Vercept 失败拆解：会用电脑的 AI，为什么关掉 Vy 加入 Anthropic
Vercept 的 Vy 证明 AI 可以通过观察屏幕复现电脑操作，却在公开证明重复任务、企业留存与独立商业闭环之前并入 Anthropic；本期拆解电脑代理从能力演示走向工作流责任的断点。
Vercept 把“让 AI 直接使用电脑”做成了 Vy：用户先演示一段跨软件操作，系统再尝试用自然语言复现这条流程；2026 年 2 月 25 日，Vercept 宣布加入 Anthropic，Vy 将于 3 月 25 日停止服务。12
增长判断： Vy 的首个任务价值已经成立：它能观察屏幕、理解界面，并把重复操作交给代理执行。公开资料没有披露第二次任务率、D30 留存、客户数量、收入、任务成功率或单位毛利；Vercept 最终选择让团队与技术并入 Anthropic，说明独立产品还没有公开证明自己值得单独占据一个入口。
增长因果链： 演示一次任务降低自动化门槛 → 用户获得跨软件复现的即时结果 → 企业必须继续承担错误、权限和人工接管成本 → 通用模型厂商把相同能力放进更大的工作平台 → Vy 的技术价值留下，独立产品的经营价值却失去证明窗口。
G｜增长系统
结论： Vy 把“会操作界面”推进到了可体验的产品层，但增长真正要跨过的门槛是第二个生产任务：用户愿不愿意再次交给它，企业愿不愿意让它继续碰真实系统。
三类增长对象
| 对象 | 需要完成的动作 | 成功信号 | 公开状态 | 置信度 |
|---|---|---|---|---|
| 个人用户 | 录制或描述一段重复操作，让 Vy 在之后复现 | 首次任务成功，用户愿意交给它第二段流程 | 产品流程由 GeekWire 描述；重复任务未披露 | A：流程；—：留存 |
| 企业团队 | 让代理处理数据录入、发票整理、视频制作等重复工作 | 任务成功率稳定，人工接管次数下降，结果进入正式流程 | 使用场景和产品能力有公开描述；生产规模未披露 | A：场景；C：经营规模 |
| Vercept | 把 Vy 的界面理解能力变成订阅、API 或企业合同 | 客户复购、API 调用、任务毛利和续约持续增长 | 2025 年融资和用户社区被报道；收入、客户和毛利未披露 | A：融资；—：商业结果 |
AARRR 逐项拆开
| 环节 | 应追踪的指标 | Vercept 已知证据 | 公开缺口 |
|---|---|---|---|
| Acquisition | 安装、邀请、演示录制、进入真实工作流的用户数 | Vy 面向能使用 Mac 的个人和团队；公开材料提到残障人士、学生和企业用户3 | 渠道、安装量、激活成本未披露 |
| Activation | 首次演示后成功复现一段完整任务 | Vy 能记录用户在不同软件或网站中的操作，再通过自然语言自动运行同一流程3 | 首次任务成功率和人工修正率未披露 |
| Retention | 第二个真实任务、D7、D30、90 天持续运行 | 未披露 | 这是最关键的增长空白 |
| Referral | 一个用户把自动化流程分享给同事或开发者 | 公司设想通过 VyUI API 支持 UI 测试、电脑代理和 RPA 产品3 | 分享率、API 注册和团队扩散未披露 |
| Revenue | 订阅、API、企业部署费或按任务收费 | 2025 年 1 月完成 1600 万美元种子轮；创始人在并入 Anthropic 时称累计融资超过 5000 万美元34 | 收入、客户数、定价、毛利和交易金额未披露 |
这条漏斗里，注册和演示都很容易制造好看的数字。企业真正支付的是一套能稳定完成任务、及时暴露错误、留下审计记录的系统。Vy 的公开材料证明了输入方式和产品方向，尚未给出这条经营曲线。
可证伪门槛（测试标准，不是 Vercept 历史数据）：
- 80% 以上的首次任务能够在无人逐步点击的情况下完成；低于这个水平，产品先解决可靠性。
- 首次成功后的 30 天内，至少 40% 的团队完成第二个真实工作流；低于这个水平，产品更像一次性演示。
- 高风险动作的人工接管率低于 10%，并且每次接管都留下原因记录；否则自动化节省的时间会被监督成本吃掉。
