夜雨聆风上周末跟一个做AI的朋友喝酒，他说了件事我挺意外的。
他们做了一个客服AI，本来只想让它回答点简单问题——价格啊、发货啊、退换货什么的。
结果用了三个月，发现这个AI学会了一些他们没想到的东西。
它能听出客户是不是生气了。客户说"怎么这么慢"，它不会只回物流信息，会先说句抱歉，再解释。
它能猜到客户接下来要问什么。客户问"什么时候发货"，它有时候会主动说"一般3-5天能到"。
最离谱的是，有个客服发现，这个AI会"看人下菜碟"。 对着急的客户它回得简短，对闲聊的客户它会说得多点。
我朋友说，这些功能他们一个都没写过。
是AI自己学会的。
这事为什么奇怪
说奇怪，是因为传统软件干不出这种事。
传统软件是按规则来的。你写什么规则，它执行什么规则。
客户说"怎么这么慢"，传统软件只会去查物流单号——因为规则就这么写的。
它理解不了"慢"字背后的情绪，也理解不了"我先道个歉再解释"这种策略。
因为情绪啊、策略啊，这些东西写不进规则里。
但AI Native不一样。
它不是在执行规则，它是在理解情况。它理解了"怎么这么慢"不是在问速度，是在表达不满。理解了，就知道该先道歉。
理解这东西，没法写进代码。但AI能学会。
什么是生长型应用
我朋友后来跟我琢磨了个词，叫"生长型应用"。
不是传统那种"开发什么功能用户就用什么"的应用，而是"用户怎么用它就怎么长大"的应用。
就像那个客服AI。
他们做出来的版本，只会回答基础问题。但用在真实场景里，跟客户聊得多了，它就学会了怎么识别情绪、怎么预判问题、怎么调整语气。
这些东西，不是产品经理设计的，是它自己"长"出来的。
传统软件为什么做不到
后来我想了想，传统软件为什么做不到。
因为传统软件的逻辑是"定义"。
- 定义它能做什么
- 定义它怎么做
- 定义它遇到什么情况怎么响应
所有可能性，都得提前想好。想不全，软件就出bug。
但真实世界哪能想全啊。
那个客服AI，要是用传统方式做，得写多少规则？
客户生气了怎么办？客户不耐烦了怎么办？客户问了一个规则里没有的问题怎么办？
写不完的。
AI Native的好处是，你不用预判所有情况。你给它一个基础能力，它在跟真实用户的互动中自己学。
从"定义"到"培育"
我朋友说，他们团队最大的变化，是产品经理的工作方式变了。
以前是"定义"——开会讨论功能列表、画原型、写需求文档，把所有可能性想一遍，然后告诉开发做出来。
现在是"培育"——给AI一个基础能力，看用户怎么用，用得不好的地方调整提示词，发现新的用法就扩大能力边界。
从"预判所有可能性"到"让可能性自己生长"。
他说这种感觉像养植物。
你不能告诉植物"你该长出几片叶子、往哪个方向长"。你只能给它土壤、水、阳光，然后它自己会长。
长成什么样，你也控制不了。但你知道它会长大。
一个更实在的例子
说个更实在的例子。
我有个做设计工具的朋友，他们的传统软件有几百个功能：画笔啊、滤镜啊、图层啊……每个都是精心设计的。
但用户还是不买账。因为用户想要的"效果"，跟你提供的"功能"之间，隔着一道墙。
用户想做个"科技感的海报"，得先学会怎么用滤镜、怎么调颜色、怎么排版。学习成本太高。
后来他们改了，让用户直接描述想要的效果，AI来生成。
然后发生了一件他们没想到的事。
有个用户用这个AI做简历，用着用着发现，这个AI能"记住"他的偏好。他喜欢什么风格、用什么颜色、怎么排版，AI记住了，下次自动按他的风格来。
这个"记住偏好"的功能，他们根本没设计过。
是AI在跟这个用户的互动中自己学会的。
怎么判断是不是真AI Native
说了这么多，怎么判断一个产品是不是真的AI Native？
我朋友说，就看一件事：
把它扔给用户，三个月后，它有没有学会一些产品经理没想到的东西？
如果有，那就是真的在"生长"。
如果三个月后还是刚上线时的样子，那它只是个有AI功能的传统软件。
最后
其实我写这篇文章，是因为发现很多人对AI Native的理解还停留在"加个聊天窗口"。
但AI Native不是加功能，是从底层重新定义产品逻辑。
传统软件是成品，出厂是什么样，一辈子就是什么样。
AI Native是种子，在跟用户的互动中，会自己长大。
长成什么样，没人知道。但知道它会长大。
这可能是软件历史上第一次，我们能造出会自己长大的东西。
挺有意思的。