七个月、2亿美元，TodayAI刷新今年应用融资纪录。但拆开PersonalAgent的四层成本——Token、沙箱、网络与失败重试，会发现这门生意的账远比估值难看。

今天，齐俊元再次站到中国AI创投的聚光灯下。

这位曾创办Teambition、先后负责阿里与字节核心协作和AI产品的连续创业者，带着成立仅七个月的新项目TodayAI，披露了累计超2亿美元的巨额融资。投资方囊括IDG资本、五源资本、红杉中国，以及腾讯、蚂蚁集团、传音控股等产业巨头。

从今年3月立项到9月推出产品，再到斩获超2亿美元，用时七个月，TodayAI是今年融资规模最高的应用公司，仅次于业务模式已经成熟的manus。PersonalAgent创业的入场筹码，被资本以不可思议的速度急速推高。

资本为何急于对一家商业化尚在襁褓中的公司押下重注？答案藏在过去一个多月全球技术生态的热点中。

国内大厂同样感受到了刺骨的近身肉搏感。但在冲刺的关口，最具进攻性的字节跳动反而按下了暂停键，内部代号为「小豆」的PersonalAgent虽已测试多时，上线节点却被一再推迟。

这种迟疑，恰恰照出了PersonalAgent与上一轮AI应用创业的本质分野。过去两年，AI应用的黄金法则是轻骑兵打法：三五人的小团队，套一层前沿模型的API，外加精巧的交互与增长策略，就能迅速跑出一款爆款。

但PersonalAgent恰恰相反，它要在云端沙箱中长期维系运行状态，持久保存个性化记忆，并在后台不间断轮询、纠错与执行。用户越依赖它，委托的任务就越复杂长程，背后消耗的模型推理与虚拟机开销非但不会被规模摊薄，反而会呈几何级膨胀。

这场竞赛因此演变为创始人的三项硬核底牌的比拼：必须有极深的长周期融资能力，抵御前置且漫长的算力亏损；必须懂模型微调、动态路由与沙箱快照工程，以美分为单位抠掉冗余成本；还必须拥有极强的商业组网手腕，才能刺破封闭的商户与支付生态。

齐俊元的2亿美元，只是PersonalAgent的入场券。

01Muse究竟为何成功？

先看Muse的成绩。

9月8日，Meta正式推出个人智能体Muse。仅仅40天后，这款产品在美国的累计下载量便突破1000万次。根据SensorTower10月20日披露的数据，Muse的全球累计下载量达到1090万次，10月16日的日活跃用户达到约250万，较前一周增长15%。

更值得注意的是留存。Muse的7日和14日留存率分别达到30%和23%，均明显高于SensorTower统计的同类AI产品平均水平。这是消费级PersonalAgent第一次如此迅速地触达百万级日活用户。

从回答问题到完成任务，看似只是产品形态的变化，背后却意味着完全不同的技术架构、成本结构与商业逻辑。

结合Meta的公开披露、第三方监测数据及行业访谈纪要，可以从六个方面理解Muse的快速增长。

第一，Muse的定位是争夺下一代消费者入口。

Meta并不需要在每一个模型Benchmark上全面超过OpenAI和Anthropic。它更独特的优势，是Facebook、Instagram和WhatsApp积累的庞大用户网络，以及围绕广告、内容和商业交易建立的生态。

截至目前，Meta旗下应用每天触达约36亿用户。这些产品构成了Muse潜在的分发渠道，也让Meta有机会将个人助理与社交关系、消费兴趣和商业服务连接起来。与ChatGPT主要依靠用户主动打开对话框不同，Muse的长期目标是成为一个持续存在的个人代理。它既理解用户的需求，也能够在授权范围内调用工具，完成具体行动。

对Meta而言，真正重要的不是用户每天向AI提出多少问题，而是未来有多少消费决策会首先经过Muse。

第二，Muse的爆发，是产品能力、免费补贴和Meta分发资源共同推动的结果。

行业访谈纪要显示，Muse早期提供了每周约1亿Token的免费额度。对于普通消费者，这意味着可以相对自由地尝试复杂任务，而不必担心每次调用模型都会产生费用。

与此同时，Muse将ComputerUse、ToolCall和独立云端运行环境结合起来，让用户能够直接委托现实任务。例如，为一次购物比较五六家不同商户的报价，反复查询库存和优惠，或者尝试联系商家处理售后问题。

