Teahose.
SIGN IN
NEW HERE — WHAT TEAHOSE DOES
We read the entire AI & tech firehose — so you don't have to.
PODPodcastsAll-In, No Priors, Acquired…
NEWNewslettersStratechery, Newcomer…
PAPPapersPhysical AI research
PHProduct Huntdaily launches
VCInvestor ScoutSequoia, a16z, Benchmark…
CLAUDE DISTILLS →
7 reads, 30 sec each — free, 6 AM ET.
+ a live graph of the companies, people & themes underneath.
HOME/张小珺JÙN|商业访谈录/157. 复盘Personal Agent集体诞生背后:和蔡伟聊…
POD
// EPISODE
张小珺JÙN|商业访谈录

157. 复盘Personal Agent集体诞生背后:和蔡伟聊AI产品史、需求真伪、入口与未来想象

DATE November 18, 2026SOURCE 张小珺JÙN|商业访谈录PARTICIPANTS CAI WEI, XIAO JUN ZHANG, ZHANG XIAOJUN
// KEY TAKEAWAYS6 ITEMS
  1. 01Personal Agent的成败取决于三要素:智能、供给、安全可信
  2. 02模型能力的每一次跃迁,解锁一种新的产品形态(Chatbot → Coding/Task Agent → PA)
  3. 03市场规模逻辑:信息行业(千亿)→ 软件行业(万亿)→ 服务行业(十万亿)
  4. 04这一波不是需求侧的变化,而是"智能供给重构",与O2O有本质区别
  5. 05为什么这一波Personal Agent集体出现:长程任务能力过阈值 + OpenClaw的启示 + 连接器与合规
  6. 06边界感(主动与打扰的平衡)是PA产品的核心难题,也是留存的来源
In this episode

1. Key Themes

Personal Agent的成败取决于三要素:智能、供给、安全可信

Cai Wei把整期访谈的框架压缩成三点,并强调缺一不可,且在不同阶段决定胜负的因素不同。他说:"总结归纳就有三点,我认为第一点就是智能,第二点是供给,然后第三点是安全可信。对,这三点我认为是PA如果要做好,非常非常核心关键要搞好的三个部分。" 00:34:35 关于壁垒的时间维度,他判断:"短期内可能是智能,然后更中长期我认为是供给和安全" 02:15:03。对打分制的对手,他还有一个干脆的论断:"如果有一个三个都是90分的公司,它未来它一定能够打赢那个三个都是70分的公司。" 01:49:50

模型能力的每一次跃迁,解锁一种新的产品形态(Chatbot → Coding/Task Agent → PA)

Cai Wei认为智能与产品强耦合,每一代模型能力都会催生新的产品主轴。他把"智能"拆成三层:"第一个部分就是模型本身的能力,然后第二个部分就是上面那层harness……然后第三层其实就是上面的一个产品的表达" 00:13:04。Chatbot解决信息获取,Manus/Claude Code解决拆解任务并调用工具,而PA的新特征是主动性:"Personal Agent的产品,我认为一个非常大的特点就是,它能够非常积极主动的在合适的时候,给你提供合适的信息,然后帮你做合适的事情" 00:19:22。他同时指出,新一代不会完全替代上一代:"不是说第二代就取代第一代,第三代就取代第二代,它不完全是这样的关系" 00:18:55。

市场规模逻辑:信息行业(千亿)→ 软件行业(万亿)→ 服务行业(十万亿)

这是本期最有投资含义的框架。Cai Wei说:"从这个chatbot,获取信息,到这个完成任务,像Manus,像Cloud Code,然后到PA,其实它们三个分别对应了信息行业,软件行业,还有一个就是服务行业,如果我们放到中国这个市场,它可能分别就是代表了千亿级别,万亿级别,十万亿级别" 00:00:25。他的推理是,现有模型的知识水平已经不低于普通真人服务者:"我认为现在的模型能力从知识的角度,其实是不比一个真人的营养师减重师差的,或者至少不比一个平均水平的营养师减重师要差的" 00:45:37。结论是服务业将被重构:"很多的现在市面上很多由真人做的服务业,它会进行一个彻底的重构" 00:46:06。

