Nach Erhalt einer Finanzierung in Höhe von 200 Millionen US-Dollar beantwortet Today AI zehn Kernfragen zu Personal AI

Text | Deng Yongyi

Redaktion | Zhang Yuxin

In dem vergangenen Monat haben Personal-AI-Produkte wie Muse und Instinct weltweit Aufsehen erregt und sind zum am meisten beachteten Startup-Bereich im KI-Sektor geworden. Muse wurde innerhalb von 22 Tagen nach der Veröffentlichung mehr als 5 Millionen Mal heruntergeladen – eine Marke, die ChatGPT damals erst nach 56 Tagen erreichte –, was dem Bereich der KI-Anwendungen eine seltene Ermutigung brachte.

Ein KI-Unternehmen namens Today AI hat möglicherweise noch früher als Muse entsprechende Erkundungen unternommen. Sein Gründer Qi Junyuan gründete zuvor Teambition und war später bei großen Technologieunternehmen wie Alibaba und ByteDance für verschiedene Produkte verantwortlich. Nachdem er Anfang dieses Jahres das Team aufgebaut hatte, hat Today AI seit dem 9. September nacheinander die internationale und die chinesische Version veröffentlicht.

Zusammengefasst möchte Today der „persönliche Assistent“ des Nutzers sein. Nachdem der Nutzer Today die Berechtigung für seine Informationen und Anwendungsdaten erteilt hat, sammelt Today im fortlaufenden Dialog Erinnerungen. Das Ziel ist es, ein universeller Assistent zu werden, der auf „Menschen“ und nicht auf Aufgaben ausgerichtet ist.

Im Vergleich zu anderen Personal-AI-Produkten betont Today besonders, dass der KI-Assistent „menschlich“ sein soll. Diese Überzeugung zeigt sich in allen Aspekten des Produkts: Bei der Registrierung muss der Nutzer dem KI-Assistenten einen Namen geben; bei Dialogen hält Today von Anfang an daran fest, Fenster nicht nach Aufgaben zu unterteilen, und alle Interaktionen werden in einem einzigen Fenster abgeschlossen.

Interessanterweise hat Teambition, als Qi Junyuan vor vielen Jahren noch selbst Startups betrieb, einmal ein Produkt namens „Today“ auf den Markt gebracht. Er schrieb damals bei der Produktveröffentlichung: „Wir hoffen, dass es besser als du alle Dinge kennt, die du an einem Tag erledigen musst – von trivialen To-Do-Elementen bis zu wichtigen Arbeitsaufgaben, von entspannten privaten Verabredungen bis zu seriösen Unternehmenssitzungen, sogar bis zu jedem Artikel, den du lesen musst – und dass es dich sanft daran erinnert, was du gerade erledigen sollst... Unsere Erwartungen an es sind einfach: Es soll ausreichend benutzerfreundlich sein.“

Bevor Muse populär wurde, glaubten viele Investoren noch, dass dies nur eine schöne Vision sei. Das Team von Today AI sieht das anders – im Jahr 2026 haben Claude Code und Cursor bewiesen, dass Agenten komplexe Arbeiten in Fachbereichen selbstständig erledigen können; viele Teams konzentrieren sich auf Modellerinnerung und Kontext-Engineering und haben zahlreiche Durchbrüche erzielt. „Ein Agent, der alle deine Angelegenheiten regelt“, ist nicht mehr nur leeres Gerede auf technischer Ebene.

Today AI ist in diesem Sinne das erste Ergebnis des Teams, mit dem es diese Vision umsetzt.

△Oberfläche des Today AI Produkts

Am 21. Oktober hat Today AI offiziell den Abschluss seiner ersten Finanzierungsrunde im Wert von über 200 Millionen US-Dollar bekanntgegeben. Zu den Investoren gehören IDG Capital, Tencent, Fivey Capital, Ant Group, HSG, Transsion Holdings, Tongge Venture Capital und Hanyuan Asset der Shanghai Jiao Tong University.

Im Bereich der KI-Anwendungen handelt es sich hierbei um eine außergewöhnlich hohe Investition. Das Team von Today AI erklärt jedoch, dass ihre Vision vom ersten Tag an nicht nur darin besteht, KI-Anwendungen zu entwickeln, sondern auch Modelle zu trainieren – nur so kann das Unternehmen vollständig auf „Personalisierung“ ausgerichtet sein: Durch das Training eigener Interaktionsmodelle werden die Kosten für intelligente Einheiten gesenkt, während gleichzeitig Tonart, Verständnis und Ausführungsfähigkeit des Produkts näher an „einen Menschen herankommen, der dich wirklich kennt“.

