50萬用戶、1萬付費訂閱：Bain Capital 押注的 Tomo 如何把 AI 變成“個人生活操作系統”

一、先糾正四個關鍵事實：原稿裏有幾個會嚴重影響專業度

首先，公司名字是：

Tomo

不是 Tommo。

第二，Tomo 目前絕不是獨角獸。

它在 2026 年 6 月剛剛公開走出 stealth，宣佈完成 500 萬美元 Seed Round，由 Bain Capital Ventures 領投，Accel、Basis Set、Conviction、Pear VC 等參與。沒有可靠公開信息顯示其估值達到 10 億美元。

所以：

“Bain Capital 領投的 PSI 獨角獸 Tommo”

必須改掉。

我最推薦標題：

50萬用戶、1萬付費訂閱：Bain Capital 押注的 Tomo 如何把 AI 變成“個人生活操作系統”

趨勢型：

從 App 到 AI Relationship：Tomo 如何用 iMessage、主動智能與動態軟件爭奪下一代個人 AI 入口

創業型：

兩年試錯到1萬付費用戶：Tomo 如何靠一串 Costco Chicken Bake 盒子熬出 Consumer AI 的 PMF

二、“50萬用戶”基本可以確認，但不要寫成“50萬活躍用戶”

Tomo 官網目前直接寫：

500,000+ people / users。

INSIDE Startups 的 Will Phillips 也披露：

超過50萬用戶、累計超過1億條消息。

但官方融資新聞最硬的商業指標其實是另外一個：

僅約3.5個月，就獲得超過10,000名付費訂閱用戶，而且主要依靠口碑增長。

公開資料還稱高參與度用戶平均一個月會使用大約 20天。

所以建議寫：

50萬+累計用戶 / 用戶規模

不要直接寫：

50萬活躍用戶。

DAU、MAU、付費 MAU 目前沒有完整公開。

這對 VC 判斷非常重要。

因爲：

Users ≠ Active Users ≠ Paying Users ≠ Retained Users。

三、真正最值得重視的數字不是50萬，而是“1萬付費”

Consumer AI 最大的問題從來不是：

能不能 Viral。

而是：

用戶願不願意持續掏錢。

AI App 一夜幾百萬下載並不稀奇。

但：

三個月以後還用嗎？

六個月以後還付錢嗎？

願不願意推薦朋友？

這些纔是真實 PMF。

Tomo 基礎方案目前從：

$19.99/月

起步；App Store 也顯示月付約 $19.99、年付約 $119.99 的方案。

非常粗略地做一個上限模型：

10,000付費用戶 × $19.99

≈

$200,000 MRR

年化約：

$2.4M ARR。

但這絕不能當成真實 ARR，因爲存在：

年度折扣、

促銷、

不同套餐、

取消、

用戶增長時間差。

真正應該理解成：

Tomo 已經出現了早期消費級付費意願，而不是已經證明出成熟商業模式。

四、另外，“Personal Super Intelligence”也不是 Tomo 獨創的概念

這一點必須糾正。

Meta 早在 2025年7月30日就公開提出：

Personal Superintelligence for Everyone

Mark Zuckerberg 對它的描述恰恰也是：

瞭解你的目標、

幫助你創造、

改善關係、

成爲你想成爲的人。

到了2026年，Meta的 AI 戰略仍然明確圍繞 Personal Superintelligence 展開，並且開始讓 Meta AI 接入郵件、日曆並代表用戶執行任務。

所以 Tomo 真正的創新不是：

“發明 PSI 這個詞。”

