巨头都想做的 Personal AI，Town 为什么成了最受关注的那个？

AI新浪潮观察

22min read

巨头都想做的 Personal AI，Town 为什么成了最受关注的那个？

Founder Park 2026/09/28

摘要

这个赛道，还没到谈护城河的阶段

本文首发于 Founder Park 公众号 · 2026 年 9 月 17 日

Personal AI 可能是眼下最拥挤的赛道之一。

在硅谷，面向消费者的 Instinct 刚刚以 25 亿美元估值融资，仍在通过免费产品获客。面向工作场景，有主打邮箱和日历的 Town。更近一些，GrokBot 也加入竞争。再往上看，OpenAI、Anthropic、Google、Apple、Meta 都不可能放弃这个入口。

Town 创始人 Jean-Denis Greze 对这种处境并不避讳：「我很清楚，我正在做的事情，会是未来 12 个月 Google 和 Apple 的前三大优先事项之一。不是前十，是前三。」

Jean-Denis Greze 曾担任 Plaid CTO，此前也在 Dropbox 负责工程工作。今年 6 月，Town 完成由 a16z 领投的 5500 万美元 A 轮融资。两个月后，又传出在以 10 亿美元估值洽谈约 9000 万美元的新一轮融资。

Town 的产品叫 Townie，存在于用户的邮箱和日历里。它会观察用户怎样安排日程、经常发送哪些邮件，再主动推荐相应的自动化，把原本需要人亲自完成的工作放到后台。当一个 Townie 不知道答案时，它还可以向同事的 Townie 寻找信息。

这让 Town 站到了巨头必争的主赛道上。但 Greze 认为，眼下还没到讨论谁已经拥有坚固护城河的时候。这个市场甚至没有一款产品真正找到足够深的 PMF 场景。大公司或许会迅速复制已经成功的产品，但在那之前，总要先有人把面向主流用户的产品做出来。

在与 20VC 主持人 Harry Stebbings 的对话中，Greze 给出了几条值得关注的判断：

• AI 产品已经能以机器的速度开发，团队却仍然只能以人类的速度学习。

• AI 助手真正的网络效应，可能发生在 Agent 之间。多人协作形成的网络，比单纯积累个人数据更难迁移。

• 每个人最终只会保留一到三个 AI 入口。专业 Agent 不会全部出现在用户面前，会被主助手在后台调用。

• AI 助手的商业模式最终会是付费，应该尽快验证用户是否愿意为它付费。

• 大多数人不关心哪个模型在某个时间点更擅长什么，但产品的人格要保持一致。

以下是对话全文，经 Founder Park 编译整理。

Founder Park 正在 持续寻找值得被看见的 AI 团队与项目。

我们将通过「AI 产品市集」、内容报道、社群分发等方式，帮你触达早期用户、获得真实反馈，以及建立关键连接。

如果你正在做 AI 相关的事，欢迎和我们聊聊。

01

Instinct、Grokbot 甚至 Meta，都在争夺 Personal AI 的入口

Harry Stebbings：现在几乎每家公司都会被投资人追问，大公司会不会做出同类产品，把你的市场吃掉？你这个赛道简直正中靶心，再加上最近的 GrokBot，你怎么看这些威胁？

Jean-Denis Greze：说实话，我很清楚，自己正在做的事情会是未来 12 个月 Google 和 Apple 最优先的三件事之一。不是前十，是前三。

我入睡很快，这是我的一项超能力，但我会在凌晨三点醒来。创始人的生活就像轮盘赌，今天会是哪一个阴暗的念头让我再也睡不着？Town 正站在球道正中央，所有人都会冲着你来，这当然是我的恐惧。

但谈护城河多少是一种奢侈。我觉得，只有做到比 Town 今天更成功的程度，才有资格奢侈地谈护城河。我现在首先想的是，怎样在一个潜在付费用户可能达 10 亿人的市场里，先拿到 10 万甚至 100 万付费用户。

今天没有任何产品已经拥有很深的 PMF。GrokBot 很酷，但仍然是面向高阶用户的产品，不是大众产品。Town 很不错，可我们同样还有很多工作，才能真正成为主流产品。

