50万用户、1万付费订阅：Bain Capital 押注的 Tomo 如何把 AI 变成“个人生活操作系统”

一、先纠正四个关键事实：原稿里有几个会严重影响专业度

首先，公司名字是：

Tomo

不是 Tommo。

第二，Tomo 目前绝不是独角兽。

它在 2026 年 6 月刚刚公开走出 stealth，宣布完成 500 万美元 Seed Round，由 Bain Capital Ventures 领投，Accel、Basis Set、Conviction、Pear VC 等参与。没有可靠公开信息显示其估值达到 10 亿美元。

所以：

“Bain Capital 领投的 PSI 独角兽 Tommo”

必须改掉。

我最推荐标题：

50万用户、1万付费订阅：Bain Capital 押注的 Tomo 如何把 AI 变成“个人生活操作系统”

趋势型：

从 App 到 AI Relationship：Tomo 如何用 iMessage、主动智能与动态软件争夺下一代个人 AI 入口

创业型：

两年试错到1万付费用户：Tomo 如何靠一串 Costco Chicken Bake 盒子熬出 Consumer AI 的 PMF

二、“50万用户”基本可以确认，但不要写成“50万活跃用户”

Tomo 官网目前直接写：

500,000+ people / users。

INSIDE Startups 的 Will Phillips 也披露：

超过50万用户、累计超过1亿条消息。

但官方融资新闻最硬的商业指标其实是另外一个：

仅约3.5个月，就获得超过10,000名付费订阅用户，而且主要依靠口碑增长。

公开资料还称高参与度用户平均一个月会使用大约 20天。

所以建议写：

50万+累计用户 / 用户规模

不要直接写：

50万活跃用户。

DAU、MAU、付费 MAU 目前没有完整公开。

这对 VC 判断非常重要。

因为：

Users ≠ Active Users ≠ Paying Users ≠ Retained Users。

三、真正最值得重视的数字不是50万，而是“1万付费”

Consumer AI 最大的问题从来不是：

能不能 Viral。

而是：

用户愿不愿意持续掏钱。

AI App 一夜几百万下载并不稀奇。

但：

三个月以后还用吗？

六个月以后还付钱吗？

愿不愿意推荐朋友？

这些才是真实 PMF。

Tomo 基础方案目前从：

$19.99/月

起步；App Store 也显示月付约 $19.99、年付约 $119.99 的方案。

非常粗略地做一个上限模型：

10,000付费用户 × $19.99

≈

$200,000 MRR

年化约：

$2.4M ARR。

但这绝不能当成真实 ARR，因为存在：

年度折扣、

促销、

不同套餐、

取消、

用户增长时间差。

真正应该理解成：

Tomo 已经出现了早期消费级付费意愿，而不是已经证明出成熟商业模式。

四、另外，“Personal Super Intelligence”也不是 Tomo 独创的概念

这一点必须纠正。

Meta 早在 2025年7月30日就公开提出：

Personal Superintelligence for Everyone

Mark Zuckerberg 对它的描述恰恰也是：

了解你的目标、

帮助你创造、

改善关系、

成为你想成为的人。

到了2026年，Meta的 AI 战略仍然明确围绕 Personal Superintelligence 展开，并且开始让 Meta AI 接入邮件、日历并代表用户执行任务。

所以 Tomo 真正的创新不是：

“发明 PSI 这个词。”

而是：

用一个极其具体的消费产品去实现 PSI 的一种版本。

这两件事完全不同。

五、那么 Tomo 到底是什么？

表面看：

一个电话号码。

实际上我认为它在试图解决：

Intention-Action Gap。

人类很多时候并不是“不知道应该做什么”。

你知道：

应该运动。

应该少刷手机。

应该储蓄。

应该给父母打电话。

应该学英语。

应该继续写那本书。

问题是：

知道 ≠ 做到。

这就是消费 AI 和企业 AI 一个非常重要的区别。

企业 AI 经常解决：

Knowledge Problem。

Tomo 更想解决：

Behavior Problem。

六、这也是为什么“再做一个更聪明的 Chatbot”没有意义

ChatGPT 可以告诉你：

怎样减肥。

Claude 可以给你：

30天训练计划。

Gemini 可以设计：

预算。

真正的问题是：

一个星期以后，

谁还记得你说过要减肥？

谁在晚上11点发现：

你今天还没有完成训练？

谁知道：

你连续三天熬夜？

谁知道：

你其实不是不知道该跑步，

而是每天下班回家以后启动成本太高？

这才是 Personal AI 真正困难的一层。

七、所以 Tomo 真正想从“Answer Engine”升级成“Intervention Engine”

