创始人齐俊元也是协作工具 Teambition 的创始人，2019 年，Teambition 以 1 亿美元被阿里巴巴收购。此后，他先后加入阿里、字节。去年底，齐俊元开始创业，押注 Personal AI。
Today 也是国内最早探索 Personal AI 的团队之一。9 月开启海外公测，同月 24 日上线国内版，直到最近才正式披露融资。同一时间段，硅谷也涌现了 Muse、Cue、Dots、Instinct 等多个热门的 Personal AI 产品。
国内版跑了将近一个月，在这次融资宣布之际，Founder Park 和 Today 团队聊了聊，想知道他们看到了哪些真实的落地场景，又如何判断 Personal AI 这个赛道。
相比行业的热闹，Today 团队的判断反而很克制。他们坦言，Personal AI 还处在很早期的阶段，眼下的热度也有被情绪放大的成分。团队已经能从产品中看到一些 Aha Moment，价值也真实存在，但离 PMF 还有距离。用户愿不愿意长期留下，这些价值怎样转化成收入，产品又能否以足够低的成本服务更多人，都还没有确定的答案。
Today 想做的，是一个有长期记忆、会主动帮忙的 Personal AI。它能记住用户正在推进的目标，也会留意后来发生的变化，在合适的时候提醒，得到确认后把事情接着做下去。很多 Agent 解决的是「把事做完」，Today 更想往前一步，在人开口之前，判断「现在有什么事值得做」。
⬆️关注 Founder Park，最及时最干货的创业分享
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
Personal AI 国内的落地场景，
跟海外不太一样
Today 国内版上线这一个月，涌现出了一些不太一样的使用场景。
一位在备考英语六级的用户，临时收到志愿者培训通知。培训就在第二天上午，正好撞上原本安排好的背单词时间。Today 对照着她之前的备考安排和新加的日程，主动建议她把背单词挪到晚上。
另一位用户既是博主，也是一位妈妈，平时会用 Today 整理工作和孩子的日程。一次，新加进来的客户会议和孩子的棒球课撞了时间。她自己还没发现，Today 已经提前一天发来提醒，还拟好了发给爸爸的协调信息。得到确认后，日历也随之一键更新。
国庆期间，一位旅居西藏的用户正在琢磨第二天去哪儿。还没等他提问，Today 就在当晚的日报里推荐了一座当地藏民常去的寺庙，还附上了适合出发和拍照的时段。这座小众的寺庙正好对上了他的兴趣，可他从没向 Today 提过这次出行。一问才知道，Today 的判断来自更早的一次互动，他曾让 Today 帮忙整理过照片和旅行资料。这些经历和偏好被记了下来，在这次旅行里派上了用场。
三个场景看起来各不相同，但它们解决的是同一类问题。很多事情不会在一次对话里结束，生活里的新变化又总在打乱原来的计划。国内版上线近一个月后，Today 最先看到价值的，正是这些需要持续数周、数月，过程中还会不断加入新信息的任务。
这和海外 Personal AI 最早跑出来的场景不太一样。
Instinct、Muse 这些产品，很多 Magic Moment 来自执行能力，帮用户订票、处理报销、取消长期不用的 SaaS 订阅。Instinct 创始人曾透露，平台一半的 GMV 来自旅行。海外大量服务还发生在网页端，浏览器能覆盖不少长尾需求，Agent 获得授权后就可以替用户操作。
国内是另一回事。中国很早就进入了移动互联网阶段，订票、外卖和打车已经被做得足够方便，大量服务又被封装在不同 App 和相对封闭的生态里。让 Agent 打开浏览器替用户订一张票，带来的体验收益没有海外那么明显，做起来反而更费劲。
Today 团队观察到，国内用户更快表现出需求的，是日程管理、To-Do List、知识管理，以及一些类似 CRM 的场景。
一个从来不用日历的人，也可以随口告诉 Today，自己下周可能有一件事。系统把一句非结构化的表达转成日程，再根据后续变化持续调整。老师可以用它管理不同学生的学习进度。长期学习、运动和家庭事务，也都适合交给一个记得前因后果的系统。
在 Today 的用户反馈里，一个正在写博士论文的用户从 3 月内测一直用到现在。他用 Today 记录日常状态、整理论文和文献、管理待办，还拿它追踪运动和猫咪健康。另一位跑步用户接入 COROS 手表后，Today 和他一起制定了训练计划，还会根据天气调整安排，完赛三周后又主动推荐了下一场比赛。
很明显，只要一件事需要长期跟进，又会不断被新信息改变，Personal AI 就能派上用场，未必只有日程排满的创业者和投资人才需要它。
至于这些场景算不算找到了 PMF，Today 团队回答得很谨慎，更愿意把现阶段称为 Product-Value Fit。一部分用户确实需要，产品也的确有用，但这份价值能否带来稳定留存，能否扩展到更广泛的人群，最后能不能变成收入，还需要继续验证。
现在的 Personal AI 已经证明了自己「可能有用」，但离成为大家每天都会打开的产品，还有一段路要走。