所以在担心防御性之前，我还在想，什么样的产品体验能真正打动主流用户？

大公司通常不会率先创新出这种体验，它们会复制已经获得成功的产品。但在复制之前，总要先有人把主流产品做出来。

Harry Stebbings：Town 和 Instinct 看起来非常相似，算是直接竞争者吗？

Jean-Denis Greze：我不认为 Town 和 Instinct 在做同一件事，也不认为两者会以相同方式变现。

Town 从企业和工作场景获得收入，在多个团队成员之间形成网络效应。Instinct 目前更像用完全补贴的免费产品获客。产品能力可能类似，但几乎所有 Agent Harness 的能力都相似。如果看各自的 ICP（Ideal Customer Profile，目标客户画像）和营销方向，差异其实很明显。

相较 Instinct，我更关注 GrokBot，因为它在争夺和我们更相近的市场。所以我思考得更多的是，我们的策略怎么和 GrokBot 差异化？怎么获取不同的客户？以及我们的能力和 Harness 怎样才能在用户眼中真正与众不同？

不过，这个市场仍然是蓝海。我们接触的大多数客户甚至没听过这些产品，他们只是把 ChatGPT 当作增强版 Google。

Harry Stebbings：GrokBot 集成进 X，是优势还是负担？

Jean-Denis Greze：它的品牌会让一部分人永远不愿触碰，这是他们必须长期面对的问题。但从分发和早期增长看，X 对某些人群很有帮助。

不过，赢下 X 上的高阶用户和 KOL，不等于赢下整个市场。那只是早期采用者，不代表产品已经找到主流用户的 PMF。我相信 GrokBot 团队也很清楚这一点。

Harry Stebbings：Apple 的 Agent 路线呢？

Jean-Denis Greze：Apple 有几重问题。第一，它不是一家云公司，这不在它的 DNA 里，它不知道该怎么把云做好。Agent 能访问的数据越多，效果越好，而数据并不全在手机上。

第二，Apple 把隐私和端侧计算绑定得太紧了，结果离能力前沿越来越远。手机上的本地模型当然很了不起，但就是比云端前沿模型更慢、更笨。

第三，这种隐私立场让手机上的数据互通变得困难，即使是 Apple 已经拥有的数据也难以充分利用。

传闻中的新 Siri 会比今天的 Siri 好得多，但能力上我觉得会比 Town 或 GrokBot 落后大概九个月。

Apple 有了新 CEO，接下来怎么走还有待观察。我认为它需要请来一个 DNA 完全不同的人，对内部说：「你们没有意识到，人类与数字数据交互的方式正在改变。我们要么真正弄明白这件事，哪怕抛弃许多既有原则，要么就无法赢下这一代战争。」

如果问我最担心谁，在个人使用场景，是 Meta 和 WhatsApp。WhatsApp 里一定会出现个人助手，我不知道是明天发布还是三个月后，但它肯定会来。它们已经拥有分发，所有人本来就在 WhatsApp 上发消息。如果里面再出现一个能替你做事的 Agent，会非常强大。

Harry Stebbings：产品构建中，最出乎意料的困难是什么？

Jean-Denis Greze：市场变化的速度太疯狂了，我从没见过这样的情况。

过去，团队和客户交流，开发一个功能，观察他们怎样使用，再把学习带到下一个功能。等到别人终于复制你的第一个功能，你已经领先了三轮学习。你可以利用已有的 PMF，产生更多 PMF。创业公司通常能把这些用户洞察吃很多年，可能十年后才会耗尽。

现在，只要某件事在一家产品上奏效，所有人都会注意到，在两到四周内迅速复制跟进。你可以用机器的速度去构建，但只能用人类的速度去学习。

今年一、二季度时，我认为创业公司里大概有 15 家值得注意的竞争者，现在可能只剩两三家。但创业公司还要同时面对 Apple、Google、GrokBot、Cursor、OpenAI 和 Anthropic。

