从今年 3 月立项到 9 月推出产品，再到斩获超 2 亿美元，用时七个月，Today AI 是今年融资规模最高的应用公司
从3月立项、9月推出产品，到10月披露累计融资超2亿美元，Today AI只用了七个月。
我更关心这笔钱背后的竞争变化。过去，AI应用可以靠小团队、模型API和产品体验快速起步；个人智能体要持续记忆、后台执行、跨平台操作，融资、工程和商业连接能力从一开始就要同时到位。
但门票昂贵，不等于生意成立。
用户愿意委托任务，付费意愿仍待验证
原文援引Sensor Tower的数据称，Meta的个人智能体Muse全球累计下载量达到1090万次，10月16日日活约250万，7日和14日留存率分别为30%和23%。这些数据说明，把真实任务交给AI，已经具备消费需求的基础。
但增长需要拆开看。原文提到，Muse早期每周提供约1亿Token免费额度；Meta用于推广Muse的广告支出占其广告投放支出的比例，从9月的23%升至10月的约39%。产品能力、计算补贴和分发投入，共同推动了增长。
这套打法，独立创业公司很难照搬。Meta既能补贴获客，也能补贴服务，还可以把个人助理接入自己的社交与商业网络。
付费则是另一回事。原文没有提供完整的月活、付费人数和订阅收入数据。行业访谈中的早期付费人数估计，也不能与后来的日活直接相除。我认为，现阶段能看到的是用户愿意尝试，尚不能据此判断商业模式已经跑通。
成本要算到一次任务成功交付
个人智能体的成本，不只是回答问题消耗的Token。它还要运行浏览器、保存状态、调用工具，并在失败后重新规划。
原文援引摩根士丹利的模型：在每周Token配额使用率为25%的基准情景下，单用户月度直接服务成本约37.12美元，其中GPU推理约24.30美元，其余12.82美元来自CPU沙箱、存储及配套开销。
这是特定假设下的测算，不能直接当作所有Agent的实际成本。但它指出了一个经营问题：固定订阅价格之下，重度用户带来的收入不变，服务成本却可能继续增加。
成本还藏在执行摩擦里。没有官方接口，就要模拟点击，面对验证码、页面变化和反爬限制；任务失败，又增加重试甚至人工接管。
我更看重的指标是“单次成功交付任务的总成本”。原文举例，若每次尝试花费1美元、成功率为70%，且各次尝试独立同分布，成功交付一次的期望成本约为1.43美元。准确率与可靠性，最终都会进入毛利表。
降本的关键是任务架构
用户需要长期保存的是记忆和任务状态，并不意味着必须为每个人维持一台全天运转的虚拟机。按需启动、快照休眠、弹性唤醒，决定了后台执行能否承受规模增长。
模型调用也一样。查天气、归类邮件和跨平台研究，不该默认使用同样昂贵的模型。
原文给出一个示例：每月100万次任务，若全部使用单次0.20美元的模型，推理费用为20万美元；若将其中80%的简单任务交给单次0.01美元的轻量模型，其余20%使用高性能模型，费用降至4.8万美元，减少76%。这是假设模型，但说明了任务路由的价值。
另一个机会来自时间。聊天需要即时反馈，整理发票、追踪包裹、持续比价，却往往可以在约定时间前完成。原文转述Instinct创始人的说法，其特定后台负载通过异步批处理获得了3到8倍的吞吐提升。这个结果有适用条件，思路却值得重视：按任务的时效要求安排计算。
我据此判断，个人智能体团队必须深入掌握模型选择、调度、记忆和执行环境。是否自研基础模型可以选择，理解成本结构不能外包。
商户接口既决定体验，也决定利润
原文称，Muse上线时接入Stripe Link，随后扩展与Shopify、PayPal及零售商的合作。其价值不只是让用户方便付款。
原生接口可以减少模拟点击，降低执行开销，提高任务完成的确定性；支付和订单连接，则为成交归因与收入分配创造条件。
这也解释了Meta为什么愿意投入。个人智能体如果能从购物意图一直参与到支付，就有机会连接需求、推荐和交易结果，探索订阅之外的收入。
不过，入口竞争远未结束。模型厂商持续提升执行能力，苹果和谷歌掌握操作系统、权限与硬件入口。谁能稳定组织个人数据、工具权限和商业服务，仍是开放的问题。
中国创业者先要做实一张闭环账本
中国的难点更集中在商业连接上。购物、酒旅和本地生活依托超级App，独立Agent即使完成了比较和推荐，最后仍可能把用户送回平台成交。如果没有归因协议，计算成本由Agent承担，交易收入却未必属于它。
订阅同样承压：大厂提供大量免费功能，独立产品必须证明自己的服务值得持续付费。按成交收费也不是自然成立的答案，它需要供给、履约、归因和结算共同支持。
所以我倾向于从高价值垂直场景切入，优先寻找客单价较高、供给分散、平台控制相对薄弱的领域。先回答清楚：谁提供供给，谁保证履约，谁确认成交，谁结算收入，失败后的赔付由谁承担。
这些问题没有落实，任务调用量越大，可能只是支出增长越快。
融资买来验证时间，不能替代验证结果
原文将37.12美元的单用户月成本外推到100万名同等负载的活跃用户，得到每月3712万美元、年化约4.45亿美元的直接服务支出。这个推演依赖使用强度等假设，也没有计入研发、获客和商务费用，不能当作Today AI的实际账单。
它的意义是提醒创业者：如果成本结构没有改善，2亿美元也可能很快被规模消耗。
我不会仅凭这些成本推演，就认定Personal Agent是伪命题。需求、技术可行性和商业成立，是三个需要分别验证的问题。现有增长提供了需求线索，长期可靠交付和盈利能力仍需证明。
对Today AI这样的公司，我会持续看三件事：用户是否反复委托有价值的任务，成功交付成本能否下降，收入能否稳定覆盖履约。融资买来的是把这三件事做实的时间。