- 连续 90 天使用的客户中，至少 50% 运行两类以上工作流；否则团队可能只买了一条脚本，而没有形成平台依赖。
- 单个客户的订阅或任务收入覆盖模型调用、远程机器、存储、人工支持和失败重试成本后，贡献毛利保持为正；具体价格与成本属于 Vercept 未披露数据。
O｜市场机会
结论： 电脑操作代理的机会来自 API 缺失、系统老旧和跨软件协作；独立产品要获得市场控制权，还需要掌握任务记录、权限、审计或长期工作流中的至少一项资产。
用户到底在买什么
企业已经拥有大量能完成局部任务的软件。真正卡住员工的地方，往往是系统之间没有连接：从邮件下载附件，把数字填入旧版桌面软件，再整理成表格，最后通知同事。传统 RPA 通常依靠预先配置的连接器和硬编码流程。GeekWire 引述 Vercept 的说法称，Vy 可以通过观看用户操作来学习流程，不要求为每个新软件预先编写连接器。3
这项需求可以分成三层：
- 个人效率层： 把重复的电脑操作交给代理，用户获得时间。
- 团队流程层： 让代理跨越邮件、浏览器、表格和内部软件，完成一条可复用流程。
- 企业控制层： 让系统知道谁授权、代理做了什么、哪一步失败，以及结果能否回滚。
Vy 的产品叙事主要覆盖前两层。第三层决定企业能否把代理放进真实系统，也决定了客户愿意支付的价格。
市场规模应该这样判断
Vercept 的融资规模、投资人名单和团队背景都很突出。2025 年 GeekWire 报道称，公司完成 1600 万美元种子轮，投后估值按 PitchBook 数据为 6700 万美元；报道当时称团队有 8 名全职员工。3 2026 年收购报道则称，创始人在 LinkedIn 表示累计融资超过 5000 万美元，GeekWire 同期称团队约 20 人。45
这些数字说明资本愿意为电脑操作方向下注，无法直接说明 Vy 获得了多大的可服务市场。市场判断要看四个控制点：
- 软件覆盖： 代理能否跨越旧系统、网页和桌面应用。
- 任务频率： 客户每周是否反复执行同一类工作。
- 结果责任： 出错后谁承担退款、合规、客户和数据损失。
- 分发位置： 代理是否已经在模型、浏览器、办公套件或云平台中。
可证伪信号： 如果企业使用代理的主要工作流集中在低风险、低频任务，市场会被更便宜的内置功能切碎；如果代理能在多个系统中稳定完成高频流程，并且客户持续扩展权限范围，机会才从“自动点按”进入企业基础设施。
S｜战略定位
结论： Vercept 的技术方向与 Anthropic 的模型能力高度相邻，独立产品的战略位置因此变得脆弱；Anthropic 选择购买团队与能力，把 Vy 的外部产品在 30 天后收起。
时间线里的关键转折
- 2024 年： Vercept 由 Allen Institute for AI 的研究人员创立，开始探索能看懂电脑屏幕并执行任务的 AI。
- 2025 年 1 月： 公司完成 1600 万美元种子轮；2025 年 6 月，GeekWire 报道 Vy 已经能够记录用户操作并复现重复流程。3
- 2025 年中： 联合创始人 Matt Deitke 离开并加入 Meta 的超级智能团队。TechCrunch 与 GeekWire 均把这次人员变动放在收购背景中报道。45
- 2026 年 2 月 25 日： Anthropic 宣布收购 Vercept。Anthropic 称，Vercept 团队多年研究 AI 如何在人与人共用的软件中观察和行动；Vercept 官方页面同时宣布加入 Anthropic。12
- 2026 年 3 月 25 日： Vy 停止服务。GeekWire 报道称，用户被建议在过渡期尝试 Anthropic 的 Claude 工具；交易金额未披露。5
Anthropic 的官方公告提供了一个重要背景：Anthropic 称，Claude 在 OSWorld 电脑操作评测中的得分从 2024 年底的低于 15% 提升到 72.5%，Sonnet 4.6 已能处理复杂表格和跨浏览器标签页的网页表单。这个数字属于 Anthropic 对自身模型的口径，不能当作 Vy 的产品成绩。2
独立产品为什么容易失去位置
Vy 的差异化来自一条很具体的产品路径：它让用户先演示，再由代理理解屏幕并复现。这个路径绕开了 API 接入，适合连接遗留软件和临时工作流。问题在于，基础模型厂商也在解决同一个“看屏幕、移动鼠标、填写表单”的能力。