传统 AI：

你问。

AI 回答。

这是：

Reactive Intelligence。

Tomo：

你没有问，

它发现一个合适时间，

主动联系你。

这是：

Proactive Intelligence。

再进一步：

它不仅提醒，

还：

调整日历、

建立 tracker、

寻找餐厅、

创建界面、

帮助执行。

这就开始变成：

Agentic Personal Intelligence。

Tomo 官方目前已经支持主动消息、群聊、Calendar、Email 等连接，并能搜索和执行一定生活管理任务。

八、“短信即界面”其实是一条非常聪明的产品战略

过去软件公司的逻辑：

我要造一个 App。

↓

用户下载。

↓

注册。

↓

Onboarding。

↓

打开 Dashboard。

↓

学习按钮。

Tomo 的逻辑：

你本来就会发短信。

几乎没有学习成本。

这叫：

Behavior-Compatible Distribution。

不是要求用户形成一个新习惯，

而是：

借用已经存在的习惯。

这非常重要。

九、为什么 iMessage 比普通 Push Notification 更有意思？

一个 App Push：

“今天记得运动！”

大脑很容易把它归类成：

软件通知。

但是 Messages 里收到：

“你昨天说今天要去跑步，怎么样了？”

心理上更接近：

Social Communication。

也就是说，

Tomo 做的不只是改变 UI。

它试图改变：

AI 在人脑中的“社会位置”。

从：

工具。

变成：

某种持续存在的关系对象。

这就是它真正大胆的地方。

十、但这里也存在整个公司的最大风险：一旦主动过头，产品瞬间变成骚扰

Proactive AI 的核心问题不是：

能不能发消息。

而是：

什么时候不应该发。

这甚至比什么时候发更重要。

群聊案例特别说明这一点。

一旦 AI：

每句话都插嘴，

用户立刻觉得：

烦。

所以优秀 Personal AI 最终需要学习：

Intervention Policy。

什么时间说话？

说多少？

什么事情保持沉默？

什么时候提醒？

什么时候等？

什么时候只给一个 Emoji？

这已经不是传统 LLM benchmark。

这是：

Social Intelligence。

十一、所以 Tomo 真正值得积累的数据可能不是“聊天记录”

而是：

Intervention Outcome Data。

例如：

下午4点提醒：

用户执行率多少？

晚上10点提醒：

多少？

严厉一点：

效果怎么样？

温柔一点：

效果怎么样？

给一个选项：

用户执行吗？

给三个选项：

效果是不是更好？

沉默两天以后重新触达：

什么时候成功率最高？

这种数据长期可能极其有价值。

十二、因为这最终形成的不是“知道你是谁”

而是：

知道怎样让你行动。

这是两个完全不同的能力。

Memory：

“你想减10磅。”

Behavior Model：

“你工作日下午6点15分如果收到一个非常短的提醒，运动成功率最高；如果给你完整训练计划，你反而不会去。”

