编辑 | 费腾
头图 | AI 生成
微信内测 AI 智能体 " 小微 " 的消息，让 AI 创业圈又一次面对那个熟悉的问题：当超级入口开始做 AI，独立应用还有多少空间？
但在 6 月 24 日晚的虎嗅 AI 原生闭门直播里，四位正在 AI 应用层创业和投资的人，对这件事反而没有表现出太强的恐慌。
参加这场对话的是：做 3D 重建的 Remy 创始人王正男，做通用 AI 产品 Cola OS 和 ListenHub 的冯雷，做 AI 用户研究的 Mizzen 觅深创始人孙克强，以及光源 L2F 创业者基金执行董事金异开。主持人是虎嗅科技主笔陈伊凡。
两个小时聊下来，一个结论很清楚：
他们真正担心的，不是微信做不做 Agent，而是另一件事：如果一个 AI 产品没有独有场景、专业 Know-how 和明确交付价值，它迟早会被淹掉。
淹掉它的，未必是微信、字节或者腾讯，而可能是 OpenAI、Anthropic、Google 这些模型公司不断上涨的能力水位。
微信入场值得关注，但 " 入口 " 不是 AI 产品的全部
微信做 Agent，最容易被高估的是入口。
过去十多年，中国互联网形成了一个非常强的路径依赖：谁有流量，谁就有分发；谁有分发，谁就能吃掉应用层。
所以当微信开始做 AI 智能体，很多人的第一反应是：这是不是又一次超级入口对创业公司的降维打击？
直播里，几位嘉宾的判断并不一样，但指向接近：微信的入口优势是真实的，但入口本身不等于 AI 产品价值。
王正男的看法比较直接：微信做 Agent，高频是优势，但它更可能吃的是小程序的蛋糕，而不是所有独立 App 的蛋糕。小程序承载的大多是基础功能和轻量服务，用户对它的敏感度、沉浸度和迁移成本，和真正有产品心智的独立 App 不是一回事。
这其实点出了微信 Agent 的第一重边界：它可以成为一个调用层、分发层、轻任务入口，但未必能替代所有垂直应用。
冯雷则从腾讯已有 AI 产品的表现切入。他提到，元宝已经证明了一件事：给入口不等于用户会买账。如果产品本身不能形成明确使用理由，入口只能带来一次点击，不能带来留存。
微信真正的特殊性，不在于 " 它有多少用户 "，而在于它拥有中国互联网最密集的社交上下文。
如果 Agent 能充分理解这些上下文，它当然会变得很强。但问题也恰恰在这里：微信敢不敢、能不能、用户愿不愿意，把这些内容真正交给 AI 处理？
孙克强表示作为一个重度微信用户，如果微信读取聊天的上下文，他的第一反应就是不安全感。微信不能伤害自己的基本盘。对一个国民级 IM 来说，隐私翻车的代价，远大于一个 Agent 产品做不好的代价。
金异开则把问题拉回商业层面：国内用户对隐私的敏感度也许没有海外那么高，但真正决定微信 Agent 成败的，仍然是两个问题：第一，它到底有没有用；第二，它怎么商业化。
微信是生活场景、社交场景、服务场景，但不是天然的生产力场景。让用户为生活场景里的 Agent 持续付费，在中国市场并不容易。
所以，微信 Agent 这件事最值得关注的，不是 " 腾讯终于下场了 "，而是它会重新验证一个问题：AI 时代，入口到底还值多少钱？
传统互联网时代，入口决定信息流和交易流。但 AI 产品的核心不是让用户多停留，而是帮用户完成任务。用户打开一个 AI 工具，是为了尽快得到一个结果。
微信会成为 AI 时代最重要的入口之一，但它不是所有 AI 产品的全部。
真正危险的不是大厂复制，而是模型顺手覆盖你
主持人接着问了一个很直接的问题：创业以来，大厂做过什么事让你紧张？
冯雷的回答很真实。他说，自己的产品 ListenHub 上线后一周，扣子就出了类似功能，当时确实觉得 " 挺讨厌 "。但一年后再看，扣子升级到 3.0，用户已经不记得它最初的定位，而 ListenHub 还活着，增长也不错。
他的真正担心，不是大厂，而是模型公司。
这是因为：AI 应用层的最大威胁，会变成 " 模型顺手覆盖我 "。
OpenAI、Anthropic、Google 这些公司每一次模型能力升级，都不是单点功能更新，而是底层能力的整体提升。只要模型具备了更强的多模态理解、更长上下文、更强工具调用等，一批依附在旧能力缺口上的应用就会突然失去存在理由。
这就是所谓的 " 水位上涨 "。
被大厂复制，伤害的是某个功能的差异化；被模型水位淹没，伤害的是整个产品的必要性。
很多 AI 应用之所以在过去一年成立，是因为模型还不够好：不会联网，不会稳定读文件，不能长上下文，无法跨工具执行任务，不能生成结构化结果。创业公司在这些缺口上做包装、调 Prompt、接 API、做界面，于是形成了一个产品。
