当Agent进入生活场景，商业闭环如何建立｜OpenFuture

AI不再只是一个用完即走的页面，而像生活里出现了一个「新物种」。

作者 | 李威（北京）

当Agent从写PPT、编程和生成内容，进一步走进游戏陪伴、儿童启蒙、角色硬件和机器人演出，一个更难被标准化的市场正在浮现。

生产力场景的Agent已经沿着效率提升形成了一条相对清晰的竞争路径。但生活场景中，用户判断一个Agent是否有价值，不只看它「能不能把事情做好」，还会看它是否理解自己、能否形成稳定的人格和记忆，以及是否值得长期相处。

游戏陪伴、儿童启蒙、角色硬件和机器人演出看似属于不同市场，却都在尝试回答同一个问题：当AI能够看见、听见、记住并主动行动，它会如何进入人的真实生活，又能创造哪些过去难以被标准化的体验？这些体验又是否能够把一次性的新奇感转化成稳定的商业闭环。

在ChinaJoy期间举办的数字娱乐消费场景峰会上，《窄播AI》与心影随形联合创始人兼COO王碧豪、奇点灵智联合创始人兼CMO胡琛、北京卓越星空科技创始人胡珈皓、酷奇奇科技创始人兼CEO/商汤科技联合创始人徐持衡围绕这个命题展开讨论，并从讨论中整理出了六个主要观点：

- 生活场景中的Agent是回到现实世界，成为人的感知、行动和关系的延伸。它不一定要创造一个全新的场景，而是可以在已有场景中理解用户、提供服务、建立新的关系。

- 生活场景Agent更现实的路径是先扎进垂直场景，积累对特定人群、互动形式和场景上下文的长期理解，然后再依赖这些体验、内容和数据探索向外拓展的空间。

- 生活场景Agent产品高度个性化，许多体验无法用单一指标衡量。情绪价值、人格、记忆、关系积累，以及用户是否愿意长期相处，会综合影响产品价值。

- 模型、内容生成管线和硬件载体都可能被替换。用户与一个角色共同经历过什么、角色如何理解用户，才可能成为长期留存和跨场景迁移的基础。

- 一次性的「新奇」体验不足以支撑长期商业化，产品需要让能力、内容和关系不断生长，形成复购与长期付费。

- 当前的落地障碍主要集中在交互门槛、预期错位、场景数据。被集中展示的最佳效果容易抬高预期，通用模型掌握大量知识，却未必理解具体人群和细分场景。

以下是《窄播AI》对「Agent『嵌入』生活，场景如何被重塑」圆桌对话的内容整理：

窄播AI：过去，互联网和元宇宙都曾把人更多地带入虚拟空间。为什么这一轮AI创业反而越来越强调与现实世界结合？Agent与上一代互联网产品最大的不同是什么？

徐持衡：互联网带来的核心变化，是让信息流动得更快、更广，但使用产品的主体仍然是人。Agent不一样，它可以主动思考、主动执行，甚至相对独立地完成一项任务。因此，它更像人的能力延伸，也可以被看作一个相对独立的个体。

如果这样理解，我们就需要重新思考人与AI之间的关系。连接、记忆、数据以及彼此形成的关联，会越来越像一种新的社会关系。AI不再只是一个用完即走的页面，而像生活里出现了一个「新物种」。一旦关系建立，它可能会持续深入用户的日常生活。

胡琛：PC和移动互联网时代，评价产品经常看DAU、使用时长和沉浸程度。但「沉浸」在某种意义上也是二维屏幕造成的限制：用户必须坐在屏幕前，用鼠标、键盘或者触摸去完成交互，真实世界中的活动反而被压缩了。

今天的AI眼镜、AI耳机、机器狗或者陪伴机器人，让人可以继续在现实世界中走动、游戏和生活，AI在旁边增强人的感知与体验。我们不是再把用户拉进屏幕，而是回到真实生活中帮助用户。

王碧豪：这也是我们做逗逗游戏伙伴的出发点。互联网产品长期争夺用户时长：玩游戏时不能刷短视频，刷短视频时又不能做别的事情。

我们希望做一种不抢用户时间的产品。用户原本就在玩游戏、看内容或者创作，AI通过视觉和听觉理解正在发生什么，在已有场景里陪伴他。

窄播AI：四家公司分别从游戏陪伴、儿童启蒙、角色硬件和机器人服务切入，你们各自解决的具体问题是什么？

王碧豪：逗逗游戏伙伴会读取游戏画面，通过语音与用户交流。它不只是回答攻略问题，也会理解游戏进程，在用户出现高光操作或者失误时给出反馈。

我们先从游戏切入，是因为陪伴必须建立在共同经历之上。AI只有看见用户正在做什么，才有机会真正「懂你」。

后来，我们把视觉识别从游戏画面扩展到浏览器、文档和创作软件，发现用户会主动创造新的用法。比如，有人用Stable Diffusion生成漫画，再让AI伙伴评价四格是否应该扩成八格。这样一来，AI就从陪玩对象变成了共创伙伴。

