累计融资数千万美元，这家 AI 公司只做一件事，帮你决定今晚去哪

「今晚做点什么」这句问话，大多数 AI 接不住，因为它们等你先想清楚要什么。Karpo 想接住的是那个还没成形的念头：从一句模糊的心情出发，排路线、订位、买票，必要时打电话问商家。创始人 98 年生，做过豆包。

周五下班前，朋友在群里问了一句：“今晚做点什么？”你想了半天，回的是“随便”。其实你心里有点感觉，想去个安静一点、灯光暗一点的地方，不想太吵，也不想一个人待着，只是这个感觉怎么也变不成一个店名。

这种时候，手机里的大部分 AI 帮不上忙。它们都在等一个问题，你得先知道自己要什么，它才能回答，或者去办。可是人的很多愿望，在变成问题之前，只是一种心情。Karpo 想接住的就是这一段。它是 MachinePulse 做的第一个产品，专门帮人安排下班后和周末。创始人 Leah 是 98 年生的，之前在豆包的早期团队负责模型的策略产品，参与了豆包从 0 到 1 亿日活用户（DAU）的过程。她认为 Personal AI（个人 AI）的竞争正在换一个位置：谁先接住那个念头，谁才有机会走进用户真实的生活。

一句”今晚做点什么”，为什么大多数 AI 接不住

今年 9 月，个人智能体（Personal Agent，替用户长期办事的 AI 助手）几乎同时被各家推出来。Meta 的 Muse 上线 13 天，下载量超过 250 万；OpenAI、Manus 也各自拿出了新产品，国内的千问、豆包都在加紧推进。旧金山一家只有 14 人的公司 Instinct，拿到 10 亿美元融资，估值 100 亿美元。大家比的是同一件事：谁能把用户交代的任务办得更好，比如比价、订票、取消订阅。

Leah 的看法是，竞争的重心会往前挪一步。她的原话是：“对 Personal AI 来说，最重要的就是两件事。意图，以及基于意图进行供给的个性化生成。意图是一切的起点，但我不觉得这件事是行业共识。”她把这叫作“意图前插的竞争”：需求还没成形的时候先接住，再去组织后面的供给，最后把交易做成。

这一步之所以难，是因为人在生活决策里很少带着明确的问题。查资料、办手续的时候，人通常知道自己要什么；可今晚去哪吃饭，周末去哪走走，往往是先有感觉，后有答案。Karpo 里七八成的输入都很模糊，可能只是一句“周末不想宅着”，或者一种想要的氛围。搜索擅长回答“我要去哪家店”，帮不上“我也不知道想去哪”的人，只会等明确指令的 AI 也一样。我认为，谁先把这类说不清的念头接住，谁就更有机会把后面的订位、买票一并做成。

Karpo 是什么，它为什么不宣称做一个什么都管的助手

Karpo 是一个主动式的城市生活 AI 助手，名字来自拉丁语的 Carpe Diem（及时行乐）。它只管吃、喝、玩这一类线下生活：餐厅、酒吧、演出、展览、周末的活动安排。用户从一个心情、一个念头出发，它给出建议，再一步步推到订位、买票、同步日历，必要时还会打电话向商家确认座位和价格。产品先从苹果手机自带的信息应用 iMessage 起步，用户直接在聊天里对话，也能把它拉进群聊，让它收集几个朋友的想法，排出一个大家都能接受的计划。现在已经有独立的 App，目前主要面向海外，覆盖纽约、伦敦这样的城市。

团队花最大力气的部分不是邮件处理、日程管理这件事，这和 Muse 这类通用产品很不一样。Leah 把 Agent 分成两种。一种是代替人，做偏脑力的工作，她认为那主要是模型公司的机会；另一种是代理人，处理生活里的需求，牵涉场景、线下供给和品牌气质，创业公司在这里有空间。大厂可以把通用的打法铺得很开，创业公司更应该，所以要先找一根足够尖的针。

垂直的代价，是一开始就放弃很大一块市场；换来的是体验可以做完整。念头交出去之后，要有一张知道城市里每个晚上在发生什么的供给网，才能把事办到底，这也是 Karpo 把精力放在各城市本地供给上的原因。