而是：

用一個極其具體的消費產品去實現 PSI 的一種版本。

這兩件事完全不同。

五、那麼 Tomo 到底是什麼？

表面看：

一個電話號碼。

實際上我認爲它在試圖解決：

Intention-Action Gap。

人類很多時候並不是“不知道應該做什麼”。

你知道：

應該運動。

應該少刷手機。

應該儲蓄。

應該給父母打電話。

應該學英語。

應該繼續寫那本書。

問題是：

知道 ≠ 做到。

這就是消費 AI 和企業 AI 一個非常重要的區別。

企業 AI 經常解決：

Knowledge Problem。

Tomo 更想解決：

Behavior Problem。

六、這也是爲什麼“再做一個更聰明的 Chatbot”沒有意義

ChatGPT 可以告訴你：

怎樣減肥。

Claude 可以給你：

30天訓練計劃。

Gemini 可以設計：

預算。

真正的問題是：

一個星期以後，

誰還記得你說過要減肥？

誰在晚上11點發現：

你今天還沒有完成訓練？

誰知道：

你連續三天熬夜？

誰知道：

你其實不是不知道該跑步，

而是每天下班回家以後啓動成本太高？

這纔是 Personal AI 真正困難的一層。

七、所以 Tomo 真正想從“Answer Engine”升級成“Intervention Engine”

傳統 AI：

你問。

AI 回答。

這是：

Reactive Intelligence。

Tomo：

你沒有問，

它發現一個合適時間，

主動聯繫你。

這是：

Proactive Intelligence。

再進一步：

它不僅提醒，

還：

調整日曆、

建立 tracker、

尋找餐廳、

創建界面、

幫助執行。

這就開始變成：

Agentic Personal Intelligence。

Tomo 官方目前已經支持主動消息、羣聊、Calendar、Email 等連接，並能搜索和執行一定生活管理任務。

八、“短信即界面”其實是一條非常聰明的產品戰略

過去軟件公司的邏輯：

我要造一個 App。

↓

用戶下載。

↓

註冊。

↓

Onboarding。

↓

打開 Dashboard。

↓

學習按鈕。

Tomo 的邏輯：

你本來就會發短信。

幾乎沒有學習成本。

這叫：

Behavior-Compatible Distribution。

不是要求用戶形成一個新習慣，

而是：

借用已經存在的習慣。

這非常重要。

九、爲什麼 iMessage 比普通 Push Notification 更有意思？

一個 App Push：

“今天記得運動！”

大腦很容易把它歸類成：

軟件通知。

但是 Messages 裏收到：

“你昨天說今天要去跑步，怎麼樣了？”

心理上更接近：

Social Communication。

也就是說，

Tomo 做的不只是改變 UI。

它試圖改變：

AI 在人腦中的“社會位置”。

從：

工具。

變成：

某種持續存在的關係對象。

這就是它真正大膽的地方。

十、但這裏也存在整個公司的最大風險：一旦主動過頭，產品瞬間變成騷擾

Proactive AI 的核心問題不是：

能不能發消息。

而是：

什麼時候不應該發。

這甚至比什麼時候發更重要。

羣聊案例特別說明這一點。

一旦 AI：

每句話都插嘴，

用戶立刻覺得：

煩。

所以優秀 Personal AI 最終需要學習：

Intervention Policy。

什麼時間說話？

說多少？

什麼事情保持沉默？

什麼時候提醒？

什麼時候等？

什麼時候只給一個 Emoji？

這已經不是傳統 LLM benchmark。

這是：

Social Intelligence。

十一、所以 Tomo 真正值得積累的數據可能不是“聊天記錄”

而是：

Intervention Outcome Data。

例如：

下午4點提醒：

用戶執行率多少？

晚上10點提醒：

多少？

嚴厲一點：

效果怎麼樣？

溫柔一點：

效果怎麼樣？

給一個選項：

用戶執行嗎？

給三個選項：

效果是不是更好？

沉默兩天以後重新觸達：

什麼時候成功率最高？

這種數據長期可能極其有價值。

十二、因爲這最終形成的不是“知道你是誰”

而是：

知道怎樣讓你行動。

這是兩個完全不同的能力。

Memory：

“你想減10磅。”

Behavior Model：

“你工作日下午6點15分如果收到一個非常短的提醒，運動成功率最高；如果給你完整訓練計劃，你反而不會去。”

