移动时代是 App,AI 时代是世界

AI 读完了整个互联网，却从没在一个世界里活过一天

我在微信负责过智能语音，也负责过视频号的推荐技术。前一件事让机器听懂人话，后一件事决定十亿人每天看到什么。

做语音助手的那几年，有一个问题一直没解决：机器早就听得懂人话了，但它能做的事，全是工程师一条一条写好的。

你说“帮我订明晚七点两个人的位子”，它听懂了，因为有人提前写好了“订餐”这个技能。你说“帮我订个位子，要是老王来不了就改成两个人，顺便问问能不能带狗”，它也听懂了，却接不住。不是它笨，而是没有人提前写过“要是……就……”。

大模型出来以后，我才看清这个问题的本质：我们一直在用一种为“机器听不懂人话”设计的软件形态，去服务一个机器已经听得懂人话的时代。

一、每个时代，都有一种服务的基本单位

PC 时代是软件，你买一张光盘装进电脑。互联网时代是网站，你打开一个网址。移动时代是 App，你在应用商店下载一个图标。

每一次迁移，都不是因为旧形态不好看，而是因为一个新能力出现，让旧形态的某个约束不再必要。网络让软件不必装在本地，于是有了网站；手机让人随时在线，于是有了 App。

App 背后的约束是什么？是机器听不懂人话。因为听不懂，人只能按设计好的流程走：点这个按钮，填那个表单，从第一页翻到第三页。App 的每一个界面，本质上都是在替机器把人的意图翻译成几个它能处理的选项。

大模型把这个约束拿掉了。约束没了，建立在它之上的形态，迟早要变。

二、App 和游戏，都是一份允许清单

不管是人写的还是 AI 写的，一个 App 本质上都是一份开发者事先列好的允许清单：哪些状态存在，哪些操作可以做，每个操作会导致什么，全写死在代码里。

游戏也一样。关卡、任务树、对话树、NPC 的每一句台词，都是事先写好的。五十年来的电子游戏，本质上都是选择题，选项是设计者写的。

允许清单有四个特点。输入是封闭的：它只接得住列过的操作，你在游戏里做了设计者没想到的事，世界没有反应。能力是固定的：多一个功能就要重新写代码、发版。逻辑和界面绑在一起：想换一种呈现，往往等于重写一个客户端。它不会从使用中学会新本事。

最后一点，我做推荐时体会最深。推荐系统每天都在学，但它学的是“给你看什么”，调的是参数，不是“程序能做什么”。一亿个用户用过之后，一个 App 能做的事，和第一天一模一样。

今天的 AI coding 很了不起，一个人一个下午就能做出一个 App。但它降低的是写清单的成本，写出来的仍然是清单。这就像有人发明了一支写得更快的笔，而真正的变化是印刷机。

三、两次只做对一半的尝试

第一次，是语音助手。行业里的标准做法是：先把一句话分类成某个“意图”，再把时间、地点、人数填进“槽位”，最后交给对应的技能执行。但意图和技能还是要人一个个写。技能商店里堆了成千上万个技能，大部分很少有人用。它把允许清单从按钮换成了语音，清单本身没变。

第二次，是给服务装上大模型对话框。这一次输入真正开放了，你说什么它都接得住。但新问题来了：事实没有地方放。库存多少、价格多少、规矩是什么，全靠模型自己“说”。它同时在当演员、裁判和记分员。

2024 年，加拿大航空的客服机器人向一位乘客编了一条不存在的退款政策。乘客告上不列颠哥伦比亚省的民事裁决庭，航空公司被判照赔。那个机器人不是不够聪明，而是在它开口之前，没有任何东西告诉它：这一条不成立。

