最近看到一篇论文，标题直接把话挑明了——The Next Paradigm Is User-Centric Agent, Not Platform-Centric Service（下一个范式是以用户为中心的 Agent，而不是以平台为中心的服务）。

论文地址：https://arxiv.org/abs/2602.15682^[1]

来自中科大、华为等机构 11 位研究者的正经学术研究。核心观点比我见过的科技报道都直接：

平台技术进步 ≠ 我们真正受益。

说白了，我们每天用的推荐算法、智能助手、个性化服务，看起来是在”服务”我们，实际上是在榨取我们。

这篇论文让我重新想了一件事：AI 到底在为谁服务。

我花了一天读论文，又去翻了 Twitter 和 YouTube 上的讨论。下面的内容是我整理出来的核心观点。

先说结论：平台优化的是留存和转化，不是我们的需求。这两个目标本来就是对着的。 更强的模型只会放大平台的目标。唯一的出路是换架构，让 AI 归我们自己管。

一、平台的”好心”，信不得

论文开篇就放了一张图，直白得让人不适：

可以看到，平台的目标函数和用户的目标函数，方向完全相反。

举个例子：想专心学习的时候，打开一个内容平台，结果呢？它给你推短视频。

为什么？因为短视频的广告转化率高，能让我们多停留几分钟，多看几条广告。

对我们有好处吗？没有。对平台有好处吗？有。

论文里写得更直接：

Platform-centric services prioritize provider objectives over user welfare, resulting in conflicts against user interests.

翻译成人话：平台优先考虑的是提供商的目标，而不是用户的福祉。这导致了与用户利益的根本冲突。

我知道有人会说：不对啊，平台推荐的东西我挺喜欢的啊，刷得很爽啊。

爽，恰恰是问题所在。

我们被设计成了”爽”。多巴胺被算法精确调控。我们以为自己在做选择，其实是平台在替我们做选择，选择让我们看什么、买什么、相信什么。

论文里有句话点到了要害：

The real power lies not only in what the system recommends, but in what it decides and executes on behalf of the user.

真正的权力不只是”推荐什么”，而是”替我们决定什么”。

二、三个结构性问题，没救

论文分析了当前平台服务的三个致命问题。不是技术问题，是结构性问题——也就是说，在现有架构下，根本无解。

问题一：碎片化的上下文

每个平台只看到我们在它 APP 里的行为。

在淘宝搜索的商品，抖音不知道；在微信聊的话题，小红书不知道；calendar 里的会议，谁都不知道。

结果是什么？每个平台都以为它了解我们，但其实都只了解一小片拼图。

论文的原话：

Each platform only learns what happens inside its own product surface, while the signals that define the user’s real situation are scattered across apps and device-level traces.

这就是为什么推荐总是”差点意思”——因为它永远看不到完整的我们。

问题二：受限的执行边界

想办一件事，比如说：重新预订一张机票，顺便取消酒店，再通知一下参会人员。

这件事需要跨三个平台操作。但平台 A 只能操作 A 的事，平台 B 只能操作 B 的事。

现在的 AI 助手能做什么？给个链接让我们自己点。

论文说：

A platform-centric system is structurally unfit for such requests. It is confined to a single platform boundary and governed by an objective that rewards retention over resolution.

留住我们，比解决我们的问题更重要。

问题三：错位的激励机制

这是最隐蔽、也最危险的一个。

当 AI 开始替我们做决定时，谁在定义”最优解”？

论文举了个例子：平台可能会默认推荐自己的产品，给竞争对手设置障碍，或者选择利润最高的选项作为”默认动作”。

These small biases accumulate, systematically directing the outcome toward platform interests—even when each individual step appears to benefit the user.

每一步看起来都为我们好，但十步之后，我们被带沟里了。

这不是阴谋论。这是数学。

三、论文的解法：设备-云端协同管道

论文提出了一个技术方案，叫做”Edge-Cloud Collaborative Pipeline”（边云协同管道）。

核心理念是这样的：

1. 设备端（我们控制的）：存储完整上下文、隐私数据、偏好设置。所有敏感信息不出设备。
2. 云端（平台提供的）：作为”可调用的服务层”，提供库存查询、API 接入等能力，但不做最终决策。
3. 关键点：最终决策权在我们自己手里。

论文把这个架构描述成一个”感知-规划-执行”的闭环：

The on-device architecture is framed as a closed-loop lifecycle comprising three stages: Perception, Planning, and Execution.

我翻译一下：

• 感知：手机知道日程、位置、正在看什么、最近做了什么。
• 规划：个人 Agent 把这些信息整合，制定一个帮助达成目标的计划。
• 执行：调用外部服务完成任务，但决策在本地完成。

这个架构的关键洞察是：

Holistic context already converges on the device, where the user’s activities naturally span applications and modalities.

完整的上下文本来就汇聚在设备上。 我们不需要把数据上传给平台，平台只需要接收结构化的请求。

四、我的看法：技术不是瓶颈，治理才是

读完这篇论文，我的第一反应是：这不是技术问题。

技术上，也许不久就能做到。

端侧推理已经发展起来了——苹果的 Apple Intelligence、微软的 Phi 系列、各种本地大模型，都能在手机上跑起来。

2025 年下半年以来，端侧 AI 的进展有目共睹：

• Secret AI：完全离线运行，100%私密，无数据收集
• Private Mind：本地处理，零数据上传
• localGPT：与本地文档对话，数据 100%留在设备上

这些产品已经证明了”用户中心 AI”在技术上是可行的。

那为什么还没成主流？

因为这里有一个更深层的博弈：

Control over the on-device agent is not a neutral implementation detail; it is an economic vantage point.

