夜雨聆风👆 点击上方「迷斯特的小宇宙」，加「星标」不错过精彩内容
我最近一直在想一个问题：AI 的发展，到底走到哪儿了？
说"早期"吧，ChatGPT 都出来三年了，大家用得很溜。说"成熟"吧，真正改变工作流的应用又屈指可数。这种模糊感让我很难受，直到有天我突然意识到——我们其实在重走计算机的老路，只是速度快了很多倍。
所以我想用计算机系统的发展史，来给 AI 做个坐标定位。
CPU：基础模型就是那块芯片
CPU 是什么？是计算的核心，是冯·诺依曼架构里那个什么都能算、但啥都不专精的通才。
GPT-4、Claude、Gemini 这些大语言模型，就是 AI 世界的 CPU。
你看 CPU 的发展史：Intel 4004 → 8086 → Pentium → Core → 现在的 M 系列芯片。每一代都是"更快、更省电、更多核"。AI 基础模型也一样，GPT-3 → GPT-4 → o1 → o3，本质上也是"更大、更准、更便宜"的迭代路线。
但 CPU 有个关键转折点——从单核提速撞墙，到多核并行。AI 也正在经历这个转折：单个模型的 scaling 开始边际递减，大家开始搞多模型协作、mixture of experts、thinking model……本质上就是"多核化"。
不同的是，CPU 的制程进步有物理极限，AI 的"算力密度"还没到那个墙。但那堵墙一定存在，只是我们还不知道在哪。
GPU：专用加速器的时代来了
GPU 一开始是给游戏画面做的，后来发现它特别适合跑矩阵运算，于是意外成了 AI 训练的核心硬件。这是计算机史上最有意思的"歪打正着"之一。
AI 里对应的是什么？是那些专用模型。
通用大模型是 CPU，但越来越多的场景需要专门优化的模型——代码生成、图像理解、语音、视频、蛋白质结构预测……这些"领域专用模型"就是 AI 世界的 GPU。它们不追求万能，但在特定任务上的能效比远超通用模型。
更深的类比是 AI 芯片本身：Nvidia H100、Google TPU、Apple Neural Engine……这些硬件加速器的竞争，其实就是 GPU 时代的延续。只是这次，软件（模型架构）和硬件（芯片设计）的协同优化，比以前更深度耦合了。
未来十年，我觉得"专用模型 + 专用芯片"的组合会越来越重要，就像当年"GPU + CUDA"重塑了整个计算生态。
操作系统：谁来做 AI 的 Windows？
这是我觉得最关键、也最被低估的一层。
操作系统做什么？管理资源、调度进程、提供标准接口、让应用不用关心底层硬件。没有 OS，每个应用都要自己驱动硬件，大规模繁荣就是空话。
AI 世界现在严重缺这一层。
最早能看清这件事，是因为 Claude Code 的一次意外。
2026 年 3 月底，有人发现 Anthropic 的 Claude Code 在发布 npm 包时，意外把 59.8MB 的 JavaScript sourcemap 一并打包上传了——相当于把源码裸奔在公网上。几小时后，开发者 Sigrid Jin 直接拿去做了 clean-room 重写，几天内收获 72k GitHub stars，这个项目叫 Claw Code。
为什么这么多人兴奋？
因为那份源码让大家第一次清楚地看到"AI OS"长什么样：
- 工具调度层 = 驱动程序：Bash、文件读写、网络请求统一注册，模型调接口，不碰底层
- 权限沙箱 = 内核安全模型：危险操作要审批，跟
sudo一个逻辑 - Hooks 机制 = 系统中断：事件触发→自动执行挂载脚本，工具调用前后都能拦截
- Memory 系统 = 文件系统：跨会话持久化上下文，下次打开还记得你在做什么
- 子 Agent 调度 = 进程管理：主进程 fork 子进程，后台并行，完成通知
- MCP 协议 = POSIX 标准接口：让任意来源的工具都能接进来
Claude Code 是"专有 AI OS"，就像 Windows——体验打磨好，但不开源。Claw Code 则是它的 Linux 版本——内核开放，任何人可以魔改，上面已经有人在跑自己的工具链了。
历史惊人地重演：当年 Unix 的代码流传出去，催生了整个开源运动。这次 Claude Code 的源码是"意外泄露"的，但结果一样。
不过现在两者都还是"Linux 早期"——强大，配置复杂，主要是开发者在玩，普通用户进不来。