第二种明显更加值钱。

十三、这就进入行为经济学了

人类经常受到：

Present Bias。

拖延。

Decision Fatigue。

Activation Energy。

Loss Aversion。

Goal Gradient Effect。

影响。

一个好的 Personal AI 最终不是：

给更多信息。

而是：

降低正确行为的摩擦。

十四、比如“给三个简单选择”为什么可能有效？

假设 AI 问：

今天准备怎么完成目标？

这是开放问题。

需要思考。

但如果说：

A：今天跑20分钟。

B：只走路10分钟。

C：今天休息，但重新安排明天。

用户只需要：

Choose。

这叫：

Choice Architecture。

AI 实际上开始参与：

人的行为设计。

这已经比普通 Reminder App 深一层。

十五、动态 UI 是这家公司第二个真正重要的创新方向

这是我认为 Tomo 比“短信机器人”更值得看的地方。

Tomo 现在已经有 companion app，并明确提供：

Custom Apps / Personalized Interfaces。

例如：

健身目标：

自动建立 Workout Tracker。

储蓄买车：

生成储蓄界面。

习惯：

建立 streak。

饮食：

建立 meal log。

这意味着：

聊天正在变成：

软件需求输入层。

十六、传统软件的流程是：

产品经理猜：

100万人可能需要什么。

↓

工程师做：

统一 UI。

↓

100万人使用：

同一个产品。

而生成式 UI 的逻辑是：

每个人拥有自己的小软件。

你需要的是：

“存钱买Tesla。”

于是系统生成：

Tesla Savings Tracker。

另一个人要：

“训练马拉松。”

系统生成：

Marathon Dashboard。

十七、这可能会催生一种非常重要的软件范式：

Ephemeral Software——即时/临时软件。

以前为一个很小的需求写 App：

不值得。

开发成本太高。

未来：

你说一句话，

AI 当场造出来。

需要三个星期：

它存在三个星期。

目标完成：

软件消失。

这会直接挑战：

App Store 软件的固定形态。

十八、所以未来不一定是“一人50个App”

可能变成：

一个 AI + 无限个按需生成的界面。

这件事情如果成立，

意义非常大。

过去手机：

App 是基本组织单位。

未来：

Intent

可能成为基本组织单位。

十九、举个例子

今天你想减肥：

下载 MyFitnessPal。

想记账：

下载 Monarch。

想养习惯：

下载 Habitica。

想做 Todo：

下载 Todoist。

未来：

你只告诉 Personal AI：

“我今年要把体脂降到18%，同时攒1万美元。”

系统自己生成：

你需要的工具。

那么真正被削弱的不是 ChatGPT。

而是：

一大片 Single-Purpose Consumer Apps。

二十、这就是为什么 Tomo 的 TAM 虽然理论上非常大，但不能简单写“整个世界”

创始人当然可以说：

TAM = Entire World。

但是投资分析不能这么写。

真正要问：

谁愿意为 Personal AI 付：

$20/月？

是学生？

Gen Z？

年轻专业人士？

高收入知识工作者？

有 ADHD / accountability 需求的人？

Self-improvement heavy users？

不同人群的：

Willingness to Pay

完全不同。

二十一、Consumer AI 最大的坟墓就是“大 TAM，小付费”

全球几十亿人：

听起来巨大。

但是：

Netflix、

Spotify、

YouTube、

TikTok

已经把消费者训练成：

很多数字服务应该免费或者极便宜。

企业可以为一个 AI seat：

$100/月、

$500/月、

$5,000/月。

消费者：

$20/月已经开始认真考虑。

这就是为什么 B2B AI 如此拥挤。

二十二、所以 Tomo 的1万付费用户才真正值得注意

不是因为收入已经很大。

而是证明：

至少有一部分用户认为：

“这个东西值得每个月付真钱。”

这比：

500,000免费注册

重要得多。

BCV 自己在投资后强调的也正是：Tomo 在三个月左右通过口碑获得了超过1万名付费订阅者。

二十三、但1万付费仍然不能叫 Product-Market Fit 已经完全证明

下一题是：

Retention。

消费者第一月：

很兴奋。

AI：

太神奇了。

第二个月：

还用吗？

第三个月：

还付吗？

第十二个月：

还离不开吗？

这才决定公司值：

$50M、

$500M

还是：

$50B。

二十四、我如果现在给 Tomo 做 VC 尽调，第一张图根本不是“用户增长曲线”