但增长并不完全来自产品本身的传播。SensorTower数据显示，Meta在10月将其广告投放支出的约39%用于推广Muse，高于9月的23%。Muse已经成为美国广告曝光量排名前列的品牌之一。换句话说，Meta不仅在补贴用户的计算成本，也在利用庞大的营销预算加速获取用户。

这正是独立创业公司很难复制的增长方式：Meta可以同时承担获客成本与服务成本，迅速验证一个新的产品入口。

第三，百万级日活背后，Muse的订阅变现仍然处于早期阶段。

尽管Muse已经拥有约250万日活跃用户，但公开市场至今没有获得完整的MAU、付费订阅人数和订阅收入数据。

行业访谈纪要曾估计，Muse上线初期的付费用户仅有千人量级，原因之一是免费额度足够慷慨，普通用户缺乏立即升级的动力。但这一数字并未得到Meta官方确认，也不能用早期付费人数与最新DAU直接计算付费转化率。

这反映了PersonalAgent一个重要的商业难题：用户愿意让AI帮自己做事，并不意味着愿意立即为每一次任务执行付费。Meta显然不急于依赖订阅回收全部成本。相比短期收入，它更需要观察用户是否愿意持续把真实任务交给Muse，以及哪些使用场景能够形成长期习惯。

第四，Muse需要警惕用户增长背后的持续性计算开支。

传统移动互联网产品的主要成本通常来自服务器、带宽和存储，新增用户的边际成本相对有限。但Muse不同。一个Agent要完成复杂任务，往往需要连续调用模型、操作浏览器、检索信息、维护任务状态，并在失败时重新规划。用户使用越深入，系统消耗的计算资源就可能越多。

摩根士丹利互联网研究主管BrianNowak团队的专题研报中，对Muse的UnitEconomics进行了专门测算。根据不同Token使用强度，研究模型估计每位用户每月直接服务成本约为3至130美元。在使用每周Token配额25%的基准情景下，单用户月服务成本约为37.12美元，其中既包含GPU推理，也包含用于实际任务执行的CPUSandbox。

也就是说，PersonalAgent的用户规模即使只有数万，也可能形成可观的持续性服务费用。

对于拥有成熟广告业务和大规模数据中心的Meta，这可以被视为长期战略投资。对于独立创业公司，却可能迅速成为现金流压力。

第五，Meta不打算只靠订阅赚钱，而是希望让Agent重新连接广告与交易。

Muse上线首日便集成了Stripe旗下的Link支付系统，可以调用用户已经保存的支付方式，在超过100万家Link商户完成交易。对于未接入Link的商家，系统还可以根据用户批准的订单生成一次性虚拟卡。随后，Meta又陆续将Shopify、PayPal及多家大型零售商纳入合作网络。

这背后隐藏着比订阅更大的商业想象。

苹果推出AppTrackingTransparency（ATT）后，Meta跨应用获取用户行为信息的能力受到限制，广告投放与最终成交之间的归因链条变得更加复杂。而Muse如果能够从用户最初提出购物需求开始，参与商品筛选、价格比较直到完成支付，Meta就有机会更直接地理解消费意图和交易结果，建立订阅之外的收入来源。

第六，Meta的优势在于商业生态，但下一代入口的竞争远未结束。

Muse的成功并不意味着Meta已经赢得PersonalAgent市场。一方面，OpenAI、Anthropic等前沿模型厂商仍在提升复杂推理、工具调用和长程任务执行能力。Meta也持续推出新的Muse系列模型，希望缩小基础模型能力上的差距。

另一方面，苹果和谷歌掌握着移动操作系统、应用权限和硬件入口。如果未来个人Agent被直接整合进手机系统，它们就可能获得更加原生的上下文访问和操作能力。

而Meta主要依靠App、云端计算环境及外部连接器，仍然需要处理跨应用授权、支付、数据访问和操作可靠性等问题。

因此，Muse的下一阶段竞争，不只是模型能力，也将取决于谁能将个人数据、工具权限、商业服务和执行环境组织成足够稳定的产品体系。

Muse的增长至少证明了一件事：消费者愿意尝试将真实任务交给AI，PersonalAgent不再只是少数技术爱好者的实验。但它还没有证明另一件同样重要的事：当这些用户形成长期使用习惯之后，服务产生的收入能否覆盖推理、计算环境和任务执行成本。

这也引出了PersonalAgent创业真正的第一道门槛：当用户增长意味着持续增加的服务成本，创始人究竟需要多强的融资能力，才能支撑公司走到UnitEconomics成立的那一天？

