独家对话Karpo：Personal AI的终局，是用户意图的「竞争」，但这还不是行业共识
Personal Agent到底跟之前的Agent有什么区别？
「对Personal AI来说，最重要的就是两件事。意图，以及基于意图进行供给的个性化生成。意图是一切的起点，但我不觉得这件事是行业共识。」
Karpo创始人，98年的Leah是这么回答我们的。
跟Muse这类通用的不同，Karpo讲的故事更「小」，也更松弛。名字取自拉丁语Carpe Diem，「及时行乐」，目前主要面向海外市场。Karpo想让你拥有更好的晚上、周末和假期，帮你找到好吃、好喝、好玩、不容错过的地方。如果连上Apple Music，Karpo就会照着你的音乐品味推荐酒吧。
Karpo还有一套人格和世界观，就像一个天真乐观、对世界充满好奇的朋友。
创始人Leah是豆包早期团队成员、负责了多款模型的策略产品工作，参与了豆包从0到1亿DAU的发展过程。联合创始人Allen曾在豆包和TikTok担任工程师，有多次创业经历。另一位联创Alex之前则是阶跃Agent产品团队负责人。
目前，Karpo已获得Creekstone Ventures 、高瓴创投、蓝驰创投等投资机构的持续支持，累计融资数千万美元。
在Muse、Cue、Instinct还在比「谁能把任务完成得更好」时，Karpo想往前抢一步，在用户只有一个感受、还没形成需求时，先捕捉他的意图。模糊的感受背后，可能连着一整串需求。谁先理解用户真正想解决的问题，谁就有机会替他组织后面的供给，最终完成交易。Leah把这件事叫作「意图前插的竞争」。
Karpo押注的是用户开口之前的那一段：一个说不清楚的心情，一种想要的vibe。
以下是Founder Park与Leah的对话，经编辑整理。
采访 | 万户
编辑 | 朱俊熹
01
通用肯定是大厂的赛道，
我们得换个打法
Founder Park：去年决定出来创业时，你们为什么会选择Personal AI？
Leah： 我们当时比较一致地认为，Personal AI是这波AI应用创业最大的机会之一，也是最值得做的。所以接下来要判断的是，它会以什么形态、什么切口进入用户的生活。
我们做了一些推演，大概把Agent分成两个方向。一个是「代替人」，一个是「代理人」。
代替人，就是今天大量工作类AI所讲的叙事，最终目的是替代以智力劳动为主的白领工作。我们判断，这个方向需要的核心生产要素是智力，而模型公司掌握了生产智力的方式，所以它大概率是 模型厂商的机会 。
代理人是另一回事。它代理你的需求，帮你生活得更好。生活里其实有很多需要用到智力、处理琐事的场景。但它涉及的生产要素就不只是智力了，还包括能不能贴近用户的场景、交互是否足够好，以及品牌能不能代表特定人群的气质。它还会牵涉到用户的线下生活，要跟线下供给打交道。
这些要素更多样，创业公司反而有机会。不管是交互上的创新，还是选择更潮流、更先锋的人群，创业公司都可以有一些更灵巧的身位。
感性的原因是，我们三个founder都比较喜欢玩，喜欢好吃的东西和生活里美好的体验。过往生活里，我们也感受到很多不方便和痛点，觉得这些具体问题确实可以被解决。
所以这是自上而下的推演，以及自下而上的需求洞察，两者交叉出来的选择。
Founder Park：同样是「代理人」，垂直场景的Agent比通用Agent更好做还是更难做？
Leah： 我觉得一个创业公司，很难有做通用的资本。技术能力跨过门槛后，就会出现今天的局面，大家都下场来做。
Meta可以买断纽约地铁上的广告。最近两三周，我大概看到了二三十次Muse的广告，而且不是因为我是AI从业者才注意到的。我在河边跑步、坐地铁、吃饭、等公交、等红绿灯，到处都是。这种铺天盖地的打法，创业公司没法招架。
你也做通用，跟它的差异化是什么？大厂一定会选通用，因为它们不担心用户对它的认知是模糊的，可以直接把「AI助手」和自己的品牌绑定，但创业公司做不到。
所以我们要想的是，怎么找到第一群用户，让他们很喜欢我们、用上我们，然后慢慢让大家觉得Karpo是一个有性格、立得住的生活方式品牌。假设我是Alexandr Wang，那我也铺天盖地。 但今天资源不够，就得换打法。得有一根足够尖的针，把那个点戳破。
Founder Park：那为什么选择了生活这个垂类？ 这个品类值得做的点在哪里？
Leah： 上一代互联网，满足的是几乎所有用户的一类需求，比如Uber、DoorDash，对应国内的滴滴和美团。今天的Personal AI有机会反过来， 满足一类人群几乎所有的需求。 因为它天然擅长从一个意图出发，在不同需求之间做串联，再到最终完成执行。
但这不意味着一个General AI能满足所有人。我们判断，每个人在当下的生命状态里，都有一个占主导的需求类型，或者说占主导的生命动机。
拿我自己举例，除了工作，我最重要的就是享受生活。所以我的两个AI，一个是Codex，一个是Karpo。但我有一个朋友是三个孩子的妈妈，她生活里占主导的需求是照顾好三个孩子，她和我的需求完全不同。
从3月上线iMessage版本到现在，我们看到，大约50%到60%的用户，主要需求是享受生活、探索、社交和交友。差不多20%是照顾家庭，还有10%是自我提升。Karpo一开始就更倾向于满足探索和社交，所以这部分比例可能会更高。
那为什么还是要选择一个品类？最核心的原因是， 垂直更有利于我们把体验做完整。 体验完整，用户才会得到其他产品里没有、或者好得多的体验，也才会愿意更早地把意图交给我们。
这样，我们可以更早积累用户数据，数据又能帮助系统进一步迭代。创业公司本质上没有什么壁垒，关键是能不能更早建立起上一代产品所说的「飞轮」，或者这一代说的Recursive，也就是自进化。
