10萬用戶估值100億：個人Agent的估值跑在產品前面
Instinct 用戶不到 10 萬、產品還沒正式上線，估值半年從 5000 萬美金漲到 100 億美金——這一輪個人 Agent 的熱度裡，資本搶船票的成分大於真實需求。
原視頻在 YouTube 上放不出來，用音頻聽：
核心論點 · 點時間戳可跳到原聲
10萬用戶撐起100億美金估值
Instinct 今年 2 月才開始小規模邀請測試，到 8 月底用戶還沒到 10 萬，估值卻從年初 5000 萬美金漲到 8 月的 5 億、8 月底 25 億，這個月市場傳出的新一輪報價已經到 100 億美金，紅杉和 Benchmark 都在洽談領投。創始人是個 23 歲的素人，沒有大廠經歷、沒有技術專利、沒有行業背景。潘亂說得很直接：資本買的不是創業者也不是產品，是下一個 OpenAI 的故事，可以按下一代個人操作系統的價格搶船票。
— 潘亂工具和人的分界線是主動性
這一波 Agent 和上一波最大的區別，是它不再是 another 的工具，而是一個人。人和工具的兩個差別：一是長期理解，工具每次都要重新交代上下文，人像朋友同事一樣理解你是什麼樣的人；二是主動性，在 Manus 里布置自動化任務仍然依賴 prompt、依賴你講清規則和意圖，那不叫主動性。真正的主動性是主觀能動性——像那種理解你做這件事的目標、會主動過來說「我有方案，我們要不要討論一下」的同事。
— Suki辦公 Agent 按項目組織，個人 Agent 按人組織
最核心的差別是構建 context 的維度。Cloud Code 以一個 mission 或項目維度構建 context，換到下一個項目就是重新開始；這一波 personal agent 以你這個人為中心構建 context，知道你的畫像、喜好、過往歷史。打開 Codex 或 Manus，左邊列表都是你發出去的任務和項目；打開 Grok Bot，旁邊是可以共驅使的 AI 夥伴。個人場景對模型能力和 harness 那層沒那麼在意，因為個人沒有那麼多複雜任務，辦公 Agent 才很在意任務完成率。
— SukiTown 先用郵箱換用戶的委託權
四個產品想解決的是同一個問題，只是解題思路不同。Town 有移動端，但 70% 數據流量在 PC 端，主打郵件場景，先把一個高頻場景解決好再拓展。它會理解你經常收發哪些郵件、自動歸檔、學習你的寫作風格，幫你草擬回覆，你點確認後自動發出。郵件場景做得比任何其他 agent 都深，海外已經完成比較病毒式的傳播，學校類場景傳播得特別好。一句話概括：用高頻場景建立用戶信任，一點一點獲取用戶最終的委託權。
— SukiPoke 沒跑出來不是技術限制
Poke 和 Instinct 都是住在 IM 裡、不做獨立 App 的 agent，但 Poke 沒跑出來。Suki 認為不是技術限制——Browser Use 去年年底就已經非常成熟，Poke 當時要做完全做得到，差別在團隊策略：Instinct 往代理方向做得更深，走全權代理路線，能接信用卡、屏幕、麥克風，幫你訂機票、買東西，這些用戶沒見過，於是產生病毒式傳播；Poke 把精力放在內容推準上，走主動推送路線，郵件通知甚至比郵箱本身更早到達，但沒有做「幫你把事情做完」這一步。
— Suki雲上 Agent 要處理三套環境
Mark 說做雲上 agent 是慘痛教訓：本地 agent 和雲上 agent 完全是兩個東西。要做 personal AI 就得隨時隨地能用，不能關掉電腦屏幕就聯繫不上。雲上要處理三套環境——用戶的設備、雲端的服務、agent 的執行環境，三套環境之間的任務狀態、任務中斷與恢復、上下文傳遞都是非常複雜的系統。他們 2 月開始做，光讓 agent 穩定跑在雲上就花了起碼兩個月，刨除彎路，打磨一個有誠意的作品起碼要三到四個月。
— Mark僱助理和做中介是兩種生意
Town 最早做的是企業報稅，切過來後更偏企業場景，關係更像你付費請了一個私人助理，天然篩選有付費意願的人，典型畫像是工作特別忙、沒時間精力的白領。Muse 更像中介、導購、經紀人，雖然有付費訂閱，但預估的主要收入來源還是撮合交易的抽傭，偏向大眾用戶，融入 WhatsApp 日常聊天。兩種完全不同的邏輯，切的場景和篩選出來的用戶也不一樣。
— Suki收藏夾對 Agent 可能是噪音
小扎發布 Muse 時講的故事，是從 Instagram 收藏的食材裡提取你愛吃的、生成購物清單、按晚宴人數和飲食限制調整菜單，再完成購物和關係維護——把多年興趣畫像變成錢，從種草平臺變成決策交易平臺。但 Suki 懷疑這是為了給免費商業敘事挽尊：幫用戶促成交易絕對不在用戶想解決的 top 場景裡，用戶更想解決那些煩人的、自己不想做的事。收藏夾裡高質量 context 沒那麼多，真正高質量的 context 更多來自線下、IM 和郵箱，抖音和 Instagram 的收藏對 agent 來說本身可能是噪音。
— SukiGUI 是給普通人的迷宮地圖
Today 一開始沒想做獨立 App，非常重 channel，接入了微信和 Telegram，大部分場景在 channel 裡完成。但很快發現功能的可發現性問題：用戶對著空白對話框完全不知道幹嘛。於是不得不介入 GUI，做 GUI 就需要獨立 App，最終在 App 裡還是做了 chat。Suki 的體會是，GUI 今天不再像過去那樣承載用戶操作入口，而像一張地圖——agent 對普通人來說更像一個藏有很多寶藏的迷宮，GUI 就是給普通人一張迷宮地圖，沿著它你能發現寶藏。