真正的 AI Windows 时刻还没到。那个时刻的标志是：一个普通人打开电脑，不需要知道什么是 agent、什么是 MCP，就能自然地把 AI 接入自己的工作流。
谁先做到这件事，就是下一个微软。
应用层：杀手级 App，我们有了吗？
个人电脑真正爆发，是因为有了 VisiCalc（第一个电子表格），后来是 Word、Excel、Photoshop。互联网爆发，是因为有了浏览器、email、搜索引擎。智能手机爆发，是因为有了微信、Instagram、Uber。
每次新平台的崛起，都需要一个"只有这个平台才能做到"的杀手级应用。
AI 现在有了吗？勉强有一些：
Cursor / Lovable / 一堆"vibe coding"工具 是目前最接近的。它们做到了一件以前真的做不到的事——让不会写代码的人能造出可用的软件。这不是"更快的 IDE"，这是新物种。一个设计师打开 Lovable，用自然语言描述想要的产品，几分钟后跑起来了。这在以前需要招一个工程师。
Perplexity 也算。它改变了人获取信息的行为——不是搜索结果列表，而是直接给你一个有来源的答案。很多人用过之后真的不想回 Google 了。
豆包、千问 之类的国内应用，月活已经上亿，但说实话它们更像是"更聪明的 App 套件"，而不是创造了新行为。功能很多，但没有让人拍大腿说"没有这个我不知道怎么活"的瞬间。
总体来看：应用层现在是"有好工具、没有爆款"的状态。就像 1985 年，已经有 Lotus 1-2-3、有 WordPerfect，但 Windows + Office 那个真正打穿大众市场的组合还没出现。
真正的杀手级 App，我觉得需要满足一个标准：它做到了一件以前根本不可能做到的事，而且这件事的受众是所有人，不只是开发者。
vibe coding 很接近了，但还需要再往下走一层——等 AI OS 那层成熟，等普通人也能无缝接入。
互联网：AI 们开始联网了
互联网做了什么？让孤立的计算机彼此通信，创造了网络效应。
现在 AI 世界正在发生类似的事：multi-agent 系统。一个 AI 搜索、一个 AI 写代码、一个 AI 测试、一个 AI 部署——它们协作完成一个任务。这就是 AI 版的"联网"。
但现在这套东西非常原始，就像早期 ARPANET，协议混乱，可靠性差，只有少数极客在玩。MCP（Model Context Protocol）、A2A 这类协议的出现，是在试图建立标准化的 AI 通信协议，相当于 TCP/IP 在做的事。
这个方向我非常看好，但也要保持清醒：互联网从 ARPANET 到 WWW 用了二十年。AI 的速度会快很多，但"AI 互联网"真正成熟，也许还需要五到八年。
云：AI 正在被水电化
云计算做了什么？把计算从资产变成了服务。你不用买服务器，按用量付费，弹性扩容。AWS 把计算变成了像水电一样的基础设施。
AI 也在走这条路，而且走得更快。OpenAI API、Anthropic API、各种模型云服务——AI 能力正在被"水电化"。你不需要训练模型，不需要买 GPU，调个 API 就能用上顶级智能。
这个趋势的深层意义是：AI 的获取成本正在趋向于零，竞争优势会从"有没有 AI"转移到"怎么用 AI"。
意味着什么？意味着未来 AI 时代的赢家，不一定是最懂技术的人，而是最懂用户、最懂场景的人。技术会变成门槛极低的基础设施，就像今天没有人会因为"会用云服务器"而有竞争壁垒。
那我们在哪个年代？
把这些放在一起，我的判断是：我们大概在 1985 年。
个人电脑已经出现，但还没有 Windows。硬件（基础模型）已经足够好用，但 OS 层（agent 编排）还很原始——像 Claude Code、Claw Code 这样的工具是最早的原型，但离"普通人都能用"还远。互联网（multi-agent）的协议刚开始有人在搞。杀手级应用还没出现。
距离"AI 的万维网时刻"，可能还有三到五年。
这既让人兴奋，也让人焦虑。兴奋是因为最好的机会还没出现。焦虑是因为变化太快，很难判断该押注哪个方向。
但有一点我比较确定：每次计算平台的迁移，都会重新洗牌。PC 时代没跟上的人，在互联网时代有机会。互联网时代没跟上的人，在移动时代有机会。
AI 时代的牌，现在还没发完。
迷斯特的小宇宙，客户端技术背景，大前端技术、AI前沿技术分享，偶尔写写生活日记。
如果这篇文章对你有启发，点个「在看」或转发给朋友，是对我最大的支持 🙏