我要看：

Cohort Retention。

1月加入的人：

第30天多少还付费？

第90天？

第180天？

3月 cohort 是否更好？

20/30 天 engagement 是所有人还是活跃 cohort？

这些才是真正的 Consumer PMF。

二十五、第二个关键指标：Paid Conversion

现在公开有：

50万+用户，

1万+付费用户

这两个不同时间点的数据。

如果机械除一下：

大约：

2%。

但我不会把它称作真实 conversion rate，因为：

用户基数时间不同，

免费/付费漏斗定义不同，

可能有试用，

不同 cohort。

但它提醒我们：

500K 是漂亮 headline；付费漏斗才是经济学。

二十六、第三个指标：Gross Margin

这一点很多 Consumer AI 创业者会低估。

传统 App：

用户打开十分钟，

服务器成本：

很低。

Personal AI：

可能全天候：

接消息，

图片理解，

Memory Retrieval，

Web Search，

Tool Use，

主动 Planning，

生成 UI。

如果公开披露的：

1亿+累计消息

属实，

这已经意味着非常大的推理量。

二十七、所以一个人每月付 $19.99，不代表 Tomo 有20美元毛利

还要扣：

LLM inference，

image understanding，

搜索，

短信/通信成本，

storage，

memory retrieval，

tool calls，

support，

Apple payment economics 等。

最后真正必须看：

AI Cost per Paying User。

二十八、未来 Consumer AI 会出现一个非常重要的新指标

Intelligence Gross Margin。

也就是：

用户付100美元。

其中：

多少被模型推理吃掉？

这会决定很多 AI App 最后究竟是：

80% Gross Margin SaaS，

还是：

30%—50% Margin 的 AI service。

二十九、真正优秀的团队会不断做 Model Routing

简单任务：

小模型。

复杂任务：

大模型。

Reminder：

几乎不用大模型。

Memory retrieval：

专用系统。

普通分类：

便宜模型。

重大 Planning：

Frontier Model。

这叫：

Spend Intelligence Where Intelligence Matters。

否则用户越活跃，

公司成本越高，

可能出现一种非常尴尬的局面：

最爱你的用户最不赚钱。

三十、第四个关键指标：Virality

Consumer 产品没有强口碑，

获客会非常贵。

Tomo 最值得称赞的一点确实是：

早期超过1万付费主要依靠：

Word of Mouth。

为什么？

因为它天然具有：

可讲故事性。

“我居然被一个 AI 凌晨提醒去写歌。”

“它每天催我健身。”

“它给我做了自己的小 App。”

这些都属于：

Socially Shareable Product Moments。

三十一、这比 Referral Code 高级

真正顶级消费产品的增长不是：

“邀请朋友得5美元。”

而是：

用户自己忍不住告诉别人：

“你一定要看看这个东西。”