主动不是打扰，是在合适的时候给出建议

谈到“主动”，容易想到手机里天天弹出来的推送。Karpo 的触发来自几类信号：用户自己设的定时任务，对需求的推测（比如出发去某个城市之前提醒你），还有位置、日历、Apple Music 里的变化。大约三成用户连了 Apple Music，它会按你的歌单品味去挑酒吧。打扰的边界由公司来定，再根据用户回复的多少不断调整，用户不理它，它就收敛。

对那些模糊的念头，团队还做了一个叫 VibePad 的工具，一个四象限的滑杆。用户拖动位置，把“今晚想要的 vibe（氛围）”变成一条清楚的指令，由苹果的端侧模型（直接跑在手机上的小模型）当场生成。

有两个例子最能看出这条路径。有人对 Karpo 输入：“Deep, moody romance. 想要一个让整个世界消失的地方。”Karpo 推荐了一家叫 Red Light 的酒吧，要按下隐藏的门铃才能进去，里面是琥珀色的灯光、天鹅绒沙发，还有现场的钢琴师。对方回了一句：“Yes. That’s exactly what I want.”

另一个例子里，有人的父母来纽约，只待一个晚上。老人不喜欢太潮的地方，自己的预算也有限，他把这些条件原样告诉了 Karpo。Karpo 没有只给一家餐厅，而是排出一条东村（East Village）的步行路线：先去 Superiority Burger 吃晚饭，价格不高；再到 McSorley’s Old Ale House，一家有纽约历史感的老酒馆；最后在甜点店 Veniero’s 收尾。全程步行，人均约 46 美元。

这两个例子里，一个给的是氛围，一个给的是一串零散的条件，地点和先后顺序都是 Karpo 接着补出来的。

为什么偏偏从吃喝玩乐切进去

吃喝玩乐看上去是轻场景，里面的变量一点也不少：本地有什么，用户喜欢什么，几点出发，几个人去。用户常常不是没有选择，而是不知道此刻哪个最合适；商家也有位子、有演出，却找不到对的人。Karpo 要做的就是把这两头连起来。

连起来要有供给。Karpo 不要求商家先入驻，而是通过外卖平台、票务平台这些现成的渠道把交易接通，再把零散的供给串成一条完整的体验，比如前面那条东村的步行路线，或者给爱听灵异故事的用户推荐一家和著名鬼故事有关的旅馆。收入目前主要来自交易抽佣。

从 Leah 给出的画像看，用户集中在 25 到 35 岁，大多生活在大都市圈，一个典型用户每月通过 Karpo 促成的交易平均有 500 到 600 美元。餐饮约占四成，演出展览等活动约占三成，旅行约占两成。我更看重的是留存：用过的品类越多，留得越好，说明用户在把越来越多的决定交给它。有位金融行业的用户在同一家酒吧去了五年，用上之后开始去新地方。

回到开头那个周五晚上。如果不必先想好店名，只要把“想要一个安静的、暗一点的地方”交出去，决定的起点就从一个具体的目标，挪到了一种还没来得及命名的感觉。

我自己的一点思考

回到开头那个周五晚上。如果你不需要先知道去哪家店，只要把“想要一个安静的、暗一点的地方”交出去，消费的起点就变了：从搜索一个已经知道的目标，变成探索一个还没有名字的需求。

这会带来什么，我认为可以从三个方向想。选择会变多，很多人原本只去固定的几家，现在会被带去没听过的地方。次数会变多，决定的门槛降下来，出门自然更频繁。同一个人还会反复发生这类消费，因为偏好被记住了，每一次都比上一次更准。对商家来说，被找到的方式也会变，不再只靠排名和广告位，而要看自己的气质配不配得上某个人此刻的心情。

当然，这套逻辑能不能成立，要看 AI 是否真的听得懂“让整个世界消失的地方”到底是哪一种地方，并且每一次都不让人失望。

Personal Agent 的下半场，比的也许不是谁办事更快，而是谁更早听懂人还没开口的那一句。