我的一个判断
无APP,不是软件消失,而是人不再需要理解软件。
我越来越相信,我们可能是最后一代需要学习“如何使用电脑”的人。
过去80年,计算机换了很多形态,基本规则却没变:人先把自己的意图,翻译成机器能够理解的精确指令。
人一直在适应机器
早期是穿孔卡、命令行。一个字符输错,计算机就不认识你。
后来有了图形界面、键盘和鼠标。命令被藏进图标、窗口和菜单,电脑好用了很多,可规则并没有改变。我要发一封邮件,仍然要找到应用、打开窗口、点击按钮,按照软件规定的路径操作。
手机和触屏更方便,本质上仍然是人在寻找入口、学习界面、适应机器。
每一次进步,都在减少人理解机器的成本。
现在,规则倒过来了
我们可以说一句不完整的话,可以停顿、改口,甚至带着情绪。机器开始结合上下文,猜测我们真正想做什么。
我认为,这是冯·诺依曼体系确立以来,计算机历史上最剧烈的人机交互变革之一。真正变化的不是多了一个语音入口,而是“界面”开始退后。
所谓无APP,不是软件消失,更不是后端服务消失。它们会退到后台。消失的是人必须先找App、再学流程、再点按钮的操作方式。
比如我说:“帮我订周五晚上去上海的高铁,并把行程发给参会同事。”今天我需要在铁路、日历和通讯软件之间来回切换。未来,Agent会自己拆任务、选择服务、确认关键步骤,然后执行。
人只需要说清目标,不再需要背诵操作步骤。
桌面、窗口、App和菜单,是机器还不懂人时的翻译层。当机器能理解意图,很多界面就没有必要继续站在前台。
键盘鼠标不会明天消失,专业工作也会长期需要它们。但在大量日常场景里,语言、声音、语气、表情、眼神和动作都会成为输入;输出也不必困在显示器里,可以是声音、动作、环境响应,乃至技术成熟后的无介质空气投影。
声音、语气、表情和动作,都会成为下一代输入。
交互演进的方向一直很朴素:简单、易用、自然。
AgentOS不等于加一个聊天框
我不太认同给旧操作系统加一个聊天框,就叫AI OS。传统操作系统管理文件、进程和设备,AgentOS还要管理人的意图、记忆、技能、权限和执行过程。它至少要具备五种能力。
01 低延时
人与人对话靠的是节奏。用户不会关心模型用了多少Token,只会在意它有没有接住自己的话。
02 边听边说
真实对话不是“我说完,你再说”。人会插话、打断、补充和改口。机器必须全双工地听,也允许用户随时打断。
03 边思考边执行
Agent不该等答案写完才开始做事。它要一边理解意图,一边查信息、调用工具、控制设备,并把过程及时反馈给人。
04 能懂人
听懂字面意思不等于懂人。语气、表情、上下文、关系历史和长期记忆,都会改变同一句话的真实含义。
05 可进化
模型会升级,人的习惯也会变化。AgentOS要能积累记忆、安装技能、接入新的设备和执行智能体,越用越懂你。
五种能力,共同指向一种更自然的人机关系。
这五点不是一张功能清单。我在做aiweiOS的过程中越来越确定,AgentOS的目标,是让机器进入人的节奏,长期理解人、陪伴人、替人做事。
冯·诺依曼架构定义了机器如何计算,图形界面定义了人如何操作机器。AgentOS要重新定义的,是机器如何理解人。
过去80年,是人学习电脑。
接下来,电脑要学习人。
这就是aiweiOS正在进化的方向。
夜雨聆风