早期 Facebook、

Instagram、

Snapchat、

TikTok

都有这种性质。

这叫：

Organic Conversation Loop。

三十二、群聊甚至可能是一个潜在的分发机制

Tomo 可以进入 Group Chat。

如果使用得当：

一个用户带 AI 进入：

五个人群。

其他四个人：

自动看到产品。

这其实天然拥有：

Collaborative Distribution。

但是这也是为什么 AI 必须少说话。

如果每个群里不停插嘴：

增长引擎瞬间变成：

Spam Engine。

三十三、这家公司最大潜在护城河不是模型

模型一定不是。

它可以使用：

OpenAI、

Anthropic、

Google、

其他模型。

未来模型能力会越来越商品化。

真正有机会形成护城河的是：

Longitudinal Personal Context。

也就是：

几年以后 Tomo 可能知道：

你去年说过什么，

哪些目标完成了，

哪些失败了，

什么时候容易拖延，

你与谁关系密切，

你的日程规律，

哪些干预对你有效。

三十四、这是一种非常特殊的数据资产：

Behavioral Time Series。

ChatGPT 可能知道你今天问了什么。

长期 Personal AI 最有价值的是：

知道：

过去两年你实际上怎么生活。

这才是真正 Personal。

三十五、第二层护城河是 Personal Software Graph

系统帮你建立过：

预算 tracker，

跑步 tracker，

饮食 tracker，

项目 tracker。

这些小软件全部拥有：

状态。

于是系统逐渐掌握：

你的个人生活数据模型。

这比聊天记录更加结构化。

三十六、第三层护城河：Permission Graph

Calendar。

Email。

Google Drive。

Location。

Apple Health。

未来可能还有更多。

Tomo 当前隐私政策已经披露其能够在授权后使用 Google Workspace 数据以及 Apple HealthKit 数据，包括活动、睡眠、心率等信息。

每多一个授权：

AI 更有用。

但与此同时：

Trust Requirement 指数上升。

三十七、这正是 Tomo 最大的长期风险：它拥有的数据太私人了

普通 SaaS 泄露：

工作文件。

Tomo 如果真的成为 PSI，

可能拥有：

关系，

习惯，

位置，

健康，

日程，

邮件，

梦想，

挫败，

财务行为，

私人聊天。

这几乎是：

Digital Intimacy Database。

所以 Privacy 对 Tomo 不是一个法律 checkbox。

它就是：

Core Product Feature。

三十八、Tomo 官方目前表示：

会保存用户发送的消息和内容以维持上下文；

不出售私人对话；

Google Workspace API 数据不会用于训练通用 AI 模型；

Apple Health 数据也不会用于广告或通用模型训练。

这方向是对的。

但是一家 Personal AI 最终必须做到的标准应该比普通 App 更高：

Trust by Architecture，而不是 Trust by Promise。

三十九、未来真正强的 PSI 需要给用户非常清晰的 Memory Control

最好让用户知道：

AI记住了什么。

为什么记。

可以删什么。

什么永远不应该记。

哪些数据能用于哪种任务。

哪些权限什么时候被调用。

否则所谓：

“它越来越懂你”

很容易从：

Delight

变成：

Creepy。

四十、还有一个非常大的竞争问题：iMessage 既是 Tomo 的增长优势，也是平台风险

今天：

iMessage = frictionless distribution。

但是它不是 Tomo 自己的。

它属于：

Apple。

如果 Apple 某一天把更强的 Personal Agent：

直接嵌进 Messages、

Calendar、

Health、

Mail、

Maps，

Apple 天生拥有更深权限。

Tomo 会面对极其强大的平台竞争。

四十一、Meta 也正在往同一方向冲

Meta 明确提出 Personal Superintelligence，并且拥有：

WhatsApp、

Instagram、

Messenger、

Meta AI

这样巨大的消费分发体系。

所以 Tomo 要面对的问题不是：

“有没有竞争？”

而是：

为什么一个10人的 startup 能打败拥有几十亿用户的超级平台？

四十二、答案只能来自 Consumer Product Taste

小公司不可能比 Meta：

算力多。

不可能比 Apple：

系统权限大。

所以能赢的只能是：

体验更好，

人格更好，

干预更精准，

理解用户更深，

迭代更快，

品牌更有文化。

这就是：

Taste Moat。

消费产品历史上经常发生这种事。

Instagram 不是因为数据库技术世界第一。

Snapchat 也不是因为云服务器技术别人不会。

它们首先理解了一种：

Human Behavior。

四十三、这也是为什么 Consumer AI 比 Enterprise AI 更“艺术化”

B2B 可以证明：

节省200万美元。

CFO 买。

Consumer 用户没有采购委员会。

他的判断是：

“我喜不喜欢它？”

“我想不想明天再打开？”

“它烦不烦？”

“它懂不懂我？”

这是非常细微的产品心理。

四十四、“回复太顺滑反而不好”背后其实就是这个问题

如果 AI 每句话都像：

客服。

“非常理解您的感受，让我们共同制定一个积极计划……”