— Suki90% 精力花在通用能力上就該轉方向
Suki 原本做 AI 教育產品 Monspeak，今年春節做 2.0 時發現，要做真正個性化的老師，90% 的精力最後都花在怎麼讓 agent 穩定跑起來、並且有個性化記憶這件事上。如果 90% 的 effort 都在做一個非常通用的能力，那反過來那些通用 Agent 可能隨便做完就能把垂直場景吃掉。於是判斷 C 端賽道最後不會剩下那麼多玩家，一定高度集中、贏家通吃，就轉而加入 startup 一起做 personal AI。
— Suki這一波沒有網絡效應可圈用戶
Suki 認為這波 AI 變革和上一波移動互聯網很不一樣：這波最大的變革是技術創新，而不是規模鋪量、燒錢打造網絡效應的敘事。不存在什麼樣的網絡效應或規模效應能圈住用戶——只要你的產品好用，我第二天就立馬轉向另一個產品，因為沒有形成雙邊網絡平臺，用戶沒有必要一定留在你這裡。留在小紅書、抖音是因為形成了雙邊網絡平臺，不可能輕易遷走。所以創新公司其實比上一波移動互聯網更好打，急著去做創新、用最好的體驗收攬用戶就好。
— Suki最值錢的是中間那層處理機制
最後問 personal agent 時代最值錢的位置在哪。Suki 選信任和習慣，context 只是入門基礎，最終是用戶長期使用中形成依賴、習慣和信任；如果非要選，更偏向跟用戶更接近的那一端，因為模型廠家還在你追我趕，商家和 MCP 那端會跟著市場自然長起來。Mark 認為既不是 context 也不是生態層：光拿到很多 context 完全不夠，沒有直接交付價值，memory 比想像中複雜得多——上週說的事到這週可能已經失效，還留在 memory 裡就是嚴重噪音。最值錢的是中間那層處理機制，有點像抖音的推薦算法，執行機制怎麼做是各家的秘密。
— Mark原話 · 已逐字校驗
就是一個10萬用戶都沒有的產品 半年時間的估值翻了200倍
一個連 10 萬用戶都沒有的產品，半年時間估值翻了 200 倍。
潘亂0:00
資本我買的又不是你這個創業者 我買的也不是這個產品 我需要下一個故事 我需要下一個open AI的故事
資本買的既不是你這個創業者，也不是這個產品，我需要的是下一個故事，下一個 OpenAI 的故事。
潘亂1:01
然後他會主動過來 找你說說 我覺得你想做這個事情 然後我有方案 然後我們兩個 要不要討論一下
然後他會主動過來找你說：我覺得你想做這個事情，我有方案，我們兩個要不要討論一下。
Suki17:18
然後而且幫你把事情做完 這件事情本身是非常有價值的 用戶就產生了用它的動靜
而且幫你把事情做完，這件事情本身是非常有價值的，用戶就產生了用它的動力。
Suki39:33
其實幫用戶促成交易 甚至給他推薦你想買的這個東西 絕對不在用戶想解決的talk的場景裡面 用戶更多的是想要去解決那些煩人的 他自己不想做的一些事情
幫用戶促成交易、甚至推薦你想買的東西，絕對不在用戶想解決的 top 場景裡，用戶更多是想解決那些煩人的、他自己不想做的事情。
Suki1:14:07
GUI 在今天來說 可能不是一個非常非常重要的 像過去一樣 是承載了用戶操作的一個入口 而是它像是一張地圖
GUI 在今天可能不再像過去那樣是承載用戶操作的重要入口，而是像一張地圖。
Suki1:21:13
只要你的產品好用 我第二天就立馬轉向 另外一個產品去了
只要你的產品好用，我第二天就立馬轉向另一個產品去了。
Suki1:55:42
數字與實體
| Instinct 用戶量 | 不到 10 萬 | 0:00 |
| Muse 首周下載量 | 接近 90 萬 | 2:03 |
| Meta 股價單日漲幅 | 6.5% | 2:03 |
| Town 用戶量級 | 約 1 萬 | 9:11 |
| Town PC 端數據流量佔比 | 約 70% | 30:24 |
| 雲上 agent 穩定運行打磨時間 | 起碼兩個月，完整作品三到四個月 | 43:39 |
| Muse 訂閱價格 | 每月 20 美元，更多 Token 用戶每月 100 美元 | 1:04:56 |
| Muse 預測用戶規模 | 約 1 億用戶，其中 1% 貢獻訂閱收入 | 1:04:56 |
| 中國白領數量上限 | 不超過兩億，交個稅的人不到一億 | 1:10:00 |
術語
- Personal Agent個人智能體
- 以用戶本人為中心組織上下文、長期理解並主動幫你辦事的 AI。
- harness執行框架
- 包裹模型、負責調用工具和完成任務的那層工程結構。
- MCP模型上下文協議
- 讓 AI 調用外部工具和數據的開放協議生態。
- Browser Use瀏覽器操作
- 讓 AI 通過瀏覽器界面代替人操作網頁的能力。
- Computer Use電腦操作
- 讓 AI 直接操控圖形界面完成任務的通用能力。
- context上下文
- AI 能看到的關於你的信息，包括歷史、偏好和當前任務。
收聽指南
關注 AI 應用層創業的產品經理、投資人和工程師，尤其是正在做或準備做個人助理方向、需要判斷這一輪估值與產品節奏的人。
01:31 到 01:45 的北美大三創業者連麥，多是融資敘事，信息密度明顯低於前後段。