创业公司在Personal AI赛道仍有仗可打

近期，个人智能助手赛道引发全球关注，多款相关产品在短时间内获得大量用户，其中一款产品上线22天就突破500万次下载，创下同类产品的增长纪录。而Today AI团队早在该产品爆火前就已开始布局相关方向，其创始人曾参与创办知名协作工具，后在多家大厂负责核心产品，今年初组建团队后，先后推出了国际版与国内版产品。

Today AI团队将自身定位为用户的“私人助手”，核心目标是打造一个以“人”而非任务为组织逻辑的通用助手，通过获取用户授权的信息与应用数据，在持续对话中积累对用户的记忆。与其他同类产品不同，Today AI尤其强调助手要“像人”，具体体现在产品设计的多个细节中：用户注册时可自主为助手命名，对话全程仅使用一个窗口，不会按任务划分独立会话。

值得一提的是，Today AI的相关产品思路，与该团队创始人早年创业时推出的一款名为“今天”的产品理念一脉相承——当时的设想是让产品比用户更了解其日常事务，从琐碎待办到重要工作，从个人约会到团队会议，甚至是需要阅读的文章，都能提供贴心提醒，核心诉求是足够简单易用。

在相关产品爆火前，不少投资人仍将这类产品视为愿景，但Today AI团队并不这么认为。2026年，专业领域的智能助手已经证明了智能代理可自主完成复杂工作，团队在模型记忆与上下文工程上也取得了不少突破，“一个助手帮你处理所有事”已不再是空谈，Today AI正是团队对这一愿景的实践成果。

今年10月21日，Today AI宣布完成超2亿美元的首轮融资，投资方涵盖多家知名投资机构与企业。在团队看来，这笔投资印证了市场对赛道的信心，而他们的愿景不止于做AI应用，更要训练自有模型，以此成为一家真正为“个性化”而生的公司——通过优化交互模型，降低智能服务成本，让产品的语气、理解力与执行能力更贴近“真正了解用户的人”。

这也是当前明星AI应用公司的共同趋势，近期已有其他相关产品宣布完成大额融资。本质上，AI应用公司与模型公司正从两端相向而行：应用公司向上游训练模型，降低成本、提升效果与毛利；模型公司向下游拓展应用，寻找收入出口。当双方能力边界逐渐模糊，AI应用与模型的区分也不再清晰。

对初创公司而言，布局这类产品不仅需要资金，更要打通服务与生态，这绝非易事。在国内，已有AI助手被各类服务厂商联手限制；海外平台也存在准入壁垒，多款产品曾被限制在平台上的访问与使用。在这样的环境下，不少中国背景的AI团队选择先聚焦海外市场，再视情况回归国内。

相比之下，Today AI的布局节奏更为大胆：9月先在美区上线，两周后便登陆国区，并快速接入多款主流办公与效率工具。团队表示，这一节奏源于对市场的判断：尽早发布本身就是竞争的一部分，声量、增长与获客都等不到产品“足够完美”的那一天。

团队相关负责人表示：“在个人智能助手这件事上，创业公司无论如何是有仗可打的。”尽管大厂已纷纷入局，但创业公司的优势在于人才密度更集中、决策更快速，敢于在记忆与主动性这类方向上更早、更激进地下注。近期，智能领域的观察者与Today AI创始团队进行了深入交流，就行业热点问题展开探讨。

个人智能助手是伪需求吗？

Today AI上线后，外界最常见的质疑是“个人智能助手是伪需求”。但从行业发展历史来看，每一轮技术进步都始于大量质疑，直到逐渐被市场接受，上一轮智能助手热潮同样如此。

从判断来看，这一轮确实出现了增量需求：过去的智能助手多聚焦办公场景，但生活中的需求也存在市场，每个人都可能需要一个能处理日常事务的助手。不过，产品是否达到成熟阶段、用户是否愿意付费，目前仍需验证，但对需求本身，团队并不怀疑。

这类产品的热潮与相关技术的突破密切相关。在技术成熟前，模型的函数调用与指令跟随能力有限，做出的助手多是预设场景的工具，无法实现个性化；而随着技术发展，智能助手作为一种可处理复杂事务的能力被证明可行，模型的泛化能力也在提升。

相关产品的爆火证明了个人智能助手可在短时间内触达大量用户，这对整个赛道是极大的信心。同时，这类产品也让市场更清晰地理解了个人智能助手的形态与价值：在相关产品推出前，用语言描述“操作系统级智能助手”的概念很难让用户理解，而该产品上线后，用户直观地知道了这类助手的样子与能力范围。

团队判断需求是真实存在的，个人智能助手要处理的是每个人每天都会遇到的大量琐碎、高频事务，这些事务过去分散在各个应用与对话框中，没有一个助手能完整承接。除了声量，产品的长期价值更在于用户能否持续使用、留存，以及上下文记忆能否持续沉淀，这才是产品是否有用的核心定义。

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，这些都是行业面临的共同难题。

如果没有独立应用，很难让用户感知助手的价值

Today AI团队认为，独立应用是让用户感知助手价值的关键。他们希望产品像一个人——用户持续在一个对话框中交互，不需要每做一个任务就开启新窗口，因为人的生活是延续的，需要长期陪伴的目标（如学习、成长、规划）很难在按任务划分的产品中实现。

早期团队曾探索过类似将助手整合在即时通讯中的方向，发现两个核心问题：一是没有图形界面，用户对助手能力的探索引导很弱，对普通用户来说，图形界面更像一张地图，能帮助他们理解助手的价值；二是没有客户端无法获得部分设备权限，助手的能力会受限。