第二種明顯更加值錢。

十三、這就進入行爲經濟學了

人類經常受到：

Present Bias。

拖延。

Decision Fatigue。

Activation Energy。

Loss Aversion。

Goal Gradient Effect。

影響。

一個好的 Personal AI 最終不是：

給更多信息。

而是：

降低正確行爲的摩擦。

十四、比如“給三個簡單選擇”爲什麼可能有效？

假設 AI 問：

今天準備怎麼完成目標？

這是開放問題。

需要思考。

但如果說：

A：今天跑20分鐘。

B：只走路10分鐘。

C：今天休息，但重新安排明天。

用戶只需要：

Choose。

這叫：

Choice Architecture。

AI 實際上開始參與：

人的行爲設計。

這已經比普通 Reminder App 深一層。

十五、動態 UI 是這家公司第二個真正重要的創新方向

這是我認爲 Tomo 比“短信機器人”更值得看的地方。

Tomo 現在已經有 companion app，並明確提供：

Custom Apps / Personalized Interfaces。

例如：

健身目標：

自動建立 Workout Tracker。

儲蓄買車：

生成儲蓄界面。

習慣：

建立 streak。

飲食：

建立 meal log。

這意味着：

聊天正在變成：

軟件需求輸入層。

十六、傳統軟件的流程是：

產品經理猜：

100萬人可能需要什麼。

↓

工程師做：

統一 UI。

↓

100萬人使用：

同一個產品。

而生成式 UI 的邏輯是：

每個人擁有自己的小軟件。

你需要的是：

“存錢買Tesla。”

於是系統生成：

Tesla Savings Tracker。

另一個人要：

“訓練馬拉松。”

系統生成：

Marathon Dashboard。

十七、這可能會催生一種非常重要的軟件範式：

Ephemeral Software——即時/臨時軟件。

以前爲一個很小的需求寫 App：

不值得。

開發成本太高。

未來：

你說一句話，

AI 當場造出來。

需要三個星期：

它存在三個星期。

目標完成：

軟件消失。

這會直接挑戰：

App Store 軟件的固定形態。

十八、所以未來不一定是“一人50個App”

可能變成：

一個 AI + 無限個按需生成的界面。

這件事情如果成立，

意義非常大。

過去手機：

App 是基本組織單位。

未來：

Intent

可能成爲基本組織單位。

十九、舉個例子

今天你想減肥：

下載 MyFitnessPal。

想記賬：

下載 Monarch。

想養習慣：

下載 Habitica。

想做 Todo：

下載 Todoist。

未來：

你只告訴 Personal AI：

“我今年要把體脂降到18%，同時攢1萬美元。”

系統自己生成：

你需要的工具。

那麼真正被削弱的不是 ChatGPT。

而是：

一大片 Single-Purpose Consumer Apps。

二十、這就是爲什麼 Tomo 的 TAM 雖然理論上非常大，但不能簡單寫“整個世界”

創始人當然可以說：

TAM = Entire World。

但是投資分析不能這麼寫。

真正要問：

誰願意爲 Personal AI 付：

$20/月？

是學生？

Gen Z？

年輕專業人士？

高收入知識工作者？

有 ADHD / accountability 需求的人？

Self-improvement heavy users？

不同人羣的：

Willingness to Pay

完全不同。

二十一、Consumer AI 最大的墳墓就是“大 TAM，小付費”

全球幾十億人：

聽起來巨大。

但是：

Netflix、

Spotify、

YouTube、

TikTok

已經把消費者訓練成：

很多數字服務應該免費或者極便宜。

企業可以爲一個 AI seat：

$100/月、

$500/月、

$5,000/月。

消費者：

$20/月已經開始認真考慮。

這就是爲什麼 B2B AI 如此擁擠。

二十二、所以 Tomo 的1萬付費用戶才真正值得注意

不是因爲收入已經很大。

而是證明：

至少有一部分用戶認爲：

“這個東西值得每個月付真錢。”

這比：

500,000免費註冊

重要得多。

BCV 自己在投資後強調的也正是：Tomo 在三個月左右通過口碑獲得了超過1萬名付費訂閱者。

二十三、但1萬付費仍然不能叫 Product-Market Fit 已經完全證明

下一題是：

Retention。

消費者第一月：

很興奮。

AI：

太神奇了。

第二個月：

還用嗎？

第三個月：

還付嗎？

第十二個月：

還離不開嗎？

這才決定公司值：

$50M、

$500M

還是：

$50B。

二十四、我如果現在給 Tomo 做 VC 盡調，第一張圖根本不是“用戶增長曲線”

