今年9月，AI行业的高光是Personal Agent给的。

Meta旗下面向普通用户的AI智能体Muse上线12天，下载量280万，不仅全面超越ChatGPT同期数据，还快速登上了美国App Store榜首。

Muse的强劲表现，直接带动Meta的股价本周一暴涨11%，并为美国科技行业注入新的士气。

时隔一天，在2026年云栖大会上，阿里旗下AI助手千问宣布，将加速打造Personal Agent，为每位用户提供深度理解自己的专属Agent。

今年以来，AI的生产力价值已经得到反复证明；但普通人仍然很难跨过技术这道门槛。但AI越来越强大：什么样的AI才是普通人真正需要的？

Muse、千问们加速布局的Personal Agent方向，刚好适合回答这个问题。

01

Personal Agent强在Personal

从AI应用类型来看，Personal Agent 几乎封装了AI的两大专长——陪伴+办事。

Chatbot的长项是「你问我答」，个人助手的角色更多是一个通用的「陪伴者」。而年初爆火的OpenClaw，让人们第一次看到Agent跨应用执行任务的办事能力。

同一时间，刚上线不久的千问也在向「能办事」的AI Agent形态演化，AI购物、AI打车、订机票酒店等能力越来越丰富。

而AI助手面对的是一个具体的人和这个人的长期生活，进入Personal Agent时代是一种必然。

Muse已经把这个方向说得比较明确：它可以基于一次提到的信息，在未来主动调用。比如它记得你上周保存了一份「法式红酒炖牛肉」的食谱，也记得你一个月前在聊天中提到过某位朋友「对麸质过敏」，当你今天说「周末帮我准备一下聚会」时，它会自动把这两件事结合起来。

Muse工程师还展示过更多用法：比如打电话与保险公司讨价还价、取消已经不再使用的流媒体订阅，以及在互联网上寻找折扣。

以此来看，「Personal」有两层含义：一是专属，二是在后台长期存在。理想情况下，一个Personal Agent可以执行一个人持续存在的一组任务和目标。

千问已经在一些领域验证这条路线：在理财场景中，当用户在对话中告诉千问自己的理财目标，千问将结合实时行情、专业机构信息及用户授权连接的持仓数据，提供更贴近个人情况的分析与建议。在健康场景，千问也能知道你孩子多大、体检报告哪几项异常，并能在关键场景提供关键建议。

从用户反馈来看，普通人对这种专属智能的需求，可能远超行业的想象。

Muse下载量280万时，日活用户64万，日活渗透率已经来到23%。而千问在上线10个月后，复杂任务的需求增长超过5倍；用户沟通的轮次来到5-8轮；同时，许多看似简单、简短的提问，也需要有中长期上下文和用户档案画像来确保回答质量更好，这一比例高达62%。

千问产品负责人郑嗣寿强调，个人需求并不等于简单需求，看似简单的问题背后，用户意图千差万别。要满足这些需求，既要能处理复杂任务，更要理解这个具体的人。

国际咨询机构的调研验证了这一点。在凯捷研究院2025年的消费者调查中，已有36%的消费者明确希望获得自动化、个性化的GenAI支持，61%的人希望AI自动补货自己经常购买的商品。埃森哲今年6月发布的另一项调查显示，一旦保障措施到位，80%的人会考虑将至少一项日常任务委托AI代办。

可以说，千问的进化、Muse的上线，刚好顺应了这股日益强烈的专属Agent需求。

02

AI要真正懂一个人有多难？

如果从时间线来看，千问也正恰逢其时地进入了Personal Agent阶段。

上线不到一年，千问总用户数已超过3亿。随着大量真实用户需求进入系统，产品团队逐渐发现一个问题：生活中的不同场景，本来就是相互关联的。运动与健康相关，子女教育会影响理财规划，而一次旅行可能同时涉及消费、交通、住宿和时间安排。

只做好单一场景的Context，反而无法做好这个单一场景。

换句话说，个人AI真正的差距，不在于能处理多少任务，而在于能不能理解基于跨时间、跨场景的连续变化。只有理解「人」的真实生活，AI才能挖掘出更深的需求。

这是因为，个人Context 面对的是「人」。一个人可以同时拥有多重身份：企业职员、父母、伴侣、消费者、投资者，也可能正处在求职、育儿、旅行、健康管理等不同人生阶段。

这些身份场景相互渗透——孩子的教育规划可能影响家庭理财，睡眠和健康状态可能影响第二天的工作，而一次工作变动又可能改变居住和消费选择。AI需要在动态中把散落的身份、状态、关系持续拼成一个完整的人。

Personal Agent真正需要建立的，是一个不断更新的「个人状态模型」。

从目前公开的信息来看，千问正在沿着这个方向推进：健康领域，接入智能手表、动态血糖仪等设备，打通个人健康数据；理财领域，接入金融理财类智能体和用户授权的个人持仓数据；围绕个人智能生态，开放平台上的智能体已经扩展到租房、求职、运动、物流、游戏等20多个领域。

这些探索背后，其实对应的是同一个问题：如何把一个人在不同时间、不同场景、不同设备里留下的Context，重新组织成对「这个人」的连续理解？

而千问目前正在从三个维度拓展这套能力：

第一是通用Context，围绕「你是谁」建立动态理解。人的职业、身份、人生阶段和个人偏好都在变化，AI需要在长期互动中提炼这些变化，形成对个人状态的持续理解；

第二是领域级Context，回答「你正在做什么」。如在健康、学习、理财等典型的生活领域中形成专业Context，同时允许不同领域之间调用相关信息；

第三是多终端Context，进一步理解「你此刻正在经历什么」。当手机、手表、PC、AI眼镜以及其他智能硬件产生的信息被连接起来，日常、工作、运动乃至所处环境，都有可能成为Personal Agent理解个体的Context。

过去，一个人的信息散落在不同App、不同服务和不同终端里，彼此之间互不相通；借助Personal Agent，这些孤立的数据被重新组织起来，让AI助手有机会变成一个越来越懂你的AI。

千问在Personal Agent有独特的优势。目前Qwen3.8系列大模型为千问提供了处理复杂Agent任务的模型基础；与此同时，阿里旗下电商、支付、地图、出行等生态服务以及千问开放平台上不断接入的外部服务商，则提供了将「理解」进一步转化为行动的现实接口。

03

AI如何普惠到普通人？

王坚博士在近期分享中提到过一个思考：每一次技术进步，都在重新定义人的能力边界。

随着更高阶的智能的到来，AI的能力边界，也在面向「个人场景」拓展，开始覆盖那些更私人、更复杂、也更难被标准化的部分——诸如如何安排自己的日常生活、如何做选择、如何处理长期目标，以及如何持续表达「我是谁」。

这恰恰是过去的AI助手很难真正进入的领域。因为一个人的生活，很难被拆成一个个独立的Prompt，AI助手要想更好的服务个体，首先需要逐渐形成对一个人的连续理解。

Personal Agent形态的出现，也代表着AI开始从服务具体的任务，走向服务复杂的人。

去年11月上线时，千问就提出过「让智能平等地服务每一个人」的愿景。 如今，这个机会点就落在让没有技术背景的普通人，也可以拥有一个真正属于自己的专属Agent。

Personal Agent时代，不要求用户学习Prompt，不要求用户理解复杂的Agent工作流，它只需要逐渐理解你是谁、你正在经历什么、你在乎什么，并在恰当的时候替你完成一些事情。

「被AI理解」不再只属于极客和企业，每一个普通人都会真正拥有一个方方面面用得上的个人助理。

这或许是Personal Agent真正的价值。