今天，齐俊元再次站在中国 AI 创投的聚光灯下。这位曾创办 Teambition、先后负责阿里与字节核心协作和 AI 产品的连续创业者，带着成立仅七个月的新项目 Today AI，披露了累计超 2 亿美元的巨额融资。投资方包括 IDG 资本、五源资本、红杉中国，以及腾讯、蚂蚁集团、传音控股等产业巨头。
从立项到产品发布再到斩获巨资，Today AI 用时仅七个月，成为今年融资规模最高的应用公司（仅次于成熟的 manus）。Personal Agent（个人智能体）创业的入场门槛，正被资本以惊人的速度推高。
资本为何急于押注一家商业化尚处早期的公司？答案藏在近期全球技术生态的热点中。9 月 Meta 推出个人智能体 Muse，迅速登顶美区 App Store 免费榜，日活达 250 万，让硅谷看清了下一代超级入口的雏形。国内大厂虽感受到竞争压力，但最具进攻性的字节跳动却推迟了内部代号「小豆」的 Personal Agent 上线节点。
这种迟疑揭示了 Personal Agent 与上一轮 AI 应用的本质区别：它不再是轻骑兵式的 API 套壳，而是需要在云端沙箱中长期维系状态、持久保存记忆并不断执行复杂任务。用户依赖度越高，模型推理与虚拟机开销呈几何级增长。这场竞赛比拼的是创始人的长周期融资能力、极致成本控制工程能力以及商业组网手腕。齐俊元的 2 亿美元，仅是 Personal Agent 的入场券。
![]()
Muse 成功背后的逻辑与挑战
Muse 上线 40 天后，美国累计下载量突破 1000 万次，全球累计达 1090 万次，日活跃用户约 250 万。其 7 日和 14 日留存率分别为 30% 和 23%，显著高于同类 AI 产品平均水平。这是消费级 Personal Agent 首次迅速触达百万级日活。
Muse 早期提供每周约 1 亿 Token 的免费额度，并结合 Computer Use 和独立云端环境，让用户能委托现实任务。同时，Meta 将约 39% 的广告投放支出用于推广 Muse，这种“获客+服务”双重补贴的模式是独立创业公司难以复制的。
尽管日活高达 250 万，但付费用户比例尚低。Meta 不急于通过订阅回收成本，而是更关注用户是否愿意持续交付真实任务，以及哪些场景能形成长期习惯。
与传统应用不同，Agent 完成复杂任务需连续调用模型、维护状态及重试。摩根士丹利研报估计，在基准情景下，单用户月服务成本约为 37.12 美元。对于独立创业公司，这构成了巨大的现金流压力。
Muse 集成 Stripe Link 支付系统，并连接 Shopify、PayPal 及大型零售商。这使得 Meta 能直接理解消费意图和交易结果，建立订阅之外的收入来源，弥补 ATT 政策后广告归因链条的断裂。
OpenAI、Anthropic 仍在提升模型能力，苹果和谷歌掌握操作系统入口。Meta 主要依靠 App 和云端环境，仍需解决跨应用授权和数据访问等问题。下一阶段竞争取决于谁能将数据、工具、服务和执行环境组织成稳定的产品体系。
![]()
解构 Personal Agent 的四层成本黑洞
Inflection AI 核心团队转投微软、Character.AI 申请破产重组等案例表明，算力支出失控是 AI 创业公司的致命伤。摩根士丹利研报将 Muse 的单用户服务成本拆分为“GPU 推理”与“CPU 沙箱环境”。在 25% 配额基准下，单用户月度直接服务成本约 37.12 美元。
摩根士丹利 Exhibit 2：单用户 GPU 与 CPU 成本分解
以此为基础，可剥离出埋藏在 Agent 体系下的四层成本黑洞：
第一层：Token 膨胀与 GPU 推理成本
即便按极致成本估算，每月 1.08 亿 Token 的基准负载下，GPU 推理每月需花费 24.30 美元。若重度用户用满套餐配额，GPU 成本将远超订阅收入，导致毛利率恶化。越是忠诚的重度用户，越可能成为财务上的负资产。
摩根士丹利 Exhibit 4：订阅套餐额度全部用满时的 GPU 成本
第二层：CPU 沙箱与计算环境
Agent 需要隔离的操作系统环境。若采用 24/7 常驻模式，成本高昂；若采用“按需拉起 + 状态快照休眠”架构，月成本可大幅降低。如何管理沙箱的休眠与弹性唤醒，是决定 Agent 团队生死的核心工程分水岭。
第三层：网络通信与外部协议接入