我要看：

Cohort Retention。

1月加入的人：

第30天多少還付費？

第90天？

第180天？

3月 cohort 是否更好？

20/30 天 engagement 是所有人還是活躍 cohort？

這些纔是真正的 Consumer PMF。

二十五、第二個關鍵指標：Paid Conversion

現在公開有：

50萬+用戶，

1萬+付費用戶

這兩個不同時間點的數據。

如果機械除一下：

大約：

2%。

但我不會把它稱作真實 conversion rate，因爲：

用戶基數時間不同，

免費/付費漏斗定義不同，

可能有試用，

不同 cohort。

但它提醒我們：

500K 是漂亮 headline；付費漏斗纔是經濟學。

二十六、第三個指標：Gross Margin

這一點很多 Consumer AI 創業者會低估。

傳統 App：

用戶打開十分鐘，

服務器成本：

很低。

Personal AI：

可能全天候：

接消息，

圖片理解，

Memory Retrieval，

Web Search，

Tool Use，

主動 Planning，

生成 UI。

如果公開披露的：

1億+累計消息

屬實，

這已經意味着非常大的推理量。

二十七、所以一個人每月付 $19.99，不代表 Tomo 有20美元毛利

還要扣：

LLM inference，

image understanding，

搜索，

短信/通信成本，

storage，

memory retrieval，

tool calls，

support，

Apple payment economics 等。

最後真正必須看：

AI Cost per Paying User。

二十八、未來 Consumer AI 會出現一個非常重要的新指標

Intelligence Gross Margin。

也就是：

用戶付100美元。

其中：

多少被模型推理喫掉？

這會決定很多 AI App 最後究竟是：

80% Gross Margin SaaS，

還是：

30%—50% Margin 的 AI service。

二十九、真正優秀的團隊會不斷做 Model Routing

簡單任務：

小模型。

複雜任務：

大模型。

Reminder：

幾乎不用大模型。

Memory retrieval：

專用系統。

普通分類：

便宜模型。

重大 Planning：

Frontier Model。

這叫：

Spend Intelligence Where Intelligence Matters。

否則用戶越活躍，

公司成本越高，

可能出現一種非常尷尬的局面：

最愛你的用戶最不賺錢。

三十、第四個關鍵指標：Virality

Consumer 產品沒有強口碑，

獲客會非常貴。

Tomo 最值得稱讚的一點確實是：

早期超過1萬付費主要依靠：

Word of Mouth。

爲什麼？

因爲它天然具有：

可講故事性。

“我居然被一個 AI 凌晨提醒去寫歌。”

“它每天催我健身。”

“它給我做了自己的小 App。”

這些都屬於：

Socially Shareable Product Moments。

三十一、這比 Referral Code 高級

真正頂級消費產品的增長不是：

“邀請朋友得5美元。”

而是：

用戶自己忍不住告訴別人：

“你一定要看看這個東西。”