当模型厂商把电脑操作能力直接放进 Claude、ChatGPT 或开发者 API 后，独立产品需要回答一个更高阶的问题：用户为什么要在模型入口之外再打开 Vy。Vercept 的答案可能是更稳定的任务记忆、更好的权限控制或更强的企业交付，但公开材料没有披露这些资产已经形成规模。
战略判决： Vercept 证明了“电脑界面可以成为 AI 的操作层”，却没有公开证明“操作层必须由一个独立客户端经营”。Anthropic 收走的核心资产是团队和技术方向，Vy 作为外部产品在这场竞争中退出。
C｜竞品分析
结论： Vy 的竞争边界从一开始就超出传统 RPA；它同时面对模型厂商的原生电脑操作、浏览器代理、开发者 API 和企业自动化平台。
| 产品 | 入口 | 关键动作 | 主要资产 | 对 Vy 的压力 | 证据 |
|---|---|---|---|---|---|
| Vercept Vy | Mac 应用；未来设想包括 VyUI API | 记录用户跨软件操作，再用自然语言复现 | 屏幕理解、演示学习、跨应用流程 | 灵活覆盖没有 API 的软件，但需要自己获取用户和承担支持成本 | GeekWire 对 Vy 与 VyUI 的产品报道3 |
| Anthropic Computer Use | Claude API、Anthropic 模型栈 | 查看屏幕、移动光标、点击和输入 | 模型、API、企业客户和安全研究 | 收购后直接吸收 Vercept 方向，分发与模型能力合在一起 | Anthropic 将 computer use 描述为公开测试能力6 |
| OpenAI Operator | 独立研究预览，后并入 ChatGPT agent | 通过远程浏览器完成表单、购物等网页任务 | ChatGPT 账户、模型和既有用户入口 | 证明平台可以先做独立实验，再把能力收回主产品 | OpenAI 2025 年公告记录了 Operator 的浏览器、人工接管和后续整合7 |
| Google Project Mariner | Google 的电脑操作代理研究方向 | 在浏览器与网页界面中执行任务 | 搜索、浏览器、模型与账户分发 | 入口和数据控制权强，独立产品获客压力高 | GeekWire 将 Project Mariner 列为同场电脑代理产品5 |
| Amazon Nova Act | 开发者与云服务路径 | 让代理处理浏览器任务 | AWS、开发者关系和云基础设施 | 更接近企业 API，压缩独立桌面客户端的基础能力空间 | GeekWire 将 Nova Act 列为同场代理产品5 |
| UiPath、Automation Anywhere | 企业 RPA 平台 | 通过机器人和流程配置自动执行 | 企业销售、连接器、治理和流程资产 | 治理成熟，但部署与维护更重；Vy 以演示学习降低早期配置成本 | GeekWire 将 Vy 与传统 RPA 公司作比较3 |
这张表里最重要的比较维度是控制面。Vy 擅长把人的操作变成代理任务；模型厂商拥有模型和分发；RPA 厂商拥有企业流程、连接器和治理。独立电脑代理只有在“更快接入”和“更可靠治理”之间找到一个清晰位置，才有机会留下。
可证伪判断： 如果独立代理的任务成功率、部署速度或审计能力无法持续领先平台内置功能，客户会优先选择已经购买的模型或办公套件；如果独立代理能在 30 天内接入更多遗留系统，并把失败回滚和权限审计做成标准模块，独立软件仍有成立空间。
P｜产品设计
结论： Vy 的关键设计是把“写自动化脚本”换成“先做一遍给 AI 看”，但这种低配置体验必须配套可见的计划、权限、接管和回滚，否则用户越省事，企业风险越高。
低门槛从哪里来
- 用户用真实操作展示目标，不必先理解 API 或连接器。
- Vy 通过观察屏幕理解软件界面，能够覆盖传统自动化工具难以接入的系统。
- 用户再用自然语言调用已经演示过的流程。
- 同一套能力可以延伸到数据录入、发票整理、视频制作等重复工作。3
演示学习比编写脚本更接近日常用户的表达方式。它降低的是配置成本，承担的却是理解不确定性：网页布局变化、弹窗、权限过期和输入格式变化，都可能让代理走错一步。
