文｜邓咏仪
编辑｜张雨忻
近一个月，包括Muse、Instinct在内的Personal AI产品引起全球轰动，成为最受关注的AI创业赛道。其中，Muse上线22天就突破500万次下载——ChatGPT当年花了56天才达到这一数字——难得地为AI应用赛道争了一口气。
一家AI公司Today AI也许比Muse探索得更早。创始人齐俊元曾创办Teambition，之后在阿里、字节等大厂负责过各类产品。今年初组建团队后，Today AI自9月9日起陆续上线了国际版和国内版本。
用一句话概括，Today希望做的是用户的“私人助理”。通过用户授权Today的信息、应用数据后，Today将会在持续对话中积累记忆，目标是成为一个以“人”而非任务来组织的通用助手。
和其他Personal AI产品相比，Today尤其强调AI助手要“像人”。这个坚持体现在产品的方方面面：用户在注册时，必须给AI助手起一个名字；在对话时，Today从一开始就坚持不以任务划分窗口，所有交互都在一个窗口完成。
有意思的是，很多年以前，当齐俊元还在创业时，Teambition也曾推出一个名为“今天”（Today）的产品。他曾经在产品上线时写道：“希望它能够比你更了解一天要做的所有事情，从琐碎的代办事项到重要的工作任务，从轻松的个人约会到严肃的公司会议，甚至是需要阅读的每一篇文章，然后由它温柔地提醒你眼下你该处理什么事……我们对它的期待很简单，就是它应当足够简单易用。”
在Muse爆火之前，许多投资人依然认为这只是一个美好的愿景。但Today AI团队并不这么认为——2026年，Claude Code和Cursor已经证明Agent可以在专业领域自主完成复杂工作；许多团队在专攻模型记忆和上下文工程，有不少突破。“一个Agent帮你管好所有事”不再只是技术上的空谈。
Today AI也是团队真正意义上，回答这个愿景的第一份答卷。
△Today AI产品界面
10月21日，Today AI也正式宣布完成了超过2亿美金的首轮融资，投资方包括IDG资本、腾讯、五源资本、蚂蚁集团、红杉中国、传音控股、同歌创投及上海交大菡源资产。
放在AI应用圈，这完全是一笔金额显赫的投资。不过，Today AI团队说，从第一天起，他们的愿景不止做AI应用，也要训模型，如此才能成为一家完全为“个性化”而生的公司——通过训练自己的交互模型，在降低单位智能成本的同时，让产品的语气、理解力和执行能力都更贴近“一个真正了解你的人”。
这是最近明星AI应用公司们的共同趋势。9月28日，Manus也推出了Personal Agent产品“Cue”，不久后也官宣了超过5亿美金的新融资。我们了解到，Manus也在训练自己的模型。
本质上，AI应用公司和模型公司正在从两端相向而行——应用公司向上游训练模型，以降低单位智能的成本、提高效果和毛利；模型公司也在向下游做应用，寻找收入出口。当双方需要的能力越来越接近，AI应用和模型的边界自然越来越模糊。
初创需要拿大钱的另一重考量在于，做Personal Agent不止要训模型，更要打通服务和生态——而这对任何人来说都绝非坦途。
在国内，已经有AI手机助手被各类打车、购物、外卖等服务厂商联手封杀的例子；而在海外，平台生态虽然更分散，但Personal AI同样面临准入壁垒——9月20日，Amazon以“未授权AI Agent”违反使用条款为由限制Muse在其平台上的访问和购物。
对很多AI应用公司来说，无论是新创业方向还是融资，2026年都是格外寒冷的一年。这让很多中国背景的AI团队更加坚定选择，比如从day 1起就把重心放在海外，再视情况决定是否回到国内。
相比之下，Today AI的节奏更大胆——9月先在美区上线，两周后国区跟上，并迅速支持了飞书、钉钉、企业微信、滴答清单等平台。
Today AI团队说，这个节奏源于团队自己的判断：尽早发布本身就是竞争的一部分，声量、增长和获客都等不到产品“足够完美”的那一天。
“在Personal AI这件事上，创业公司无论如何是有仗可打的。”他们说。尽管大厂已经纷纷入局，但创业公司的优势在于人才密度更集中、决策更快、敢于在记忆和主动性这类方向上更早、更激进地下注。