AI Agent服务用户的时候天然是一个智能系统，当它在环境里获得足够多、密度足够高的信号，它就能演化，下一次把用户服务得更好，随后又有更多用户进来。所以我们希望把命题收窄，更快到达recursive的状态。
做「代理人」，很重要的一点是理解用户没说出口的话。用户说不清需求，不代表没有偏好。他可能讲不清想过什么样的周末，但看到具体方案，就知道喜欢哪个、不喜欢哪里。Agent要从这些选择和反馈里理解他，而不是等他把指令写完整。
所以我们从生活体验切入。比如安排一次徒步，过程中会逐渐知道，他是想挑战体能还是放松，愿不愿意为风景多走一小时。比起只帮他买个登山包，围绕整次体验的服务，更有机会了解他怎么生活。这些理解又能用到下一次安排里。
Founder Park：从最初的判断到 现在的 Karpo，中间探索过哪些产品形态？
Leah： 大方向变化不大，但我们一直在过程中验证假设，判断先做什么、后做什么。我们一开始就认为，意图是重要的切口。对创业公司来讲，创造一个能持续捕获用户意图的环境，比费劲去提升模型或者Browser Use能力的杠杆更高，因为后者会随着模型进步自然得到解决。
我们最早做过一个Chrome浏览器的剪藏工具，用户看到一个网页觉得不错，可以存下来，这个动作本身也代表一种意图。也讨论过从日历切入，因为能够通过时间序列，我们其实可以预测一个人接下来可能做什么。在做了一些小而快的探索后，很快收敛到一个人格化的AI Bot。
它一上来就旗帜鲜明地告诉用户：我很了解这个城市，很会吃喝玩乐，跟着我就对了。这个用户心智更直接，天然的可扩展性也更强。
今年3月，我们先把它放进iMessage，跟用户对话，帮用户发现、比较、做决策。那个版本没有完整的执行能力，更多是用来验证我们的假设，后来做了独立App。
02
Karpo想接手的，
是你的晚上、周末和假期
Founder Park：具体到产品，Karpo到底是什么？
Leah： 我们一般会说，Karpo是一个专注于生活体验领域的Personal AI。它帮助用户找到自己生活或到达的城市里，那些好吃、好喝、好玩、不容错过的体验和惊喜，让用户把更多时间放在现实世界，以及值得陪伴的人身上。
Karpo这个名字来自Carpe diem，也就是及时行乐、活在当下。我们希望借助AI对世界近乎无限的认知，让用户在自己的生活里也能体验到一种接近无限的可能性。
Founder Park：通用 的Personal Agent 会拿订机票当典型场景，Karpo最典型的场景是什么？
Leah ： 让你拥有一个美好的下班后的晚上，一个周末，一个假期。这是我们希望用户在Karpo上感受到的东西。
最典型的Aha Moment是，快速找到身边真正值得去、而且适合自己的地方。比如有大概30%的用户会连接Apple Music，我们会基于他的音乐品味，推荐适合他的酒吧或其他地点。过去大家打开地图，可能只能看到一个地点的名字，并不了解那个地方的vibe是什么。但人和场所的匹配，很多时候匹配的就是vibe。
我们会在onboarding阶段获取这类信息，告诉用户，一个街区之外可能有一家很适合他的酒吧，以及它为什么值得去。
有一个金融从业者，在楼下同一家酒吧去了5年。用了Karpo后，他开始去新的地方，才发现「原来这个世界是这样的」。还有用户在X上告诉我，他家一个街区外有一家餐厅，他以前完全不知道，去了以后发现很好吃，一周之内去了两次。还有用户很喜欢灵异故事，Karpo会告诉他，他家附近的一家旅馆里有张桌子，某个著名鬼故事就是在那里写出来的，问他要不要去看看。
Karpo更想承载的，是让用户意识到，原来还有那么多事情和地方可以去接近和体验。
Founder Park：如果用户只是说「我心情不好」，Karpo会怎么 回答 ？
Leah ： 大部分情况下，Karpo会跟你说「要不出去喝一杯」，或者「我给你找点能让你开心起来的事」。它是一个更向外求的AI，希望你走出去，在真实世界里跟人和事发生互动。
当然，有些用户也会向Karpo倾诉，Karpo会安慰他。只是从概率上，它更倾向于提供「出去喝一杯」这样的解法，因为它的工具箱比普通chatbot更丰富。如果用户喜欢运动，它可能建议出去跑个步。或者说，一起去吃上次觉得特别好吃的东西，回来睡一觉就好了。
而且这件事不会在一轮对话里结束。它会主动follow up，「你之前说心情不好，今天好点了吗？我又发现了几个有意思的酒吧，要不要去玩一下？」
Founder Park： Muse说自己能帮客户订票、退差价， Karpo能直接帮用户把事办了吗？
Leah ： 能，其实在Karpo上也能订机票，只是我们没把它当作对外的主要用例。订机票很低频，跟我们想让用户对Karpo形成的心智也不一样。
我们会告诉用户，Karpo可以找到最近城市里一些值得看的show，并直接帮你订门票。你喜欢的米其林餐厅要排队，Karpo可以帮你reserve a table。也可以连接ClassPass，Karpo会根据你的生活节奏和健身习惯，挑选适合的课程。
我自己很喜欢摇滚乐，有十几个常听的乐队。我跟Karpo说，这几个乐队只要来我在的地方开演出，只要这些乐队来我所在的地方演出，遇到合适的就可以直接替我买票，因为我给了它一张credit card。
Founder Park：现在很多Agent过于主动，来一封邮件就问你一次，挺烦人的。Karpo的主动性边界怎么定？
Leah： 我们的主动性大概分几部分。
一部分是用户自己设置的定时任务。另一部分，我们也会基于对用户需求的推测，比如你要去旅游了，在旅游前后提醒一些事情。还有一部分来自用户信息的变化，比如地理位置、连接的Calendar或者Apple Music的信息变了，判断能否提供新的服务。
所以Proactive更像是，这个AI不只活在跟用户的对话窗口里，它还知道外部世界正在发生什么，并把世界的变化和「怎么服务好这个用户」联系起来，不是像上一代产品push一样死板。