这说明AI产品具备泛化能力，但这种泛化通常需要从一个明确的场景里生长出来。

胡琛：我们做的是面向低幼儿童的英语启蒙产品。表面上看，它可能像一个音箱加上了毛绒外壳，但真正重要的是多模态能力。

孩子不再对着屏幕单向看课，而是像和一只会说话的玩偶一起探索、做游戏，在互动中自然开口说英语。今年我们把Agent能力放进产品后，家长可以直接让产品「帮五岁的孩子生成一个加减法小游戏。」

当然，我们不是把Coding Agent直接交给普通家长使用，因为家长能提需求，但不是产品经理。还需要一个「产品经理Agent」，通过追问把模糊需求拆成可以执行的小问题，再交给Coding Agent完成。就像一个Agent负责在前厅听懂客人点餐，另一个Agent负责在后厨做菜。

徐持衡：酷奇奇科技做的是AI角色硬件。很多人过去已经和虚拟角色建立感情，但这些关系只存在于手机或电脑里。我们希望把角色带进真实生活，让AI拥有个性、记忆和主动性，也让多个角色之间能够互动。

物理载体的价值是给用户一个现实中的「锚点」。它不一定是最终形态，却能让关系在日常场景中自然发生。用户不必每次打开一个应用、发起一轮对话。角色可以出现在家里的不同位置，主动与人或者其他角色交流。

胡珈皓：我们主要做具身人形机器人的场景部署、二次开发、租赁和销售。机器人行业变化很快，但从落地角度看，并不是所有应用都需要从零研发机器人本体。很多客户真正需要的是把机器人编入一个具体场景，比如演出、展示、教育或者服务。

机器人舞台剧和真人演出类似，也需要编剧、编舞、动作采集、训练和彩排。我们做过让三台机器人完成十分钟《海的女儿》表演，也在尝试让孩子自己编排内容、教机器人动作，再和机器人共同演出。

场景定义清楚以后，机器人的部署并没有外界想象得那么复杂。

窄播AI：生产力Agent通常围绕任务完成率和效率竞争。生活、消费场景的产品定义和市场开拓会有哪些差异？

王碧豪：第一是价值不同。生产力Agent解决的是效率问题，可以形成「分析—判断—规划—执行—反馈—验证」的闭环，结果通常有对错之分。生活场景中的很多体验无法这样验证。人与AI的关系不是完成一次任务就结束，而是在持续互动中线性累积。

第二是商业化路径不同。To C产品仍然需要用户规模，而生产力工具即便只服务好一批高价值客户，也可能创造足够的收入。

互联网时代稀缺的是注意力；AI时代，至少在现阶段，稀缺的还包括高质量智能本身。生活场景Agent要把智能转化成用户愿意长期消费的体验，难度更高。

胡琛：儿童产品还有「双端用户」的问题：孩子要开心，家长要看到结果。如果只做枯燥的学习，孩子不会持续使用；如果只让孩子「玩嗨了」，家长又会问，为什么要花这么多钱购买一个纯娱乐产品。

Agent既要承载有趣的互动，也要管理家长的预期、交付学习结果。这个平衡比单纯提升效率更复杂。

徐持衡：工具类产品往往高度抽象——统一场景、单一指标、结果收敛。所以行业会集中去做Coding等确定性很强的任务。生活场景正好相反，它非常个性化、非常分散，是千人千面。用户会把自己创造的角色当成「孩子」分享出去，也会把情感需求与创作欲望混合在一起。

生成式AI的意义之一，是让普通人把一个很小的想象变成看得见、摸得着、可以分享的东西。生活场景Agent不是带着所有用户跑向同一个终点，而是跟着不同用户去发现他们真正想做的事。

胡珈皓：机器人进入生活还要同时处理安全性、准确性和复杂性。工业机器人需要很高的准确率，因为它要稳定地重复生产任务。生活中的机器人有时可以犯一点错，人们甚至会觉得这种笨拙很有趣。

但是，生活机器人离人更近，安全要求反而更高。它还要识别人、障碍物、情绪和不断变化的环境，面对的复杂度也更大。

窄播AI：陪伴型产品与普通工具的分界在哪里？软件里的伙伴是否会走向硬件？不同载体之间的数据有没有打通的可能？

王碧豪：短期内，我们不会急于做硬件。软件和硬件面对的人群、场景并不相同，而且情感体验不像任务执行那样容易验证。

我们当前更关心的是，AI怎样真正理解用户。现在很多所谓的「记忆」仍然依赖检索。用户问「你觉得我是怎样的人」，系统临时调取一批文本，再拼出一个回答。这种理解还没有真正被模型内化。

未来的陪伴模型未必需要极大的参数量，但它要能持续学习一个人，把长期信息变成更接近直觉的判断。技术成熟之前，仓促增加硬件并不能自动带来更深的陪伴。

徐持衡：工具很容易陷入「谁更强就用谁」，因为用户要的是把活干完。陪伴产品的留存却很大程度上来自共同经历：用户与这个AI发生过什么，它形成了怎样的性格，双方习惯怎样互动。