近期，智能涌现和Today AI的创始团队有过一次深入交流，在了解这个产品的同时，也试图请他们解答当下大家对Persoanl AI的诸多疑问。
以下是Today AI团队的自述：
Personal AI是伪需求吗？
Today上线之后，我们听到最多的声音是说：Personal AI是伪需求。但从历史来看，每一轮技术发展都会从大量质疑开始，直到逐渐被接受，上一轮Agent热潮同样如此。
从我们的判断来看，这一轮确实有增量需求在出现。过去所有Agent都在处理办公相关的东西，但生活中的需求一定也会被cover，每个人都可能需要一个助理。
当然，有没有到非常成熟的PMF阶段、用户是否已经愿意为之付费——这个结论为时尚早，我们自己也还在验证。但对需求本身，我们毫不怀疑。
Personal AI的热潮跟Claude Code有非常大的关系。在Claude Code之前，模型的function call能力和instruction following能力都不够，做出来的几乎是一个没有任何泛化性、全是预设好场景的助手——它没办法personal化。
Claude Code之后，Agent作为一种技术开始被证明能帮很多事，Model的能力也在泛化。
Muse的爆火证明了一件事：Personal AI可以在短时间内触达大量用户。上线22天突破500万下载，远超ChatGPT当年的速度——这对整个赛道是极大的信心。
Muse也帮助市场理解了Personal Agent到底是什么。在Muse之前，我们用语言去描述我们要做OS Agent，其实挺难给人解释明白。Muse出来以后，大家直观地知道了Personal Agent长什么样、能做什么。
我们判断需求是真实存在的——Personal Agent要处理的，是每个人每天都会遇到的大量琐碎、高频的事情，过去它们分散在各个应用和对话框里，没有一个助手能完整承接。
除了声量以外，我们觉得最重要的是，下载量不等于长期价值——产品是否有用，要看用户能不能持续使用、留存下来，context能不能持续沉淀。用户第二天、第二周、第二个月还在不在用，这才是有用的定义。
长期留存、主动性与打扰的平衡、隐私授权的边界、平台生态的准入，这些都还是行业面临的共同难题。
如果没有独立App，很难让用户感知Agent的价值
如果用一句话概括：Today是你的私人助理。
Today跟那些以task为核心去设计的办公Agent不一样，后者每发起一个任务就起一个session，任务完成就归档。我们希望Today像一个人——你持续在一个对话框里跟它聊，不需要每做一个任务就起一个新窗口。
人的人生是延续的，你有很多重要的目标需要长期陪伴——学习、工作成长、职业规划。这些东西在以task为核心的产品里很难做到。
最早3月份的时候，我们其实探索过做类似Instinct的方向——它住在IM里面，没有独立的App。但我们发现两个比较大的问题：一是没有GUI（以图形为主的软件界面），用户对Agent能力的探索引导就很弱。
如果你是个early adopter，熟悉这类产品能提供什么，当然可以自己摸索，但我们一直想做的是大众市场。
对普通人来说，GUI在现阶段更像一张地图，能引导他们去探索Agent这座藏着宝藏的迷宫。如果没有独立App、只有IM和对话框，用户很难感受到它跟一个普通聊天助手有什么区别。
第二个问题是，没有客户端就获得不了一部分设备权限，Agent本身能力也会受限。
确定了独立App的形态后，我们还要想清楚Agent应该连接什么。我们很快意识到，如果要做OS Agent，就不应该只服务某一个操作系统，而应该连接今天已经有的各种操作系统。
这背后更重要的是，先弄清楚用户要解决什么问题，再选择合适的技术路径。比如，帮我操作手机软件不是我的真实需求，解决出行问题才是。订一张机票和帮我操作携程，是两个不同的需求；订票可以有很多实现方式，不一定非得操作手机上的携程App。
我们应该先搞清楚用户到底要做什么，再选择合适的技术路径，而不是为了某一种技术路径去重新定义用户需求。