这一波不是需求侧的变化,而是"智能供给重构",与O2O有本质区别

Cai Wei反驳了PA类比O2O的说法:"PA的体验的变化还是由模型能力的变化带来的,所以它本质上是一个供给侧的变化……它的本质其实是一个智能的供给重构" 00:49:29。移动互联网则是场景侧变化(比如定位解锁了外卖)。他认为所有商业机会本质上都来自供需失衡,而这一轮是"供的解放力被大大的释放了" 00:51:26。O2O的历史作用是为PA完成了线上化的供给铺垫:"整个O2O这波,其实给PA创造了非常好的一个条件" 00:53:05,"你的线上化是个前置的条件" 00:52:23。

为什么这一波Personal Agent集体出现:长程任务能力过阈值 + OpenClaw的启示 + 连接器与合规

他认为模型是最主要原因,OpenClaw提供了验证:"Open Claw给大家带来的一个启示是说,哇哦,居然现在模型的长程任务能力,已经达到这样的一个程度了,就是当你把它养好,训好,skill配好的情况下,它居然能够如此主动的,自动化的帮你解决了这么多的任务" 00:28:50。灵光的内部观察是,很多任务成功率"以前一些可能只有30%40%能解决的事情,一下子能够到60%70%,就是它跨过一个阈值了" 00:09:25。此外,Muse和灵光都花了大量时间做安全隐私合规和连接器,因为PA需要用户的context。

边界感(主动与打扰的平衡)是PA产品的核心难题,也是留存的来源

Cai Wei认为这是做PA最大的挑战:"这个也是实际上,现在做PA过程当中挑战最大的地方" 00:25:33。他观察到Muse的优势在于每条消息都有信息增益,形成正循环:"你每次给我发的都是很有信息增益的,你又不经常给我发,那么当你下次给我发的时候,我一定会很在意去看" 00:37:25。PA的高留存来自于它接管了生活中需要长期管理的事项:"它的留存其实来自于这里,来自于它真正接管了你生活当中重要的一些部分" 02:37:19。

入口之争:PA是正确方向,但形态未必是App,也未必是今天的样子

他说:"我认为personal agent是一个正确的方向……如果我们沿着这个方向去走,我认为这个方向最终会带来一个不一样的,全新的用户的入口,当然它可能是APP,也可能是在其他的上面" 00:42:09。对Poke的评价是:"一个PA不一定要以APP的形式去存在",但在中国短信电话不是普遍痛点,所以"同样的Poke在国内,如果完全是一个超Poke的模式的公司,在国内做,我认为挑战其实是会大很多的" 00:55:29。灵光的路径是先保证App体验,再开放能力接入车机、智能家居等硬件,并预告"我们在过几个月会有一些新的发布" 00:41:33。

业务型公司 vs 产品型公司:做PA的组织挑战,以及"方向比目标更重要"

Cai Wei给出了"产品型 vs 业务型"的判别规律:如果行业中供给端必须深度参与(如电商),业务型击败产品型;如果用户对轻量信息需求已经刚性(如搜索),通用型吃掉垂类。他还提出了管理哲学:"如果一个目标它变成了一个指标,它就不再是一个好的目标" 01:20:17,因为"完成一个目标它通常会有很多很多的渠道……你如果只需要追这个目标,你一定会选择那个最容易的那条路,但是最容易的你运气好它可能是最正确的路,但绝大部分情况下最容易的都不是最正确的路" 01:21:08。

模型与应用强耦合:蚂蚁是"应用拉动模型",OpenAI/Anthropic是"模型外溢产品"

灵光团队和基模团队在同一个AGI板块下,数据飞轮直通预训练:"我们和基模团队是强耦合的……整个的数据飞轮要得转起来" 01:32:25。他解释为什么不能只用开源模型:"有很多它不开base模型,然后一些数据的配比其实是不知道的……我们其实是很难定向的去从完全从开源的基模去重新去训练的" 01:35:25。相比之下,"Cloud Code这个产品其实就是整个Anthropic模型的coding能力的一个外溢" 01:36:21。