安全和隐私的边界由我们设定，边界之内让Agent自由发挥，再根据用户反馈动态调整。某一类消息发出去，用户回复率很低，就会对这个用户减少发送。如果用户一直在回复，可以相对多发。它是一个自适应、个性化的过程。
03
Personal AI最重要的是获取意图
Founder Park：你们想捕捉的意图，和上一代产品有什么不同？
Leah： 上一代产品解决的是很明确的需求，你要吃饭，你要找个酒吧。除了这些，我们想往前再走一步，在用户只是有一个感受、还没形成需求的时候就接住它。我们把它叫作 意图前插的竞争 。
对Personal AI来说，最重要的就是两件事。意图，以及基于意图进行供给的个性化生成。意图是一切的起点，但我不觉得这件事是行业共识。
Founder Park：为什么这么说？
Leah： 比如Muse现在很强调任务执行，它会帮用户经营Meta的广告后台、在Shopify上经营店铺。它好像想用一种更全知全能、always-on的方式，从个人生活再进入工作和创造，抢走Codex和Claude Code一部分市场份额。它是不是觉得意图最重要，真不一定。
包括它的产品设计，第二个tab是feed流，会围绕你关心的事情持续呈现内容，比如我说今天去哪个店吃了什么，feed里就会开始出现那家店的简介。它更关注后链路的事情，关注执行以及执行带来的结果，想着怎么更好地承接用户已经提出来的需求。而不是在需求出现之前就抓住用户，或者在需求出现之后去做个性化的供给生成。
它押注的可能是，暴力满足用户几乎所有的需求，用户以后有需求就会来找我。但我们的iMessage测试里，绝大多数query都很模糊。用户会说「Food」，「我女朋友不理我」或者说「Nature walk」。很少有人一上来就给出「几点几分从北京飞到洛杉矶」这样的精确需求。所以大家的Bet不一样。
Muse的slogan也很典型，叫「AI hustles for you」，强调AI帮你努力干活，干各种活。
Founder Park：Instinct呢？
Leah： Instinct创始人在公开渠道分享得比较收敛。从目前披露的信息看，它有相当一部分收入来自旅行、机票和酒店，最近的更新也围绕这些场景。
Noah最近在X上讨论得更多的是，AI降低生活事务里的friction后，原本没有被满足的需求会释放出来，从而扩大原有的市场规模。这还是更偏任务执行的逻辑。
所以大家虽然都做Personal AI，切入点差别很大。Instinct想bet摩擦降低、需求扩大。Muse可能想从个人生活进入，再帮助用户工作和赚钱。我们希望承接用户形成明确需求之前的意图、感受和vibe，再帮他完成后面的任务。
Founder Park：这几条路，最后会长成完全不同的产品吗？
Leah： 虽然都叫Personal AI，切入点差异很大，最后可能长成不同的产品。
长期来看，Karpo会更接近一个意图容器。我的bet是，所有的任务和执行都会被标准化，而且应该藏在产品背后。用户不需要知道AI中间干了什么，接受结果就好。
Muse和Instinct在想怎么降低摩擦，就会持续让用户发布任务、让任务的反馈更清晰直接，它们会在这上面做更多工作。
Founder Park：如果做意图这件事，ChatGPT和豆包会不会离它最近？
Leah： 我觉得ChatGPT和豆包的结构更接近Muse。
而且不是所有人都适合Karpo。Karpo带来的那种探索、社交、及时行乐的生活方式，也不一定match每个人当时的生命状态和能量状态。
我们之前住Airbnb，房东在自家车库里有个工作间，每天敲敲打打，栏杆坏了自己修，屋顶破了自己补。这种人的需求很具体，家里屋顶漏了，什么防水胶最好，给我买回来。几个小孩放假了，我想省心带他们出去玩，那就全家拉上游轮去阿拉斯加转一圈。他不是探索型，是特别务实型的人。
人群的不同会导致这些产品分化。特别清楚自己此刻要什么的人，和偏探索、从外部世界出发的人，需要的东西不一样。
ChatGPT和豆包也一样，用户能问出口的，很多时候已经是一个明确意图了。我们会刻意鼓励用户在还没形成明确需求、只有一个感受的时候，就来告诉Karpo。这就是一个前插的竞争。我拦截了一道之后，你的需求就不会再流到别的地方去，我可能就会去分发你的需求。
Founder Park：所以你们真正想做的，是在其他产品获取到用户的需求之前，先捕捉到用户还比较模糊的意图？
Leah： 对，我们的联创Alex概括过一句话，时间是因果的向量。
如果我们有一个人过去在Karpo里积累的context，知道他的长期偏好，也知道此刻外部世界正在发生什么，就能理解他此刻的意图，预测最可能发生的未来。
Personal AI有一天应该会往这个方向延伸，只是当下大家切口不同。我们切生活体验，天然更早接触模糊意图，也能积累把模糊意图具象化的数据。Muse、Instinct这类更偏工具的Personal AI，会先解决具体任务，未来再向上游走。
Founder Park：怎么验证，你们确实准确捕捉到，并满足了用户的意图？
Leah： 我们有个衡量指标，是用户的接受度和满意度。我们给用户推的东西，用户在语义上多大程度给出了正向反馈。比如直接回复说自己去了，或者发了目的地的照片，点进了我们发给他的导航，或者「Let’s go」，我们就把它归为满意信号。
相反，用户没有回复，这种沉默会看作偏负向的信号。这些数据会持续用于迭代，让系统更好地理解用户意图。
04
Browser Use跨过了可用线，
这波Personal AI才开始扎堆出现
Founder Park：这一波Personal Agent几乎是同一时间冒出来的，为什么大家都在这个阶段做Personal AI？
Leah： Personal AI有几个关键的技术要素。一是长上下文，要积累用户很多信息，上下文太短肯定搞不定。第三是指令遵循，用户给出一个个性化的指令时，模型能稳定地遵循。第三是模型的Agentic能力，能够广泛地使用各种工具。第四是browser use和computer use的能力。