所以，Today在技术愿望和原理上是一个OS Agent，但对用户来说，交付的价值是Personal AI。我们的设备网关从一开始就按可扩展到更多设备的方向设计，不局限于PC、手机或某一个操作系统。
要面向最大众的用户做产品，做个性化服务
普通人面对Agent的时候其实面对的是个黑盒——他也不知道这个Agent能解决什么问题，他也就想不到自己有哪些问题要交给AI去解决。
意图应该由软件产生、由Agent产生，而不是由人来提供。所以主动性很重。理想状态是，你非常主动地、基于对用户的了解，非常精准地告诉他，你能帮他把什么事情做好，并且你真的能做好。
为普通人、为最大众的用户做产品，这个方向是Today成立时就对齐好的，这一点我们从未动摇过。
所以在产品设计上，我们要让Agent更像一个人。比如，我们一直坚持单session，也就是只有一个对话框。
过去很多Agent产品以task划分对话框，其实是上下文能力有限时的技术妥协——context一多，工程不成熟就一定会混乱，模型注意力也会涣散。
但随着长程记忆和跨session记忆的突破，我们认为未来Agent就应该是单session的形态，所以也做了大量工程优化：比如用尽可能小的模型、提高Context信息密度、降低延迟、设计自然的授权流程和画像展示。以及，通过分Bubble回复降低机械感，来提升拟人感。
在很多个人场景，用户需要记得“上次那件事在哪个对话框里”再去找，本身就是一个额外的动作。最自然的方式就是面对同一个对话框，不需要自己管理一堆session。
实测下来，同样一个任务，Agent Team跑一遍的token消耗，比单session明显要高，在日常琐碎的事情上效率也不一定更好，反而增加时延。
Agent Team在需要互相讨论或review的专业场景确实有价值，比如代码审核——但对Personal AI来说不是。
什么才是真正有用的Personal AI？
过去用户不愿意让AI做很多日常小事，核心原因是交代上下文的委托成本比自己做还高。日程、约会、记录宝宝打疫苗、记录宠物吃药——这些非常琐碎的事情，以前我从未想过会用AI来做，因为每次都要重新交代一遍背景。
Today的关键设计就是降低委托成本。
为了这个目标，我们认为构建Persoanl AI最重要的两件事就是：记忆机制和主动性。
我们积累记忆有两条路径：一是用户授权Connector，让Today进入你的数字世界——飞书、健康、Calendar——它会自己去了解你；二是通过日常对话，在聊天过程中积累对你的偏好和关注点的记忆。
比如，有段时间我经常和它聊记忆相关的论文，它发现我关心这个方向，就会主动在互联网上搜了相关论文推给我。
除了日常琐事，还有一类长期目标是以task为核心的办公agent很难做到的——学习、职业规划、健身等。Today会在记忆里帮你制定长程计划，主动提醒进度。比如，我把学语言委托给Today，它每天中午发一个课程，在我和它交互的过程中改进内容。
主动性的核心难题是“太主动就是骚扰”。我们会根据用户反馈调整主动推送的频次：一看用户是不是真的回了主动消息，二看用户是不是至少读了。如果正向信号都没有采集到，我们就认为确实在做骚扰的事，会主动降低频次。
未来，人的时间会越来越多地被解放，这是Personal AI应该带来的价值——帮助你降低打扰、负载、上下文负担。如果带来不了，那这个产品就是有问题的。
不过，Personal AI的运行成本确实比上一代AI产品高了很多，现在成本的确是个问题。有市场调查推测，instinct单天运行成本是1-3美金左右，调用sandbox（沙箱）、搜索、主动性机制、长程任务执行，都是很大的成本。
Personal AI有壁垒吗？
非常诚实地讲，现在Personal AI处于一个非常同质化竞争的阶段——所有人都看到了记忆和主动性的作用。很难说出一个极端的差异化，即便有，一两个功能点上的差异也很快会被竞争抹平。