确定独立应用的形态后，团队意识到，这类产品不应只服务单一操作系统，而应连接当前已有的各类操作系统，核心是解决用户的真实需求，而非为了技术路径重新定义需求。比如，用户的真实需求是解决出行问题，而非操作特定应用，订票可以通过多种方式实现，不一定需要操作对应应用。

因此，Today在技术上是操作系统级助手，但对用户交付的价值是个人智能助手。团队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、手机或单一操作系统。

要面向最大众的用户做产品，做个性化服务

团队的核心方向是为最大众的用户做产品，让助手更像一个人。比如坚持单会话，即只有一个对话框，因为过去很多产品按任务划分对话框，是上下文能力有限时的技术妥协。但随着长程记忆与跨会话记忆的突破，未来助手应是单会话形态，团队也做了大量工程优化，如使用小模型、提高上下文密度、降低延迟、设计自然的授权流程等，还通过分气泡回复提升拟人感。

在很多个人场景，用户需要在不同对话框中查找之前的内容，这本身是额外的动作，而面对同一个对话框是最自然的方式。实测下来，单会话的效率更高，智能助手团队在专业场景有价值，但对个人助手来说不是。

过去用户不愿意让AI做日常小事，核心是委托成本高，而Today的关键设计就是降低委托成本。构建个人智能助手最重要的两点是记忆机制与主动性：积累记忆有两条路径，一是授权助手访问用户的数字世界，二是通过日常对话积累偏好与关注点。

除了日常琐事，还有长期目标如学习、职业规划、健身等，这类目标需要助手在记忆中制定长程计划，主动提醒进度。而主动性的核心难题是“太主动就是骚扰”，团队会根据用户反馈调整推送频次，只有正向反馈时才维持频次，否则降低。

未来，个人智能助手的价值是帮助用户降低打扰、负载与上下文负担，否则产品就有问题。不过，这类产品的运行成本比上一代高，目前成本仍是需要解决的问题。

个人智能助手有壁垒吗？

当前个人智能助手处于同质化竞争阶段，所有人都看到了记忆与主动性的作用，很难说出极端差异化，功能差异也容易被抹平。团队更看重的是整体产品方向：像人一样交互、单会话、让普通用户用得起来、推进长期目标、主动发现用户需求，这些构成了Today的产品理念，而非单点功能。

壁垒可能来自长期使用形成的上下文沉淀，用户用久了，助手对用户的理解会加深，虽然技术上可以导出记忆，但摩擦成本高，形成切换成本。

个人智能助手应该先做通用还是先做垂直？

团队之前也做过垂直方向的探索，发现大部分精力花在底层工程上，针对场景的调优很少。如果做产品的精力只有10%是场景专属的，泛化到其他场景也差不多，核心能力是上下文沉淀与处理，上层是很薄的一层。

因此，垂类场景的壁垒很薄，用户没必要为每个需求下一个助手。未来，大家可能只需要一个通用的个人助理，成为统一入口，只有通用方案处理不了的需求才是垂类的空间，且垂类之间也可由通用助理连接。

海外不同产品有不同路径，有的从邮件场景切入，有的面向广泛用户免费，有的探索信任网络，但通用与垂类的边界并不分明，Today在工作场景承担协同角色，工作与生活的需求会重叠。

如何平衡隐私和交付任务结果？

这是现实问题，基于这个前提，团队的做法是让隐私可控且透明：第一，完全透明，助手记下来的所有东西对用户完全可见；第二，完全可控，用户随时可以删掉记忆，删除后底层数据库不会保留；第三，渐进式授权，需要信息时才请求权限，而非一上来要求全部授权，授权后不等于替用户做决定，重要决定仍由用户确认。

内测时发现授权比例较高，但这批用户偏早期，不能代表所有大众用户。用户画像分布广，早期用户喜欢探索，另一类用户稳定使用日常功能。用户的核心感受是助手懂自己，能主动推送相关信息，带来价值。

无论在中国还是海外做这类产品，商业化难度都是类似的

团队不认同这类产品只能在海外做成的说法，不同市场只是场景不同。海外常见场景是邮箱、日历等，国内是办公工具、健康应用等，用户真正想让助手代劳的是非熟人网络的琐事，熟人社交不是重点，只要能接入主流工具，就能收集足够的上下文。

国内存在数据孤岛问题，但接入其他工具时暂时没遇到明显阻碍，工具市场也在逐渐开放。商业化不是现阶段第一优先级，第一优先级是交付对用户有价值的场景。国内用户数据不差，但工具生态不如美国成熟，需要考虑隐私合规。

中国是统一的大市场，美区上线两周后就登陆国区。中美商业化难度类似，免费模式下很难收费，未来可能探索订阅，但目前不是最合适的模式，商业化可能会有新的形式。

AI应用公司就应该是模型公司

团队认为，如果今天还在用“AI应用公司”形容自己的创业，是让人担心的。AI由工程和模型共同驱动，要解决好用户问题，必须有自己的模型能力、工程和基础设施能力。

应用公司要有清晰的用户问题定义和解决方案，在基础设施层面有建设决心，随时调整模型。头部公司的经验证明，模型和应用的飞轮要一起转，降低单位成本，提高智能水平。

Today需要的模型是交互感更好、更拟人、能真正执行任务的模型。未来，模型公司向上做应用，应用公司向下做模型，双方能力会越来越接近，可能不存在单纯的应用公司或模型公司。

团队相关负责人再次强调：“创业公司无论如何是有仗可打的。”尽管大厂入场，但创业公司决策集中、敢冒险，有产品领先的时间窗口，只要抓住机会，就能在赛道中立足。