替人打电话的AI产品，半年后被超级应用内置了

替人打电话的产品，从有人用到被内置

先说它是干嘛的。场景很具体：你在陌生的国家，想订一家餐厅，语言不通，也不想自己拨号。让 Agent（能自己规划、自己执行的 AI 助手）替你打。

谁会用？访谈提到的是葡萄牙语、西班牙语用户。需求真实，门槛极低，用户不用懂任何技术。

接下来发生的事，来自郭宇自述：

时间（郭宇自述）	发生了什么
今年三四月	他做出替人打电话的产品，发布后有不少葡萄牙语、西班牙语用户在用
之后	他又做了一个想把电话、邮件等沟通集成、交给 Agent 管理的产品
快十月	他说超级应用已经把这些基础功能内置了

从三四月到快十月，大约半年。这是我按他的自述时间估算的，不是他给出的精确数字。

访谈用 Meta 的 Muse（目前仅对美国用户开放）举例，说明这类简单需求现在由超级应用承接：自动打电话订餐厅、在陌生国家订东西、管理各种信息。它不用单独装 App，直接放进 Instagram、WhatsApp、Messenger 这些已有的聊天入口。

需要说清楚的是，访谈并没有说他的产品被 Muse 取代。它只是在说：这类功能正在往大平台里收。

对比一下就明白了。独立开发者要让用户下载、注册、习惯一个新产品。超级应用只需要在用户天天打开的地方多放一个按钮。

访谈里没有这个产品的收入、付费用户数或定价。它赚没赚钱，我不知道，所以不下“它失败了”的结论。

三十多个产品，为什么很多没发布

“很多没有发布”这句话容易被一带而过。

郭宇说，起初他觉得这和在字节没什么区别。当年字节像一座应用工厂，也有很多产品胎死腹中，或者上线后 ROI（投入产出比）不达标被砍。

后来他发现，自己仍在沿用上一个时代的思路：为不会写代码的人做软件。

他的依据是 First Class Harness，即模型实验室亲自打造的那层工具，比如 Claude Code、Codex，还有 DeepSeek 的 Harness。它们进步之后，把大量软件原本要做的事内化了。他举的例子是：想搭 CRM（客户管理系统）或各种管理系统，两分钟、五分钟、十分钟的事。

过去，特化软件的卖点是“替用户把代码写好”。现在用户对着 Agent 说一句话，就能得到类似的东西。

对小团队，这至少牵动三件事：

• 功能切口：只把某个流程做成软件，容易被用户现场生成。
• 分发渠道：放进应用市场的价值在下降，郭宇的原话是这件事“有点失去意义”。
• 定价逻辑：卖软件本身的空间在缩小。

访谈还提到他的朋友东旭。今年一两月，东旭已经能同时控制几百个虚拟机跑一整晚，一天消耗几十亿 Token。东旭当时的判断是，靠这种矩阵式的 Agent 网络，可以做出任何软件。这是朋友的说法，没有更多可验证的细节。

软件像牛奶：便宜的原因是工厂

郭宇用牛奶打比方：

我们去超市买牛奶很便宜，是因为有大量集中化的工厂在生产牛奶。把软件看成是牛奶，未来我们获得任何软件、任何帮助我们达成目标的东西，它的成本都会变得像牛奶一样便宜。

这里的“工厂”，指的就是上面说的模型实验室和它们的 Harness。

他还给了一个经济学理由，用的是 AI 短剧。你付钱给 Seedance 生成视频，再上传红果让别人付费看。闭环能跑通，但会变成完全竞争市场。总有人用更便宜的 Token、花更多时间做实验，把价格压下去。

如果一个市场是完全竞争市场，它最终的定价就会和成本几乎没有任何差异。

说白了：谁都能做，大家就互相压价，直到只比成本高一点点。

对做 AI 小产品的人，这是个具体的检验。如果你的产品只是“用大模型把某个流程跑通”，别人也能跑通，价格就会往成本靠。

卖什么：访谈里的两条线索

郭宇自己说，他现在有些迷茫，没有给出完整的商业模型。访谈里出现了两条线索，说话人不同，要分开看。

	线索一	线索二
说话人	主持人 Indigo	郭宇补充
核心想法	把自己的注意力产品化	真人出镜是差异化
依据	他自己的实践	Zara Zhang 的推特
有无数据	无	无

线索一：主持人 Indigo 的 Everything is Media。

Indigo 的想法是，把自己的注意力产品化。他的思考会被 AI Agent 整理成可读、可分享的内容，社群成员甚至希望他开放 API，让大家的 Agent 去读他的 Agent 写的东西。

Indigo 的概括是：

这就不是软件，这就是媒体。Software is media, everything is media。

线索二：郭宇用 Zara Zhang 的例子呼应。

郭宇转述，她发过一条推特：想让初创公司的产品 Demo 获得更多流量，要做的是让真人出镜介绍产品。他的解释是，AI 内容越来越多，信噪比很低，真人出镜本身就是差异化。