我们更看重的不是某个单点功能，而是整体产品方向：像人一样交互、单session、让普通用户真正用得起来、长期目标的推进、主动发现用户可能需要的事情。这些加在一起构成Today的产品理念，而不是某个独家功能。
尤其是很多资深网民，他们的赛博世界数字资产已经非常非常多了。把他们的Context给一个Agent，这个Agent能不能以更高的效率去利用好这个Context？这个其实挺难真正拉开差距的。
又比如邮件，大家都会接入。单纯接入和处理邮件并不难，真正困难的是对邮件进行细致分类，这需要多层Sub-Agent架构，把具体场景的Know-how和Insights蒸馏进去。
壁垒可能不会来自某个单一技术，而是来自长期使用过程中形成的Context沉淀。用户用久了，Agent对你的理解会越来越深。虽然技术上你可以导出记忆、换到另一个产品，但摩擦成本是很高的。这种Context lock-in虽然不是绝对的壁垒，但会形成切换成本。
Person AI应该先做通用还是先做垂直？
做Today之前，我们创始团队也有人做过垂类Agent。做完以后发现，80%-90%的精力全部花在底层的工程上——怎么让Agent跑得更稳定，怎么构建记忆系统，怎么让它记住用户上一次的进度。真正针对场景的调优，可能只有10%。
如果我们做产品的effort，只有10%是某个场景专属的，泛化到其他场景是不是也差不多？健康、学习、理财......核心能力都是那套底层的东西：Context进来-沉淀Memory-再输出结果。而基本上所有场景都能形成这样一套loop，上层其实就是很薄的一层Harness。
按这个逻辑反推，垂类场景的壁垒就很薄——用户其实没有必要为每个需求下一个Agent。
未来，大家可能只需要一个通用的个人助理，它会成为统一的入口，只有极度专业的、通用方案处理不了的需求，才是垂类Agent的空间，而它们之间也可以由这个通用个人助理来连接。
海外Personal AI已经出现几种不同的产品路径。比如Town从邮件场景切入，先把单一场景做深，付费转化率约15%；我觉得这类工具型产品的路线是成立的，但它和Today不一样。
Muse则面向更广泛的用户，以免费模式扩大规模，活跃用户约400万。而Muse带来的竞争压力意味着，同类产品即使在美国，也很难以订阅作为主要商业模式。
市场上也有订阅导向的产品，比如Grok Bot，周活约40万。Instinct探索的则是trusted networks：用户先与自己的Agent沟通，再由Agent与对方的Agent协商安排，最后把结果反馈给用户，链路相对更长。
不过，通用和垂类Agent的边界也没有这么分明。现在，Today在工作场景中更多承担协同侧的角色：安排时间、记录重要事项、做研究、提醒遗忘的事情。工作和生活在Personal AI上一定会互相重叠，一个人的生活是很难完整地区分开哪些是工作、哪些是生活的。
如何平衡隐私和交付任务结果？
这是一个很现实的问题，你不拿Context，能为用户做的事情就不多。基于这个前提，我们能做的是让隐私可控且透明。
第一，完全透明。我们的记忆库，Agent记下来的所有东西对用户是完全可见的，包括基本信息、偏好、兴趣，用户随时可以查看。
其次，完全可控。用户任何时候都可以删掉记忆，删除之后底层数据库完全不会保留。
我们还会做渐进式授权。当Today真正需要某个信息的时候才请求权限，而不是一上来就要求全部授权。
授权访问相关信息后，不等于授权Today替用户作出所有决定。日程调整需要用户确认；涉及支付和重要决定，最终确认权仍在用户手中。主动性意味着提前发现和准备，而不是跳过用户的决定。
其实我们一开始也非常担心冷启动问题。用户真的会授权吗？但内测发现，授权比例还是相当高的。当然要说明的是，这批用户还是偏Early Adopter画像，不能直接代表所有大众用户的态度。
我们现在的用户画像分布其实还挺广的。Early Adopter喜欢探索各种Agent能力；另一类用户不怎么探索，但在生活中稳定使用——记录、内容理解、个人管理。使用轨迹非常不一样。