冯雷认为，模型公司能力上涨是系统性的、不可逆的，淹掉的是那些寄生在模型能力上的表层应用。
这也是 AI 创业者今天必须重新面对的问题：
你到底是在做产品，还是在做模型能力的临时界面？
独立 AI 产品还有机会，但机会不在 " 更好的聊天框 "
这场直播并没有导向悲观。
几位嘉宾的共同判断是：独立 AI 产品当然还有机会，只是过去那种 " 做一个通用助手、套一个模型、包装一个工作流 " 的机会正在变少。
真正能活下来的 AI 应用，要在三个地方建立不可替代性：选对场景、吃透专业 Know-how、交付明确结果。
非共识场景：去大厂看不见、看不上、来不及的地方
王正男做 3D 重建已经做了七年，从 2018 年做到现在。这个方向不属于 AI 创业里最热的共识赛道。大厂并非完全看不到 3D，但它们很难把资源长期压在一个商业共识尚未形成的方向上。
这恰恰成了 Remy 的机会。
王正男在直播里说，大厂不做，是因为没有形成共识；但创业者的机会，往往就在非共识里。难点是前面没有路，必须自己趟。
Remy 上线 9 天用户破百万。王正男一开始也担心这只是昙花一现，但后来日活没有明显跌落，6 月月活还突破历史新高。用户会在一些高情感价值场景里使用 3D 记录，比如过年回家、与父母团聚、毕业典礼等。这些场景不是简单的 " 拍得更清楚 "，而是希望把空间、关系和记忆保留下来。
他提到两条自己的第一性原理：第一，人会持续追逐更高信息密度的记录形式。第二，记录的需求不会被生成式 AI 替代。
这类机会的特点是：它不够共识，所以大厂不会重点投入；但它又有长期需求，所以创业公司可以靠持续积累形成认知差和产品差。
垂直 Know-how：在垂直场景里下 " 笨功夫 "
孙克强做的 Mizzen 觅深，是另一个方向。
他过去做过 AI 情感陪伴，后来看到字节也做了类似产品，一度紧张。但很快他意识到，情感陪伴这种长链接消费，和平台型产品的短消费逻辑之间有天然矛盾。
转向 Mizzen 后，他反而不焦虑了。因为这个产品不是让 AI 做更好的回答者，而是让 AI 做更好的提问者。
孙克强说，他们把用户研究里的专业规则设计进自己的 Agent 系统里。一个 Agent 负责生成访谈大纲，另一个审核 Agent 再对大纲进行优化和检查，判断它是否科学、严谨，是否符合传统用户研究方法论。
他用了一个很形象的说法：这背后像是站着 " 一群老师傅 "。
这句话其实讲清楚了垂直 AI 应用的真实壁垒：真正有价值的是把行业里的 " 老师傅 " 的经验、方法论、质检标准和流程细节，做成可规模化运行的系统。
同时，孙克强给到一个比例：Mizzen 目前大约有 75% 以上的能力，是在大模型之外自建出来的垂直能力。
这说明，垂直 AI 应用的机会，是在一个具体场景里做大量的 " 笨功夫 "：理解业务问题、设计专业流程、建立质量标准、不断打磨 Agent 协作方式。
所以，Mizzen 是把用户研究里最关键的能力产品化了：知道该问什么，知道怎么问，知道什么不能问，也知道问完之后如何判断答案有没有价值。
这类能力，大模型可以模拟，但很难天然具备。因为它不是单纯的语言能力，而是垂直场景里的专业判断。
交付结果：用户更关心问题有没有解决
冯雷的判断更偏产品侧。
他认为，AI 应用公司不要把自己绑定在任何一个模型上。因为 AI 时代风水轮流转。今天某家模型强，明天另一家可能追上。应用公司必须保持模型选择权。
他举了自己的经历：过去在 Minimax 时只能用自家模型，后来和谷歌合作时又遇到模型表现不稳定，导致产品受影响。这个行业变化太快，如果把自己锁死在单一模型上，产品就会被底层模型的节奏拖着走。
冯雷提到，普通用户其实并不关心产品背后接的是 Claude、GPT 还是 Gemini，用户只关心一件事：它能不能解决我的问题。
他观察到，Genspark 在美国增长不错，一个原因是它把每个场景，如 PPT、录音、打电话，都进行明确结果展示。用户一看就知道 " 这是我要的东西 "。
相比之下，很多强大的模型产品比如 Codex，很多普通用户打开之后，反而不知道该怎么用。
这是应用公司的机会：不是比模型更强，而是比模型更懂任务、更懂用户、更懂结果交付。
" 人是环境的反应器，人需要一个 " 触发器 " 才能触发需求。你的产品如果能把我想要的结果演示出来了，用户就愿意试。" 所以谁能把一个模糊需求变成可见结果更关键。