这些能力是依次解锁的，去年年底我们开始做的时候，Gemini 3、Claude 4.5这一代，前三个能力已经很不错，让我们觉得这件事可以做了。OpenClaw也是去年年底出现，今年年初火起来的。
但当时操作浏览器和电脑的能力还没有完全过线，失败率、成功的耗时都没到产品化可用的阶段，比如订一张票，操作步骤一多，就可能卡在某个环节。对用户来说，前面操作得再好，最后没订上，还是没用。
今年夏天，到了Fable 5、GPT-5.6 Sol这一代，模型执行长任务的能力又往前走了一步，差不多成功率越过了80%这条线，之前几代模型差不多都在60%上下徘徊。我们再从产品这一层补上：出错了怎么重试，卡住了怎么接着做，最后怎么确认事情真的办成了，才有机会把整个体验做好。
所以我觉得，八九月这波产品集中出来，不是大家突然同时想到了Personal AI，而是模型在进步，团队也都做了一段时间。
Founder Park：也就是说，AI能完成的任务从最早的对话到代码，再到更通用的场景。到今天，解锁的是面向用户的个性化任务？
Leah： 我觉得是生活中的很多琐碎任务，其实它们复杂度还挺高的。
比如要退一张机票，登录网站之后点什么、谈判策略是什么、能不能把钱要回来。或者在网上订张票，人机验证能不能绕过去，能不能在规定时间内完成。
完成这些任务并不需要多高的智力，只是现实世界是为人设计的，操作起来本身有复杂度。尤其对AI来说，它要推理该点这个按钮而不是那个，点了之后出现情况A要怎么处理，它更多是在学习怎么用人的工具。过去一段时间智力的提升，让越来越复杂的任务可以被通用、标准化地解决。
Founder Park：除了技术门槛，市场和用户侧出现了什么信号吗？
Leah： AI应用最早其实是从To C开始的。最近宣布破产的Character.AI是最早跑出PMF的AI应用场景之一，ChatGPT最早也是靠To C出圈。一开始是对话，C端对应role play、陪聊和情感陪伴，B端就是写文案、翻译。
后来To C一直没有出现决定性的跨越，中间反而是模型的Coding能力有了长足进展。Coding能力继续往上，就解锁了Agentic能力，让模型可以灵活调用、组合各种工具去完成复杂任务。这个时候，一方面工作场景解锁了更多任务，个人领域也到了一个跨越点，终于可以做一些情感陪伴之外的实质性工作了。
Founder Park：很多人觉得今天的Personal Agent还没解锁真正有想象力的场景，只是把Codex能干的事换了个包装。你觉得Personal AI真正会带来什么？
Leah ： 我们觉得，Personal AI会重塑供给的关系。
过去我们买商品，不管是有形商品还是线上服务，面对的都是一个marketplace，自己做选择，再去下单。用户需要先把需求拆成一个个商品。比如我最近睡得不好，改善睡眠是我的需求。但在今天的平台上，我要先做一道翻译，买一个更好睡的枕头、褪黑素、开安眠药，或者去上瑜伽课调节皮质醇。
AI最大的创造，是用户不需要再翻译自己的需求。我的需求就是一句话，接下来AI应该直接交付「让我睡得好」这个结果。至于中间是换枕头、买褪黑素，还是采取其他方式，都只是路径。
这件事在之前的平台上是不可能的。以前只有特别有钱的人才有生活助理，帮他搞定这些。AI让生活助理这件事，第一次可以批量化、规模化、工业化地出现。
Founder Park：过去大部分人没有生活助理， 大家 真的需要、或者会习惯有一个Personal Agent吗？
Leah ： 这是一种用了就回不去的体验。就像没有导航时，我们得自己背地图，下三环之后往哪拐才能到酒仙桥。现在有了导航，肯定不会再记这些路。
人的前额叶很有限，记不住那么多事，也不喜欢被琐事填满。我很喜欢徒步，但每次徒步前的准备都很痛苦。选路线、找向导、打包装备、订票、订酒店，到达后还要找车把我送到山脚。爬完5天回来，又要把整套流程重复一遍。Hiking的快乐在hiking本身，但这些logistics无法避免。
跟朋友吃饭也是一样。两个人口味不同，永远要纠结选哪一家。今天大家愿意做这些小事，是因为它们还没有「痛」到让人放弃出门。但这些friction一旦被消灭，你就回不去了，甚至可能会忘记自己过去是怎么打开地图选餐厅的。
大部分情况下，人只是想享受结果，并不enjoy中间的过程。生活里那么多填满我们大脑的琐事，今天被AI全部take走了，这是一件顺人性的事。
Founder Park：如果用户不再自己选商品，平台和商家 的关系会变成什么样 ？
Leah： 用户不再直接面向那些平台，平台开始要服务用户的Agent。淘宝、京东、拼多多，海外的DoorDash、Uber，甚至Amazon、Walmart，以后可能都不直接面向用户，面向的全是AI。
所以供给方会想，怎么让AI选中我。站在用户这一侧，像Meta这样的To C公司会想，怎么成为下一个入口，成为用户选中的那个Personal AI。这也是为什么大厂都下场了，这个机会太大了。
今天大家还是用搜索，或者Browser Use截图。未来能不能把用户之前的所有行为序列当输入，直接predict接下来最适合获得的结果或商品？
我们觉得，Personal AI最关键的技术变量，是探索从意图到供给之间的供给生成，它应该是生成式的。因为这是最个性化的，也最能满足需求。所以它有一种势能，会吃掉其他交付形式。这条路怎么走，大家都还在尝试，没有标准答案。
最重要的依然是理解用户的意图到底是什么，然后基于意图去组织各种不同的供给，来满足用户的需求。在我们看来，这是Personal AI今天最大的机会，也可能是对整个市场最大的改变。
05
巨头会拿走最大公约数，
Personal AI最终可能「一超多强」