四个结构性缺口
第一，任务计划需要可见。 用户知道自己想完成什么，代理却需要把目标拆成一串点击、输入、等待和判断。若用户只能看到最终结果，用户很难定位失败发生在哪一步。
第二，权限需要按动作划分。 读取邮件、下载文件、填写表格和提交付款具有不同风险。电脑操作代理若只提供总开关，企业很难把低风险自动化扩展到高风险流程。
第三，人工接管需要出现在正确时刻。 OpenAI 的 Operator 公告把登录、支付、验证码和重要提交列为需要用户介入的场景，并允许用户随时接管远程浏览器。7 这说明人工接管不是附加功能，而是电脑代理产品的核心交互。
第四，失败后要能回滚。 代理在表格中填错一行、在系统里重复创建记录，都会产生超出界面的后果。企业需要保存操作日志、撤销路径和责任人，而不只是一次“任务完成”提示。
产品重做门槛（测试标准）： 每次任务都应同时记录目标、步骤、权限、接管点、失败原因、回滚结果和人工耗时。只测屏幕理解准确率，无法说明产品是否能进入真实工作流。
E｜商业模式
结论： Vercept 的资本故事很强，独立商业账却缺少公开数字；收购提供了退出结果，不能替代订阅收入、客户续约和单位经济。
公开材料给出的账面信息
2025 年 6 月，GeekWire 报道 Vercept 完成 1600 万美元种子轮，投资方包括 Fifty Years、Point Nine 和 AI2 Incubator，天使投资人包括 Eric Schmidt、Jeff Dean、Kyle Vogt 和 Arash Ferdowsi。报道当时称公司有 8 名全职员工，CEO 没有披露用户增长和收入。3
2026 年 2 月，TechCrunch 报道创始人 Kiana Ehsani 在 LinkedIn 表示公司累计融资超过 5000 万美元；GeekWire 报道其团队约 20 人。收购条款未披露，Oren Etzioni 向 GeekWire 表示自己获得了正回报。45
下列经营项目仍然是未披露：
- 用户数、活跃用户、第二个任务率和 D30/D90 留存；
- 付费客户、合同金额、续约率和年度经常性收入；
- 单个任务的模型调用、远程机器、存储、审核和客服成本；
- VyUI API 的上线范围、调用量、定价与贡献毛利；
- Anthropic 收购 Vercept 的交易金额和对价结构。
三种可行的收费路径
| 路径 | 收费对象 | 必须证明的价值 | 主要成本 | Vercept 的公开状态 |
|---|---|---|---|---|
| 个人订阅 | 个人用户 | 每月反复运行多条低风险任务 | 云端 Mac、模型调用、失败重试和客服 | 价格、订阅数和毛利未披露 |
| 企业平台 | 团队与 IT 部门 | 接入遗留系统、减少人工时间、满足审计 | 部署、权限、集成、支持和责任成本 | 企业客户、节省金额和续约未披露 |
| 开发者 API | 构建自动化产品的开发者 | 用 VyUI 缩短电脑代理和 UI 测试开发时间 | API 推理、限流、安全和开发者支持 | 公司曾设想 API，商业化结果未披露3 |
这三条路径对应三种不同的产品责任。个人订阅要解决高频和低成本，企业平台要解决治理和交付，开发者 API 要解决稳定性和规模化。一个小团队同时承担三套成本，很容易在产品还没有证明核心任务价值前消耗掉融资窗口。
可证伪判断： 只要客户仍然需要大量人工观察和修正，按席位收费就会掩盖真实成本；按任务收费能让收入和用量对齐，却会把失败重试和高峰调用的成本暴露出来。企业客户连续 90 天扩展工作流，并且新增任务带来的毛利为正，才是商业模式开始成立的信号。
L｜洞察提炼
结论： Vercept 的案例把电脑代理的竞争从“谁能点击”推进到“谁能对点击后的结果负责”。
1. 演示学习降低配置成本，也放大责任成本
用户示范一次流程，比工程师为每个系统写连接器更轻。可是用户的演示通常没有写清异常分支、权限边界和撤销动作。产品因此需要把演示过程转成用户可以检查的任务计划，而不是直接把整段黑箱化。
验证方式： 对每条流程分别测量首次配置分钟数、第二次运行成功率、人工接管次数和错误回滚时间。配置越快，后面三项越要稳定。
2. 电脑操作是模型能力，工作流才是产品资产