算力成本会下降,PA烧钱的担忧被高估

他从调度角度反驳"PA比Working Agent更烧钱"的观点:离线任务可以错峰,用便宜的卡,"你的代价是原来要算个10秒,你可能要算30秒,但对很多离线的场景,对于我来讲是不重要的" 02:24:37。更长期看,"如果明年的模型只比今年的模型好10%,那我们为什么一定要用明年的模型呢?" 02:25:36。他的收官"关键Bet"也是同一个判断:"算力的成本会不断的下降,我们做产品技术要基于这个理念。" 02:43:30

2. Contrarian Perspectives

创业公司在PA赛道仍有机会,因为产品力不依赖资源

业内普遍对国内PA创业公司悲观,Cai Wei却不认同。他承认大厂在供给和安全上占优,但认为"纯从产品力的角度上来讲,我觉得创业公司是有可能有更好的产品力的,因为产品力这个事情,它并不完全依赖于一些大量的资源,它甚至有可能有那么少数一两个两三个极具天赋的产品精力,然后它可能就能够把产品力给带上去" 01:50:49。他以OpenAI为例:"你看七八年前,当OpenAI是一个,一开始还是个非盈利的组织……所以从时代演进,从历史的统计规律来讲,我认为一定会有创业公司能够跑出来" 01:52:58。他有两次创业并出售的背景,也是蚂蚁投资Today的同一个战略判断。

"PA只是脏活累活的打通,对智力要求不高"是错的

业界一种观点认为PA难在订酒店订机票这类供给打通。Cai Wei反驳:"如果这个时候有一个公司,它供给也打通了,它前端的智力水平也很牛,你是60分,别人是80分,用户一定会选择那个80分的" 01:49:38。他还用误差累积说明智能为什么仍是瓶颈:"你每一步哪怕只有3%的错误率,然后你多乘下几个,你最后整体的成功率只有6-70%" 01:58:02;"行百里者半九十,你没有完成,就是你不管之前你完成了多少步,你最后其实都是没有完成" 01:59:25。

"没有人需要助理"其实是供需匹配问题,PA解锁的是增量需求

有观点认为现实中只有少数人有助理,PA被高估。他认为这是价格问题:"用户没有一个助理,并不代表他不需要一个助理,而是因为可能市场上就没有这么多的一些供给" 02:27:00。他用极端假设论证:"如果说现在可以给每个人配一个真人助理,一个月一块钱,马上需求立刻就解锁" 02:27:53,并给出判断公式:"他每个月给你提供100人民币的价值,然后你需要付出的代价是10块钱,没有理由用户不用" 02:29:00。

PA的商业模式更可能是"生产力逻辑"而非"流量收费站逻辑"

互联网的惯性思维是入口+广告+抽成,他认为PA不同:"PA它不完全是一个流量的逻辑,它是个生产力的逻辑" 02:31:44。如果未来PA生态分散,首选是服务业式的定价(价值100、成本50、定价60,"对公司来讲就赚10块钱的利润,然后对用户来讲,他就有40的这个盈余")02:29:55;只有当少数几家PA集中时,才可能演进为"自己造了一个路,然后你去再造了一个收费站"的逻辑 02:30:54。

基因论是伪命题:业务型公司也能成为技术/产品强者

Cai Wei以阿里为例反驳"基因决定论":"阿里在最早的时候其实不管是从他技术的底座,基因底蕴来讲,其实相对来讲都是非常弱的……但是其实现在在业内,大家都会觉得阿里是一家非常强的一个技术公司" 01:11:11,"把这个事情想清楚了之后,服役足够长时间的一些积累,我认为是一定能够到达一个比较好的一个状态的" 01:12:19。同时他坦承蚂蚁做纯C端产品的经验相对较少,需要补课。

3. Companies Identified

灵光(Lingguang,蚂蚁集团)

蚂蚁推出的AI应用,核心功能为快速研究(Fast Research)、闪应用(可交互应用生成)、多模态感知,2.0版主打Personal Agent的"帮你管事情"。Cai Wei负责其产品技术研发。原因是它本身是本期复盘对象,也是国内少有的把"手机端生成应用"做到实用的产品。关键判断:"当时其实在国内是没有一家公司,真的把这个逻辑用到C端的一个移动端的一个产品里面的" 00:07:06。目标是"最终是能够到达千万甚至一亿DAU的这么一个产品" 01:25:08。