缺乏官方接口时，Agent 依赖模拟点击对抗反爬机制，导致任务耗时拉长、代理成本增加。Muse 整合 Stripe Link 及主流零售接口，将脆弱的视觉模拟替换为确定的 API 通信，从源头斩断算力浪费。
第四层：失败重试与人工干预溢价
受成功率影响，单次成功交付任务的总成本包含重试溢价。若成功率仅为 70%，真实成本将上浮 43%。放大至群体规模，即使仅服务 1 万名基准负载活跃用户，单月纯硬件账单也高达 37.12 万美元。
数据说明：表中圆整数据源于摩根士丹利公开 Exhibit 2。上述测算未计入获客推广、核心研发薪酬、渠道税与人工兜底成本
对于独立创业公司，融资规模直接决定了在死生之地里能买到多长的时间窗口。
![]()
模型能力成为刚需
Personal Agent 接管的任务离散度极大，从简单的查天气到复杂的跨平台比价。若全量调用昂贵的前沿模型，现金失血速度将无法控制。技术竞赛重心转向如何用最低计算底稳定完成任务。
Instinct 通过自建混合推理管线，利用非即时响应任务的异步批处理，将算力吞吐效率提升 3 到 8 倍。Meta 则通过「Watermelon」战略，将主动记忆和主动聚焦容错能力植入模型预训练阶段，减少对外部工程的依赖，从而降低上下文膨胀和重试开销。
此外，建立梯次分明的模型舰队，将 80% 的低阶事务下沉给轻量模型，仅在攻坚阶段唤醒旗舰大模型，可直接减少 76% 的计算成本。在 Personal Agent 时代，只懂产品而不懂底层技术优化的创始人，极易被算力账单吞噬。
订票、购物与比价是 Personal Agent 最高频的场景。在海外，Muse 通过绑定 Stripe Link 和主流零售接口，实现了低成本、高确定性的 API 交互。但在中国，这一逻辑面临高墙。
资料来源：Skift，Bloomberg，新浪科技，中金公司研究部
国内订票、购物和本地生活被携程、淘宝、美团等超级 App 孤岛分割。Agent 替用户比价后，仍需跳转至原 App 结账，且无法获得渠道佣金。独立 Agent 往往沦为为大厂免费引流的工具。
交易抽佣型 Agent 的单月单位经济（UE）压力推演模型
即便产生巨额佣金，也往往难以覆盖基础算力成本。中金公司指出，消费级 Agent 的商业归宿可能演变为“免费基础服务 + 交易导向的效果广告”（CPS 模式）。但这需要强大的广告竞价算法、商家协作网络和归因技术，这正是互联网巨头的护城河。
![]()
注：原中金研报图表 13，海内外个人 Agent 的对比
中国独立 AI 初创团队面临两难：订阅费模式难敌大厂免费产品，佣金模式难破围墙花园。解题之道在于深耕高客单价、供应链离散、巨头统治力相对薄弱的垂直领域，率先打通供给、履约、归因和结算闭环。
结语
Personal Agent 被视为下一代互联网的超级入口，但共识过早意味着门票天价。若 Today AI 日活达 100 万，年化服务器账单将超 31 亿人民币。独立创业者面对的是拥有百亿现金流和自建算力的科技巨头。
这不再是“以小博大”的游戏，而是一场从诞生起就必须与失血速度赛跑的极限马拉松。
参考资料
Morgan Stanley Research. 23 Days of Musing... Top Investor Questions and Our Answers. September 30, 2026.
[2] Macrostream. Morgan Stanley's Muse Unit Economics Analysis. October 2026.
[3] TechCrunch. Meta's Muse Hits 10M US Downloads in 40 Days. October 20, 2026.
[4] 投资界.《Today 累计完成超 2 亿美元融资》. 2026 年 10 月 21 日.
[5] 中金公司.《中金 | AI应用参考（3）：600条数据实测Muse如何重塑旅游预订链路》. 2026 年 10月 16 日.
[6] Invest Like the Best. “Noah Shinn — Building Instinct.” 2026.
[7] Stripe. Stripe Helps Meta Muse Shop with Link. September 2026.
