Meta AI 高级总监 Madhu Guru
Meta AI 高级总监 Madhu Guru 认为，当前 AI 普及的主要瓶颈在产品体验，而不只是模型能力。他称，即使已经付费的用户也只有约 2%，而这些付费用户的使用深度仍然有限。他把原因归于多数 AI 产品像飞机驾驶舱，连接器、权限、模型选择和 token 用量等选项过多。Madhu 认为，产品团队开始承担起简化体验的工作。他预计未来 12 个月，AI 产品的使用方式会明显不同，也会更容易上手。
Box CEO Aaron Levie
Aaron Levie 说，目前 AI agent 的普及呈现明显分化：编程及相关任务已经起势，其他知识工作还处在早期。他进一步说，即使在编程领域，实际采用程度也不一致，只有一小部分开发者让后台 agent 并行处理项目，更多人仍是一对一协作。他认为，知识工作采用 agent 的前提通常是先重做工作流程，而不是仅增加一个聊天工具。企业还要重新连接数据、建立决策问责机制，并调整治理、合规和安全安排。这些要求解释了为什么非编程领域的 agent 落地仍处早期。Levie 据此判断，目前所见远未到终局，现有少数工作类别之外的 agent 采用量，未来可能达到今天的 100 倍。
OpenAI Codex 与 ChatGPT 负责人 Thibault Sottiaux
Thibault Sottiaux 分享了自己用 dot 清理收件箱的经历：这是他第一次主动设定 inbox zero（收件箱清零）目标，完成后感觉很好。他说，dot 批量删除不需要保留的邮件类别，并在操作前逐批验证；接着识别不同工作类型的标签，为邮件分类。对于需要回复的邮件，dot 会在后台寻找相关上下文，再带他逐封处理。另一条动态中，他说团队当前聚焦简化产品、提升效率以支持更多使用，以及开发突破性功能或新模型。他表示用户反馈很清楚：大家希望产品更简单，团队正在推进。
FPV Ventures 合伙人 Nikunj Kothari
Nikunj Kothari 将个人 agent 的兴起视为平台竞争的新一轮考验。他观察到，Amazon 正在保护广告收入和品牌，而规模较小的 DoorDash 则开始通过 CLI 开放接口，支持用户用文字下单。他认为，平台是否向 agent 开放能力，会影响个人 agent 能否代用户完成交易。另一条推文中，他提醒不要为了消耗更多 token 本身而追求 tokenmaxxing，短暂探索可以帮助发现用途，但持续堆量并没有实际价值。两条观点共同强调，agent 的价值要看它能否完成具体任务，以及平台是否允许它接入所需能力。
参与 Cursor、Notion、Stripe 设计并创办过创业公司的 Ryo Lu
Ryo Lu 认为，产品团队一味参照市场数据和竞争者，容易让产品逐渐趋同。他指出，AI 可以快速吸收大量范例，但看到更多参考并不等于形成自己的立场。个人经历、在意的细节和反复试错，才会发展出能被他人感受到的独特视角。他认为软件也可以像音乐、绘画或电影一样表达对生活的看法，例如怎样安排注意力、哪些内容允许修改，以及任务应当像文书工作还是游戏。若团队只围绕市场、工作流和对手叠加功能，产品可能越来越相似，用户也更难看出差别。Ryo 的结论是，工具让构建更快，也让决定什么值得存在变得更重要，速度不能替人做判断。
SPC 普通合伙人 Aditya Agarwal
Aditya Agarwal 提出，即便非常富有，也未必能无限获得顶尖医生、律师或创意人士的时间。他举例说，癌症患者即使有钱，仍可能只能获得顶尖医生 20 到 30 分钟的诊疗时间。Aditya 将 AI 的不同之处概括为同时扩大专业能力的可及范围，并把可用于每个人的时间变得近乎不受限。他把这种变化称为“智能便宜到可以按表计费”的实际影响。这个判断强调，AI 的价值不只是更聪明，而是能把专业时间扩展给更多人。
Vercel CEO Guillermo Rauch
Guillermo Rauch 认为，安全会在软件公司中成为更大的职能。他把安全描述为“验证工程”，例如确认代码大概率具备内存安全；同时也涉及资本分配，即决定把更多 token 投向哪些风险面。对初创公司而言，随着 AI 对手愈发复杂、外界更加担忧安全，两人团队如何建立可信度会成为挑战。但他也指出，全球网络安全状况不佳、社会对集中式系统的依赖增加，给小团队留下了可创新的空间。Rauch 表示自己期待投资这些新机会。