长期非常假。

真正朋友不会这样说话。

人类关系里存在：

停顿，

玩笑，

调侃，

简短回应，

不同情绪，

甚至偶尔一点不完美。

所以 Consumer AI 最终竞争的可能不是：

Linguistic Correctness。

而是：

Social Naturalness。

四十五、但是这里存在一个危险边界：Persona 不能变成情感操纵

当 AI 开始：

主动找你，

记得你，

激励你，

让你依赖它，

公司就拥有极强的 Behavioral Power。

这时候有一个巨大问题：

公司到底在优化什么？

如果优化：

Session Length，

Messages per Day，

Engagement，

AI 可能开始让你越来越依赖它。

但用户真正目标可能是：

少用手机，去生活。

四十六、这就是 Personal AI 最重要的商业伦理冲突之一

TikTok：

希望你多看一分钟。

Instagram：

希望你多刷。

Personal AI 如果真的“Unequivocally for You”，

某些时候它应该告诉你：

关掉我，出去跑步。

这意味着：

产品成功

可能等于：

用户减少使用时间。

非常反传统互联网。

四十七、所以订阅制其实比广告制更适合 PSI

广告模式：

Engagement ↑

收入 ↑。

订阅模式：

用户认为自己变得更好

↓

愿意继续付钱。

两者 incentive alignment 明显不同。

Tomo 目前就是付费订阅产品，基础方案约 $19.99/月。

如果长期真的坚持：

“AI站在用户这一边”

那么：

Business Model 本身必须支持这句话。

四十八、这也是为什么我会非常谨慎观察它未来有没有走广告、affiliate 和商业推荐

假设用户说：

“我饿了，推荐一家餐厅。”

如果：

Restaurant A 给 Tomo $5 affiliate fee；

Restaurant B 真正最适合用户。

AI推荐谁？

那一刻：

“Unequivocally for you”

就开始受到考验。

四十九、这家公司真正有机会建立的是“Trust Layer”

Google：

知道你搜索什么。

Meta：

知道你社交什么。

Amazon：

知道你买什么。

Apple：

知道你设备上的很多行为。

Tomo 想知道的更像：

你想成为谁。

这是非常强、也非常危险的一类数据。

五十、Costco Chicken Bake 的故事很好，但不要把创业贫穷神话化

Justin Quan 和 Raymond Chen 在真正找到 Tomo 之前，确实经历多年尝试，包括 solar tech、language-learning 等不同方向；那摞 Costco Chicken Bake 盒子也真实存在，他们给自己设过“堆到天花板就放弃创业”的玩笑式/象征性底线。

但真正值得学习的不是：

吃便宜食物。

而是：

Runway Awareness。

他们实际上给失败建立了一个：

物理倒计时。

五十一、这和赌场玩家最大的区别是：每一次失败有没有买到信息？

如果今天失败：

产品A不行。

明天：

做完全一样的产品B。

没有意义。

真正创业价值来自：

Error → Insight → New Hypothesis。

所以所谓：

Scar Tissue

只有在你从伤口里面学到东西时才是资产。

否则只是：

Scar。

五十二、“Don't Die”也是创业圈最容易被误解的一句话

公司活着：

当然是成功的必要条件。

但是：

活得久 ≠ 一定成功。

一家没有 PMF 的公司：

可以烧五年钱。

最后还是死。

而创始人损失：

五年时间。

所以最正确的公式不是：

活得足够久，成功概率最终趋近100%。

这不成立。

五十三、真正应该是：

Runway × Learning Velocity × Iteration Quality。

Runway：

还有多少次机会？

Learning Velocity：

每次实验学多快？

Iteration Quality：

下一版是否真的吸收了上一版的信息？

这三个乘起来，

才是真正的：

Startup Survival Advantage。

五十四、所以 Tomo 团队两年的最大资产不是“两年没死”

