当AI一小时能造个App,应用商店就成了古董店

一、跑分这件事，和考试一样，认真你就输了

今天凌晨，Google发了Gemini 3.1 Pro。

按版本号的行业惯例，0.1的升级，一般是修修补补、打打补丁。就像你手机系统从16.3升到16.4，换了个壁纸加了个emoji，你甚至感觉不到区别。

但这次Google显然没按常理出牌。

ARC-AGI-2跑分从31.1%直接干到77.1%，翻了一倍多。

什么概念呢？就好比你高考模拟从专科线一路冲到清北线，老师都以为你偷看答案了。

Anthropic的Opus 4.6拿了68.8%，OpenAI的GPT-5.2是52.9%。

于是你就看到了一个经典的科技圈景观：

Google在官方博客里一脸无辜地摆出一堆柱状图，柱子的颜色搭配恰到好处地让自家那根最醒目，然后用一种”我也很意外”的语气说——哎呀，我们也没想到进步这么大。

这表演，我给满分。

但跑分这件事，和考试一样，得看你怎么解读。

你见过太多高考状元出了校门泯然众人，也见过中等生后来居上把日子过得有滋有味。

AI模型的基准测试本质上就是一场标准化考试——题是别人出的，场景是限定的，答案是唯一的。

真正决定一个模型值不值钱的，从来不是它在考场里考了多少分，而是它走出考场之后，能不能帮你把活儿干了。

所以我对跑分的态度一直很简单：

看看就得了，别太当真，更别用跑分表去指导你的技术选型。

那和用高考分数选对象，没什么本质区别。

二、Google这次的节奏感，有点东西

发布时间选在全球AI峰会之后。

三巨头刚在台前展示完微妙的默契与距离，观众还没散场呢，Google直接上硬菜。

别跟我玩社交，我跟你玩产品。

而且这次更聪明的地方在于，3.1 Pro发的是预览版。

预览版三个字的含义是：这还不是我的全力，后面还有正式版。

这招在行业竞争中非常好用。

打赢了，说”你看我预览版就这么强”。

打输了某些单项，说”毕竟只是预览版嘛”。

进可攻退可守，怎么都不亏。

做产品做到这个份上，属于把竞争当高考填志愿——冲稳保全安排明白了。

三、真正值得聊的不是Gemini，是Karpathy那条推文

说实话，Gemini 3.1 Pro发布这件事，放在2026年的AI行业里，已经不算什么炸裂新闻了。

大家每隔两周就要被一个”最强模型”轰炸一次，审美疲劳了。

但Karpathy同一时间发的那条推文，含金量比模型发布本身高得多。

他说：我想用8周把静息心率从50降到45，需要追踪跑步机数据。于是花1小时用AI辅助编程做了一个专属仪表盘。两年前这事得花10小时，现在1小时。

但他真正在意的是：这本来应该只花1分钟。

这句话的潜台词是——

现在之所以还需要1小时，不是AI不够强，是这个世界的基础设施还没为AI做好准备。

跑步机本质上就是个传感器，它的核心价值是数据。

但你想拿到这些数据，还得让AI去逆向它的接口，处理一堆公制英制混用的坑，对付日历格式对不上的问题。

为什么？

因为跑步机厂商的产品逻辑还停留在上一个时代——它默认使用者是人，所以给你做了一个漂亮的App和前端界面。

但现在的事实是：越来越多的使用者，是AI。

Karpathy说得很直白：99%的产品仍然没有AI原生的接口，还在维护给人看的界面，而不是提供便于智能体调用的通道。

翻译成大白话就是：

你们做产品的，还在给客人修大门呢，殊不知客人已经开始走后门了。

四、应用商店不是要死，是要变

Karpathy的结论更直接：应用商店模式正在过时。

300行代码、大模型几秒生成的专属工具，没必要变成一个正经App让你去搜索下载。

这话说得对不对？

对，但也没全对。

它对在哪？对在”标准化需求”正在被AI消解。

以前你想记账，得去应用商店搜一个记账App，在十几个竞品里挑来挑去，下载安装注册登录，然后发现它的分类逻辑和你的消费习惯完全不匹配，又得将就着用。