02解构PersonalAgent的四层成本黑洞

在PersonalAgent成为全行业焦点之前，AI2C领域已经亮起过两记刺眼的警灯。

2024年初，InflectionAI倾力打造的陪伴式助理Pi已积累约100万DAU、600万MAU，全网累计交互消息超过40亿条。然而，强烈的用户依恋与高频互动并没有兑现为自洽的商业模型。数月后，联合创始人MustafaSuleyman率领核心团队转投微软，公司业务重心随即调头转向B端。

到了2026年10月，估值曾超10亿美元的明星独角兽Character.AI正式递交Chapter11破产重组申请。法庭披露的财务文件揭开了一个惊悚的经营切面：截至2026年8月，公司单月总营收已达到530万美元，但同期单月运营开支高达1330万美元，前八个月累计付给云厂商的计算账单更突破5610万美元。

尽管法律纠纷与团队动荡同样重创了公司，但算力支出以失控之势吞噬营收，无疑是最致命的一根导火索。

而PersonalAgent的出现，则把这笔账推向了更加超出想象的极限。

2026年9月30日，摩根士丹利互联网首席分析师BrianNowak团队发布了一份深度研报，将Muse的单用户服务成本，清晰地拆分为“GPU推理”与“CPU沙箱环境”两大物理支柱。

研报显示，当用户的每周免费Token配额使用率从1%递增至100%时，单用户每月产生的服务成本在3至128美元之间宽幅震荡。而在大摩设定的25%配额基准使用情景下，单个用户的月度直接服务成本约为37.12美元，年化开销高达445.44美元。

摩根士丹利Exhibit2：单用户GPU与CPU成本分解

在25%配额的基准使用强度下，一个活跃用户每月大约消耗1.08亿Token，直接对应37.12美元的月度服务硬支出。以此为锚点，我们可以清晰地剥离出埋藏在Agent体系之下的四层成本黑洞：

第一层：Token膨胀与GPU推理成本

摩根士丹利模型以Meta部署的下一代GB300GPU为基础，假设单卡有效吞吐量为每秒3500Token的有效吞吐量，在75%的全天平均利用率下，推导出每百万Token约0.225美元的内部自建推理成本。即便按此极致的成本估算，在每月1.08亿Token的基准负载下，光是GPU推理一项，每月就需要硬性烧掉24.30美元。

当这种成本结构撞上传统的包月订阅制，用户使用得越多，公司的毛利率反而越发恶化。知名科技分析机构Macrostream在大摩披露的GPU效率参数基础上进行了极限压力推演。在每月20美元的Power套餐中（包含每周5亿Token配额），如果一位重度用户全额用满配额，其单月产生的GPU推理成本将飙升至约488美元；而在每月100美元的Maximum高阶套餐中（包含每周30亿Token配额），完全用满配额对应的GPU账单将达到惊人的2925美元。

在统一定价下，越是重度依赖你的忠诚用户，在资产负债表上越是严重的流血负资产。

摩根士丹利Exhibit4：订阅套餐额度全部用满时的GPU成本

第二层：CPU沙箱与计算环境

Agent要脱离对话框替人类跑腿，就必须拥有隔离的操作系统环境。

模型为此假设每个用户配备一个2vCPU、8GB内存的标准隔离沙箱，参照AWSAMD实例的公开按需报价（约每小时0.1217美元），并另计每月约0.60美元的存储维护费。在25%配额情景下，月度37.12美元总成本中扣除24.30美元的GPU费用后，余下的12.82美元便由沙箱运转、存储以及配套开销所占据。

工程的关键在于，用户真正需要长期驻留的是个性化记忆与任务状态，而不是一台24小时空转挂机的虚拟机。若采用最原始的24/7常驻模式，一台2vCPU、2GiB的基础沙箱每月仅闲置租金就达95.90美元。但若改用‘按需拉起+状态快照休眠’架构（将运行状态压缩存储在S3等对象存储中，任务到来时毫秒级唤醒，单日累计运行1小时），月成本便能骤降至4美元以内。

如何管理沙箱的休眠与弹性唤醒，成了决定Agent团队生死的核心工程分水岭。

第三层：网络通信与外部协议接入

跨平台的比价与预订，本质上是一场对抗现实世界软件阻力的消耗战。当Agent缺乏官方授权接口，被迫依赖ComputerUse模拟人类点击时，各大电商与酒旅平台森严的反爬网关、频繁变动的动态DOM树以及层出不穷的图形验证码，都会导致任务耗时成倍拉长，甚至陷入死循环。