Muse(Meta)

Meta内部孵化的Personal Agent。被点名是因为边界感调教最好:"我整体会觉得Muse的边界感,会比另外几家产品相对会调得更好一点,它肯定是精心调过的" 00:37:25。灵光承认继承了其克制理念:"灵光关于边界感的很多的一些效果好啊不好,其实是继承了很多Muse的一些主张跟一些理念" 00:41:14。Cai Wei还指出Meta是典型的"产品驱动"公司。

Poke

海外以短信/电话为载体的Personal Agent创业公司(transcript写作Instinct/Poke)。被点名是因为它证明了PA不必是App:"它是第一个真的把这个理念去实践出来的" 00:35:57,"我认为还是推动了行业的进步的" 00:36:27。同时他认为这种模式在中国挑战更大,因为中国用户的短信电话痛点没有美国那么强。

OpenClaw

春节期间爆火的开源Agent产品,对极客友好、对普通用户不友好,但验证了长程任务能力的拐点。Cai Wei说他"自己第一次装,我都装了两三个小时,反正中间各种各样的一些bug",同时"给了大家非常非常大的启发" 00:28:50。

Manus

通用型Task Agent。被点名是因为它与Claude Code同属"完成任务"一代,选择了通用路线而非专注coding,处理的是"单一复杂任务",每个任务一个对话框,不具备PA的持续上下文 00:17:04。

Claude Code / Anthropic

编码型Agent产品,被视为"整个Anthropic模型的coding能力的一个外溢" 01:36:21。Cai Wei认为它的产品表达(工具调用、改了多少行)是为程序员定制的,同样能力放到生活场景会是完全不同的表达。Anthropic与OpenAI属于"研究驱动",核心能力是"把一个非常前沿的research,最后把它真正的变成了一个所有人都喜欢的一个产品" 01:10:01。

Cursor

AI编码IDE。被点名是因为它先把coding agent这条路趟通:"最早其实还不是Cloud Code,最早是Cursor,Cursor其实是先把整个这条路给趟通了" 00:17:19。

Lovable、Replit

海外为中小B提供动态生成网站/应用工具的产品。被点名是灵光"闪应用"的对标背景:"海外已经有一些相关的产品像Lovable,Replit……但它的逻辑可能相当于说,我给中小B提供这样的一个工具" 00:07:06,而灵光首次把这个逻辑做进C端移动产品。

OpenAI / ChatGPT

Cai Wei多次引用为"模型能力外溢成产品"和"产品反哺模型迭代"的案例:"ChatGPT打火了之后,其实反向我认为是大大加速了整个模型迭代的速度,甚至都大大加速了整个行业的模型迭代的速度" 02:08:26。

Google / Gemini

被点名是为"在位者自我革命"的例证:"对Google来讲,至少我了解到的情况就是这是一场不能输的战争,必须要革命,不革自己的命,就会被别人的命也革掉" 00:47:40。他认为Google是"工程驱动"的技术公司,核心是infra。

阿里巴巴 / 淘宝 / 阿里云 / 千问

用于说明业务型公司可以进化成技术强者,以及电商中"业务型击败产品型"的规律。也提到去年春节千问请喝奶茶的补贴打法:"不是只是去给你撒个钱,而是说希望通过这样的方式,让你去真的体验说,在千问上是可以能够去点奶茶" 02:23:27。

支付宝 / 蚂蚁集团

灵光的母体。被点名是因为"长坡厚雪"的产品案例:"支付宝整个的产品形态,其实跟十年前,十几年前已经非常非常不一样了,支付宝本身其实也在不断的演进" 02:18:17;并且是灵光在供给(线下服务线上化积累)和安全(金融级合规、可信计算、隐私计算)上的核心禀赋 01:04:59。蚂蚁旗下还有阿福(垂直PA)、阿宝(transcript写作"阿宝")等产品。

钉钉 / 飞书

被点名是供给开放度的案例:"灵光里面,一个很大,大家用的很多的场景其实是连接钉钉……因为它的供给足够的好,足够的多,并且它能够用某一种也很安全,然后也有非常高的开放度" 00:54:01。