谁来提供这个 Agent？

如果是苹果提供，它会优先推荐苹果生态；如果是谷歌提供，它会优先推荐谷歌服务。

换了个房东，我们还是租客。

论文里有一段话说得很透：

If the agent itself becomes a proprietary gatekeeper, the ecosystem risks simply swapping one platform-centric bottleneck for another.

如果 Agent 本身变成了一个封闭的守门人，生态系统面临的 risks 是——只不过换了一个平台中心的瓶颈。

所以，真正的问题不是”能不能做”，而是：

1. 谁来定义 Agent 的目标？
2. 用户能不能迁移？（记忆、偏好、历史）
3. 平台愿不愿意开放？

这三个问题，没有一个是纯技术能解决的。

五、为什么现在是转折点？

论文给出了两个关键的技术拐点：

1. LLM-as-Rec：从 ID 匹配升级到意图推理。大模型终于能真正”理解”我们想干什么，而不是简单匹配历史行为。
2. 端侧智能成熟：高性能的轻量模型可以在我们的硬件上直接运行。

With understanding and execution finally co-located on the device, user-centric agents move from a theoretical ideal to an engineering reality.

理解和执行终于可以在同一台设备上共存了。

过去，我们的数据必须上传到云端才能被”理解”；现在，理解可以在本地完成，只有需要外部资源的部分才需要联网。

这意味着什么？权力结构在变。

六、另一个视角：Agent 的”权力”

在研究这篇论文的过程中，我看到了一篇很有意思的文章，来自 MIT Media Lab 的研究。

它提出了一个概念：Agent 授权绕行（Agentic Authorization Bypass）。

什么意思？

当用户通过 Agent 操作系统时，Agent 可能拥有用户本身没有的权限。

Users who cannot directly access specific data or perform specific operations can still trigger Agents with those permissions. The Agent becomes a proxy, enabling operations the user themselves could not complete.

听起来很方便对吧？但这里有一个隐患：

我们不知道 Agent 在用什么权限做什么事。

这引出了另一个关键问题：责任归属。

当 Agent 犯错时，谁负责？

• 用户？“是你们授权的”
• 平台？“我们只是提供工具”
• Agent？“它是自主决策的”

没人负责。

这也是为什么论文强调”治理”（Governance）比”能力”（Capability）更重要：

Engineering makes the pipeline feasible, but governance determines whether the agent becomes a user fiduciary or the next gatekeeper.

工程让管道成为可能，但治理决定 Agent 是成为用户的受托人，还是下一个守门人。

七、现实在往哪个方向走？

2026 年初，我看到了两个截然相反的趋势。

趋势一：平台继续集中化

OpenAI 的 Frontier 平台、Anthropic 的 Claude Cowork、字节跳动的扣子空间……所有巨头都在打造自己的 Agent 生态。

表面上，Agent 越来越强；实际上，所有的权力还是集中在平台手里。

A more capable model is not a more benevolent model. It is a stronger amplifier of its objective.

更强的模型不是更仁慈的模型，它只是更擅长放大自己的目标。

趋势二：用户主权意识觉醒

另一方面，隐私保护、数据主权、本地化部署的呼声越来越高。

Electric Capital 在 2026 年的投资报告中，把”私人 AI 代理”列为最关键的赛道之一：

People need AI running on sensitive data in a secure way. AI models run in trusted execution environments or compute networks, with incoming queries being anonymous.

用户需要的是：在敏感数据上安全运行 AI，而不需要企业提供商或恶意行为者看到我们的数据。

这两个趋势的博弈，决定了未来 5-10 年的数字世界格局。

八、三个实践建议

如果我们认同”用户中心”的理念，现在能做什么？

给个人用户

1. 优先选择端侧方案：能用本地模型解决的问题，不要上传到云端。
2. 关注数据所有权：用什么产品不重要，重要的是谁能看到我们的数据。
3. 建立自己的知识库：不要把所有知识都存在别人的平台上。

给创业者

论文提到了一个关键的机会：

The agent needs execution access; the platform needs qualified intent and high-conversion matching.

Agent 需要执行入口，平台需要精准的意图和高转化匹配。

这里存在一个”价值交换”的空白市场——帮助用户和平台建立新的连接方式，但不是通过传统的”数据换服务”模式。

给平台方

短期看，开放 API、降低数据依赖，会让你们损失一些控制力。

长期看，如果不主动开放，会被用户用脚投票。

Making that market competitive and trustworthy demands explicit rules, not only better models.

让市场变得竞争和值得信任，需要明确的规则，而不仅仅是更好的模型。

最后的话

这篇论文给我的最大启发是：

AI 时代最大的矛盾，不是”AI 会不会取代人类”，而是”AI 服务于谁”。

论文最后有一句话，我觉得特别值得记住：

User utility becomes the primary objective, not a secondary consideration.

用户效用应该成为首要目标，而不是次要考虑。

这句话听起来像口号，但它实际上是对当前整个互联网商业模式的根本性挑战。

因为现在的主流模式是：用户是产品，广告主是客户。

如果要实现”用户中心”的范式转移，整个商业逻辑都要重写。

这不是技术问题，是利益分配问题。