现在呢？你跟AI说一句”帮我做个按我习惯分类的记账工具”，它十分钟给你搓一个。界面可能没那么精致，但胜在完全贴合你一个人的需求。

这就是定制化干掉标准化的经典路径。

它没全对的地方在哪？不是所有需求都能被300行代码覆盖。

社交网络、协同办公、复杂的企业管理——这些涉及多人协作、需要持续运维、有复杂权限体系的产品，不是一个大模型临时搓出来的小工具能替代的。

所以更准确的说法应该是：

应用商店不会消失，但会萎缩。大量”功能型”App会被AI即时生成的一次性工具替代，而真正有网络效应和生态壁垒的平台型产品，反而会活得更好。

打个比方，街边的打印店可能会因为家用打印机普及而减少，但你不会因为家里有台打印机就不去出版社了。

层次不同，逻辑也不同。

五、Demo很炸裂，但别被Demo骗了

这次Google展示的几个Demo确实能打。

用3.1 Pro做城市规划、从零生成可交互的界面；实时追踪国际空间站轨道的仪表盘；3D鸟群模拟还能用手势操控；把《呼啸山庄》的文学氛围转化成个人网站……

网友们也贡献了不少精彩案例，效果确实让人眼前一亮。

但我要说一句可能不那么好听的话：

Demo永远是Demo。

Demo的本质是什么？

是在最理想的条件下，展示产品最好的一面。它跟你相亲时对方精心修过的照片一个道理——你不能说它是假的，但你得知道，真实场景里会有色差。

一个Demo跑通了，不代表这件事可以稳定复现。

一个Demo效果炸裂，不代表普通用户照着同样的提示词能得到同样的结果。

我见过太多人被Demo种草，兴冲冲地去试，然后发现自己生成的东西和官方展示的差了十万八千里，最后得出”AI不行”的结论。

不是AI不行，是你对Demo的期望管理出了问题。

正确的态度是：Demo看个方向就行，别看完就觉得未来已来。未来确实在来的路上，但路上的坑，Demo不会提前告诉你。

六、这场技术角力，最终受益的是谁？

Google、OpenAI、Anthropic三家你追我赶，每隔几天就刷一次榜单，看起来卷得飞起。

但如果你把视角拉远一点，会发现一件有意思的事：

这三家卷的方向，已经在收敛了。

编程能力、科学知识、智能体能力、多模态理解——大家比的东西越来越像，分数差距越来越小。

3.1 Pro的SWE-Bench Verified是80.6%，Opus 4.6是80.8%，差0.2个百分点。这种差距放到工程实践中，基本可以忽略不计。

这意味着什么？

意味着在基础模型层面，差异化正在消失。

当三家模型的能力逐渐趋同，竞争的焦点就不再是”谁更聪明”，而是”谁更便宜、谁更稳定、谁的生态更好用”。

3.1 Pro跑完一整套测试花了约5700万tokens，成本不到Opus 4.6的一半。能打又省钱，这个组合确实有吸引力。

所以这场技术角力的终局，很可能不是某家遥遥领先，而是模型变成水电煤一样的基础设施——谁都差不多好用，选谁取决于价格和服务。

而真正赚到钱的人，是拿着这些”水电煤”去盖房子、做菜、开工厂的人。

换句话说——

在大模型技术比拼中围观打分的人，永远不如拿起模型去解决具体问题的人赚得多。

七、一个朴素的判断

把Jeff Dean的城市规划Demo和Karpathy的跑步仪表盘放在一起看，本质上是同一件事的两面。

一面是：AI已经能独立完成一整套专业工作流了。

另一面是：但周围的世界还没准备好迎接它。

传感器不开放接口，产品不支持AI调用，数据格式混乱，系统彼此封闭——AI的能力已经溢出来了，但周围的管道还是老的。

这种错配，就是接下来几年最大的机会。

谁能把”老管道”换成”AI原生管道”，谁就能吃到这波红利。

不是做模型的人吃，是做连接的人吃。

Karpathy那1小时里，最大的时间消耗不是AI写代码，而是让AI去适配一台跑步机的老旧接口。

所以最后一句话，送给所有还在围观的朋友：

别再纠结哪个模型跑分更高了。能跑的模型满大街都是，缺的是你知道拿它去跑什么。

全文完。觉得有点意思，转发比点赞更有用。