为了穿透反爬封锁，团队不得不采购昂贵的高匿住宅代理网络（每GB流量可达数美元），这进一步蚕食了本就微薄的利润空间。摩根士丹利在模型中虽未将代理与接口采购单列，但业内心知肚明，这构成了隐秘而刚性的摩擦税。

这也是为什么扎克伯格在Muse上线第一天，就竭力拉来StripeLink整合免密支付，随后火速连通Shopify与大型零售商的核心原因：结构化商户协议与原生支付接口，能把脆弱、昂贵的视觉模拟点击，替换为确定、廉价的毫秒级API通信，这不仅大幅拉升了履约成功率，更是从源头上斩断算力浪费的唯一正道。

第四层：失败重试与人工干预溢价

对Agent而言，真正决定生死存亡的北极星指标，是“单次成功交付任务的总成本”（CostperSuccessfulTask）。设想一项订票任务的基础执行成本为1.00美元，若真实环境下的成功率仅为70%（假设各次尝试独立同分布），为换取一个确定的成功交付，系统期望需要尝试1.43次，使得单次有效任务的真实成本上浮至1.43美元（即43%的重试溢价）。

将上述单用户模型放大至具备统计意义的群体规模，便能勾勒出一张现金流消耗表：

数据说明：表中圆整数据源于摩根士丹利公开Exhibit2。上述测算未计入获客推广、核心研发薪酬、渠道税与人工兜底成本

哪怕仅仅服务1万名达到25%基准负载的活跃用户，一家初创公司单月支付给云厂商的纯硬件账单就高达37.12万美元。若要支撑典型的18个月产品打磨与商业验证周期，在不买量、不计团队工资的真空状态下，光机房账单就需备足668万美元的真金白银。

对于账面趴着百亿级广告现金流的Meta，这种失血是一笔抢夺下一代流量话语权的战略前置投资。但对于独立创业公司而言，融资规模直接决定了你在死生之地里能买到多长的时间窗口。

03模型能力成为刚需

过去两年，AI创投界曾流行过一种近乎理想的分工：OpenAI、Anthropic负责把底层模型训得越来越聪明，应用层创业者负责寻找场景、打磨交互，中间只隔着一层明码标价的API。

这套模式催生了大批小团队的神话——十几人的团队，凭借出色的审美与增长裂变，就能在几个月内推出一款风靡全球的爆款。但PersonalAgent的到来，把这种轻巧的默契撕得粉碎。

原因很朴素：一个真正的全天候个人代理，每天接管的任务离散度太大了。

用户清晨可能随口问一句“今天出门要不要带伞”，午休时让它从收件箱里归集过去半年的报销发票，傍晚又丢来一个长程复杂指令——跨越五个电商平台监控同款降噪耳机的价格走势，并在降价时自动联系客服锁定优惠券。

在计算世界里，这些任务对底层模型的要求有着天壤之别。查天气不过是极简的实体抽取，归类邮件连初阶模型都能轻松胜任；但跨平台的自动化比价、页面解析与交易反思，却动辄牵扯到数十轮工具调用与自我纠错。

如果系统不分青红皂白，把所有请求一股脑儿抛给最昂贵的前沿旗舰模型，产品在早期或许能换来体面的准确率，但每多一个功能、每多一位深度依赖的重度用户，都会进一步推高公司的现金失血速度。

这场技术竞赛的重心，正在被迫发生转向：它不再单纯比拼谁调用的模型更聪明，而是比拼谁能用最低的计算底噪，把一件真实世界的任务稳定做完。

最早在工程上尝试破局的，是估值已冲上百亿美元的Instinct。

今年9月，创始人诺亚·辛（NoahShinn）在与投资人帕特里克·奥肖内西（PatrickO’Shaughnessy）的对谈中，道破了他敢于坚持“全免费个人助理”背后的工程算盘。

如果Instinct每天处理的海量购物、订票与日常琐事，全量依赖上游商业大模型的实时接口，商业模式在几个月内就会被算力账单击穿。Instinct最终选择自建一套异构的混合推理与任务调度管线。

诺亚·辛抓住了PersonalAgent与聊天机器人之间一个关键的时间差：个人助理绝大部分的后台代工，根本不需要像聊天界面那样，在500毫秒内把字吐在屏幕上。当用户委托Agent在未来数小时内比对机票价格、整理发票或追踪包裹动态时，只要最终能在约定节点交付结果，系统完全可以把这部分计算需求推迟到低谷时段，利用价格极低的点存算力进行大规模异步批处理。