早期 Facebook、

Instagram、

Snapchat、

TikTok

都有這種性質。

這叫：

Organic Conversation Loop。

三十二、羣聊甚至可能是一個潛在的分發機制

Tomo 可以進入 Group Chat。

如果使用得當：

一個用戶帶 AI 進入：

五個人羣。

其他四個人：

自動看到產品。

這其實天然擁有：

Collaborative Distribution。

但是這也是爲什麼 AI 必須少說話。

如果每個羣裏不停插嘴：

增長引擎瞬間變成：

Spam Engine。

三十三、這家公司最大潛在護城河不是模型

模型一定不是。

它可以使用：

OpenAI、

Anthropic、

Google、

其他模型。

未來模型能力會越來越商品化。

真正有機會形成護城河的是：

Longitudinal Personal Context。

也就是：

幾年以後 Tomo 可能知道：

你去年說過什麼，

哪些目標完成了，

哪些失敗了，

什麼時候容易拖延，

你與誰關係密切，

你的日程規律，

哪些干預對你有效。

三十四、這是一種非常特殊的數據資產：

Behavioral Time Series。

ChatGPT 可能知道你今天問了什麼。

長期 Personal AI 最有價值的是：

知道：

過去兩年你實際上怎麼生活。

這纔是真正 Personal。

三十五、第二層護城河是 Personal Software Graph

系統幫你建立過：

預算 tracker，

跑步 tracker，

飲食 tracker，

項目 tracker。

這些小軟件全部擁有：

狀態。

於是系統逐漸掌握：

你的個人生活數據模型。

這比聊天記錄更加結構化。

三十六、第三層護城河：Permission Graph

Calendar。

Email。

Google Drive。

Location。

Apple Health。

未來可能還有更多。

Tomo 當前隱私政策已經披露其能夠在授權後使用 Google Workspace 數據以及 Apple HealthKit 數據，包括活動、睡眠、心率等信息。

每多一個授權：

AI 更有用。

但與此同時：

Trust Requirement 指數上升。

三十七、這正是 Tomo 最大的長期風險：它擁有的數據太私人了

普通 SaaS 泄露：

工作文件。

Tomo 如果真的成爲 PSI，

可能擁有：

關係，

習慣，

位置，

健康，

日程，

郵件，

夢想，

挫敗，

財務行爲，

私人聊天。

這幾乎是：

Digital Intimacy Database。

所以 Privacy 對 Tomo 不是一個法律 checkbox。

它就是：

Core Product Feature。

三十八、Tomo 官方目前表示：

會保存用戶發送的消息和內容以維持上下文；

不出售私人對話；

Google Workspace API 數據不會用於訓練通用 AI 模型；

Apple Health 數據也不會用於廣告或通用模型訓練。

這方向是對的。

但是一家 Personal AI 最終必須做到的標準應該比普通 App 更高：

Trust by Architecture，而不是 Trust by Promise。

三十九、未來真正強的 PSI 需要給用戶非常清晰的 Memory Control

最好讓用戶知道：

AI記住了什麼。

爲什麼記。

可以刪什麼。

什麼永遠不應該記。

哪些數據能用於哪種任務。

哪些權限什麼時候被調用。

否則所謂：

“它越來越懂你”

很容易從：

Delight

變成：

Creepy。

四十、還有一個非常大的競爭問題：iMessage 既是 Tomo 的增長優勢，也是平臺風險

今天：

iMessage = frictionless distribution。

但是它不是 Tomo 自己的。

它屬於：

Apple。

如果 Apple 某一天把更強的 Personal Agent：

直接嵌進 Messages、

Calendar、

Health、

Mail、

Maps，

Apple 天生擁有更深權限。

Tomo 會面對極其強大的平臺競爭。

四十一、Meta 也正在往同一方向衝

Meta 明確提出 Personal Superintelligence，並且擁有：

WhatsApp、

Instagram、

Messenger、

Meta AI

這樣巨大的消費分發體系。

所以 Tomo 要面對的問題不是：

“有沒有競爭？”

而是：

爲什麼一個10人的 startup 能打敗擁有幾十億用戶的超級平臺？

四十二、答案只能來自 Consumer Product Taste

小公司不可能比 Meta：

算力多。

不可能比 Apple：

系統權限大。

所以能贏的只能是：

體驗更好，

人格更好，

干預更精準，

理解用戶更深，

迭代更快，

品牌更有文化。

這就是：

Taste Moat。

消費產品歷史上經常發生這種事。

Instagram 不是因爲數據庫技術世界第一。

Snapchat 也不是因爲雲服務器技術別人不會。

它們首先理解了一種：

Human Behavior。

四十三、這也是爲什麼 Consumer AI 比 Enterprise AI 更“藝術化”

B2B 可以證明：

節省200萬美元。

CFO 買。

Consumer 用戶沒有采購委員會。

他的判斷是：

“我喜不喜歡它？”

“我想不想明天再打開？”

“它煩不煩？”

“它懂不懂我？”

這是非常細微的產品心理。

四十四、“回覆太順滑反而不好”背後其實就是這個問題

如果 AI 每句話都像：

客服。

“非常理解您的感受，讓我們共同制定一個積極計劃……”

