文：王智远 | ID:Z201440

腾讯应用宝团队开发一款新产品，叫Marvis 马维斯。

名字挺洋气，吉祥物画了一个小牛马，红围脖，小眼睛，腾讯企鹅的基因也在；产品经理介绍的时候说，今年马年嘛，公司又是小马哥的，就取了这么个名。

胆子真大，哈哈。

这东西想干什么，我用一句话讲清楚：它想在你和你的电脑之间，加一层AI。

你平时用电脑，找文件开Finder，改配置进系统设置，干各种事找各种App入口，每个动作都得自己去找门。Marvis想干的事特简单：你说一句，它帮你穿到那些地方去。

听起来不新鲜，对吧？豆包能聊天，ChatGPT也能干活，凭什么用它的？我装的时候也是这个心态。

装完之后，有几个地方确实有点意思。

先说本地知识库。

我装的Mac版，授权完它自己把我整台电脑扫了一遍，所有文档按主题分类摆好；开会用的资料归一堆，电脑上存的书归一堆，PDF归一堆，我啥都没干，它自己整完了。

然后有个搜索功能。

比如：我搜「思考」两个字，它不只匹配文件名，能穿透到文档内容里去找。标题匹配的、内容匹配的都给你列出来，分类更细。

图库也是同一个套路，我电脑上的照片全扫了一遍，人脸识别、足迹地点、时光长廊，iPhone用户应该很熟悉这套。

参加过大会的人应该都用过一种东西，就是现场摄影师的照片直播。几百张照片实时传到云端，你上传一张自己的脸，按脸识别，跟你相关的照片全筛出来。

Marvis的图库是这个逻辑，只不过搬到了你自己的电脑上，对着本地的照片干这件事。

关键是全是本地跑的，纯端侧模型，不上传云端，设置里可以精确控制哪些系统盘不让它读，做得挺直接，电脑上有敏感文件的人，这个开关是实打实有用的。

再说自动化任务，它自带了一些模板，什么喝水提醒、多邻国帮你做题之类的，我自己测了一下，建了个喝水提醒，设完之后到点就执行，流程跑得通。

不过目前任务设置还挺早期，不能上传文档，只能做相对简单的定时动作，后面还得迭代。

我自己一直在用ChatGPT的Tasks，平时让它帮我盯公司动态、盯一些二级市场的赛道信息，基金相关的东西隔几天推一次，挺顺手的。

但它本质上就是定时跑一段Prompt，到点了生成一段文字推给你。

Marvis这个自动化不太一样，产品经理现场演示的是直接打开App、跳广告、点按钮，替你把事干了；一个推文字，一个动手操作，这个区别我觉得还是挺大的。

第三个是技能广场，Skills。

这块说实话跟别家差别不大。市面上有各种Skills商店，Marvis的特点是做得傻瓜式，页面长得像小红书，左边封面右边图文介绍，底下按钮一点就装上。

不用去GitHub下载、折腾配置，对普通用户来说，门槛确实低。

还有一个细节，它的对话界面做成了一个小办公室的样子；几个Agent像小牛马一样坐在里面，你派了任务，它们就开始跑，有的在干活，有的在上厕所，有的在摸鱼打游戏。

这东西没啥功能意义，纯粹情绪价值，情绪也是价值。

我看着那几个小牛马跑来跑去，确实觉得：嗯，有点可爱；整体用了几天，我的感受是，单看每一个功能都做得不错，有些地方甚至比市面上的同类做得更细致。

可你要问我，哪个功能让我觉得「我必须装这个东西」，我还真想不到。所以，我把这个尖锐的问题甩给了产品经理。

....

我说：给我一个装这个软件的理由。他想了一会儿，说了句挺实在的话：坦白说，我们当下真没有杀手锏。

这句话让我对这团队好感加了不少。大部分产品发布会上你问这种问题，对面要么绕到愿景上去，要么甩一串数据给你。

能直接说「没有」的，要么真没想清楚，要么想得足够清楚才敢说没有。

后来跟他聊下来，我觉得是后者；他接着说了一段，大意是：你去问豆包的杀手锏是什么，豆包也回答不了。你去问元宝，元宝也回答不了。今天AI行业的通病就是这个。

每个产品什么都能做一点，可没有哪一件事是非它不可的。

我觉得这个判断很准确。你仔细想想，豆包日活快两亿，它的杀手功能是什么？说不出来。它模型不是最强的，交互也没有多颠覆。

它赢在一个「粘手感」：

你用它不难受，什么都能聊两句，下限够高，用户就留下来了；可你换成元宝、换成千问，也差不多能做到。

整个行业还没走出「通用AI助手」的同质化阶段。

所以，我后来想的是：如果大家在「聊天框」这个形态上已经打成一片了，Marvis选的这条路到底有什么不同。

先拉开看看市面上几条路线：

微软Copilot的思路是从Office生态往外扩。它的根据地是Word、Excel、PPT，AI加进去让你写文档更快、做表格更快，再慢慢往操作系统渗透。

这条路的优势是，起手就有用户场景，劣势在中国市场受限于监管和本地化，基本没怎么落地。

苹果Apple Intelligence更直接，从硬件出发，AI直接嵌进系统。Siri升级、通知摘要、照片搜索，全是系统级的功能。

同样问题，中国市场的政策和生态限制，落地情况大家都看到了。

豆包、元宝这一类，起点是聊天框，先做一个好用的对话产品，然后往工具方向加功能，加搜索、加文档解析、加Agent。

这条路铺量最快，可天花板也比较明显，因为它始终是一个App，它跟你电脑里其他东西是平行关系，上下关系？

....