现在 Anthropic、Cursor 和 GrokBot 都以创业公司的速度运行。我在 GrokBot 有个好朋友负责工程，每次聊完我都很丧。我必须击败硅谷最优秀的人之一，他们所在的公司既有创业公司的 DNA，又拥有巨大的成本和规模优势。

你一分钟也不能休息，不能再指望竞争者需要 6 到 12 个月追上来。这种压力前所未有，但也正因如此，这是最有趣的创业时代。

02让用户开箱就能感受到 Magic Moment 很重要

Harry Stebbings：我记得你最早做的是金融领域的项目，说实话挺无聊的。后来怎么转型的？

Jean-Denis Greze：我们花了一年做 AI 企业报税，做到了一定程度的 PMF，但还不够。说白了，就是失败了。

一年之后我们重来，花了三个月在「旷野」里摸索方向。我们注意到，为什么没有人做一个基于邮箱运行的 AI 产品？这么多人用邮箱和日历来管理工作和生活，却没有一个好产品。

恰好当时 Opus 模型开始具备完整的 Agent 能力。模型不再只能完成几个步骤，终于能做真正的工作了。我们用两周搭了个原型，几乎立刻就出现了 PMF 的迹象。

很幸运，我们没有先访谈一百名客户再整理笔记，是为自己做。技术恰好在那个时间点发展到足以实现我们的设想的地步，大家也正愿意尝试 AI 产品。

OpenClaw 当时也在起步，我们看到后想，这跟我们做的很像。但开源产品再好，也只有爱折腾的技术用户才会用。Town 从一开始就聚焦于怎么让几乎所有人都能从产品中获取价值。

Harry Stebbings：Town 的试用付费率超过 15%，对 PLG（Product-Led Growth，产品驱动增长）来说非常高。你们做对了什么？

Jean-Denis Greze：产品背后的核心洞察只有一个，一开始就要求用户连接邮箱和日历。

有了这些数据，我们才足够了解用户，主动建议 AI 能替他做哪些事情。ChatGPT 不强制连接邮箱，普通用户面对的还是一个聊天框，很容易不知道可以要求它做什么。

Town 会明确告诉用户，不连接邮箱和日历就不能使用。但连接之后，我们就能告诉你，「这是你平时在做的工作，我们推荐自动化方案来帮你做」，这个时刻就是魔法。

Harry Stebbings：有多少人在连接这一步流失？

Jean-Denis Greze：30%，你必须愿意承受这个损失。这有点像强制付费墙，只不过是数据连接而不是付款。

Harry Stebbings：Time to Wow，也就是让用户第一次感到惊艳所需的时间有多重要？

Jean-Denis Greze：非常重要。说实话，Town 今天能够奏效，正是因为单个用户获得价值的时间很短，所以一开始就会喜欢它。

能在开会之前就准备得非常充分、让会后的行动项自动得到处理，对销售、招聘人员和小企业主等很多角色来说，真的像魔法。用户无需配置，开箱就能感受到这个 Magic Moment，然后开始问：「这项技术还能帮我做什么？」

我们的重点一直是把这一刻做对，尽快让用户获得价值。至于其他集成，我们可以打持久战。这种方法目前效果很好。

03能解决多人协作，可能才是 AI 助手的终极护城河

Harry Stebbings：找到主流产品体验之后，Town 最终能靠什么防守？

Jean-Denis Greze：我认为，这个品类最终的赢家会在 Agent 层拥有网络效应。Town 有一项 Agent-to-Agent 功能。你向自己的助手 Townie 提问，它发现自己没有答案，但某位同事的 Townie 知道，就会直接去询问对方的 Agent，再把答案带回来。

目前这个功能藏在产品比较深的位置，但它确实构成了网络效应。一旦整个团队都在使用，就很难想象他们会迁移到别的产品。今天还没有人真正解决多用户协作的 AI，这可能才是最终的护城河。

在实际扩展中，我们发现两个有趣的规律。

第一，如果一家公司里有一个喜欢折腾的人，愿意创建团队 Skill、集成和 Routine，其他成员都能免费使用这些积木，那么整个团队的采用速度就会快得多。

我们在努力做到不依赖这个折腾者，但当一个 Power User 出现在普通用户旁边时，效果确实不同。所以我们一直在想，能不能识别出这些人，让他们更容易为队友创造传播效应。