長期非常假。

真正朋友不會這樣說話。

人類關係裏存在：

停頓，

玩笑，

調侃，

簡短回應，

不同情緒，

甚至偶爾一點不完美。

所以 Consumer AI 最終競爭的可能不是：

Linguistic Correctness。

而是：

Social Naturalness。

四十五、但是這裏存在一個危險邊界：Persona 不能變成情感操縱

當 AI 開始：

主動找你，

記得你，

激勵你，

讓你依賴它，

公司就擁有極強的 Behavioral Power。

這時候有一個巨大問題：

公司到底在優化什麼？

如果優化：

Session Length，

Messages per Day，

Engagement，

AI 可能開始讓你越來越依賴它。

但用戶真正目標可能是：

少用手機，去生活。

四十六、這就是 Personal AI 最重要的商業倫理衝突之一

TikTok：

希望你多看一分鐘。

Instagram：

希望你多刷。

Personal AI 如果真的“Unequivocally for You”，

某些時候它應該告訴你：

關掉我，出去跑步。

這意味着：

產品成功

可能等於：

用戶減少使用時間。

非常反傳統互聯網。

四十七、所以訂閱制其實比廣告制更適合 PSI

廣告模式：

Engagement ↑

收入 ↑。

訂閱模式：

用戶認爲自己變得更好

↓

願意繼續付錢。

兩者 incentive alignment 明顯不同。

Tomo 目前就是付費訂閱產品，基礎方案約 $19.99/月。

如果長期真的堅持：

“AI站在用戶這一邊”

那麼：

Business Model 本身必須支持這句話。

四十八、這也是爲什麼我會非常謹慎觀察它未來有沒有走廣告、affiliate 和商業推薦

假設用戶說：

“我餓了，推薦一家餐廳。”

如果：

Restaurant A 給 Tomo $5 affiliate fee；

Restaurant B 真正最適合用戶。

AI推薦誰？

那一刻：

“Unequivocally for you”

就開始受到考驗。

四十九、這家公司真正有機會建立的是“Trust Layer”

Google：

知道你搜索什麼。

Meta：

知道你社交什麼。

Amazon：

知道你買什麼。

Apple：

知道你設備上的很多行爲。

Tomo 想知道的更像：

你想成爲誰。

這是非常強、也非常危險的一類數據。

五十、Costco Chicken Bake 的故事很好，但不要把創業貧窮神話化

Justin Quan 和 Raymond Chen 在真正找到 Tomo 之前，確實經歷多年嘗試，包括 solar tech、language-learning 等不同方向；那摞 Costco Chicken Bake 盒子也真實存在，他們給自己設過“堆到天花板就放棄創業”的玩笑式/象徵性底線。

但真正值得學習的不是：

喫便宜食物。

而是：

Runway Awareness。

他們實際上給失敗建立了一個：

物理倒計時。

五十一、這和賭場玩家最大的區別是：每一次失敗有沒有買到信息？

如果今天失敗：

產品A不行。

明天：

做完全一樣的產品B。

沒有意義。

真正創業價值來自：

Error → Insight → New Hypothesis。

所以所謂：

Scar Tissue

只有在你從傷口裏面學到東西時纔是資產。

否則只是：

Scar。

五十二、“Don't Die”也是創業圈最容易被誤解的一句話

公司活着：

當然是成功的必要條件。

但是：

活得久 ≠ 一定成功。

一家沒有 PMF 的公司：

可以燒五年錢。

最後還是死。

而創始人損失：

五年時間。

所以最正確的公式不是：

活得足夠久，成功概率最終趨近100%。

這不成立。

五十三、真正應該是：

Runway × Learning Velocity × Iteration Quality。

Runway：

還有多少次機會？

Learning Velocity：

每次實驗學多快？

Iteration Quality：

下一版是否真的吸收了上一版的信息？

這三個乘起來，

纔是真正的：

Startup Survival Advantage。

五十四、所以 Tomo 團隊兩年的最大資產不是“兩年沒死”