Today(Today团队)

国内PA创业公司,蚂蚁投资。Cai Wei说蚂蚁的投资团队和业务团队"对整体的战略方向判断什么是重要的……这个理念其实本身是一致的" 01:55:17,且内部决策独立。

百灵(蚂蚁基模)/ 灵波(具身智能)

蚂蚁自研的基础模型和具身智能产品线。灵光命名源于"灵系列":"我们最开始推了基模叫百灵……包括我们的具身智能叫灵波" 01:16:31。

腾讯 / 微信、字节跳动 / 抖音

被问及腾讯是否因为微信网络更有优势,Cai Wei认为各家都有禀赋,最终要靠打出来。同时用微信、淘宝、抖音的分工说明"产业分工是打仗打出来的" 02:09:49。

Apple / Siri

被点名是因为"硬件公司的文化"使其做软件智能助理挑战更大:"对苹果来讲,其实它的商业模式决定了,它最核心最关键的还是要把硬件给卖好" 00:58:03。

Amazon

被点名为典型的业务型公司:"非常重运营,非常重效率" 01:08:49。

Character.AI

被点名为"没有那么广、没有那么刚"的需求被新模型洗掉的案例:"Character AI可能最近也接近这个破产的这个流程了" 00:14:57。

DeepSeek

是灵光发展的外部催化剂:"DeepSeek……就让大家意识到说整个AGI的能力其实可能带来非常巨大的变化",促使蚂蚁在2025年上半年重组AGI团队 00:04:13。

百度、小红书、美丽说/蘑菇街、京东、拼多多

百度被用作"用户习惯不会一夜迁移"的证据("日活有一两亿的产品绝对还是一个国民级的应用" 00:48:38);小红书是用户搜索迁移的例子;美丽说/蘑菇街是"导购型产品被供应链型击败"的反例;京东、拼多多是"深入供应链才能赢"的论据 01:43:21。

Intel、AMD、阿斯麦(ASML)、台积电

用于说明"掌控权不一定在入口":控制产业链关键环节、且只有你能做,就拥有定价权 02:12:44。

Meta之外的其他PA对手

Cai Wei还提及Minders(transcript所写,原意不明)、OpenAI的Dos(transcript所写)等试用对象,但未展开评价。

4. People Identified

Cai Wei(蔡伟,David)

蚂蚁灵光负责人,前Google计算机视觉工程师(硅谷十年),2019年回国,两次创业(两家公司均已出售)并做过几年投资,2024年1月加入蚂蚁。本期的核心嘉宾,其"产品=智能+Harness+表达"、"三要素"、"服务业十万亿"等框架是全篇主线。他对AI产品经理的要求:"这一代产品经理必须要懂技术……它是一个很大的加分项,不一定是一个必须项" 01:32:04。

老苗

据Cai Wei介绍,是"写下支付宝第一行代码的人"。他的名言是:"在中国这样的充分激烈竞争的环境,如果是Sam Altman来,他也要发红包" 02:20:12,被Cai Wei用来解释补贴战是中国竞争环境的商业决策,而非产品演进的一部分。

Sam Altman

OpenAI CEO,在老苗的话中被假设"在中国也要发红包"。

杨茜茜(transcript写法)

文中用于举例的明星粉丝场景(追星、抢票、行程规划),说明PA的"盯事情"价值。

与访谈主持

主持人张小珺(Xiao Jun Zhang)主导提问,包括"PA像不像O2O"、"会不会打补贴战"、"PA是不是脏活累活"等业内观点的抛出。

书单中提及的人物

Cai Wei推荐的两本书是《邓小平时代》和《乔布斯传》,反映其对大历史和产品创始人的兴趣 02:43:13。

5. Operating Insights

用"高维压缩成一维"的框架拒绝单一KPI

Cai Wei给团队管理的底层逻辑是:把一个高维信息压缩成一个数字,必然丢失关键内容,且会引导团队选最容易的路径。具体做法是:设置一组过程指标(DAU、留存、LT,以及灵光特有的"用户创建了多少事项、多少active、多少真正完成、多少中途放弃"),同时"把产品的主张跟价值,跟所有的同学讲得非常清楚",让大家理解最高维的内核 01:21:58。他还强调模型在变,"你说我这个月考核DAU,我三个月之后考核留存,我再过三个月,我不考核留存考核LT",频繁切换会让团队困惑,也会让绩效归属变得不公 01:22:26。