02
主动性，
是当下产品的 Aha Moment
传统的 chatbot、agent，一般是等待用户下达任务，再去交付结果。今天的 Personal AI 想往前再走一步，持续理解一个人的目标和状态，发现值得处理的事情，在合适的时候主动开口，必要时接着把事情做完。
这让 Personal AI 在产品设计上，和 Chatbot 逐渐拉开差别。
Today 团队认为，当前版本的 Today，最有亮点、也最容易带来 Aha Moment 的设计，是主动性。但主动不只是多推几条消息，它得建立在对人的理解之上。
「主动性带来的体验增益，很大程度上来自个性化。个性化又很大程度上源于记忆的设计，所以这些能力是耦合在一起的。」团队告诉 Founder Park。
同样让 AI 调研一款产品，豆包、Manus 这类通用工具都能做，但更像是在完成一个相对客观、独立的任务。Personal AI 如果已经知道你是谁、做什么工作、为什么要调研，就会带着这些背景决定调研重点，挑出你真正关心的那部分。
Today 看到的用户反馈里，被反复提到的不是速度快，也不是功能多，是「它记得」和「它懂我」。有人把过去三年的笔记接入 Today 后，发现它开始在对话中主动引用自己以前写过的想法。有人只提过一次不喜欢早上开会，三周后 Today 帮他安排日程时，自动避开了早晨。
放到整个行业来看，Today 团队认为，好的对话体验和长程任务能力，已经成为 Personal Agent 产品的共识。但人与 Agent 究竟应该怎样交互，各家还在探索不同的可能。
Today 现在的主要入口，是一个持续存在的主对话。不过，对话框未必会是 Personal AI 最终的样子。自然语言是人和人之间最好的交互方式，但当对面是一个擅长写代码、图形化表达的 Agent 时，继续把所有交互塞进对话框里，不一定是最合适的选择。
Today 团队内部也在讨论 Dynamic UI、Generative UI 等形态。在他们看来，GenAI 产品发展到更极致的阶段，每个人看到的产品都可能不一样。有人需要日程和任务，有人关心健康趋势，也有人更在意工作信息。系统可以根据个人需求，动态生成一套属于他的 Dashboard。
不过，在界面真正因人而异之前，Today 要先证明一件更基础的事。它记住的内容是否准确，主动出现的时机是否合适，这种体验又能否在不同用户身上稳定复现。
03
垂直可以作为起点，
终局一定是通用
要「懂」一个人，前提是对这个人知道得足够多。在 Today 团队看来，这也是 Personal Agent 竞争的关键——Context。这个方向的竞争主要看两件事，谁能尽可能多地拿到用户的 Context，以及在拿到相同 Context 的前提下，谁能交付更好的体验。
这也是 Today 从 Day One 就选择做通用 Personal AI 的原因。团队认为，如果一款产品只能拿到某个细分领域的信息，就很难同时理解一个人的工作、健康、家庭和线下生活。
这些信息不是几个互不相干的文件夹，它们每天都在彼此影响。只知道健康数据，就看不出长期加班如何影响一个人的身体。只了解工作，也很难知道一次临时会议为什么会打乱接孩子放学的安排。
「不同维度的上下文之间，是有化学反应的。这个化学反应，某种意义上就是产品的壁垒之一。」Today 团队表示。
当然，通用路线很重，不是每个团队都能一上来就这么选。对资源有限的创业公司来说，从垂直场景起步更现实，场景容易解释，目标人群清晰，获客和算力成本更好控制，付费也更容易验证。Town 就是一个典型例子，从邮件这个具体需求切入，再逐渐覆盖创业者、家长等不同人群。
Today 团队认可这种打法，但他们的判断也很明确，垂直场景适合作为产品的起点，但很难成为终点。模型本身拥有很强的泛化能力，如果一款 Personal AI 产品长期停留在某个细分场景，迟早可能被通用产品覆盖。
做通用要面对更复杂、长尾的需求。虽然国内外巨头接连下场，通用 Personal AI 本身仍有不少悬而未决的问题。运行成本居高不下，交付能力还不够强，最终会长成一款 App、一部手机，还是其他形态，也还没有定论。
对做 Personal AI 这件事，Today 是笃定的。团队相信，Agent 一定会越来越深地进入日常生活，Personal AI 也会成为一个足够重要的产品方向。他们选择把资源集中放在这里，探索它会以什么形态出现、如何更顺畅地走进人的生活。
04
怎么更懂用户这件事，
产品经理更重要了
既然要「更懂用户」，工程上就会面对很多具体的问题：哪些信息值得长期记住，哪些要判断过时？什么时候应该主动，任务中断后又该如何接上？
很多人期待 Personal AI 公司拿出一套独有的 Memory 技术。Today 团队的看法很直接，Muse、Today、Instinct 解决的是相似的需求，最优的工程架构也相对一致。至少现在，没有哪家握着能领先一个代际的 Memory 突破。