另一个发现是，企业内部很多职能仍然严重缺少 AI。销售团队已经被各种 AI 产品轰炸了三年，但行政助理、Chief of Staff、HR、初级财务和招聘等角色，日常工作中真的没有多少 AI，很多工作仍然在邮箱里进行，他们反而更渴望新工具。

Town 经常从这些看起来不够「性感」，但对技术有真实渴求的岗位中获得早期采用，再通过他们服务的管理者和运营团队渗透到更多部门。

Harry Stebbings：Town 出现以后，Instinct 又在最近两三周迅速走红。最近，我就已经收到四五家「欧洲版 Town」或「欧洲版 Instinct」的融资推介。有的做企业端，有的做消费端，还有的两边都做。如果要给投资人建议，我们该如何理解这个领域？

Jean-Denis Greze：Town 自己也押了几件事，认为它们能让产品长期存在。

第一，我们押注每个人只会拥有一个 AI 助理。它有名字，有自己的形象。我们称它为 Townie，围绕人与 AI 的关系建立了一整套品牌。很多用户很喜欢这一点，他们希望拥有一个自己信任、可以塑造的东西，给它取名，让它具有与自己相符的色彩和形象。听起来也许有点傻，但我认为这确实是一种防御力。

Snapchat 就是类似的例子。虽然它的商业规模远不如 TikTok、Facebook 或 Instagram，但它对产品如何运作有非常鲜明的主张，一部分人就是会被这种主张吸引。

第二，是我们刚才谈到的网络效应。

第三，我们相信，大量预处理可以带来更好的用户结果。甚至在用户提问之前，我们就会投入不少算力来构建用户的心智模型，理解你在做什么项目、你的公司是什么样的。

如果我是投资人，面对所谓的欧洲版产品，我会问：它凭什么有资格在欧洲胜出？靠的是分发、GDPR 和隐私优势，还是因为 Town 目前根本没在法国做营销，所以它可以成为「法国的 Town」？它必须有一个非常具体的理由，证明自己能赢到最后，因为这种产品的开发成本很高。

我们很大一部分研发投入，就是为了跟上行业基准。无论采用什么分发策略、在工作场景里做得多好、网络效应功能有多强，Agent 的基础能力至少必须与别人相当。如果 Codex 能做一件你做不到、而且对用户很重要的事，比赛就结束了。用户会问，我为什么要每月付 50 美元用 Town，花 24.99 美元用 OpenAI 不就好了？

04用户可以不关心模型，但产品人格必须保持一致

Harry Stebbings：Town 底层的模型基础设施是什么样？怎样为不同任务做模型路由？会锁定在某一家模型上吗？

Jean-Denis Greze：我们在做面向所有人的产品，大多数人不关心哪个模型在某个时间点更擅长什么。我们的工作是针对你的需求，找到性价比最高的模型来完成任务。

比如生成图像时，我们内部对什么时候用 Gemini、什么时候用 OpenAI 有自己的判断。做语音任务时，也会判断何时用 ElevenLabs。技术几乎每周或每两周就会出现一次根本变化，我们的工作就是保证用户始终获得合适的 ROI。

这并不容易。有些任务很容易判断结果对不对，另一些任务则非常开放，事先无法确认。我们只能估计任务有多难，以及需要多接近能力前沿。

但模型路由还有另一个维度，人格的一致性。不同模型的表达方式并不相同，用户不喜欢自己的 Townie 突然像换了一个人。

Anthropic 很重视让不同 Claude 模型维持相近的性格，它们可能表达详略程度不同，用词也有差异，但整体听起来还是同一个助手。如果一个产品长期用 Anthropic 生成面向用户的最终回复，突然切到 Kimi，语气就会明显不同，用户会觉得自己的 AI 被换了一个人。