两条路各缺一半：写死的程序有事实，但输入封闭；对话框输入自由，但没有事实。

四、AI 读完了互联网，却从没活过一天

为什么大模型这么聪明，到了真实场景却总出错？

Ilya Sutskever 去年在一次长访谈里说，过去五年是“规模的时代”，现在要重新回到“研究的时代”。他指出了一个让所有人困惑的现象：模型在评测上表现惊人，放到现实里却经常失败，泛化能力远不如人。他说，有某个重要的东西一直缺着。更早一些，他还说过一句被反复引用的话：数据是 AI 的化石燃料，而我们只有一个互联网。

我的理解是：互联网是世界留下的记录，不是世界本身。大模型学到的，是人类经历过的影子。

人不是靠读书学会生活的，而是靠做事、承担后果：答应了要兑现，骗了人会失去信任，贪心囤积会被人记住。大模型知道“承诺”这个词的一切，却从没被一个承诺约束过。

其实，已经有一个领域证明了“后果”的力量：写代码。所有 AI agent 里，最先真正好用的是写代码的 agent。不是因为写代码简单，恰恰相反，它很难。它先好用，是因为代码的世界有后果：模型改了一段代码，编译器和测试立刻告诉它成不成立、错在哪里。对错能被判定，模型才敢放手去试、去错、去改。这也是强化学习在数学和代码上效果最好的原因。

购物、约定、交易、人与人之间的事，AI 为什么还不可靠？因为这些领域没有后果，AI 说“已经给你订好了”，没有任何东西去核对。

强化学习的奠基人 Richard Sutton 和 AlphaGo 的主导者 David Silver，2025 年合写过一篇文章，题目叫《欢迎来到经验时代》。他们的判断是：靠人类数据的时代正在到顶，下一阶段，AI 要从自己与世界的交互中学习。

五、世界推理引擎：骨骼、思考和记忆

世界推理引擎造的，就是这样一个世界：人和 AI 同在其中，做的事有后果，发生过的事被记住。它由三样东西构成：

法则是骨骼。它规定什么会成立、什么不能错。

大模型是思考。它听懂意图，推理还没被写下的事，生成叙述和画面。

状态是记忆。东西归谁、谁欠谁、谁答应过什么，记在同一本账上。写进去就不再改写，可以回放，也可以从任何一刻分叉出另一条线。

这里说的法则，不是一本法律条文，而是让一个世界活起来的全部逻辑。以一座海边小镇为例，它至少有六层：

法则和大模型怎么分工？有两种方式。

第一种，法则裁决。不能错的事，由大模型提议、法则判定。你对一家琴行说：“这把我要了，用上次那张卡，周五前送到。”大模型把这句话变成提议；法则检查有没有货、卡能不能用、周五送不送得到；成立了，订单写进账本。到了周五，世界自己去看送没送到，没送到就按规矩退款。同一件事，你看到的是一把包好的吉他，店主看到的是一笔订单，聊天里是一句“周五送到”。

第二种，法则供给事实，大模型推理。开放的事，比如一个居民听了你的话是生气还是感动，一场谈判谁占了上风，引擎从状态里取出当前的事实交给大模型，让它推理，推理完再写回去。但写回要过一道关：钱不能凭空多出来，东西不能同时在两个人手里，发生过的事不能改，每一条都记下是法则定的还是大模型判断的。大模型可以思考，但不能改写现实。

六、一个会学习的世界

把这三样东西放在一起，会发生一件 App 永远做不到的事：世界会在使用中长出新本事。

大模型反复推理同一类事，比如“托人代办的承诺算谁的”，推理多了，就提炼成一条新法则，验证不冲突后写进法则库。以后同样的事，由法则直接裁决，不再调用大模型。AI 在世界里经历的每一次判断，都可能变成这个世界的一条法则。这就是经验。

这件事带来三个后果。

它接得住没写过的事。过去的程序规定你能做什么；世界只规定什么会成立。

它越用越聪明。App 被一亿人用过，能力不变；世界被用得越多，会做的事越多。而且一个世界学会的法则，所有世界都能用。

它越用越便宜。法则先把“能做的事”列出来，选择就从开放问题变成了选择题，一个很小的决策模型就能做好。按我们目前的实现测算，决策成本大约是“每一步都交给大模型”的九十五分之一。法则覆盖得越多，需要大模型出场的地方越少。

