啊？APP应用商店都开始Agent化了？！

Agent时代，APP应用商店都开始「革自己的命」了。

在量子位智库的最新AI应用月报中，一匹「黑马」冲上龙虾类TOP3，紧随两大国产智能体产品WorkBuddy和QoderWork。

其名Marvis，定位「操作系统层级个人AI助手」：既能帮你完成操作系统层级控制，如一句话改设置、关广告、清垃圾，也能把你电脑里乱七八糟的文件整理成本地知识库，甚至还能在线陪玩游戏。

上线仅两天，这款鹅厂贾维斯DAU就超过了30万，七日留存约54%。实际表现恰如其形象：

产品背后，是腾讯应用宝团队——

就是做应用商店的那个应用宝。

一个搞应用分发的团队，怎么突然做起「操作系统层级个人AI助手」了？

趁着WAIC，量子位在上海面对面问了问腾讯副总裁林松涛和腾讯应用宝跨端业务&Marvis负责人蔡建涛。

而对方也一点不藏着掖着：就是一种自我革新。

在AI时代，只做分发远远不够。

APP的形态会变化，应用商店或许也将迎来完全不同于当下的烟花，而Marvis，就是「为探索AI时代新形态做的铺垫」。

操作系统层级的个人AI助理

还是先来看看Marvis的具体功能。

与Codex、Claude Code这样的Coding Agent不同，Marvis在功能定位上更偏向于「0门槛」，要「给每一个用电脑的普通打工人当助理」。

林松涛打了个比方，Agent比拼编程、更高阶或更长程任务的推理能力时，拼的是「大脑」；而Marvis所做的，更像是「小脑」「反射神经」负责的部分。

比如，帮用户整理电脑上最近一个月的发票，生成文档并完成数据统计。

通过深度理解PC设备操作系统、硬件信息，Marvis可以实现一句话修改电脑设置，不再困惑于复杂的配置信息，轻松使用电脑。比如玩游戏时，和Marvis说：「我要打xxx（游戏），鼠标不跟手，帮调一下。」

这样的任务，通用Agent或许也能做得不错，但在效率和成本上未必能尽如人意。

以操作APP为例，Marvis采取的方案是做应用模拟器，在沙箱里运行应用，来更好地理解应用中的元素和行为，而不仅仅是用通用视觉处理的方式，截图交给大模型识别、反馈。

蔡建涛还提到了「感知」的概念：

以整理发票为例，大家都可以做，关键在于能不能把发票找出来，以及如何找。

发票可能是一张图片，文件名只是无意义的字符。如果全盘扫描，再把图片逐张上传云端识别，Token消耗会非常大，隐私也难以保护。

Marvis运行在端侧，可以在用户授权后提前理解图片和文档内容，知道哪些文件是发票，以及对应的行程、抬头等信息。用户提出问题时，它已经对设备全局有一定认识。

这样做的好处核心有两点：

一是在效率上更有优势，处理得更快；

二是能降低Token成本。

林松涛认为，在Token成本问题越来越突出的情况下，端侧Agent在时间、效率和成本方面具有明显优势：

我们判断一个Agent方向是否值得做，很重要的一点是：它不能只是大模型暂时做不好、等模型一升级功能就失去价值的事。我们更关注如何在端侧把时间、效率和成本做到极致。

从应用分发，到「结果交付」

在与应用宝团队的交流中，他们也明确给出答案：Marvis对标的从不是Codex、Claude Code。

Marvis的核心不只是生产效率。生产效率是基础，但我们更想做一个真正懂用户、懂设备的助理。

更直白一点说，Marvis既是对传统应用分发模式的革新，同时也是商店的延伸。

只不过，在移动互联网时代，应用宝只需要完成应用分发这一个环节。而在AI时代，在Agent能力边界不断拓宽的当下，「应用商店」模式必将从单纯的分发模式进一步延伸，一步走到「服务」这个终点环节。

围绕AI时代，旧应用的新演化，应用宝团队坦诚给出了他们更深层的思考：

蔡建涛：过去应用商店的核心是分发，但分发的终点其实是服务。AI时代，很多事情可以直接一步走到服务。

比如电脑诊断、清理等任务，过去都需要从应用市场下载软件来完成。今天Marvis直接就可以完成。从某种意义上说，Marvis是过去分发模式的进阶：以前是「商店—分发—用户自行获得服务」，现在可以从商店直接走向服务。

林松涛：应用宝过去十几年一直在做一件事——把数字能力和内容送到用户手里。PC时代分发软件，移动时代分发APP。到了AI时代，我们发现只分发能力已经不够。

过去20年的互联网更多是「小助手」逻辑：平台辅助用户做决策。比如用户要买票，平台推荐携程，后续买得怎么样与应用商店无关。今天「意图代替了入口」，用户只需要表达「我要买票」或「我要打车」，平台除了把数字能力送到用户面前，还要保障结果。

因此，Marvis不是为了追赶潮流，而是应用宝业务发展必然要走的一步。过去应用宝在跨端、开发者生态，以及与微软、英特尔等系统和芯片厂商合作中积累的能力，到了AI时代被重新组织，形成了 Marvis。

以前做分发的人不关心用户下载APP之后是否真正完成任务；今天如果用户意图无法实现，就不能形成业务闭环。我们团队的内部核心指标不止是DAU，也不是真实会话数，而是用户真实任务的实际完成率——不是Marvis自己说「完成了」，而是用户认为的真正完成。

目前，Marvis无需邀请码，下载即可用，官方每天提供1000万免费Token。用林松涛的话说，给一定的免费额度，是为了让用户把真实的需求先跑起来。

安全隐私方面，值得一提的一点是，如果你没有PC，也可以选择Marvis的云端模式——不是上传云端大模型，而是类似于在腾讯云上开一个轻量服务器。可以简单理解为一个私有部署的云上计算容器。

如果你感兴趣，官网地址在这里：https://marvis.qq.com/

目前支持四端：iOS\Andriod\Mac\Windows。

从Marvis这样的产品上，可以看到的是，当hardness engineering、loop engineering的概念被大量讨论、延伸、不断演化，当Agent、甚至超越Agent形态的大模型应用进一步拓宽边界，在端侧这样更垂直的领域，旧应用的形态同样在被AI Native冲击、革新。

这些「小脑」「反射神经」同样潜藏着尚未被充分挖掘的差异化机会。

但真正的关键，并不是给旧应用简单套上一层AI外壳，而是从过去十几年积累的用户理解、场景经验、生态关系与工程能力中，找到那条能够延伸至未来的路径，并将它们按照AI Native的逻辑重新组织。

AI时代的革新，未必都要从零开始。核心的问题是：知道哪些过去值得保留，又该如何用AI将它们重新发明一次。

文章来自于"量子位"，作者 "鱼羊"。