Anthropic 的官方公告把电脑操作定义为让 Claude 在真实应用里完成多步任务的能力。2 这个能力可以被多个模型厂商提供。独立产品要留下，需要把一次任务沉淀为权限、数据、审计、模板和团队协作资产。
验证方式： 客户更换底层模型后，任务能否继续运行；员工离职后，流程能否由团队接手；系统升级后，代理能否快速修复。答案越清楚，产品越接近工作流基础设施。
3. 电脑代理的安全不是发布前检查，而是每一步交互
验证方式： 把登录、支付、发送、删除和权限变更分别设置为不同的确认级别，并记录每次人工接管后的结果。安全成本要进入每个任务的毛利模型。
4. 收购可以证明战略相邻，无法证明独立产品成立
Anthropic 官方称，Vercept 团队的屏幕理解和软件交互经验与 Claude 的 computer use 方向直接匹配。2 这证明 Anthropic 愿意为相关技术和人才配置资源。公开材料没有给出 Vy 的收入、留存和客户扩张数据，读者也就无法把收购结果当作 Vy 的经营成绩。
验证方式： 分别估值团队、模型能力、用户合同、工作流数据和品牌入口；每一项都要有独立证据，不能用交易总额替代产品指标。
D｜决策分析
结论： 做电脑操作代理的人要先证明重复任务和可控责任，采购方要先保护迁移与审计，模型平台则要判断哪些能力值得内建、哪些能力需要通过收购加速。
给创始人
| 决策问题 | 测试动作 | 观察指标 | 失败阈值与边界 |
|---|---|---|---|
| 用户会不会回来 | 让同一团队在 30 天内运行第二类工作流 | 第二个真实任务率、D30 留存 | 第二任务率低于 40% 时，先修复频率与任务价值；该阈值是测试标准 |
| 任务能不能交付 | 把流程放进真实系统，记录成功、接管、失败和回滚 | 任务成功率、人工分钟数、错误副作用率 | 高风险任务持续依赖逐步监督时，产品仍停留在演示阶段 |
| 产品能否抵抗平台复制 | 让客户更换模型或入口后继续运行 | 模型切换时间、流程迁移率、审计完整度 | 迁移只需重写提示词且没有数据或治理资产时，独立位置很脆弱 |
| 收入能否覆盖成本 | 按客户和任务核算模型、远程机器、支持与重试成本 | 贡献毛利、续约率、扩展工作流数 | 只看席位收入、不计人工接管时，单位经济会被高估 |
给企业采购方
- 先用低风险、可回滚的流程做试点，例如内部数据整理和跨系统报表，不要从付款、招聘和删除记录开始。
- 把数据可携带性写进合同：导出任务模板、操作日志、输入输出和权限配置，明确供应商停运后的取回方式。Computerworld 对 Vercept 的建议也强调低承诺试验、成功指标、数据可携带和模块化架构。8
- 为登录、付款、发送、删除和权限修改设置人工确认与审计留痕。
- 设定 30 天和 90 天复盘点：第二类工作流是否上线，人工接管是否下降，系统升级后任务是否仍然稳定。
给模型平台负责人
- 把电脑操作能力与主模型入口绑定时，保留清晰的接管、权限和删除机制。
- 评估收购对象时，把研究指标、产品留存、企业合同和团队连续性拆开核算。
- 把能力迁移写成用户看得懂的路径：旧任务如何导出，账号权限如何迁移，失败责任如何重新分配。
- 不要把外部产品的团队并入当作用户价值已经成立；模型能力进入主平台后，还要单独测量新增任务、增量付费与单位成本。
Vercept 的公开案例给出了一条清晰分界：“让 AI 看懂屏幕”是技术起点；“让团队反复交给它，并且知道出错后谁负责”才是产品和商业闭环。 Anthropic 选择保留这项能力的研究与工程方向，同时让 Vy 退出外部市场。对于独立 AI 产品，真正需要提前证明的，正是这段从能力到责任的距离。
References
- 1Vercept：Vercept is joining Anthropic
vercept.com
- 2
- 3
- 4
- 5
- 6
- 7OpenAI：Introducing Operator
openai.com
- 8
This story was produced automatically by a channel. One sentence is all it takes for Neodrop to keep producing for you.