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

> 42章经 精读

- 发布日期：2026-10-12
- 主持：曲凯
- 原节目：https://www.xiaoyuzhoufm.com/episode/6accc5de195d838e2af0bd9a
- 网页版：https://42zhangjing.qiaomu.ai/ep/6accc5de195d838e2af0bd9a.html
- 精读字数：约 5426 字（阅读约 12 分钟）

> 本文为 42zhangjing.qiaomu.ai 基于节目转写的 AI 整理精读，不是逐字稿；引用请注明出处并链接网页版。

莫子皓高三毕业那年暑假，在广州北京路帮一家溜冰场卖票，站了一天，卖出五张。第二天他换了个做法，去兼职网站发招聘：25 块拿票，27 块给代理，代理 30 块卖给学生，代理赚一成。一个月后，那家溜冰场所有的票都从他手里出去。到大三，还有人在打这个电话。

现在他是 Ambi 的创始人。再往前，他是 Plaud 合伙人兼中国区 CEO，在百川智能负责过医疗方向的产品和运营，更早创办米公益，公司被轻松筹收购。曲凯在节目里说，子皓是他心里很擅长 deliver 结果、或者说总能赚到钱的 founder。

这期 42 章经聊了 86 分钟。前半段是 Personal Agent 这个赛道：这波火到底火在哪、成本是不是问题、需求有多大、怎么和大厂以及 Muse 这样的对手竞争。后半段是子皓自己的经验：高三暑假怎么成为溜冰场独代、商业的本质是什么、招人靠什么、为什么最担心速度。最后两个人聊到一个没有答案的问题：为什么国内跑出来的 AI 产品这么少。

## 这波火不是突然的，是一条线上的延续 1:49

曲凯把时间线拉得很清楚：Personal Agent 这波是 open cloud 的延续，open cloud 又是 Manus 的延续，Manus 又是 2023 年大家讲「用 AI 做事情」的延续。以前 agent 和 AI coding 是两条线，现在合到一起了。

子皓不太用「炸线」这个词。open cloud 对业内不算炸线，真正让他觉得不一样的是 Muse 这类产品：一个普通人不需要知道任何技术背景，甚至不需要知道背后有虚拟机，就能用起来。它具备了一个移动互联网产品该有的所有要点。

Business Insider 写过 Muse 是怎么做的。报道里扎克伯格和 GitHub 的 CEO 都惊讶，为什么其他大厂一直不发，是 Muse 第一个发。子皓的理解是，这个东西就是大家对智能的想象：它能帮你完成所有事情。之前没成，是传播链路没完成，智能水平也不够。

open cloud 的问题不在技术，在产品。第一，大家说它很厉害，但没法用一个明确的场景和价值点说清楚它到底哪里厉害。第二，一个第三方知道了它厉害，怎么获得这种能力？安装成本很高，装完还要接很多 connector、加很多 context，才能接近分享者那个状态。这个链路特别长。

另一个变化来自模型。子皓自己一直用 Codex 加 Hermes 跑工作和生活，每次模型升级，从 5.6 到 6，给系统带来的变化都是巨大的。产品越来越好用，模型越来越强，两个方向都在逼近「普通人能用」的那条线。

去年他们聊过一次，当时的判断是「智能已经足够了」。子皓现在觉得这句话可能说错了。智能足够，是在他们设计的任务不够复杂、给的 context 不够多、来源不够丰富的前提下。当时大家把 agent 能做的事情想窄了，主要聊聊天场景。聊天场景里，开源模型可能都够了。

他记得 ChatGPT 6 发布那个周末，自己跟曲凯说这玩意特别牛。他没用它写代码，而是把 harness 剪一层、system prompt 剪一层，让它适配新模型，再跑同样的任务。出来的东西变化非常大：不那么长篇大论，写得更少，表达得更准，甚至能给你一些你自己总结不出来的东西。**人对智能的需求上限可能真的很高。**

Computer use 这件事，子皓的判断是它在模型非常明确的延长线上。Ambi 的产品假设有两种：一种是有技术壁垒、体验是大家没有的、现有模型刚好能做到；另一种是要花很多时间去够，但过一阵模型天然就能做到。Computer use 属于后者。三个月、六个月之后，现在那些 corner case 都会改善。所以 Ambi 不做，把它当基础能力，等模型开放权限。

## 成本不是大问题，获取智能的交互成本才是 10:07

曲凯问了一个供给端的问题：模型再强，价格摆在那里。Muse、Grok Bot、Instinct 这些产品到底多烧钱？

子皓之前在即刻上写过，这波 Personal Agent 有一个特点：你在 Twitter 上看各种讨论，没人 care 背后用了什么模型。订餐厅、订票这类事情，不在智能层面体现差距，用户对延时也没那么苛刻。成功率、速度、质量三个变量里，速度可以相对放弃一点。