可以进大厂生态，别交出用户、数据和模型选择权
AI 创业公司和大厂不是只有竞争关系，也可能是合作关系。
王正男在直播里分享了 Remy 和华为合作的一些背景。按照他的说法，华为愿意把 3D 重建这件事交给第三方，一方面是因为华为过去自己做过相关 App，发现软件产品并不好做；另一方面，鸿蒙生态要真正长起来，就需要第三方公司能在生态里赚到钱。
这是一个典型的大厂生态逻辑：大厂不一定要亲自做完所有应用，它更需要生态里长出足够多有生命力的开发者和公司。
但问题是，创业公司不能把自己活成大厂生态的附庸。
冯雷的建议很直接：可以合作，在合作时，可以说优先使用你的模型或进入某个生态，但一定不要锁死。尤其在 AI 行业，模型能力变化太快，任何一家模型都不可能永远领先。
这其实也是 AI 应用公司的基本生存原则：
上游要多模型，下游要多场景，中间要有自己的产品和数据沉淀。
如果上游只绑定一家模型，下游只依赖一个渠道，中间又没有自己的上下文资产，那么这家公司本质上没有护城河，只是在替别人做分发和客服。
大厂生态可以提供流量、品牌、设备、渠道和基础设施，但创业公司必须保留三个东西：
第一，模型选择权；第二，用户关系；第三，数据和上下文沉淀。
失去这三样，所谓生态合作，很容易变成慢性外包。
AI 产品别再迷信 DAU，真正要看 Token 溢价
入口时代看 DAU，AI 应用时代更该看单次任务价值。
关于 AI 应用怎么赚钱，金异开给出了一个更适合 AI 时代的判断。
他认为，不能再用传统互联网的 DAU、时长去简单衡量 AI 产品。因为 AI 不是注意力生意，而更接近效率生意。
一个短视频产品当然希望用户停留越久越好，但一个 AI 效率工具，最好的体验可能是用户 1 秒钟拿到结果然后离开。用户停留时间短，不一定说明产品差，反而可能说明它足够高效。
所以，AI 应用的商业质量不能只看 " 有多少人来 "，还要看 " 每一次调用创造了多少业务价值 "。
金异开关注两个指标：
第一，Context 收集能力。
也就是产品能不能持续拿到用户独有上下文。比如企业的内部知识、用户研究资料、个人工作流、行业语料、历史任务记录、团队协作关系。这些东西不是模型原生具备的，一旦沉淀下来，就会形成应用公司的防线。
第二，每百万 Token 的溢价。
同样是调用模型、消耗 Token，有的公司只能收一点中转费，有的公司却能因为解决了高价值任务而收取高得多的价格。差别不在 Token 本身，而在最后一公里的业务价值。
这句话更直白的表述是：AI 应用不是流量生意，而是毛利生意；不是谁调用模型更多谁厉害，而是谁能把同样一单位 Token 卖出更高业务价值才厉害。
这也是为什么很多看起来 DAU 很高的 AI 产品，商业化未必好。
高 DAU 如果对应的是高推理成本、低付费意愿，它带来的是成本持续上升。
反过来，一个 DAU 不大的垂直 AI 产品，如果能嵌入企业流程、提升明确效率、拿到高客单价，商业发展反而可能更好。
冯雷自己的产品在侧面验证这一观点，ListenHub 今年在增长上几乎没有花钱，主要靠用户口碑传播，日活在数千到一万之间，月活几十万。是因为用户觉得它真的解决了问题。
这类增长虽然不性感，但健康。
AI 应用公司最终要回答的不是 " 我有多少用户 "，而是：用户为什么非用我不可？我帮用户省了多少钱、多少时间、多少人力？用户愿不愿意为你持续付费？
如果这些问题没有答案，DAU 越高，可能亏得越快。
结语：AI 创业者真正要怕的，是自己没有不可替代性
微信做 Agent，当然值得关注。
它可能改变用户调用 AI 的习惯，也可能重塑一部分轻量服务和小程序生态。但它不是 AI 应用创业者唯一，甚至未必是最大的威胁。
真正的威胁来自两个方向：一边是模型公司不断把底层能力做厚，让一批套壳应用失去存在理由；另一边是大厂利用入口和生态继续压缩通用工具的分发空间。夹在中间的 AI 应用公司，要活下来，不能只靠 " 我比大厂快 "，也不能只靠 " 我接了最强模型 "。
它们必须证明自己有三样东西：
大厂看不见或不愿深做的场景；在垂直场景下的专业性；用户愿意付费的结果交付。
这也是为什么微信做 Agent 之后，一些 AI 创业者没有那么慌。
因为真正清楚自己在做什么的人，怕的从来不是入口变化，而是自己的产品没有不可替代性。
最终，AI 应用还是要回答那个最朴素的问题：
你到底能帮谁，把哪件事，做到什么程度？
如果想获取更多虎嗅 AI 原生活动信息或者加入 AI 原生社群，请扫描下方二维码，添加小虎哥进行申请。
扫码申请