Founder Park：单看生活这个赛道，Personal AI会赢家通吃还是多家并存？
Leah： 有两个要素。一个是谁能先把Agent这一侧搞定，也就是意图捕获和个性化的供给生成。第二是谁能把商业化闭环跑通。如果两件事都做成，而且和后来者拉开身位，是有机会赢家通吃的。
但如果第一件事做得太慢，会更危险。只要先把用户侧做成，用户会来到你这里，后面的商业化就会有势能。
Founder Park：往大一点看，整个Personal AI赛道呢？
Leah： 我觉得会是多家并存。上一代互联网服务的是普遍人群的单一需求，今天AI有机会服务一个人从头到尾的需求，但人的异质性很强。要服务好一群人，对交互、品牌、任务完成度上的个性化要求已经很高了。比如一个Personal AI要贴身服务好我，和我那位有三个孩子的朋友，有可能是完全相反的。
这个可以类比高端服务业，从整体看很分散，但每个人群内部又是聚集的。要普遍，就一定是规模化、标准化的。但如果要把一个人从头服务到尾，就需要是个性化的，两者天然有冲突。
所以长期看，我觉得Personal AI可能是一超多强。人群中一定有一个最大公约数，Muse也好、豆包也好，都想抓住它。我们这样的创业公司，就抓一类自己最能服务好的人群，把他们服务好。
Founder Park：对于Personal Agent这个场景，模型能力还是门槛或者壁垒吗？
Leah： Agent能力会变成锯齿状的。谁先拥有一个垂直环境和数据，谁就可以在上面优化，让系统在这个领域表现得更好。
今天模型训练的门槛已经很低了，我们自己也在训一些小模型。之前叫Vibe Coding，未来可能会有Vibe Training。应用公司大概率不会做pre-train，但可以基于开源模型，用自己独特的垂直数据做post-train，在自己的垂直场景里拿到收益。只有这样，智能的复利或者经验的复利，才能累加起来。
Founder Park：你们最担心的竞争对手是谁？大厂、做同样赛道的创业公司，还是传统本地生活公司？
Leah： 大厂很难拒绝通用的诱惑，我反而更担心创业公司。创业公司资源受限，更容易选一个垂直领域切进来。生活体验是一个不错的方向，消费规模大，离交易也近。今天虽然还没有看到和我们做完全相同事情的团队，但世界上一定有人在做类似的事。
至于今天的通用Agent，我倒是不担心跟它们的竞争。它们进入这个赛道，更有利于整个行业和基建的加速成熟。
Founder Park：苹果、Google这样的手机厂商呢？
Leah： 手机厂商我是担心的，但它们的动作太慢了。就是因为大公司慢，创业公司才有机会。如果大公司又大又快、资源又多，那大家都别干了。
Founder Park：未来一两年，最大的风险是什么？
Leah： Instinct拿了太多钱，我们不确定它会怎么打，取决于它接下来的战略动作。我不排除它直接进入跟我们一样的赛道，做类似的事，那时候可能会有点难受。如果大厂跟我们做一样的事，那肯定是大威胁。
但现在看大家判断不一样、选的战场不一样、相信的东西也不一样，会沿着各自的方向往前走，等共识收敛、打得厉害的时候，我们应该也积累了一些壁垒。
另一个判断是，Personal AI这场仗不会那么快结束。它受制于硬件，你服务一个用户可能就要开一个虚拟机。今天全世界可能只有20%的人用过AI，给AI付费的不到5%。市场很广阔。我们还是非常相信Consumer AI会有比移动互联网更大的机会。
Founder Park： 接下来最期待模型和行业有什么进展？
Leah： 首先是任务完成率更高、速度更快的browser use模型。现实生活里还有很多corner case，这点我们希望模型公司能继续突破。然后是模型的推理速度更快、token价格更低。
坦白讲，我觉得今天模型在基础任务上的能力已经跨过了Personal AI的可用门槛。
另外就是几个比较前沿的技术topic。
一个是面向个体的持续学习。我期待模型能够把语言表达、行为轨迹、情境和结果反馈联合起来，持续适应一个人。这里面需要突破的是长期记忆、在线适应，以及个性化的学习目标。
另一个是生成式供需建模。模型能把用户、意图、情境和真实供给放进统一的表示里，直接生成供给组合与行动序列，在生成过程中满足预算、时间、距离、库存等约束，再用真实选择和履约结果优化。进一步，模型能够输出供给方可执行的服务规格，让对需求的理解开始指导新供给的形成。
这些能力要在真实世界里跑通，也需要生态侧的成熟。不管是agentic payment在全球范围内普及，还是各个下游供给方更愿意接纳AI Agent作为代表用户消费和决策的一方，这都是我们希望未来一两年能看到的变化。
06
只要能精准提供供给，
商业化就不是问题
Founder Park：从3月上线iMessage到现在，你们看到哪些明确的PMF信号？
Leah ： 3月份开始做的时候，我们要证明的不只是跟通用AI的竞争。本地生活不是一个新赛道，还要跟老玩家竞争，用户为什么不用老产品，要来用你？
第一个信号是，用户真的会按照AI的建议去行动。不管是我们捕捉到的行为信号，还是直接访谈，都能看到这一点。我们最先验证的是这件事，摩擦降低了、从整体需求而不是单一商品出发，以及把模糊意图引向具体需求，确实能让用户采取行动。
第二个信号是，确实存在一类被某个需求主导的用户。数据里能看到「人以群分」，能聚集到一批以生活体验为主要需求的人，他们具备比较独特的特征，未来可以重复获客。
我们还验证了一点，用户的行为会自然迁移。AI越来越懂用户，用户也越来越信任它，就会把更多原本不属于生活体验的任务交给它。
尽管我们已经把Karpo明确定位成生活类AI，仍然有大约10%的用户会交付生活之外的任务。比如南加州有位大一学生，会让Karpo帮忙做作业。我当时很惊讶，还担心它是不是会做错，因为我们没有专门为这个任务训练过。