诺亚·辛透露，在特定的后台工作负载中，这种脱离了“即时响应”枷锁的专门化推理架构，能让同一份算力资源的吞吐效率直接拔高3到8倍。

如果说Instinct是在推理调度层面寻找算力套利，那么拥有自有智算中心的Meta，则试图将这套手术直接动在基础模型里。

9月，扎克伯格在接受科技播客《Sources》采访时，首次系统披露了Meta内部代号为「Watermelon」的模型战略。在他看来，消费级Agent绝不能简单等同于“通用底座+一层外挂Prompt+几个工具插件”。他认为，“要让AI长期理解一个人、自主规划并在物理世界里稳定干活，这种代理能力必须在模型预训练的第一天就埋进去。”

通常的创业路径是先挑选市面上最强的通用模型，再靠外挂的RAG、系统提示词、短期记忆库和函数调用强行拼装成助理。Meta却把逻辑彻底倒置：先在业务层面定义清楚下一代个人助理需要哪些行为特征，再反哺到模型训练阶段定制专属的权重与结构。

10月12日，Watermelon以「MuseWonder」之名面世，重点固化了两项过去必须依赖外部工程外挂的底层能力：

主动记忆（ActiveMemory）：模型不再被动依赖外部向量数据库把历史对话粗暴塞满上下文，而是能在交互中自主甄别关键事实并原生保留；

主动聚焦与容错（ActiveFocus）：当遇到失效链接或反爬阻碍时，模型不再机械式地弹窗报错，而是原生具备在多条分支路径中自主回溯、尝试替代方案的反思本能。

这两项突破表面上看是在打磨用户体验，深层逻辑全是账本考量。更精准的记忆调用，意味着无需在提示词里长年累月地拖着膨胀的上下文；更稳健的自主纠错，意味着大幅削减了任务失败导致的连环重试开销。

但更大、更强的模型，往往也意味着更沉重的推理能耗。扎克伯格为此建立起了一套梯次分明的模型舰队。这背后藏着一笔能够直接改写公司毛利率的经典算账模型：

设想一家拥有百万级活跃用户的Agent平台，每月需要执行100万次代表性代工任务。依照真实分布，其中80%属于天气查询、邮件归类、日程确认等机械性低阶事务，仅有20%属于跨平台比价、长程反思与复杂研究。

若不加节制，全量调用单次均价0.20美元的高性能前沿模型，单月仅推理账单就高达20万美元；

但如果搭建起灵敏的路由中枢，将那80%的日常杂务无缝下沉给单次调用仅需0.01美元的专用轻量模型，仅在攻坚阶段唤醒旗舰大模型，全月的推理账单会瞬间被砸到4.8万美元，直接在财务报表上减少76%的计算成本。

在百万DAU的放大镜下，哪怕单次任务仅节省区区几美分，放到年化维度上，就是数百万甚至上千万美元的生死之差。而对于身处中国战场的齐俊元和TodayAI而言，技术取舍还要面临更独特的本土现实。

这是两代AI应用创业者的分水岭。在上一代移动互联网甚至通用大模型初期，创始人的首要职责是“懂用户、懂增长”；底层技术的演进是一种外生变量，可以完全打包交给供应商。但在PersonalAgent时代，只懂产品经理哲学的创始人，大概率会被自己失控的算力账单吞噬。

04OTA的中国式困局

在真实世界里，PersonalAgent最重要、最高频、也最容易让用户掏出钱包的场景，极其明确地集中在三件事上：订票、购物与跨平台比价。

扎克伯格在推出Muse时比谁都清楚这一点。他在上线第一天，就火速把西方主流商业网络做成了Muse的出厂设置：

首发绑定StripeLink钱包：直接打通超100万家商户的免密支付，并在对话框内一键授权扣款；面对长尾商家，则直接调用接口签发单次虚拟信用卡，在限额内完成结算，降低信息泄露和未经授权交易的风险。。

极速结盟电商与零售巨头：紧随其后，Shopify的数十万独立站商品目录与ShopPay、PayPal账户体系，以及沃尔玛（Walmart）、BestBuy、Sephora等主流零售接口被全线接入。

这直接在物理层面上改写了成本与确定性。当订票、购物与比价能够调用API而非模拟点击时，任务交互变成了毫秒级的确定性纯文本请求，Token消耗直接暴跌一个数量级，显著降低交互开销并提升任务成功率。