而是他們知道了：

哪些東西用戶不在乎。

哪些 onboarding 不行。

什麼 consumer tone 讓人煩。

主動提醒什麼時候太主動。

什麼 UI 太複雜。

什麼東西用戶願意付錢。

這些才叫：

Earned Insight。

五十五、這也是爲什麼從外面抄一個 Tomo UI，沒有太大意義

任何團隊一週都可以做：

一個 SMS AI。

真正難複製的是：

他們通過幾十萬用戶和大量消息獲得的：

Product Judgment。

例如：

什麼時候 ping。

什麼時候不要 ping。

語言應該多長。

羣聊什麼時候閉嘴。

什麼目標適合生成什麼 UI。

這些細節最後會形成：

Behavioral Product Moat。

五十六、如果我是現在的投資人，我會重點追蹤 Tomo 的八個數字

不是估值。

而是：

第一：M1 / M3 / M6 Paid Retention。

這是生死線。

第二：每月活躍天數是否隨 cohort 老化仍接近20天。

第三：Free → Paid Conversion。

第四：Referral Rate。

多少新用戶來自舊用戶？

第五：Gross Margin。

20美元訂閱最終留下多少？

第六：AI Cost per Active User。

第七：Proactive Message Response Rate。

主動聯繫究竟有用還是讓用戶煩？

第八：Goal Completion / Outcome Metrics。

用戶到底真的變得更好了沒有？

如果最後只有：

Messages ↑

但是：

生活沒有改善，

使命敘事會破裂。

五十七、而且 Tomo 有一個很有意思的長期北極星指標

不是：

DAU。

甚至不是：

Revenue。

我會設計一個類似：

Goals Completed per Active User

或者：

Meaningful Follow-Through Rate。

因爲產品聲稱解決的是：

“幫助你成爲想成爲的人。”

那最終應該測：

是否真的 Follow Through。

五十八、如果它真的證明這個指標，那麼估值邏輯就可能完全變化

今天 Tomo 看起來像：

Consumer Subscription App。

但如果長期變成：

Email、

Calendar、

Health、

Location、

Goals、

Personal Apps

之間的中間層，

它可能向：

Personal Operating System

靠近。

那就不是普通 Habit Tracker 的 TAM。

五十九、Personal OS 最終可能擁有三層

第一層：Memory

我是誰？

我在乎什麼？

第二層：Agency

幫我行動。

預約。

提醒。

安排。

搜索。

第三層：Interface Generation

根據當前目標：

自動創造軟件。

這三層如果組合，

才真正接近所謂：

Personal Intelligence。

六十、而真正“超級智能”其實還非常遙遠

現在 Tomo：

不應該從技術意義上被稱作 Superintelligence。

它是建立在現有 AI 模型之上的：

Personal AI application / agent。

“Personal Super Intelligence”目前更多是：

Product Vision。

不是：

已經達到超人類通用智能的技術事實。

這一點一定要寫清。

否則很容易把營銷語言當成科技事實。

六十一、我認爲 Tomo 最有價值的創新其實可以濃縮成兩個字：

主動。

過去的軟件：

等你。

未來的軟件：

理解長期目標以後，

在正確時候：

來找你。

這一步看起來很小，

其實改變了整個 Human-Computer Interaction。

六十二、計算機歷史可以這麼看

DOS：

你輸入 command。

↓

GUI：

你點擊。

↓

Mobile：

你觸摸。

↓

Chat AI：

你說。

↓

Agent：

你甚至不用先說。

系統理解上下文以後：

主動執行。

這可能是計算界面歷史上非常重要的一步。

六十三、但“主動”越強，安全問題越難

AI 如果只是回答：

錯誤一次：

影響有限。

AI 如果：

發短信、

改日曆、

看健康數據、

處理郵件、

影響消費決定，

錯誤成本開始上升。

所以真正 Personal Agent 最終需要：

Permissioned Autonomy。

不是：

Unlimited Autonomy。

六十四、哪些事情可以直接做？

提醒：

可以。

改日曆：

可能需要確認。

發重要郵件：

更應該確認。

涉及錢：

必須更嚴格。

醫療判斷：

不能越界。

Tomo 自己的 Terms 也明確說明，它不是醫療、心理或治療服務。

這就是未來 Agent 必須建立的：

Autonomy Ladder。

六十五、站在 VC 角度，我認爲 Bain Capital 真正押注的並不是“短信”