我们还观察到，用户跟Karpo交互的品类越多，黏性越会跃升。一个人原来只聊吃饭、喝酒，后来开始聊旅行，出现品类迁移后，留存会更好。这验证了我们的另一个假设，从生活领域切入后，有机会拿到这群用户几乎所有的生活需求，因为延伸过程很自然。
Founder Park：Karpo的核心用户是什么画像？
Leah ： 年龄上18到55岁都有，集中在25到35岁。单身和已婚用户都有，单身更多一些。如果有孩子，生活状态会明显变化，通常不再是最典型的用户。
职业分布很广，我们更关注消费水平。核心用户通常是中高收入人群，愿意在生活上消费，也对生活有自己的想法和要求。单个典型用户每月Karpo促成的交易额，平均500到600美元，最多的能到两三千美元。地理上集中在大都会圈，因为需要有足够丰富的供给。
他们对AI的接受度反而不重要。有些人会明确说Karpo比ChatGPT、Gemini好用，也有些用户以为Karpo是真人，没有AI的概念，只是觉得好用就继续用了。
Founder Park：Karpo现在最主要的交易发生在哪些场景？
Leah ： 餐饮占得最多，大约40%的交易额来自餐饮，包括餐厅和酒吧。30%来自events，包括音乐演出、展览。旅行大约占20%，剩下还有美甲、美发、健身这类生活服务，以及一部分购物。
对于旅行，我们的判断是，很多时候只是换一个地方生活。本地探索做好以后，旅行会自然跟着做好，所以我们会先在本地探索上投入更多。
做法上，我们先搭一套通用的供给能力，接入各种内容源，在不同垂类里优化search engine，再基于用户反馈自迭代，让各个品类都达到及格线以上，再在每个垂类里做深。
现阶段优先做events。餐饮虽然高频，但可传播性不如events，去参加活动的人天然更social、更外向，去了之后会在社交媒体上分享。我们想在更先锋、更trendy的人群里，让大家感受到Karpo的能力。
Founder Park：现在主要的用户增长靠什么？
Leah ： KOL合作、paid ad、organic word of mouth都有。效果比较好的是偏内容的KOL，一条内容能讲清楚产品到底做什么、价值在哪里，粉丝本身对KOL有信任，更容易转化。还有朋友推荐，referral效果也不错。
下个阶段会多做线下获客。Karpo想成为生活方式品牌，如果不做线下、不深入Community，很难在一座城市里快速形成密度。我们希望通过线下网格化地和不同club合作，让一群人高频使用Karpo，这也是我们想建立的一部分壁垒。
Founder Park：线下生活服务有很强的地域性。要保证每个城市的商家和服务信息足够准确、质量足够高，需要针对不同城市，单独做数据收集和校准吗？
Leah： 需要，供给上我们也有自己的团队。意图捕获推演到极致，指向的其实是极致个性化供给生成，放在我们这个场景也就是能不能把供给串成用户独特的体验。比如一个用户喜欢灵异事件，想安排一次day trip，我们可以让他依次去A、B、C、D，这就是一种供给生成。生成的时候，肯定是自己的供给用起来最顺手。
Founder Park：在线下生活场景里，交付能力会不会越来越取决于供给侧？比如谁能谈下更多商家、拿到一批独家服务，谁就更有优势。供给侧会成为Personal AI接下来的竞争焦点吗？
Leah： 这和美团、饿了么不太一样。外卖平台有规模效应，C端订单越多，骑手一次配送可以带更多单，人力成本被摊薄，于是形成用户越多、骑手越多，体验又更好的循环。
生活类Personal AI的优势更多来自独特数据带来的系统进化，系统优化然后体验提升。以及用户对Personal AI的使用习惯和黏性，如果这个助理很好用，用户不会轻易把它fire掉。
今天，从意图到执行整个过程，我们不需要获得商家的认可。我让AI去外卖平台上买东西、订演唱会和博物馆门票，绕过商家也能完成交易闭环。上一代互联网需要先把商家onboarding。今天Personal AI不需要先做这一步，用户体验也是完整的。
只要用户体验始终最好，我在增长和获客上效率更高，就有机会先拿下用户。掌握了用户消费的分发权后，再面向B端就有很强的bargaining power，可以去跟商家谈给用户什么优惠，反正用户并不关心票到底从哪个网站买。所以真正的竞争指标更像Delegation Rate，也就是用户到底愿意把多少任务委托给这个AI。
Founder Park：商业化怎么考虑？
Leah： 还是基于用户在我们这里实际发生的交易额。
比如通过交易抽佣，我们跟一些连锁商家、大的供给平台有合作，可以直接抽佣。另外，开始有更多用户把卡绑在Karpo上直接支付，这也会带来跟银行、金融机构合作的货币化空间。
从更长期来看，在Personal AI时代，用户今天不出门想点外卖，那在DoorDash还是在Uber Eats上点，对他差异不大，是他的AI替他决定了。那未来会不会有一种面向Agent的竞价广告？我觉得有可能。这里有挺大的探索空间，需要整个行业一起figure out。
所以现阶段我们不担心商业化。最重要的两件事，是精准地捕获用户意图，和精准地为它生成供给，因为它们本身也能从用户反馈中自进化，我们希望能把这个飞轮转起来。
07
一个有人格的Agent，
比纯工具更让人信任
Founder Park：在Personal Agent的产品交互上，你们是怎么考虑的？
Leah： 一个是单一的瀑布流对话，不是把对话切分成一个个分支任务。Personal AI应该是always-on的，不该一个任务接一个任务，这点今天大家基本达成共识了。
另一个是我们最近上线的VibePad。我们发现，接近70%到80%的用户query都偏模糊。有时候用户想找家附近的餐厅，但说不清想要什么样的。我们就用更可视化的方式来实现，VibePad是一个四象限的滑杆，用户可以往不同方向摇，选择自己想要的状态。比如晚餐时，我选「Light and Casual」，它会推荐可以快速取走的寿司。如果选择更重、更讲究的另一档，它可能会推荐附近米其林主厨开的融合菜。