但在中国，这套逻辑会立刻撞上高墙。

国内的订票、购物与本地生活，早已被携程、飞猪、淘宝、京东、美团分为封闭的超级App孤岛。当你的Agent烧掉昂贵算力、跨平台替用户比对了十几个酒店套餐后，最终依然必须把用户踢回携程或美团的App内部结账。没有底层归因协议，垄断平台只会将这判定为自发访问，渠道佣金分文不给。独立Agent跑断了腿，最终不过是自掏电费为大厂免费打长工。

更值得创业者冷水浇头的是佣金模式背后脆弱的UnitEconomics。即便抛开平台封锁不谈，单纯从算力成本与抽佣收入的数学天平来看，这笔账依然极难算平：

交易抽佣型Agent的单月单位经济（UE）压力推演模型

从上表可以看出，哪怕平台每月促成了10万笔真实交易、产生50万美元佣金，也仅仅能够覆盖八成左右的基础算力成本，直接毛利依然净亏10万美元。在交易闭环尚未跑通之前，空有庞大的任务调用量，不仅无法形成规模效应，反而是加速现金流枯竭。

因此，中金前瞻性地提出，消费级Agent最终的商业归宿大概率将演变为‘免费基础服务＋交易导向的效果广告’（CPS模式）。从过去搜索时代的‘按点击计费（CPC）’，顺理成章地迈向Agent时代的‘按成交与销售额提成（CPS）’。

然而，这一终极形态的实现门槛极高，它不仅需要强大的模型执行力，更需要一整套成熟的广告竞价算法、千万级商家协作网络、全链路订单归因技术，以及金融级结算基础设施——而这恰恰是阿里、腾讯、字节、美团等存量互联网巨头深耕了十数年的看家本领。

注：原中金研报图表13，海内外个人Agent的对比

这就把中国的独立AI初创团队推向了一条进退维谷的窄门：

若选择向用户收取订阅费（如海外主流的20美元/月模式），面对国内豆包、千问、元宝等依托大厂雄厚现金流提供大量免费功能的产品，独立产品几乎没有任何胜算。若选择向商家收取交易佣金，又无力打破垄断巨头的围墙花园，无法独立获取稳定的供给、归因与结算通道。

因此，对于当下的中国Agent创业者而言，真正的解题之道绝非盲目追逐大而全，而是必须在极少数高客单价、供应链离散、巨头统治力相对薄弱的高价值垂直纵深中，先咬牙把第一张闭环账本做实：到底由谁提供不可替代的供给、由谁负责履约担保、由谁确认订单归因、由谁按期结算佣金，以及任务一旦遭遇幻觉或失败，昂贵的赔付责任究竟由谁承担。

05结语

PersonalAgent是这一轮AI浪潮中，极少数在Day1就形成高度共识的赛道。从MetaMuse、Instinct到齐俊元的TodayAI，科技巨头和创业者都在押注：一个拥有长期记忆、能在云端自主执行任务的个人中枢，就是下一代互联网的超级入口。

但共识来得太早，往往意味着门票从第一分钟起就被哄抬到了天价。

不妨算一笔账：

假设TodayAI做出一款真正被大众接受的爆款，日活触达100万，使用强度与当前的Muse相当。按照摩根士丹利对Muse建立的基准模型，100万日活，对应的单月服务器账单是3712万美元，年化约4.45亿美元——超过31亿人民币。这还是一张被高度简化的账单，未计入顶尖团队薪酬、商务拓展与昂贵的获客投放。

立在独立创业者对面的，是Meta、字节、腾讯与阿里。这些科技巨擘账面上趴着百亿级现金流与海量自建算力。大厂在用生态防御的零花钱打仗，独立创业公司却在押上全部身家。

这不再是“以小博大”的游戏，而是一场从诞生起就必须与失血速度赛跑的极限马拉松。

参考资料：

[1]MorganStanleyResearch.23DaysofMusing…TopInvestorQuestionsandOurAnswers.September30,2026.

[2]Macrostream.MorganStanley’sMuseUnitEconomicsAnalysis.October2026.

[3]TechCrunch.Meta’sMuseHits10MUSDownloadsin40Days.October20,2026.

[4]投资界.《Today累计完成超2亿美元融资》.2026年10月21日.

[5]中金公司.《中金|AI应用参考（3）：600条数据实测Muse如何重塑旅游预订链路》.2026年10月16日.

[6]InvestLiketheBest.“NoahShinn—BuildingInstinct.”2026.

[7]Stripe.StripeHelpsMetaMuseShopwithLink.September2026.