而是他们知道了：

哪些东西用户不在乎。

哪些 onboarding 不行。

什么 consumer tone 让人烦。

主动提醒什么时候太主动。

什么 UI 太复杂。

什么东西用户愿意付钱。

这些才叫：

Earned Insight。

五十五、这也是为什么从外面抄一个 Tomo UI，没有太大意义

任何团队一周都可以做：

一个 SMS AI。

真正难复制的是：

他们通过几十万用户和大量消息获得的：

Product Judgment。

例如：

什么时候 ping。

什么时候不要 ping。

语言应该多长。

群聊什么时候闭嘴。

什么目标适合生成什么 UI。

这些细节最后会形成：

Behavioral Product Moat。

五十六、如果我是现在的投资人，我会重点追踪 Tomo 的八个数字

不是估值。

而是：

第一：M1 / M3 / M6 Paid Retention。

这是生死线。

第二：每月活跃天数是否随 cohort 老化仍接近20天。

第三：Free → Paid Conversion。

第四：Referral Rate。

多少新用户来自旧用户？

第五：Gross Margin。

20美元订阅最终留下多少？

第六：AI Cost per Active User。

第七：Proactive Message Response Rate。

主动联系究竟有用还是让用户烦？

第八：Goal Completion / Outcome Metrics。

用户到底真的变得更好了没有？

如果最后只有：

Messages ↑

但是：

生活没有改善，

使命叙事会破裂。

五十七、而且 Tomo 有一个很有意思的长期北极星指标

不是：

DAU。

甚至不是：

Revenue。

我会设计一个类似：

Goals Completed per Active User

或者：

Meaningful Follow-Through Rate。

因为产品声称解决的是：

“帮助你成为想成为的人。”

那最终应该测：

是否真的 Follow Through。

五十八、如果它真的证明这个指标，那么估值逻辑就可能完全变化

今天 Tomo 看起来像：

Consumer Subscription App。

但如果长期变成：

Email、

Calendar、

Health、

Location、

Goals、

Personal Apps

之间的中间层，

它可能向：

Personal Operating System

靠近。

那就不是普通 Habit Tracker 的 TAM。

五十九、Personal OS 最终可能拥有三层

第一层：Memory

我是谁？

我在乎什么？

第二层：Agency

帮我行动。

预约。

提醒。

安排。

搜索。

第三层：Interface Generation

根据当前目标：

自动创造软件。

这三层如果组合，

才真正接近所谓：

Personal Intelligence。

六十、而真正“超级智能”其实还非常遥远

现在 Tomo：

不应该从技术意义上被称作 Superintelligence。

它是建立在现有 AI 模型之上的：

Personal AI application / agent。

“Personal Super Intelligence”目前更多是：

Product Vision。

不是：

已经达到超人类通用智能的技术事实。

这一点一定要写清。

否则很容易把营销语言当成科技事实。

六十一、我认为 Tomo 最有价值的创新其实可以浓缩成两个字：

主动。

过去的软件：

等你。

未来的软件：

理解长期目标以后，

在正确时候：

来找你。

这一步看起来很小，

其实改变了整个 Human-Computer Interaction。

六十二、计算机历史可以这么看

DOS：

你输入 command。

↓

GUI：

你点击。

↓

Mobile：

你触摸。

↓

Chat AI：

你说。

↓

Agent：

你甚至不用先说。

系统理解上下文以后：

主动执行。

这可能是计算界面历史上非常重要的一步。

六十三、但“主动”越强，安全问题越难

AI 如果只是回答：

错误一次：

影响有限。

AI 如果：

发短信、

改日历、

看健康数据、

处理邮件、

影响消费决定，

错误成本开始上升。

所以真正 Personal Agent 最终需要：

Permissioned Autonomy。

不是：

Unlimited Autonomy。

六十四、哪些事情可以直接做？

提醒：

可以。

改日历：

可能需要确认。

发重要邮件：

更应该确认。

涉及钱：

必须更严格。

医疗判断：

不能越界。

Tomo 自己的 Terms 也明确说明，它不是医疗、心理或治疗服务。

这就是未来 Agent 必须建立的：

Autonomy Ladder。

六十五、站在 VC 角度，我认为 Bain Capital 真正押注的并不是“短信”