成本对 Ambi 不是特别大的问题。他们不吝啬用智能，不希望因为成本阉割用户体验。模型价格、智能交付、不同地方的 trade off，在商业模式上是算得过来的。

需求端更值得琢磨。工作场景的需求很清楚：帮我写个材料、做个分析。个人层面，一个用户真的能每天用起来的需求有多少？open cloud 那一波就有这个问题。

子皓把变量归到一个更底层的东西：**获取智能的交互成本。**

如果智能是默认触手可及的，张嘴一说它就帮你做，每个人都会用很多。现在的状态是，你先要 setup 很多东西，用的时候要把它拿出来，再跟它解释、再说一遍。生活里好多事情本来就是鸡毛蒜皮，ROI 很难算，交互成本一高，这件事就触发不了。

他拿增程汽车打比方。可能 100 天都用不上一次增程，但你知道它在那里，用一次就很痛。如果 2 到 4 个小时里随时随地获取智能的成本很低，为什么不呢？反过来，专门额外花时间去找一个智能工具，现在大家没有这个诉求。

曲凯问，中秋、国庆这种非工作场合，有什么事情触动你去用 AI？子皓说很少。但他公司有同事自驾去新疆，突然要改宾馆、找最近的加油站、找修车厂、问修车多少钱，那一刻需求非常硬。

所以不能只在「工作」和「生活」两个浅层标签上看需求。分时间段、分场景、分不同的人，答案都不一样。比这个分层更底层的，还是获取智能的成本。这个前提假设变了，上面那个问题的答案就变了。

曲凯顺着说，如果能直接说一句「今天在哪个地方旁边订一个什么样的酒店」，它就帮你订好，那何乐而不为。子皓说，对，为什么不呢。这条线走到最后，这些 Personal Agent 的竞争就是和 ChatGPT、Claude 竞争，最后会合到一起。

涉及名和利的需求就可以做，因为 ROI 算得清。大部分人在手机和电脑上用智能的场景都跟工作相关，谁能在生活场景里找到一个跟钱、跟利益直接挂钩的切入点，谁就找到了入口。这个入口一旦明确，所有产品都会做。硅谷那边 OpenAI 要出一个类似虚拟机的 bot，字节也在做类似的东西，都是一眼能看到的事情。

## To B 魔怔、网络效应，和几家产品的横评 17:06

曲凯提到几条路线：一堆 agent 给一个人服务、每个人配一个 agent、给一个团队加一个 agent。Cloud Cowork 更像第三条。

子皓的观点是这些都有可能。民营企业、外企、私企，不同组织架构都有成功的企业。桥水所有人没有隐私、所有信息公开，也是一家很牛的基金。也有很卷、互相竞争很强的地方。他们公司尊重个人隐私，但愿意把公司很多东西变成 public，让所有人都能看到。路线不用非得选谁，不同应用场景对应不同组织形态。

Cloud Cowork 这类产品发展没大家想象中快，核心原因是它在组织中的应用会涉及非常多组织变革。像一根大水管，你会被水管里最窄的那一段限制住。

他们看过很多案例。没有哪家大公司说「只做 AI native 转型」就成功了。重新建一个公司，按原来的方式做同一个产品，要 5 倍以上的时间。电发明之后，按使用电的方式建一个新工厂，可能需要 30 年。Coding agent 出来之后，新建的公司长成巨无霸，才会完成社会的淘汰和换血。

曲凯说，按这个逻辑，给个人用的 agent 肯定更好起来。子皓接了一句很重的话：

> 「回到 10 年前或者 13 年前，能做 ToC 谁做 ToB 啊？」

他的意思是，很多人做 To B 是因为当年 To C 渗透率已经很高、有网络效应、你一冒头就被超越，做不了才去做 To B。现在到了新时代，干嘛还走老时代的路。他补了一句，大家看硅谷看多了，有点魔怔了。

曲凯给了另一个解释：To B 天然是分散市场，退出渠道更多，底线更高。子皓回：那看你创业是为了改变世界，还是为了卖点钱。

To C 的麻烦是赢家通吃。子皓的判断是，如果你的获客渠道依赖一个强网络效应的上游，你天然很难长成一个非常独立的巨无霸。这更多是渠道和分发侧的问题，不是产品本身的问题。

中国市场不用讨论，就是腾讯和字节。海外市场不一样。TikTok 当年投了很多 Facebook 广告，仍然长出来了。这一波分发整体更紧，但线下硬件不具备那么强的网络效应，也不在一个封闭的社交环境里，仍然有机会。子皓也补了一句，反过来说，中国的确就是没有机会。

曲凯问，Personal Agent 是不是天然不带网络效应。子皓说，网络效应是一种壁垒，Peter Thiel 的书里列了很多种。Agent 这件事本身有网络效应的可行性，核心在于大家互相之间的连接，能不能给双方都带来正向作用。