把这两条和电话产品放在一起，逻辑是通的。电话功能可以被内置，“某个具体的人”不会被内置。

但这条路目前只是判断。访谈里没有收入、粉丝或付费数据，我不会把它写成已经验证的生意。

另一个观察也出自 Indigo：现在先用上 AI 的是活跃、爱研究的 Pro User（高频深度用户）。他的说法是，按人群分布，可能只有 2% 到 3% 的人能成为 Pro User。对这群人，AI 像十倍放大器，一个人做三十多个应用、管理上百台 Agent Server，相当于过去五六十人的公司。

这个比例是 Indigo 的估计，不是统计数据。

如果这群人本来就很会用 Agent，他们愿意为什么付费？访谈没有答案。我的推断是，付费点大概率不在“替他们写软件”，因为他们自己就能写。

倦怠也是一笔账：决策成本

访谈里还有一段，和商业模式关系很大。

郭宇说，从去年 10、11 月到今年两三月，他身边很多工程师朋友出现了倦怠。他们废寝忘食工作两三个月，完成了过去一两年的工作量。

原因是身份变了。过去一个小团队按一到两周一个迭代，设定目标、开发、设计、测试、发布。有了 Agentic Coding（让 AI 自主写代码）之后，一个周期可以压到一两个人、半天。

你要同时当工程师、架构师、设计师，最重要的是当产品经理。他说：

人类的大脑消耗的能量很低，它也没有办法跟上 AI 的速度。我们面临要做太多的决策，会影响我们的植物性神经，让整个人变得很焦虑，没有办法平静下来去真正地思考问题。

一人多产品，每个产品背后都是一堆决策：做不做、给谁用、怎么收费、什么时候砍。AI 压低了写代码的成本，却把决策成本压到了创始人一个人身上。

由此我推断：一人公司的上限，未必由 Token 预算决定，更可能由创始人的决策带宽决定。这是我的分析，访谈没有这么说，但它和“很多没发布”对得上。

证据在哪，缺什么

访谈出自 INDIGO TALK EP52，在 YouTube 频道“INDIGO 数字镜像”发布，标题是《当软件像牛奶一样便宜，我们还要交付什么 / 与郭宇聊 Agent 时代还有 Vibe Coding 之后的路》。文中引文来自 PANews 刊发的整理稿，其中带时间戳的引文是对谈中的原话。

整理稿里没有价格页、收入或下载量。产品数量、打电话产品的用户语言、被内置的时间点，都是郭宇自述。

所以这是一份创业者的复盘，不是商业数据。

小团队能带走什么

1. 上线前先问：这个功能会不会被入口吞掉？替人打电话这类基础沟通能力，天然容易被已有聊天入口收编。越靠近通用动作，越危险。

2. 问自己用户为什么回来。郭宇的重心已经从造软件，转向思考软件本来要达到的目的。他的原话是，如果能绕开软件达到目的，也许就不需要软件。独立开发者可以自查：用户回来，是因为这个功能，还是因为我这个人？

3. 给想法设一条最低验证线。三十多个产品，很多没发布，这本身就是筛选，但筛选靠的是创始人的精力。先拿到一批真实用户的反馈，再决定继续还是砍，能省下大量决策消耗。

至于郭宇本人，他打算先观察三到六个月，再决定把精力放在哪里。他引用字节早期的经验：环境成熟了再押注。对于想靠多做几个小产品碰运气的团队，这个节奏值得抄。

数据来源

[1] INDIGO TALK 访谈整理（PANews）：https://www.panewslab.com/zh/articles/01a120b4-687a-74f2-9e03-9b7a72948647

[2] INDIGO TALK EP52 YouTube 原视频：https://www.youtube.com/watch?v=WkmbKwcJk7k

[3] 郭宇 GitHub 主页：https://github.com/guo-yu

JOTO 企业落地观察

• 企业部署AI智能体时，需警惕‘通用能力陷阱’：如电话、邮件等基础交互功能正快速被超级应用入口收编。这意味着企业若将资源投入构建同类独立智能体，不仅面临分发失效风险，更可能因平台策略变更导致服务中断。应优先评估是否可嵌入现有办公或通讯平台生态。
• RAG知识工程的价值正从‘功能实现’转向‘意图锚定’：当基础Agent能力趋于同质化，企业知识库的核心作用不再是‘能打电话’，而是确保通话内容严格遵循合规话术、行业术语及客户历史上下文。此时RAG的精度、可控性与审计能力成为不可替代的护城河。
• AI安全治理必须覆盖‘决策链前端’：郭宇提到的决策带宽枯竭现象，揭示了一人多智能体模式下人为审核节点的急剧收缩。企业部署智能体系统时，不能仅关注输出合规，更要建立对目标设定、工具调用路径、异常回退机制等上游决策环节的可观测与干预能力。
• FDE驻场共创需聚焦‘非自动化界面’：电话功能可被内置，但‘郭宇本人’无法被复制。对企业而言，这意味着驻场服务的关键价值正从‘搭建智能体’转向‘定义不可代理的业务意图’——例如识别哪些客户需真人介入、如何设计人机协同的话术断点、怎样将组织经验沉淀为Agent不可绕过的约束条件。