Dies ist der gemeinsame Trend unter den jüngsten bekannten KI-Anwendungsunternehmen. Am 28. September hat Manus auch das Personal-Agent-Produkt „Cue“ vorgestellt und kurz darauf eine neue Finanzierungsrunde von über 500 Millionen US-Dollar bekanntgegeben. Wir haben erfahren, dass Manus ebenfalls eigene Modelle trainiert.

Im Wesentlichen bewegen sich KI-Anwendungsunternehmen und Modellentwickler aus zwei Richtungen aufeinander zu: Anwendungsunternehmen steigen in das Training von Modellen ein, um die Kosten für intelligente Einheiten zu senken, Leistung und Bruttomarge zu verbessern; Modellentwickler entwickeln selbst Anwendungen im nachgelagerten Bereich, um Einnahmequellen zu erschließen. Wenn die Fähigkeiten beider Seiten immer ähnlicher werden, verschwimmen die Grenzen zwischen KI-Anwendungen und Modellen natürlich zunehmend.

Ein weiterer Grund, warum Startups große Summen an Kapital aufnehmen müssen, liegt darin, dass die Entwicklung von Personal Agenten nicht nur das Trainieren von Modellen erfordert, sondern auch die Vernetzung von Diensten und Ökosystemen – was für niemanden ein einfacher Weg ist.

In China gibt es bereits Fälle, in denen KI-Assistenten auf Smartphones von verschiedenen Anbietern von Fahrdiensten, Einkaufsplattformen und Essenslieferdiensten gemeinsam blockiert wurden; im Ausland ist das Plattformökosystem zwar stärker verteilt, aber Personal AI stößt ebenfalls auf Zugangshürden – am 20. September hat Amazon den Zugriff und die Einkaufsfunktion von Muse auf seiner Plattform eingeschränkt, mit der Begründung, dass der „nicht autorisierte KI-Agent“ gegen die Nutzungsbedingungen verstoße.

Für viele KI-Anwendungsunternehmen ist 2026 ein außergewöhnlich hartes Jahr, sowohl was neue Geschäftsfelder als auch die Finanzierung betrifft. Dies hat viele KI-Teams mit chinesischem Hintergrund in ihrer Entscheidung bestärkt, ihren Fokus vom ersten Tag an auf den Auslandsmarkt zu legen und erst später zu prüfen, ob sie auch auf den chinesischen Markt zurückkehren.

Im Vergleich dazu geht Today AI einen mutigeren Weg: Es wurde zuerst im September im US-Markt veröffentlicht, zwei Wochen später folgte der chinesische Markt, und es unterstützt schnell Plattformen wie Feishu, DingTalk, WeCom und TickTick.

Das Team von Today AI erklärt, dass dieser Rhythmus auf seiner eigenen Einschätzung beruht: Die frühzeitige Veröffentlichung ist selbst Teil des Wettbewerbs. Öffentliche Aufmerksamkeit, Wachstum und Nutzergewinnung können nicht darauf warten, dass das Produkt „vollkommen perfekt“ ist.

„Im Bereich Personal AI haben Startups auf jeden Fall noch Chancen, sich im Wettbewerb zu behaupten“, sagen sie. Obwohl große Technologieunternehmen bereits eingestiegen sind, liegen die Vorteile von Startups in einer höheren Dichte an Fachkräften, schnelleren Entscheidungen und dem Mut, früher und radikaler in Bereiche wie Erinnerung und Eigeninitiative zu investieren.

Kürzlich hatte das Team von Intelligent Emergence einen ausführlichen Austausch mit dem Gründungsteam von Today AI. Dabei lernten sie das Produkt kennen und versuchten, Antworten auf viele aktuelle Fragen zu Personal AI zu erhalten.

Im Folgenden die Darstellung des Teams von Today AI:

Ist Personal AI ein Scheinbedarf?

Nach der Veröffentlichung von Today hören wir am häufigsten die Aussage, dass Personal AI ein Scheinbedarf sei. Historisch gesehen beginnt jede technologische Entwicklung mit einer Menge Zweifel, bis sie allmählich akzeptiert wird – das war auch bei der letzten Welle von Agenten der Fall.

Unserer Einschätzung nach entsteht in dieser Runde tatsächlich ein neuer zusätzlicher Bedarf. Bisher haben sich alle Agenten auf arbeitsbezogene Aufgaben konzentriert, aber auch die Bedürfnisse im Alltag werden abgedeckt werden – jeder Mensch könnte einen Assistenten brauchen.