用户的Aha moment一般发生在两个时间点：一些用户在第一天Onboarding环节就get到了，他们会觉得“这个Agent居然懂我这么多东西”，有种碰见老朋友的感觉。
另一类用户是在第二天收到主动推送的时候——它居然知道我对什么感兴趣，直接把相关信息推到我面前。
无论在中国还是海外做Agent，商业化难度都是类似的
我们不认同Personal AI只有在海外才能做成的说法。不同市场只是场景不同，并不是某个市场天然没有机会。
海外常见场景是邮箱、日历、购物比价，这些确实有成熟的Connector生态。国内邮箱场景不是主流，但大量的Context散落在飞书、健康、Calendar等应用里。
很多人也会质疑Personal AI的一点是：没有微信数据就做不成，但我们对这点非常乐观。
用户真正想让Agent代劳的，大部分是非熟人网络的琐事，微信核心沉淀的是熟人社交网络，恰恰是大家最不希望Agent代劳的部分。只要能接入飞书、钉钉、企微等Connector，一样能收集到足够的Context。
国内确实存在数据孤岛问题，但我们接入其他Connector时暂时还没有遇到明显阻碍，Connector市场也在逐渐开放。
至于PMF，说实话还在验证。商业化也不是我们现阶段第一优先级，第一优先级是交付对用户真正有价值的场景。
从我们现在的用户来看，国内用户的整体数据并不差，但Connector生态不如美国成熟，还需要额外考虑隐私合规问题。
美区上线两周后，我们也上了国区。中国是一个相对共性、统一的大单一市场，这个市场早晚都要做，那还不如现在就做了。
美国和中国的商业化难度，其实某种意义上是相同的。Muse现在免费，那其他公司在美国发产品，其实也很难收费——在这样的免费竞争态势下，Personal AI的商业化哪怕在海外也不容易。
我们未来会探索订阅，但目前看来订阅可能不是最合适的商业模式；导购和广告又会伤害用户体验。现在有点像Google还没有发明出广告商业模式的那个阶段——Personal AI如果能成功，它的商业模式可能跟今天设想的很不一样。
AI应用公司就应该是模型公司
如果今天还在用“AI应用公司”这个词来形容自己的创业，这是让人担心的。
AI天生就是由工程和模型共同驱动的。你的目的可以是在应用层解决用户的问题，但要解决得足够好，就一定要有自己的模型能力、足够好的工程和infra能力。
而在应用上，要有清晰的用户问题定义和解决方案，在Harness和infra层面要有自己的理解和建设决心——随时准备好能调整和修改模型。
Anthropic为什么能在OpenAI这么强的对手面前做起来？是它先做了Claude Code，收集了非常好的轨迹数据，利用自己的Harness做后训练，模型和应用的飞轮就转起来了。
Cursor训自己的模型也是同样的逻辑：降低单位智能成本，提高毛利，提高智能水平。
但Today需要的模型和目前主流的模型方向不完全一样。我们更需要一个“交互模型”——交互感更好、更拟人、语气风格更自然的模型，同时还能真正执行任务。
模型公司向上做应用，应用公司向下做模型，双方的能力越来越接近。未来可能不存在单纯的应用公司或单纯的模型公司。
“创业公司无论如何是有仗可打的”
我们熟知的所有大厂基本都入场了，现在做产品、形成共识的速度都很快，竞争也很激烈。
很诚实地讲，创业公司不会有一个绝对的优势。但无论如何，都是有仗可打的。
创业公司的优势在于决策更集中、更敢冒险。比如，我们可能是最早尝试在Agent里做记忆的团队之一。
创业公司会有一小段时间的产品领先性，虽然未必会形成壁垒性的优势，但这段时间仍然重要。
我们的判断是，Personal AI要处理的委托成本高的小事，并不都发生在熟人社交网络里。工作和生活的Context也分散在飞书、钉钉、企业微信等应用中。只要有Connector，就有机会接入这些信息。
我们也观察到，Connector生态正在逐渐成熟、开放，未来MCP、面向Agent友好的服务商肯定是存在的，以及Phone Use等技术，都可能成为进一步打通生态的方式。
不过，国内每家公司的Personal AI最终能否各自建立起生态？这仍然是个问题。
图片来源｜AI生成