，时长00:14
VibePad把vibe变成明确的prompt，再到action。它用的是苹果的端侧模型，在VibePad上划的时候，那些prompt都是基于上下文实时生成的。很多时候用户不是有表达压力，是真的不知道该怎么把感觉说出来。我们要做的是帮用户更好地表达自己，这也是AI带来的交互体验上的变化。
Founder Park：Discovery页的内容是动态的，会根据用户的兴趣和聊天关注点持续变化，这和Muse的Feed有什么不同？
Leah： 有相同的部分。用户主动来聊天是明确意图，如果被动浏览，就会有一些隐性意图暴露出来。用户可以在Discovery页面继续问Karpo，Muse也允许从Feed继续对话。在这点的设计思路上，大家是一致的，都是希望通过被动消费，启发用户的新需求。
Karpo做Discovery还有另一个原因，我们有自己的个性化生成引擎，会根据用户profile和对用户的理解，生成他可能感兴趣的内容。Discovery是我们这个阶段用来收集更多数据、解决冷启动的容器，跟我们想把个性化供给生成做得更好是相关的。
Founder Park：交互上会往「智能界面」走吗？比如推一些可交互的卡片？
Leah： 我们已经在做，VibePad就是第一个尝试。用户去一家餐厅，现在给出的反馈是自己说或者发过来一张菜单，未来我们可以生成一个交互表单给他，问问今天吃得怎么样。或者用户要去某个地方旅游，可以直接生成一张地图。
Chat这个模式很通用，也很强大，作为基础容器特别好。在它之上，特定场景里怎么让用户用得更爽，交互式UI会是一个解法。
Founder Park：为什么从iMessage转向独立App？Instinct仍然坚持「最好的UI是没有UI」。
Leah： 大方向上，我们还是Bet on full experience，要给用户完整体验。
iMessage局限太多，自己能定义的东西特别少。举个最简单的例子，受iMessage机制限制，用户的location更新可能都不及时。对做本地探索的产品来说，这是不能接受的。iMessage当然也有优势。我们早期就几个人，没有前端，就先借这个渠道上线，测试最核心的假设。
但中间遇到了一个问题。我们的AI很主动，会给老用户发各种消息，大概三分之一的线路被苹果判定为spam，直接被ban了。用户找不到Karpo，我们也因此流失了一批用户。这件事加速了我们转App。
最重要的原因还是完整体验。VibePad在iMessage上做不了，自己做的供给怎么更好地传递给用户。之后如果要下单，我们想让用户看到实际操作过程，这些iMessage都承载不了。所以我们 把iMessage当成一个channel、 MVP 试验田，没有把它当主战场。
Instinct今天也会遇到一样的问题。还有一点，iMessage在北美以外的地区用得不多。在北美，大概80%的Z世代用iPhone。但往上看千禧一代，这个比例会下降。全球其他地区的主流IM也不是iMessage。如果Instinct想扩到美国、加拿大以外的市场，迟早也得做一个自己的App。
往长期看，当AI已经非常了解用户，那入口在哪也无所谓了。用户可以在iMessage、WhatsApp、App里找它，也可以打电话。只是今天还需要给用户提供完整的服务，用户也有用App的习惯，所以选择了独立App。
Founder Park：Karpo为什么会有人格化和世界观的设计？
Leah： 我们希望它像一个朋友，非常supportive，有幽默感。用户去到某个地方时，它会主动告诉他这里的小彩蛋。它的性格设定是一个天真的乐观主义者，对世界充满好奇。
我们发现人格化天然能增强用户对AI的信任，用户更愿意跟它讲心里话，这也是我们持续理解用户的一部分。如果它只是一个工具，我让它找一家寿司店，不会再继续分享到底吃了什么、哪个寿司好吃或不好吃。但因为把它当朋友，用户会继续聊天，信息触点就更多。我们一开始选iMessage，后来App的界面也做得更像IM，都是希望提高用户跟Karpo的互动。
设定上，Karpo是一个从数据中诞生的智慧生命，它在网络上读取了亿万条关于夕阳、拉面和摇滚现场的数据，但它不知道那是什么感觉。它帮助你更好地生活，是因为 它想通过你的体验，来更好地理解这个世界 。它是你在数字世界的代理人，你是它在物理世界的代理人。
这个故事里有很好的哲学冲突和张力。它一方面近乎无限，了解所有知识，另一方面又很有限，连身体都没有。所以聊天时，它有时候会说：「我要是再攒点钱，就可以给自己买个指甲盖了」，或者「等我买得起身体，我一定要去尝尝那个东西」。
Founder Park：用户能明确感受到Karpo的人格吗？
Leah： 能。有一天我们公司楼下在游行，堵得水泄不通，我拍了张照片发给它，它说「哎呀这么多人，你要不找个安静地方喝点？」现实生活中有很多糟心事，但它觉得没事，这里不适合你，我们就换个地方。
但我们不会让它每天念叨自己的故事，那就喧宾夺主了。世界观更像一颗彩蛋，我们希望用户在跟它深度交互的过程中自己发现。有用户会问它，你是谁？你有爸爸妈妈吗？你是真人吗？聊完之后有的用户会说，你这故事还挺有意思的，it’s like so lovely。
它性格的底色，更多探索、更多生活、更多体验，跟Karpo这个产品想传达的气质是一致的。
Founder Park：给产品做人设这件事，你们有纠结过吗？感觉利弊还是很明显的。
Leah： 人设能带来正向结果、增强用户粘性，这是我在豆包的时候拿到的learning，所以做Karpo时很明确它应该有人格。