Natürlich ist es noch zu früh, um zu sagen, ob wir bereits in einem sehr reifen Stadium des Product-Market-Fit (PMF) angekommen sind und ob Nutzer bereit sind, dafür zu bezahlen. Wir selbst prüfen das noch. Aber an dem Bedarf an sich zweifeln wir nicht.

Die Begeisterung für Personal AI hängt sehr stark mit Claude Code zusammen. Vor Claude Code waren die Fähigkeiten der Modelle für Funktionsaufrufe und das Befolgen von Anweisungen nicht ausreichend. Die erstellten Assistenten hatten fast keine Generalisierbarkeit und basierten vollständig auf vordefinierten Szenarien – sie konnten nicht personalisiert werden.

Seit Claude Code hat sich die Technologie des Agenten bewährt, dass sie bei vielen Dingen helfen kann, und die Fähigkeiten der Modelle werden zunehmend generalisiert.

Der große Erfolg von Muse hat eines bewiesen: Personal AI kann in kurzer Zeit eine große Anzahl von Nutzern erreichen. Die Marke von 5 Millionen Downloads innerhalb von 22 Tagen übertrifft bei weitem die Geschwindigkeit von ChatGPT damals – das gibt der gesamten Branche einen enormen Vertrauensschub.

Muse hilft dem Markt auch zu verstehen, was Personal Agent eigentlich ist. Vor Muse war es schwer, anderen Menschen zu erklären, dass wir einen OS-Agent entwickeln wollen. Seit der Veröffentlichung von Muse wissen die Menschen direkt, wie ein Personal Agent aussieht und was er tun kann.

Wir gehen davon aus, dass der Bedarf real existiert: Personal Agenten sollen die vielen trivialen, häufigen Aufgaben erledigen, die jeder Mensch täglich hat. Bisher sind diese Aufgaben auf verschiedene Anwendungen und Dialogfenster verteilt, und kein Assistent kann sie vollständig übernehmen.

Abgesehen von der öffentlichen Aufmerksamkeit ist unserer Meinung nach das Wichtigste, dass die Download-Zahl nicht gleich dem langfristigen Wert ist. Ob ein Produkt nützlich ist, hängt davon ab, ob Nutzer es weiterhin nutzen, es behalten und der Kontext kontinuierlich angesammelt wird. Ob der Nutzer es am nächsten Tag, in der nächsten Woche und im nächsten Monat noch nutzt – das ist die Definition von Nützlichkeit.

Langfristige Nutzerbindung, das Gleichgewicht zwischen Eigeninitiative und Störung, die Grenzen der Datenschutzberechtigung und der Zugang zum Plattformökosystem sind nach wie vor gemeinsame Herausforderungen für die gesamte Branche.

Ohne eine eigenständige App ist es schwer, Nutzer den Wert des Agenten spüren zu lassen

Zusammengefasst: Today ist dein persönlicher Assistent.

Today unterscheidet sich von arbeitsbezogenen Agenten, die auf Aufgaben ausgerichtet sind: Letztere starten für jede Aufgabe eine neue Sitzung und archivieren sie, sobald die Aufgabe erledigt ist. Wir möchten, dass Today wie ein Mensch ist – du sprichst ständig in einem einzigen Dialogfenster mit ihm, ohne für jede Aufgabe ein neues Fenster öffnen zu müssen.

Das Leben eines Menschen ist fortlaufend, du hast viele wichtige Ziele, die langfristige Begleitung erfordern – Lernen, berufliche Weiterentwicklung, Karriereplanung. Solche Dinge lassen sich in Produkten, die auf Aufgaben ausgerichtet sind, nur schwer umsetzen.

Bereits im März haben wir die Richtung ähnlich wie Instinct erkundet: Der Agent lebt in einem Instant-Messaging-Dienst und hat keine eigenständige App. Aber wir haben zwei große Probleme festgestellt: Erstens gibt es keine GUI (grafische Benutzeroberfläche), sodass die Anleitung für Nutzer, die Fähigkeiten des Agenten zu entdecken, sehr schwach ist.

Wenn du ein früher Anwender bist und weißt, was solche Produkte bieten, kannst du natürlich selbst ausprobieren – aber wir wollten schon immer den Massenmarkt erreichen.

Für normale Nutzer ist die GUI derzeit wie eine Karte, die sie durch das Labyrinth des Agenten mit seinen verborgenen Schätzen führt. Ohne eine eigenständige App, nur mit Instant Messaging und Dialogfenstern, fällt es Nutzern schwer, den Unterschied zu einem gewöhnlichen Chat-Assistenten zu erkennen.