有意思的是，写代码时这件事没那么重要。因为用户最关心的是，代码能不能运行、能不能完成目标。你也许会看它的代码风格是否合意，但现在已经越来越少这样做了。

可当你是在跟助手说话，或者通过短信交流，如果它突然啰嗦了一倍，以前发四句话，现在发八句，用户会很不喜欢。甚至真的提交工单，「三周前我已经给过明确指令，但我的短信 Agent 最近好像又开始频繁使用大写字母。」

所以，我们的技术栈里有一层负责用户界面的感觉与人格。在这一层，我很难任意路由，因为体验必须保持一致，不同模型家族很难做到。再往下，如果只是纯推理和智能，尤其是不需要向用户展示太多推理轨迹时，就更适合针对任务选择最佳模型。不过整个行业仍处在很早期的阶段。

Harry Stebbings：你们怎么平衡能力和成本？ElevenLabs 很好，但价格也出了名地贵。

Jean-Denis Greze：几乎所有 AI 创业公司的答案都是，希望 18 到 24 个月后，成本曲线能让一切变得划算。在此之前，公司实际上会承担一部分补贴。为了让这些场景达到 PMF，我们仍需要让前沿模型完成太多工作。

比如 Town 会给邮件打标签，这显然不需要 Opus 级别，甚至不需要 Sonnet 级别的智能。这类任务已经可以离开前沿模型，成本最终会逐渐接近纯算力成本。我们会考虑使用开放权重模型，甚至对自己的小模型进行后训练。这部分成本未来肯定会比今天低很多。

安排会议、管理日历、回复以前处理过的邮件、每天研究竞争对手等任务，也都在快速远离前沿。开放权重模型已经能做得很好。模型成本每 9 到 12 个月减半，公司今天就可以按照 18 个月后达到 20%—30% 毛利的预期定价。

Harry Stebbings：Town 今天有多少任务在使用开放模型，多少在使用前沿模型？

Jean-Denis Greze：目前大部分还是前沿模型。

很多用户会让 Town 做困难的事情，建立的自定义工作流相当复杂，这些地方我们会大量使用前沿模型。邮件分类目前还没有使用开放权重模型，但会用前沿厂商提供的便宜得多的小模型。

更重要的原因是公司的注意力分配。如果把一小时工程时间花在切换到开放权重模型上，只能降低 COGS，却不会让产品更好。同样的一小时，我可以做更强的网络效应、接入新的数据源、改善某类用户的 Agent 运行轨迹。

当前限制公司成功的不是经济模型，所以我们把增长 PMF 放在理想成本之前。

我们眼下更关注加速产品增长，而非把经济模型优化到理想状态。现在的经济模型并不差，当然还能更好，我们也能更快沿着成本曲线下降，但它不是取得成功的限制因素，所以暂时没有优先做这件事。

Harry Stebbings：两三年后，你对价格会有多敏感？现在可以为了 PMF、增长和击败竞争对手而大量花钱。但之后，你必须让经济模型以更高效的方式成立。如果到时有两三百万用户都在使用语音，利润率一定会受到影响。

Jean-Denis Greze：语音质量达到足够好后，尤其是在语气、表达和情绪理解方面，我会选择尽可能便宜的方案。用户并不需要它无限变好。

但我真正担心的是，一家公司最终有多大比例的工作负载必须留在前沿，是 10%、20% 还是 30%。没人知道答案，而它会改变这类公司的经济模型。

其他任务我都能想象成本下降，前沿任务却没有定价权。这就是 Cursor 后来遇到的问题，即便拥有巨大的市场份额，用户也很热爱你的产品，但如果你既要把 70% 的收入交给供应商，又要与供应商竞争，最终就会变得很困难。这才是我担心的终局。

当然，中间有很多前提。Town 要先做到数千万付费用户，公司必须达到很大规模，才会真正遇到这个终局问题。到了那时，如果我们仍有 20% 到 30% 的工作负载必须交给 OpenAI、Anthropic 等前沿供应商，经济模型就需要新的解法。