围绕6、9个月后的模型能力设计产品,而不是围绕今天的

他说产品经理的关键能力是预判:"你是没办法以说我现在的模型能力,然后我根据现在的模型能力去设计产品功能,因为你这样的话,你三个月之后六个月之后,你模型能力演进了,你的产品功能跟你这个可能匹配度就不好了" 01:31:25。具体动作:产品经理要读paper、理解模型边界,甚至有些直接从算法岗转过来;并用Codex/Claude Code自己写原型。

把"策略产品"当作AI产品的第二主线

Cai Wei说AI时代产品除了功能交互,"还有一个很重要的,就是我们把它叫做策略产品,就是你怎么去负责把整个模型的效果,把产品的这个效果给调整好" 01:29:02,并类比"20年前大家在Google,在百度去做搜索引擎效果的调优"。这意味着团队配置里要有专职调模型效果的产品角色,而非只有交互设计师。

产品要有"一个主轴",功能可以很多

他区分了灵魂与功能:"一个产品可以有非常非常多的功能,但是它概率其实只能有一个主轴" 00:22:01。这解释了为什么ChatGPT难以加个"盯事情"功能就变成PA,也提示创业者:在大平台已立住主轴的赛道,新产品应以新的主轴切入,而不是做功能补丁。

早期公司看需求,晚期公司看供给和竞争

他把做投资时形成的理念用到产品上:"早期公司看需求,晚期公司看供给和竞争" 01:57:15。团队时间应花在"模型能力怎么演进、最先满足谁的什么需求、如何低成本触达目标人群",而不是盯着对手的功能清单。灵光为此选了"带娃养娃管娃、车、人际、理财、健康"等高频刚需场景,并以"帮我管事情"作为冷启动切口,"愿景可以很大,切口相对还是需要会更加聚焦" 01:00:14。

6. Overlooked Insights

三个具体的记忆/个性化失败模式,是PA体验的真实雷区

Cai Wei顺口给出了记忆系统上线后的真实案例:模型会把无关的某天的事硬提出来;会因情商低说出冒犯的话("你说你要减重了,他说你什么上周什么110斤了,你可以考虑少吃点了");会让用户觉得隐私保护感差 01:38:58。他的解法是"应记尽记,但在调的时候要强烈的跟着这个产品的主张",并先判断对话目的,再决定是否调记忆。这对所有做记忆层的团队是可直接借用的评测用例。

具身智能的最小任务其实是"开冰箱":真正的瓶颈在力控而非视觉

他举例"打开冰箱这个事情,其实是一个很复杂的事情……你需要知道在一开始用一个很大的力把它打开,当你把它拉开来之后,你要在很短的时间之内把那个力收到非常小" 02:04:18。同时他判断具身智能会先在B端/G端落地,因为C端家庭场景对控制精度的要求更高。这说明家庭机器人的商业化时间表可能比大脑能力(如GPT-6)带来的预期更晚。

离线任务的"错峰+低端卡"让PA成本结构不同于实时问答

他提到PA的很多后台任务"不需要用像那种H200的这种卡去推理……你甚至可能都不需要H20,你可能用很多非常便宜的卡" 02:24:37。这是一个被忽视的成本结构洞察:PA的后台化、异步化让它可以吃国产/低端算力,对推理芯片和调度层是新的需求场景。

灵光2.0最大的惊喜来自用户自己把它接到了扫地机器人和车机上

这个现象在访谈里被一带而过:"我们一开始甚至都没有往这个方向想……他就通过自己的方式一步一步引导,纯通过对话的方式,可能对话个三四轮……通过一系列的过程把它连接上了" 01:18:00。含义是:通用Agent的"自举连接"能力可能在硬件生态里催生一个无需厂商适配的长尾接入层,而这正好是Cai Wei说的"AGI中间那个G"的价值体现。