Das zweite Problem ist: Ohne eine Client-Anwendung kann man keine Berechtigungen für bestimmte Geräte erhalten, sodass die Fähigkeiten des Agenten selbst eingeschränkt werden.

Nachdem wir uns für die Form einer eigenständigen App entschieden haben, mussten wir uns klar machen, womit der Agent verbunden werden soll. Wir erkannten schnell: Wenn wir einen OS-Agent entwickeln wollen, sollten wir nicht nur ein einziges Betriebssystem bedienen, sondern alle heute vorhandenen Betriebssysteme verbinden.

Dahinter steckt noch etwas Wichtigeres: Zuerst klären, welches Problem der Nutzer lösen möchte, dann den passenden technischen Weg wählen. Zum Beispiel ist das echte Bedürfnis nicht, dass ich eine Handy-App bediene, sondern das Problem der Fortbewegung zu lösen. Ein Flugticket zu buchen und mir bei der Bedienung der Ctrip-App zu helfen, sind zwei verschiedene Bedürfnisse. Es gibt viele Möglichkeiten, eine Buchung durchzuführen – man muss nicht unbedingt die Ctrip-App auf dem Handy bedienen.

Wir sollten zuerst verstehen, was der Nutzer eigentlich tun möchte, dann den passenden technischen Weg wählen – statt die Nutzerbedürfnisse für einen bestimmten technischen Weg neu zu definieren.

Aus technischer Sicht und nach unserem Konzept ist Today also ein OS-Agent, aber für den Nutzer liefert es den Wert von Personal AI. Unser Geräte-Gateway wurde von Anfang an so konzipiert, dass es auf weitere Geräte erweitert werden kann, und ist nicht auf PCs, Smartphones oder ein bestimmtes Betriebssystem beschränkt.

Produkte und personalisierte Dienste für die breite Masse der Nutzer entwickeln

Für normale Nutzer ist der Agent wie eine Black Box – sie wissen nicht, welche Probleme er lösen kann, und denken daher nicht daran, welche Aufgaben sie der KI überlassen können.

Die Absicht sollte von der Software, von dem Agenten ausgehen, nicht von dem Menschen. Deshalb ist Eigeninitiative sehr wichtig. Im Idealfall teilst du dem Nutzer, basierend auf deinem Wissen über ihn, sehr genau und proaktiv mit, welche Dinge du für ihn erledigen kannst – und du machst es wirklich gut.

Produkte für normale Nutzer, für die breite Masse zu entwickeln – diese Richtung haben wir bei der Gründung von Today festgelegt, und daran haben wir nie gerüttelt.

Deshalb lassen wir den Agenten im Produktdesign mehr wie ein Mensch wirken. Zum Beispiel halten wir immer an dem Prinzip der einzelnen Sitzung fest: Es gibt nur ein einziges Dialogfenster.

Viele frühere Agenten-Produkte haben Dialogfenster nach Aufgaben unterteilt – das war ein technischer Kompromiss, als die Kontextfähigkeit noch begrenzt war: Wenn zu viel Kontext vorhanden war, führte das bei unausgereifter Technik schnell zu Chaos, und die Aufmerksamkeit des Modells wurde zerstreut.

Aber mit den Durchbrüchen bei Langzeiterinnerung und Sitzungsübergreifender Erinnerung glauben wir, dass Agenten in Zukunft die Form einer einzelnen Sitzung haben sollten. Deshalb haben wir viele technische Optimierungen vorgenommen: Zum Beispiel die Verwendung möglichst kleiner Modelle, die Erhöhung der Informationsdichte im Kontext, die Senkung der Latenz, die Gestaltung eines natürlichen Berechtigungsablaufs und der Darstellung des Nutzerprofils. Außerdem reduzieren wir das mechanische Gefühl durch Antworten in mehreren Blasen, um den menschlichen Charakter zu stärken.

In vielen persönlichen Szenarien ist es für Nutzer ein zusätzlicher Aufwand, sich zu merken, „in welchem Dialogfenster die letzte Angelegenheit war“ und danach zu suchen. Der natürlichste Weg ist es, nur ein einziges Dialogfenster zu nutzen, ohne eine Vielzahl von Sitzungen selbst verwalten zu müssen.

Praktische Tests haben gezeigt, dass der Token-Verbrauch bei der Ausführung derselben Aufgabe durch ein Agenten-Team deutlich höher ist als bei einer einzelnen Sitzung. Bei alltäglichen trivialen Aufgaben ist die Effizien