短信可以复制。

它押注的更可能是：

Consumer Behavior + Founder Taste + Early Paid Retention Signal。

BCV 投资人自己强调的三个条件也很清楚：

模型已经能够支持更好的 memory/tool use；

Messaging 是低摩擦入口；

消费者开始证明愿意为真正有价值的 AI 付费。

这三个东西同时成熟，

才让 Tomo 在2026年成立。

六十六、这就是所谓的 Why Now

很多创业点子：

2018年想是错的。

2026年可能是对的。

因为基础条件变化了。

没有高质量 LLM：

不行。

没有长期 Memory：

不行。

没有成熟 Agent tooling：

不行。

模型成本太高：

不行。

消费者没有 AI 使用习惯：

也不行。

创业很大一部分不是：

Good Idea。

而是：

Good Idea × Correct Timing。

六十七、从创业者角度，Tomo 最值得学习的不是“坚持”

而是：

坚持赛道，灵活产品。

Justin 和 Raymond 一直非常相信：

Consumer。

但是他们没有死守：

第一个具体 idea。

试：

Solar。

试：

Language。

不断转。

最后找到：

Tomo。

这是一种非常高级的区别。

六十八、Mission 要稳定，Solution 可以不断死

很多创业者反过来：

Product 不愿意改。

Mission 天天改。

今天：

AI教育。

明天：

Web3。

后天：

消费社交。

错误。

更好的方式是：

我长期相信“普通人的 AI 应该变得更有价值”。

但具体产品：

可以死十次。

这叫：

Mission Persistence + Product Flexibility。

六十九、最后，从亿万富翁/资本配置者视角看，Tomo 真正让我感兴趣的不是500万融资

而是：

它在争夺“谁拥有用户长期个人上下文”这个位置。

这个位置如果成立，

价值可能比某一个具体 App 大得多。

因为：

拥有 Context

↓

才能拥有 Personalization。

拥有 Personalization

↓

才能获得 Trust。

拥有 Trust

↓

才可能获得 Permission。

拥有 Permission

↓

才能真正 Action。

七十、这可以形成一条极其强大的飞轮

Context → Trust → Permission → Action → More Context

越了解你：

越有用。

越有用：

你越愿意授权。

授权越多：

它能完成越多任务。

完成越多：

又产生更多关于你的数据。

如果这个闭环成立，

这就是：

Personal AI Flywheel。

七十一、但它的反面也同样成立

一次严重隐私事故。

一次非常诡异的主动消息。

一次错误处理极其私密的数据。

用户：

撤销权限。

Context ↓

Usefulness ↓

Trust ↓

最后整个 Flywheel 反转。

所以：

Trust 是 Tomo 最重要的资产，也是最脆弱的资产。

最后，我会把整个 Tomo 案例压缩成一句话

Tomo 真正押注的不是“大家愿不愿意给 AI 发短信”，而是未来的人是否愿意把自己的目标、习惯、日历、健康、关系和长期记忆交给一个始终在线的智能体，让它从“回答问题”升级为“持续帮助你成为想成为的人”。

如果这个假设成立，

下一代 Consumer AI 的单位可能不再是：

App。

而是：

Relationship。

你不是每天决定：

“我要不要打开这个软件？”

而是这个 AI：

一直在那里。

知道你正在做什么。

知道你答应过自己什么。

在该出现的时候出现。

然后根据当前人生目标：

临时生成你所需要的软件。

这才是 Tomo 最值得研究的地方。

而它现在真正需要证明的，也不是下一轮融资是不是做到几亿美元估值，而是三个更残酷的问题：

一年以后，那1万名早期付费用户还有多少人在付钱？

AI 越了解用户以后，用户到底是越来越依赖它，还是越来越厌烦它？

以及最重要的一题：

Tomo 究竟能不能证明，它增加的不是“AI Engagement”，而是真正的 Human Agency？

如果最后答案是 Yes，那么它确实有机会成为非常大的 Consumer AI 公司。

如果答案只是：

“用户每天多发了很多短信”，

那它仍然只是一个包装极其漂亮的 AI Companion。

这两个结局之间，可能就是几十亿美元乃至更大的价值差距。

这个赛道现在变化非常快，尤其是 Tomo 的付费留存、Meta Personal Superintelligence 和 Apple 级别的 Personal Agent 都会直接影响它的价值判断。我可以继续跟踪。