今天所有人都在拼谁的模型更大、算力更多。但在一个会学习的世界里，真正的资产不是算力，而是积累下来的法则。模型可以换，架构可以抄，一个世界活过的经历抄不走。

七、谁会被替代

最先被替代的，是写死的游戏。角色扮演、模拟经营、生活模拟、开放世界，这类游戏的天花板正是“只能做设计好的事”：内容永远写不完，NPC 永远不记事。

接下来，是流程型的 App。预约、商店、社群、课程，从“让人走流程”变成“让人说意图”。意图简单时，一句“照上次那支再买一支”就办完；意图需要探索和判断时，世界才展开。

不会被替代的，也要说清楚。竞技游戏、棋牌、体育，规则固定本身就是乐趣；交水电费这种事，人要的是快，不需要一个世界。

写代码也不会消失。物理引擎出现后，游戏不再手写碰撞，但物理引擎本身就是大量代码。世界推理引擎本身，也是代码。变的是代码的位置：少写流程固定的 App 和关卡固定的游戏，多写引擎、法则和接口。造一个服务的人不再写代码，只需要说清它的法则。

八、它从一座小镇开始

这么大的判断，需要先在一个具体的世界里被证明。最合适的地方是游戏，因为游戏是要求最高的世界：输入完全自由，很多个 AI 和真人同时行动，有交易、有约定、有秘密。

我们的第一个世界叫 A Summer in Harbor，一座海边小镇，住着二十多个 AI 居民。每个居民有自己的私心和有限的资源，所有东西记在同一本账上：口头说“我答应了”不算，签下的约才算。

有一天，一个玩家托一位居民替他去送面粉。这件事以前没人做过，小镇里也没有一个叫“代办”的按钮。引擎当场要回答一个新问题：代办的承诺，算谁的？大模型根据当时的状态做出判断，这个判断验证通过后，沉淀成了一条新法则，别的世界也能用。玩家在像素小镇里看到的，是居民背着面粉走过码头；在聊天里收到的，是一句“面粉送到了”。

那一刻，没有任何人写过一行“代办”的代码。是世界自己学会的。

虚幻引擎最早是为一款叫《Unreal》的游戏造的，后来成了整个行业的底座。世界推理引擎也可能这样长大：先是一座小镇，然后是任何人都能造的世界，再到生活里的各种服务。

九、每个人的平行世界

Harbor 只是第一个。同一个引擎，换一套法则，就是一个新的平行世界。

它可以是你和朋友的平行生活：一起开店、合伙、立约，做过的事都算数，故事没有人提前写好。它可以是一个真实社区、一场活动、一家门店的平行版本：线下发生的事写进状态，线上的关系跟着变。它也可以是一个练习场：谈判、管理、创业，在一个会记住后果的世界里先活一遍。

平行世界还有一个现实里没有的能力：分叉。因为每一刻的状态都被完整记下，你可以从任何一刻重开一条线，看看“如果当初没借那艘船”，世界会怎么走。

以前，造一个世界要一整个游戏工作室。现在，说几条法则，世界就开张。移动时代，每个人都有一个朋友圈；AI 时代，每个人都可以有一个自己的平行世界。

结语

我做语音助手时最大的遗憾是：机器听懂了，却接不住。今天的大模型接得住了，却说了不算。

移动时代，我们把世界拆成一个个 App，让人去适应机器的流程。AI 时代，机器终于能理解人了，服务也该反过来，重新变回一个世界。

这个世界，对人是一种新的服务形态，也是每个人都能造的平行世界：你说出意图，法则裁决结果，世界记住发生过的事。对 AI，它是从没有过的东西：一个能活在其中、承担后果、积累经验的地方。

互联网教会了 AI 说话，世界才能教会 AI 做事。