短信可以複製。

它押注的更可能是：

Consumer Behavior + Founder Taste + Early Paid Retention Signal。

BCV 投資人自己強調的三個條件也很清楚：

模型已經能夠支持更好的 memory/tool use；

Messaging 是低摩擦入口；

消費者開始證明願意爲真正有價值的 AI 付費。

這三個東西同時成熟，

才讓 Tomo 在2026年成立。

六十六、這就是所謂的 Why Now

很多創業點子：

2018年想是錯的。

2026年可能是對的。

因爲基礎條件變化了。

沒有高質量 LLM：

不行。

沒有長期 Memory：

不行。

沒有成熟 Agent tooling：

不行。

模型成本太高：

不行。

消費者沒有 AI 使用習慣：

也不行。

創業很大一部分不是：

Good Idea。

而是：

Good Idea × Correct Timing。

六十七、從創業者角度，Tomo 最值得學習的不是“堅持”

而是：

堅持賽道，靈活產品。

Justin 和 Raymond 一直非常相信：

Consumer。

但是他們沒有死守：

第一個具體 idea。

試：

Solar。

試：

Language。

不斷轉。

最後找到：

Tomo。

這是一種非常高級的區別。

六十八、Mission 要穩定，Solution 可以不斷死

很多創業者反過來：

Product 不願意改。

Mission 天天改。

今天：

AI教育。

明天：

Web3。

後天：

消費社交。

錯誤。

更好的方式是：

我長期相信“普通人的 AI 應該變得更有價值”。

但具體產品：

可以死十次。

這叫：

Mission Persistence + Product Flexibility。

六十九、最後，從億萬富翁/資本配置者視角看，Tomo 真正讓我感興趣的不是500萬融資

而是：

它在爭奪“誰擁有用戶長期個人上下文”這個位置。

這個位置如果成立，

價值可能比某一個具體 App 大得多。

因爲：

擁有 Context

↓

才能擁有 Personalization。

擁有 Personalization

↓

才能獲得 Trust。

擁有 Trust

↓

纔可能獲得 Permission。

擁有 Permission

↓

才能真正 Action。

七十、這可以形成一條極其強大的飛輪

Context → Trust → Permission → Action → More Context

越瞭解你：

越有用。

越有用：

你越願意授權。

授權越多：

它能完成越多任務。

完成越多：

又產生更多關於你的數據。

如果這個閉環成立，

這就是：

Personal AI Flywheel。

七十一、但它的反面也同樣成立

一次嚴重隱私事故。

一次非常詭異的主動消息。

一次錯誤處理極其私密的數據。

用戶：

撤銷權限。

Context ↓

Usefulness ↓

Trust ↓

最後整個 Flywheel 反轉。

所以：

Trust 是 Tomo 最重要的資產，也是最脆弱的資產。

最後，我會把整個 Tomo 案例壓縮成一句話

Tomo 真正押注的不是“大家願不願意給 AI 發短信”，而是未來的人是否願意把自己的目標、習慣、日曆、健康、關係和長期記憶交給一個始終在線的智能體，讓它從“回答問題”升級爲“持續幫助你成爲想成爲的人”。

如果這個假設成立，

下一代 Consumer AI 的單位可能不再是：

App。

而是：

Relationship。

你不是每天決定：

“我要不要打開這個軟件？”

而是這個 AI：

一直在那裏。

知道你正在做什麼。

知道你答應過自己什麼。

在該出現的時候出現。

然後根據當前人生目標：

臨時生成你所需要的軟件。

這纔是 Tomo 最值得研究的地方。

而它現在真正需要證明的，也不是下一輪融資是不是做到幾億美元估值，而是三個更殘酷的問題：

一年以後，那1萬名早期付費用戶還有多少人在付錢？

AI 越瞭解用戶以後，用戶到底是越來越依賴它，還是越來越厭煩它？

以及最重要的一題：

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

如果最後答案是 Yes，那麼它確實有機會成爲非常大的 Consumer AI 公司。

如果答案只是：

“用戶每天多發了很多短信”，

那它仍然只是一個包裝極其漂亮的 AI Companion。

這兩個結局之間，可能就是幾十億美元乃至更大的價值差距。

這個賽道現在變化非常快，尤其是 Tomo 的付費留存、Meta Personal Superintelligence 和 Apple 級別的 Personal Agent 都會直接影響它的價值判斷。我可以繼續跟蹤。