05与其用补贴换增长，不如尽快验证用户是否愿意付费

Harry Stebbings：为什么不再融资 2 亿美元，把产品完全补贴掉，优先追求增长？

Jean-Denis Greze：我确实想过。但我相信，要证明企业端的价值，就必须让客户付钱。

也许 PLG 部分可以获得更多补贴，但当一个团队有 3 到 5 名成员开始使用时，我真的希望从企业侧获得收入，以此确认自己确实交付了价值。

产品最初上线的前五个月，Town 一直没有定价。那段时间，有些用户每月消耗 2000 美元、4000 美元的算力。我没有夸张，甚至有一个用户五个月就花掉了 2.6 万美元。因为没有任何对 Token 消费的约束，他们可以不断创建 Routine，自动化越来越多事情。

我们会打电话过去，和他们一起研究，你们确实一直在用平台，但它真的创造了相应价值吗？我非常相信，必须接受市场反馈，判断自己在哪里创造了价值、在哪里没有。

补贴当然有很多做法，比如让套餐更便宜、完全免费，或者给企业赠送 Token。但我也发现，企业反而不喜欢免费，因为他们不知道未来会被收多少钱。你不能对一家 500 人公司说，「先在内部免费使用我们的产品吧。」它也许会产生大量使用，所有业务流程都跑到 Town 上，结果某一天你突然宣布免费服务结束。企业不愿承担这种不确定性。

我也怀疑纯消费、广告模式的 AI 助手。一是今天的 Token 成本太高，广告还支撑不起它。二是广告激励会冲突，用户让助手订机票，如果它因为航空公司付费而优先推荐某个航班，体验就不再可信。

我坚信 AI 助手的商业模式最终会是付费，所以希望尽快验证用户愿意为它付费。

Harry Stebbings：你们有 15 美元、49 美元和 99 美元三档，哪个最赚钱？

Jean-Denis Greze：15 美元档的单位经济最差，补贴最多。它主要让用户充分体验产品，再升级到真正强大的 49 美元档。

99 美元档可能整体最赚钱，因为它面向高阶用户，但不是追求无限消耗的人。超过套餐限额后，我们还有按量计费，让支出与用户实际用量匹配。

Harry Stebbings：你会选一亿人每月付 20 美元，还是一百万人每月付 100 美元？

Jean-Denis Greze：更多用户、更少单价。因为在企业场景中，AI 会为一个人做越来越多的事情，每用户收入的长期增长空间非常大。

比如有一家招聘公司用 Town 自动化流程，不增加员工就能多接一个客户，每月增加 3000 美元收入，全团队只需向我们支付五六百美元。只要能继续帮它多接客户，即使 Town 再收 500 美元，它也愿意。商业端的弹性增长空间大得多。

Harry Stebbings：你怎样定义一个成功的用户？

Jean-Denis Greze：很简单，每个月继续付我钱的人。如果用户持续付费，就说明我们大体交付了足够价值。

不能靠「用了多少 Token」来衡量成功，因为用户可能花很多 Token 做低 ROI 的事情，直到某天发现费用太高，生气离开。

Token 过度消费有两个问题。第一，公司以前跟员工说「你在 AI 上想花多少就花多少」。这是错的，你需要人们思考 ROI。

第二，有些 ROI 又很难量化。比如「为会议做更好的准备」值多少钱？对全天连续开会、需要发言的人价值很高，对只需要旁听、有人替他准备的人几乎没有价值。两者消耗的 Token 一样，价值完全不同。

我们最近很受欢迎的一项功能是，当检测到用户有「失控的 Routine」在大量消耗 Token 时，我们会主动发邮件提醒。用户的反应是：「谢谢，我现在信任你了，你是在帮我避免浪费。」这就是我追求的，你付费，同时信任我们是一个帮你高效使用 AI 的平台。

06未来 Agent 替你分享信息，人负责设定方向

Harry Stebbings：未来每个人会分别拥有消费、企业和硬件 Agent，还是只需要一个统一 Agent？

Jean-Denis Greze：每个人大概只会有一到三个进入数字世界的入口。

用户不会愿意为了销售去找 Salesforce Agent，为项目管理再找 Linear Agent，做另一件事又切到另一个 Agent。更自然的体验是，按一下按钮直接开始说话，由统一入口处理。