Marvis走的路跟这几家都不一样。

产品经理聊的时候说了他们的发展路径，我觉得特别值得讲。

2024年时，行业里大部分AI团队的做法是高举高打，先讲一个很厉害的概念，先把壳子做出来，再一层一层往下填。他们反过来。

2024年他们从最底层开始做，文件解析、格式转换、本地搜索，就是最脏最累的工具活；2025年做MCP商店、做系统操作能力，再到2025年底才开始搭Agent框架。

他原话说，到了那个时候已经「回不了头了」，整套系统是自研的，没有用OpenAI任何东西。

自底向上，这四个字听着不性感，可恰恰是这个做法让它跟别人拉开了距离。

因为你想，大部分AI产品做文档处理，把文件上传到云端，让大模型去解析。一个PDF里面有图片有公式有多表头的Excel，普通的AI产品解析出来能打30分就不错了。

他们花了一年多专门做本地的解析工具，精度能做到八九十分。这是工程上硬砸出来的精度。

所以，我对Marvis的判断是这样的：它想做你电脑上所有App的总调度。

打开文件，它能理解；装了什么软件，它知道；系统设置出了问题，它能诊断；让它操作一个手机App，它也能跑。

它想站的位置，是操作系统和用户之间的那个AI中间层，这个位置，在中国市场目前是空的。

微软Copilot进不来，苹果Apple Intelligence落不了地。产品经理聊到这个话题的时候说了句很直接的话：

中国市场大概只占微软全球收入的1.5%，它的精力就是这1.5%。可这个市场是我的100%，决心不一样，投入就不一样。

然后，团队基因的问题，这个东西聊起来有点虚，可实际上特别实。

应用宝做了十几年PC端生态，所以Marvis能在电脑上运行安卓App，微博、小红书、微信读书，这些手机上的东西电脑上也能跑。

这个能力是从应用宝那个时代长出来的，别的团队没做过这件事，想做就得从零开始。

以前做过云游戏，所以现在分配云电脑设备的方案，成本最低、路由最快；产品经理说他们研发Leader汇报的时候原话是：

这是市面上性价比最高的云设备调度方案，因为以前做过，就这么简单。

跟微软有战略合作，操作系统层面的合作。Windows的文件系统消息、系统设置项的接口，这些东西不是谁都能拿到的。

产品经理举了个例子：

你想关掉Windows锁屏上的广告，你知道它在设置里叫什么吗？叫「关闭Windows聚焦」；普通用户上哪知道去？

可因为我们跟微软合作，知道这些对应关系，所以，能帮你一句话关掉。

这些东西产品经理有一句总结我觉得特别到位：就像一个人的童年经历，长在你身上了，别的团队能不能做？花时间，一年可以；可这一年里你又往前走了。

最后说一个现实的数字。

Agent类产品的平均Token消耗量，是普通Chatbot的150倍。如果做到豆包那种体量，一天的Token成本可能要200亿人民币。

这个数字意味着什么？这条赛道天然走不了豆包那种免费铺量的路。你不可能靠烧钱让两亿人每天用你的Agent，那个账算不过来。

所以，Marvis做端云结合、本地模型分担算力这件事，是一个经济上的必须；只有把能在本地跑的任务留在本地，才能把云端的Token成本控制在一个可持续的范围里。

这也解释了，为什么他们在端侧模型上投了这么多精力，跟英特尔、高通都有驻场团队做性能优化。

...

我自己的感受是，AI时代做产品，不能再像以前那样打磨到90分再往外端了，节奏太快了，等你觉得准备好了，窗口早关了。

Marvis现在确实不是个完成品，很多地方还粗糙，产品经理自己也清楚。

可回到我在现场问的那个问题：给我一个装它的理由。

用户和操作系统之间，终归需要一层新东西；这层东西得能理解你的文件，管住你的应用，摸清你的系统，然后帮你把事干了，这个位置，在中国市场，现在就是空的。

空的意思是没人做到，Marvis只是先走到了这，走到了不代表赢了。不过这行业从来都是，先到的人定规则，后到的人跟规则。

对了，产品目前Win版和安卓版可以去官网 www.marvis.qq.com 下载。Mac端还没正式上线，不过我有安装包，邀请码放留言区了。

感兴趣的，自己去体验一下。