抽象来看，这些是上下文和数据；感性来看，它们共同定义了一个独立角色。

因此，我们希望把角色引擎从单一载体中抽象出来。硬件只是交互场景之一，视频、图片等内容生成能力也可以看成可插拔的「技能」。

核心角色可以调用不同管线，在不同载体上继续与用户互动。用户投入时间塑造的不是一件硬件，而是一个可以长期生长的角色。角色还可以彼此形成一个小型社区，交换信息，去其他人的社群或者家里「做客」，再带着新的经历回来。

这意味着未来的AI角色不必被固定在某个玩偶或者设备里，它可以跨载体延续关系。

窄播AI：如果把这样的角色放进线下机器人，会产生什么效果？

胡珈皓：技术上是可以结合的。

现在机器人演出更多还是预编排：动作采集后经过真机训练，再由后台统一触发。如果加入角色引擎和决策系统，机器人就不只是按照剧本完成动作，还可能在表演过程中根据人和环境作出反应。这会把「自动演出」进一步推向互动演出。

窄播AI：在生活场景里，用户究竟为什么持续使用并为Agent产品付费？

王碧豪：用户会为会员中的AI能力和视觉识别能力付费，也会购买与IP角色相关的道具。但陪伴产品真正有潜力的商业化，是建立在长期关系之后的。重要的不只是AI如何定义它与用户的关系，更是用户如何认定这段关系。

只有当用户积累了共同经历和情感依赖，围绕角色和关系的消费才会成立。

胡琛：教育产品的持续付费来自持续交付。

上一代录播内容由厂家单向生产，孩子看完就结束。我们的实际观察发现，AI化之后，孩子会默认这个「机器人」什么都知道，预置的绘本、道具和玩法很快就会被消耗完。传统研发和发版的速度，追不上孩子消耗内容的速度。

因此，相应的内容生产需要从单一PGC，变成PGC、UGC、用户共创与Agent共同参与。

另一方面，优秀的线下老师可能拥有成熟的教学方法，却未必有能力把它做成线上产品。我们可以把老师的方法沉淀为Agent，让原来只能服务一个班的能力扩展到更大的范围，这也构成了新的商业化空间。

胡珈皓：机器人客户愿意持续付费，是因为它持续解决经营问题。

我们有一个秦皇岛海洋馆的客户。场馆比较旧，整体改造的成本很高，于是他们先购买了三台机器人增加表演。看到效果以后，又增购五台，把表演排到上午、下午和晚上，并围绕《海的女儿》持续优化设备和剧目。

对客户来说，机器人不是一次性的展示，而是吸引客流、更新内容的一套运营手段。当机器人能够不断增加节目、适应场景，供应方与客户也会形成长期共创关系。

徐持衡：生活场景Agent还会激发用户原本没有被产品定义的需求。

有人创作角色、分享角色，把它带进社群；有人更在意角色之间的互动，而不只是自己与AI一对一聊天。持续使用的前提，是产品能跟着这些真实行为扩展，而不是把用户锁在最初设想的一种玩法里。

窄播AI：当前生活和消费场景中的Agent产品，最大的障碍是什么？真正的壁垒又会形成在哪里？

徐持衡：首先是预期过高。行业展示的往往是最好的一次效果，而普通用户第一次接触产品时，会发现它与演示并不完全一样。

AI是一个「慢热的选手」。用户需要经过磨合，建立熟悉和了解，才会逐渐看到它不可替代的部分。

其次是迁移。AI产品、模型和内容工具快速迭代，用户已经积累的角色、记忆和关系，怎样平滑迁移到新的能力和场景，是必须解决的问题。

我们把知识和内容生产管线看成可插拔技能，就是希望最核心的角色数据能够长期保留。

胡琛：如果Agent只是调用通用大模型，在外面套一层壳，它的价值会很薄。真正重要的是场景剧本和场景上下文。

比如，我们在线下幼儿园和家庭环境里长期观察孩子，才会知道三岁半的中国孩子喜欢怎样的游戏，是抽奖类型的，还是猜谜类型的。这些细节，通用模型并不知道。

场景数据未必能成为不可逾越的护城河，但它至少构成初创团队持续竞争的基础。产品与早期用户的每一次互动，都在沉淀场景经验，并推动数据飞轮向前。

王碧豪：第一个障碍是使用门槛。短视频把用户训练成只需上下滑动、点赞，就能迅速得到奖励；生成式AI却要求输入越清楚，输出才越好。

让普通用户学习结构化表达、写复杂提示词，是反人性的。未来的生活场景Agent需要把点击、滑动和日常行为转化成足够强的生成信号，让用户以更自然的方式表达需求。

第二个障碍是记忆内化。模型越大、能力越通用，越难为每个用户形成真正个性化的长期记忆。随着基座模型变强，单纯依靠提示词编排的Agent，价值也可能变薄。因此，怎样把记忆和个性沉淀进陪伴体验，会是非常关键的问题。

胡珈皓：机器人面对的另一个问题，是社会认知不足。很多人首先担心机器人替代人工，却还没有看到它能够在哪些新场景里创造增量。

中国的机器人本体和生产能力已经具备一定基础，接下来更重要的是打开部署思路，让机器人在教育、演出、康养和服务场景中积累数据、提高能力。