真正决定一款产品能不能做好交付、拉开体验差距的，是能不能搭建起一套扎实的 Evaluation 体系，并在体验出问题时准确归因。Coding Agent 面对的是一个相对封闭的代码仓库，程序能不能运行、测试能不能通过，都有客观标准。Personal AI 面对的任务却常常是开放、主观的。
比如用户说，「我最近想买件衣服，帮我看看适合买什么。」答案取决于这个人的职业、审美、预算、生活状态和穿着场景。同一条建议放在不同人身上，有人觉得说到了心坎上，有人觉得毫无用处。
Personal AI 不仅要召回正确的记忆，还要判断哪些信息与当前问题有关。最后给出的建议，也要符合这个人的处境。当下，模型的泛化能力还没有强到能自己参透所有潜台词，产品经理在其中的分量反而越来越重。
Today 把很大一部分精力投向了 Evaluation。产品经理要理解不同用户和 Persona，把人类的先验认知设计成一套套 Rubrics，相当于代表不同用户去给系统当「裁判」，把「懂不懂用户」「主动得合不合适」这类主观感受，拆成 Agent 能理解、可以观察和量化的维度。
评估只是第一步，更难的是归因。一次体验变差，究竟是模型本身的问题，还是记忆召回、Harness 或某项产品策略出了问题？如果不能定位到具体环节，团队就很难知道下一步应该优化什么。
为了检验系统在长周期里的真实交付效果，Today 搭建了一套带有连续生活经历的模拟用户体系，分别对比三种状态：没有历史信息、只有静态个人画像，以及积累了 30 天交互历史。团队希望借此观察，随着 Context 不断增加，Agent 给出的帮助是不是真的越来越贴近那个人、真正把任务办妥。
技术投入的另一部分落在了模型上，Today 也开始训练自己的模型。
目前市面上主流大模型的迭代重心，普遍放在 Coding 和复杂推理任务上，未必重视对话体验。实际聊起来，模型还是会出现说话冗长、指令遵循不稳定的问题，也很难适应一个人的表达偏好。对需要每天跟人打交道的 Personal AI 来说，这些细微的交互问题，会直接影响用户愿不愿意留下来。
成本也是另一个现实因素。Today 的 Harness 会同时调用多种模型，不同任务对智能、速度和价格的要求也不同。即使未来存在一个几乎什么都能做的顶级模型，如果成本太高，也不可能用它完成每一个任务。
所以 Today 要训模型，追求的不是在绝对智能上追赶 frontier model，更多是在智能、效果和成本的「不可能三角」里，找到更适合自身产品的平衡。利用自己的场景和数据，让模型与 Harness 更好地联合优化，怎么用可承受的成本，提供足够好的体验。
05
先证明 Personal AI 有用，
再考虑商业化
商业化这件事，团队思考了很多，但也表示现阶段 Personal AI 很难把商业化想得太明确。目前，Today 海外版已经采用订阅制。国内版暂不收费，团队表示后续会根据竞争环境「动态」调整。
未来怎么赚钱，广告、履约抽佣和订阅都有可能，每种方式都会改变产品和用户之间的关系。Today 团队最明确的原则是，Personal AI 必须站在用户一边。它和平台型产品最大的不同，就在「Personal」这个词上。所有商业化探索，都不能以伤害用户体验和信任为代价。
顺着这个原则看，几种商业模式的利弊都很清晰。
广告很容易破坏用户的信任，产品可能会优先推荐出价更高的商品。履约抽佣相对有机会，前提是 Agent 真的帮用户以更低的价格、或者更高的质量买到合适的服务，再从中收取一部分费用。
订阅不一定是最终答案，但在产品早期，它反而可能是最不伤害体验的方式。钱直接来自用户，产品就更需要为用户创造价值，而不是为平台、商家或广告主服务。
不过，现在讨论这些还早。Personal AI 的成本还很高，创造的价值也不够大。Today 团队判断，短期内行业最重要的事，仍然是「创造价值」。找到更多真实需求、服务更多用户，不急于把 ARPU 算清楚。真正的竞争，可能要等到模型和推理成本继续下降，产品能够以更低成本 scale 的时候才会开始。
「现在很多用户对这类产品的质疑，就是它到底有没有那么大的价值。先回答这个问题比较重要。」
谈到这轮融资会优先投向哪里，Today 团队的回答很简单：「产品是 Today 最前面的那个数字，是『1』，其他东西都是后面的『0』。只有前面有这个『1』，后面的『0』才有价值。」
充足的资金能让一家公司在牌桌上待得更久，最终能不能立住，还是要回答那个最根本的问题，用户到底为什么需要这样一款产品。
Today 已经找到了一些答案。有人需要它记住长期目标，有人需要它理顺工作和家庭。还有人只是希望，当生活发生变化时，能有一个系统替自己留意到那些来不及留意的事。
至于这些价值能不能留住足够多的人，能不能撑起一家做通用 Personal AI 的公司，还需要一段时间来验证。
万字复盘 Codex：一个在模型公司如何做产品的「典型」故事
独家对话 Karpo：Personal AI 的终局，是用户意图的「竞争」，但这还不是行业共识