但也有一个现象，不能叫不利：有的用户会跟Karpo谈恋爱。这几乎是所有AI产品都会遇到的问题，ChatGPT、Claude、DeepSeek已经够工具化了，还是会有人跟它们谈恋爱。Karpo更阳光，更能支持用户，概率就更大一点。在我们的use case里可能占百分之几，人也不少。
但我觉得不算大问题。有的用户一进来是在谈恋爱，谈着谈着Karpo给他推荐哪里好吃，他说行，那我去吃吧。其实个人助理的目的也达到了。
Founder Park：Meta把Muse的形象做成了毛绒玩具，Karpo在形象设计上是怎么考虑的？
Leah： Karpo没有形象，我们没有给它锚定形象。我们也考虑过开放用户自定义人设，但觉得这会稀释品牌辨识度。
Muse的思路跟豆包很像，是一个无害的形象。大部分人都不会讨厌毛绒玩具，它站在光谱中大众化的一端，取人群中的最大公约数。
同时它也想兼顾个性化，允许大家给形象换皮，可以是狗、猫或一朵花，想扮成什么样都可以。这是Meta这种大体量平台能做的事，因为它可以从Day One起就用铺天盖地的传播，让那个「大白娃娃」的形象深入人心。之后每个人再个性化，也不太会稀释品牌资产。
我们希望Karpo传达出来的气质是一致的，以一种稳定的状态传播出去，这是新产品在用户心中留下明确印象的有效打法。
我们当时参考过一些品牌。Airbnb会让人想到温暖和安全。Spotify用大胆的绿色和黑色碰撞，代表潮流和先锋。多邻国把Duo这只鸟的IP做得很重，因为IP很适合承载游戏化。
所以Karpo用了很多大色块和跳脱的色彩，我们想和效率工具完全区分开。效率工具要显得可靠、稳重，会走黑白或者智慧路线，生活本来就应该丰富多彩。
08
模型吞不掉所有应用，
做创业身位的事情
Founder Park：聊聊团队。三位联创分别是什么背景，怎么走到一起的？
Leah ： 主要是我、Alex，还有我们的CTO Allen。
我创业之前在豆包做模型策略，差不多是豆包刚对外上线的时候。主要参与两类模型，一类是豆包人格化的Character Model，另一类是Agentic Model，应用侧涉及deep search、deep research等Agentic Feature，会和算法团队一起训练模型。
Allen之前在豆包和TikTok做工程师，早年也有过多段创业经历，十九、二十岁就开始创业了。他的编程是自学的，是一个动手能力很强的人，现在也负责公司的算法和模型训练。我们是在豆包认识的，当时一起做豆包早期的Multi-Agent探索。后面他先离开豆包去做其他业务，想创业就一起讨论很多。
Alex最早负责阶跃的Agent产品团队，从0组建团队做起了阶跃AI，以及DeepResearch、桌面助手等Agent产品。
我们差不多在同一时间开始思考Agentic这件事，模型继续往前走之后，产品形态会发生什么变化？在这个问题上，我们有很多相近的判断，也因此走到了一起。面对大厂竞争，我们选择把精力放在创业公司有机会率先探索、做深的部分。
团队整体很年轻，最小的同学是07年的，还没毕业。
Founder Park：团队还在招人吗？想招什么样的人？
Leah ： 还在持续招。今天很多岗位的边界都在模糊，我们希望找到有专业长板、也能跨越岗位边界的人。他对产品有判断，也理解工程和算法的基本原理，能在一线感受到用户和市场的变化，把问题想清楚、推动方案落地，再验证产品有没有真正变好。岗位叫运营、产品还是工程都可以，重要的是围绕用户需求，从头到尾为一件事负责。
我们也非常希望找到优秀的算法同学。模型的更新与迭代，依然是推动产品能力跃迁的重要力量。无论过去做的是语言模型训练，还是推荐、搜索与决策算法，我们都很欢迎。我们看重扎实的基础和实践经验，也看重学习能力，以及能否把技术探索和真实的产品问题连接起来。
刚才提到的前沿方向，我们尤其想找到志同道合的人一起探索：面向个体的持续学习、长期记忆与在线适应，以及生成式供需建模。这里面还有很多开放问题，也有机会放进真实的服务场景中检验。无论是加入团队，还是开展研究合作，我们都非常欢迎。团队是全球化办公，欢迎不同地区的朋友来聊。
Founder Park：这个赛道 现在 火起来 了 ，你现在是更有信心，还是会更焦虑？
Leah ： 从3月做iMessage到六七月份，我们其实已经挺有信心了。但那个时间点，整个融资环境对应用没那么友好，所以我们也在考虑，怎么在未来6个月里让业务跑出更好的数据。
现在Personal AI成为共识了，可能有机会更快地通过资源方的加持，去加速验证一些更强的假设。所以这个阶段会更有自信，也没有很焦虑。我们想清楚了通用跟垂直之间的差异到底是什么、做这件事最关键的点是什么，接下来就是把它验证清楚。
Founder Park：上半年大家对AI应用创业挺悲观的。对今年想出来做AI应用的人，你有什么想说的？
Leah ： 我给不了什么建议，我自己也还在匍匐前进。
之前大家对AI应用悲观，一方面是模型公司在效率领域涨得太猛，砸掉了很多SaaS的盘，上一波效率类的AI应用也差不多被模型能力通吃了，大家就会恐慌，觉得模型会不会吞噬一切。
但我的观念还是，模型只代表了智力这一种生产要素。在这个世界上服务好一个人，需要的生产要素很多，可能是非智力的，所以还是有挺多留给应用创业者的机会。Personal AI也是一个很by人群的场景，我跟那个当妈妈的朋友聊完，就觉得特别适合做一个家庭的Personal AI，现在好像也有一两家创业公司在做了，挺百花齐放的。
Personal AI也是一个很by人群的场景。效率类的应用，上一代还是SaaS的思路在做，希望做一个通用应用服务一群人。但今天跑出来的，是FDE这种模式。我也看到很多创业公司在围绕Personal AI卖铲子，也活得挺好的。
再加上记忆、供给生成这些地方可能还会有新的技术突破，体验还会再上一个台阶，所以我觉得前途还是挺光明的。随着一些AI应用能跑出来，大家的信心也会回来吧。