出于隐私原因，在数据层面你可能还是需要把个人和工作分开。这两个部分甚至可能由不同公司提供。

但在用户界面上，不会出现 50 个 Agent。你跟主 Agent 说话，它在后台跟 Salesforce、任何需要的系统完成任务。用户不需要感觉自己正在切换 Agent。

Harry Stebbings：当下看起来很疯狂、但五年后会非常普遍的人与 Agent 关系是什么？

Jean-Denis Greze：五年后，你会信任 Agent 自行决定哪些数据可以分享给别人，不需要逐次获得你的许可。

比如，你和两位朋友规划旅行。朋友们问你的饮食偏好、什么时候能飞，Agent 都能回答。即使你从没明确告诉它「这些是好朋友，但不能透露我的病史」，朋友开玩笑问起时，Agent 也会拒绝。

今天，每个人自己充当信息过滤器。别人提问时，我们判断什么能说、什么不能说。未来，AI 会越来越多地承担这个角色。

从信息论角度看，一个 LLM 能访问的信息越多，就越容易找到完成任务需要的正确 context。但现实里，信息分散在公司、政府和个人的系统中，过去只能由人来搬运，信息从一个地方流向另一个地方的效率很低。

传统做法是让合规和安全团队给数据分类、制定访问政策。成本很高，真正有用的信息仍可能困在某个人的邮箱或没有集成的系统里。未来，我们会逐渐让 LLM 判断哪些信息能够离开个人的数据孤岛。

举个具体例子。一家有 1000 名员工的公司里，一位销售想联系某个客户。他知道公司里一定有人认识对方，但不知道是谁。今天，他只能去 Slack 群里问：「谁在负责客户 X？谁认识他们？」

未来，他的 Agent 可以直接询问公司里其他人的 Agent。那些 Agent 能访问各自用户的收件箱，最后返回：「Liz 和你想认识的人有私人关系，可以问问她是否愿意引荐。Bob 和对方有工作往来，而且下周正好要开会，要不要问他能否把你也邀请进去？」

这正是公司想要的优秀业务结果。但前提是员工必须相信，Agent 能从邮箱中提取恰当的信息，同时守住工资、病史等不可分享的边界。

Harry Stebbings：我朋友讲过一个故事，为了提升公司文化，他的 Agent 自作主张，想替他购买六台 Apple 显示器，幸好因为需要刻字才阻止了。Agent 这种近乎疯狂的目标追逐倾向，究竟是功能还是缺陷？

Jean-Denis Greze：我没有确定的答案。应该允许 Agent 多大程度地追逐目标，又该让它自主运行多久，是非常有意思的问题。

一种思维方式是，LLM 本质上是把能源转化为 GDP 和收入。电力和芯片产生智能，我们再把智能应用到商业结果上。如果它们足够聪明，另一端产出的就是 GDP。那我们是否只要告诉它「替我赚钱」，然后让它长时间运行、想做什么就做什么？

还是说，人类的职责应该是设定方向，并确保所有行动符合某种人类价值体系？

我属于后者。我认为人首先要负责分配资源，也就是决定愿意为一个目标花多少 Token。还要设定目标，并监督系统为实现目标而采取的整体行动。

随着智能越来越强，也许资源分配和监控本身也可以由 Agent 来做。但我不认为，负责监督的 Agent 应该与那个一心冲向目标的 Agent 是同一个。

Harry Stebbings：Town 成为千亿美元公司的乐观情景是什么？

Jean-Denis Greze：能拿到大约一千万付费用户，并且市场相信用户规模还会增长。现在 Town 每名用户每年收入超过 700 美元。

我离开 Dropbox 已经很久了，印象中它拥有非常庞大的免费用户群，成本很高。但增长在某个阶段趋于平缓，单个用户已经无法带来更多收入或增长。

AI 领域的不同之处在于，随着产品完成越来越多工作，收入理应可以持续增加。一家公司一旦把 Town 作为 AI 工作的核心平台，Token 支出越高，平台就越有机会获得不断增加的收入。

转载原创文章请添加微信：founderparker

FounderPark AI AGI