“创作者也是消费者，消费者也是内容的创作者。”用户的每次输入都改变内容，相比《完蛋！我被美女包围了！》或《底特律：变人》的选项分支，自由度高得多。
短板同样来自参与性：文字聊天的沉浸感不如视频，输入和想象又比刷抖音更耗能。因而目前只在部分核心、利基用户中留存较好，尚未成为大众内容消费方式。
多模态形象和交互、剧情化和更好的选择设计会提高沉浸感并降低输入门槛，而兼顾自由度与低门槛又需要更强推理。夏令认为，模型进步会持续抬高渗透率，使其有机会成为真正的新内容平台。
26. 新内容平台与单一关系Agent是两条路径，远期可能汇合
一类公司接受当前技术边界，用大量不同Agent满足内容供给，创作者和消费者共同形成平台；星野、造梦属于这一形态。只有生成新的内容形态，才可能摆脱抖音、番茄或起点等既有分发渠道。
另一类公司只提供一个或少数Agent，希望通过千人千面的记忆服务所有人。对单个用户而言，他投入时间、心情和情感，最终生成的内容不是一段作品，而是“这段关系本身”。
曼祺把远期形态类比《Her》：若用户信任一个长期关系Agent，也可能让它购物、办事、充当秘书，于是Kill Time与Save Time入口合并。夏令认可终极方向，却认为先建立深厚情感与信任，比明确交付通用任务困难得多。
曼祺提出的另一种演化是，手机通用Agent先以“无情打工人”身份连接用户，随后借模型、记忆和互动能力深化关系。夏令认可这种可能，并强调产品体验必须跟上最新模型，否则下一代模型出来后，产品体验与新模型之间会出现明显差异。
27. 具身智能尚未迎来可规模泛化的GPT-3时刻
夏令认可朱啸虎对具身商业化现状的部分描述，却不同意“不值得看好”的结论。过去几年，双足、四足等硬件工程化明显成熟，灵巧手可能继续进步，模仿学习与强化学习结合也提高了智能水平。
真正未解决的是预训练：行业尚不清楚从哪里获得海量数据、如何加工、采用什么算法，才能让能力通过Scaling Law实现跨场景泛化。换言之，具身甚至还没走到大语言模型证明泛化路径的GPT-3 Moment。
因此，最危险的不是当前市场没有需求，而是最终仍变成上一代机器人那样的垂直集成商。中国市场里的集成生意很苦，若无法解决大规模泛化，技术能够实现的商业价值与大家的预期之间就会出现根本差距。
28. 具身投资押注的是TPF，开源判断也必须寻找水下飞轮
夏令把技术商业化分成科学发现、技术突破、工程化复制、产品落地四阶段。具身目前更多处于技术转工程、Technology-Problem Fit，而不是Product-Market Fit；局部利基PMF可能存在，但全面商业化可能还需三到五年甚至更久。
他在2022年8月投资逐际动力，是从MiniMax第二代端到端数据驱动模型在文本领域的效果类推而来。业内一线从业者的直觉是，两到三年内可能找到具身的GPT-3 Moment；夏令坦言，如果找不到，具身就会变成一个巨大的泡沫。
识别早期机会时，他更看重创业者能否比AI行业成长得更快：“三个月之后你跟他聊，这个人没有什么显著的变化”，往往说明成长速度不够。复盘《沸腾十五年》《九败一胜》《安卓传奇》《与开源同行》，是为了从历史里辨认技术浪潮下真正的组织与飞轮。
开源本身并不保证胜利。数据库开源靠云化、上下游适配和部署成本形成产品飞轮；Android还依赖Google的核心应用与广告变现激励开发者。DeepSeek开源能带来技术影响力、招聘优势及对中国异构基础设施的兼容，但社区使用并不会自动把下一代模型训练得更好——“赢的原因其实都是在开源的水下”。