关键在因果顺序：**不是因为可以 a2a 所以用你的产品，是因为用了你的产品才有 a2a。**你在这个产品里有所有的 memory、file system、沉淀下来的东西，这些东西属于你自己。人和人连接需要什么？需要别人脑子里的 knowledge、别人的时间。Agent 和 agent 之间 share 的正是这些东西，它们之间的沟通协作能给我和你带来帮助，网络效应就成立。

他举了自己公司的例子。好几个飞书群里有他，也有他的飞书 bot。同事想让 bot 帮忙审稿、看方向，但有些问题不方便直接问他，或者他不想说。bot 在群里，同事 @ 它，它按子皓的理解给意见。子皓给了一个透明的空间，让大家看到 bot 是在符合礼仪和权限的前提下使用他的 memory 和 file system。这里面天然就是 a2a 场景，产品只需要解决权限问题。

Town 的 CEO 是 Plaid 前 CTO，出自一家做海外信用卡的金融公司，所以产品特别注重权限和 reference。什么时候用 connector、什么时候用权限，设计得很明确，符合很多 To B 场景。切入点是大处理量的邮件：自动打标签、归类、写草稿。最大用户群是家长，学校不停发夏令营、报班、作业通知。A2A 也做了，但特别复杂，信息架构不如中国团队。子皓不太看好，因为它不在智能的延长线上。智能回邮件有需求，但你在这个点上做得很精，长期看会被模型能力覆盖。

Grok Bot 在他眼里是非常好的产品。授权和透传做得好：有些 MCP 和接口接不了 bot，它就起一个浏览器，输邮件、输密码的时候弹窗，用户在里面输。有大厂背书，普通人会觉得相对安全。Bot 和 bot 之间的通信、context share 做得比较好。团队来自 Coinbase，包括 Coinbase 的增长负责人，传播细节做得好。

Muse 有很明显的移动互联网时代烙印：精细、打磨得多、花了很多钱，每个人上来送一亿 token。子皓第一天用觉得这玩意没法搞，钱、token、传播方式，都是移动互联网时代定义的好产品。Instagram 顶部也在推。它有 Go 功能、长目标功能，跟 Ambi 的很多设计非常像。子皓认为 Muse 往普通人方向比 Grok 走得更远，Grok 本身不是面向普通人的产品，更多面向非程序员类型的人。

Instinct 他们没环境用。「我们生活在一个有美团的国家。」子皓说。

曲凯有点唏嘘：今天国内的环境跟互联网那个年代不一样，不然应该已经开始补贴大战。按理说美团、腾讯、字节都该出一个东西。子皓说，这一波大厂跟上一个时代比，失去了成为世界第一、领先全世界的雄心，好多都是做一个中国的什么什么，原创的、让大家觉得好的产品很少。

## Ambi 押的是线下 context 和「在场」 32:31

曲凯问，Muse 那个打法太强，Ambi 的定位和道路在哪里。

子皓说，Ambi 是软硬结合，也会发自己的软件产品，但跟他们完全不一样的定位在于：在现在的 Personal Agent 状况下，增加了线下的 context，最重要的是线下的交互入口。

Muse 发的硬件 Charm 也看到了这个点。那是个半成品，50 多毫米厚，戴在手腕上。大家为什么做这件事？现在所有 Personal Agent 缺的就是线下 context 和线下交互入口。

Personal Agent 很强，可以给你做无数的事情，但你每一次用它，都要花 30 秒到 3 分钟到 5 分钟。这是下一步最大的 gap。子皓说他们半年前出来，第一个想做的就是解决交互问题。

Computer use、订菜、打折这些功能 Ambi 也能实现，但不作为主打。他们更希望 AI 跟人的关系是在场，而不是异步。别家做很多 human in the loop，人在中间要做很多操作；Ambi 希望人跟 AI 同步在场，没有 human in the loop。

这跟 Jeff 很像。子皓写过一篇公众号说感谢 Jeff。Jeff 的创始人在播客和演讲里讲过一个观点：软件应该一直在跑，你不用管它。AI 平权之后，AI 就应该 continuous running，像软件一样一直在运算、一直在帮你，实时跟在你旁边。交互方式、context 处理、技术架构都会因此不一样。Ambi 在实时性上投入特别多。

曲凯是产品经理出身，对交互敏感。子皓举了 AI 眼镜的例子：你看到一个东西、听到一句话，想让它干点什么，先要唤醒它，说「hey meta」，然后把听到的事情重复一遍，再说要求。它明明戴在你脸上，明明能听到，为什么要重复？重复的来源是它没有一直在跑，没有像空气一样默认围着你转。

曲凯说，过去几年做 agent 的很多，线下会议的信息，最后给的方案都是开完会自己再录进去。这个很蠢，是最大的门槛。有人说打字，有人说语音。

子皓说，Jeff 那个创始人讲得很清楚：软件在跑的时候，你根本不用关心它在不在跑、会不会跑错，它天然就在跑，它就是对的。AI 跟人的关系应该也是这样。我们两个聊天，旁边有我的 AI，它就一直听着