AI 接入手机之后,真正会消失的不是 App

QUOTE

AI 手机真正的分水岭，不是它更会聊天，而是它开始替你理解情境、调动服务，并且承担行动的后果。

前几天，我在 ChatGPT 里看到了一个正在逐步开放的 Health 入口。

经过许可，它可以连接 iPhone 里的苹果健康，读取部分睡眠、活动和医疗记录，帮助用户把分散的数据放进同一段对话里理解。

这个功能并不炫目。它甚至还不能把数据写回苹果健康，也不能代替医生。

— OpenAI 官方资料中的 Health 入口（资料图）

但我盯着那个入口看了一会儿，突然意识到一件有点荒唐的事：

手表每天在记录我，手机里也早就存着我的睡眠和活动数据，可真正需要把这些东西联系起来时，仍然要靠我自己。

健康数据在一个 App，工作安排在另一个 App，天气、路线、家人的时间和我最近的状态，又散落在更多地方。手机什么都知道一点，却没有谁对“这个人现在究竟需要什么”负责。

我以前以为自己在使用几十个 App。

换个角度看，我每天其实都在替它们打工。

我负责搬运信息、解释目标、比较选项，再把一个软件的结果交给下一个软件。

这才是 AI 接入手机以后，最值得讨论的变化。

不是手机里多了一个聊天框，而是那个一直由人承担的“总调度”位置，第一次可能换人。

本文看点

假设我想带家里人出去两天。

我先翻日历找共同空闲时间，再看天气，查车票和酒店，打开地图判断路程，算总预算，最后回到微信里逐个确认。

每个 App 都完成了自己的工作。

但没有任何一个 App 对“让一家人轻松出去两天”这个目标负责。

负责把日期、价格、路线、偏好和人的状态连起来的，一直是我。

这类劳动太常见，以至于我们已经感觉不到它：把短信里的地址复制到地图，把邮件里的时间放进日历，把购物平台的价格记在脑子里，再去另一个平台比较；报销时把订单、发票和表格来回搬运。

软件越多，能力越强，人反而越像一个不停转发消息的基层协调员。

2023 年，Bill Gates 写过一篇关于 AI Agent 的文章。他认为，今天使用电脑必须先告诉设备“我要用哪个 App”，而 Agent 会把这一步改成“我想完成什么”。

这个判断击中的核心，远不止语音取代点击。

它让我们终于承认：今天的人，才是所有 App 之间那层看不见的中间件。

技术圈里有一个很流行的说法：未来 80% 的 App 会消失。

这个数字更像一句传播口号，算不上严谨统计。但它背后的机制值得认真看。

Peter Steinberger 的解释很直接：大量 App 本质上只做两件事——管理一组数据，或者触发一个动作。

打车平台管理司机、路线和订单，再触发派车；外卖平台管理商家、商品和配送，再触发交易；日历保存事件，再触发提醒。

这些服务当然不会消失。司机、库存、支付、售后和履约网络，AI 也不可能凭空生成。

变化在于，用户未必还要亲自进入每一层页面。

当我说“十分钟内叫一辆回家的车，不超过五十元”，Agent 可以理解地点、预算和时间，再调用获得授权的服务。平台最难被替代的是运力和履约，五个按钮倒没有那么重要。

不过，Reddit 上的反对意见也很有道理：难道 Agent 要替我刷朋友圈、玩游戏、画画和逛商店吗？

这里恰好有一条经常被忽略的分界线：

一个人想买到最便宜的白衬衫，Agent 很有用；另一个人周末就是想慢慢逛两个小时，替他直接下单反而拿走了乐趣。

所以，未来更不像“一切都被聊天框吞掉”。

更可能的情况是：办事时我们委托，探索时我们亲自进入；服务留在后台，体验继续站在前台。

“意图驱动”是 X、手机行业和产品圈最近反复出现的词。

Nothing 的 Carl Pei 把它概括成从 App-centric 走向 intent-centric：人不再先找软件，而是先表达目标。

这比今天的操作方式更接近人的思考顺序。

比如我说：

“给家里人安排一次两天的短途旅行。预算三千元，不要早起，不去太累的景点。先给我两个方案，订票之前问我。”

这句话里已经包含目标、预算、偏好和审批点。

Agent 需要把这段意图编译成一组任务：读取共同空闲时间、寻找目的地、比较交通与酒店、检查天气和体力要求，最后只把需要人判断的差异摆出来。

但自然语言也不是万能界面。

精修一张照片、剪一段视频、浏览陌生商品，或者在地图上感受街区距离时，直接看、拖、点，往往比用一句话描述更准确。

因此，未来的手机大概会同时保留三种交互：

真正先进的 AI 手机，不会逼所有人一直说话。

它应该知道什么时候替我做，什么时候把选项摊开，什么时候安静地把控制权还给我。

为什么这个变化最可能先发生在手机上？

因为手机不只是一个装 App 的盒子。

它同时握着身份认证、位置、相机、通信录、日历、通知、支付和应用权限。手表、耳机、眼镜、汽车与家庭设备，还会不断把身体和现实世界的信息汇到它附近。

ChatGPT 连接苹果健康的意义正在这里。

它当然增加了一个数据源。更重要的是，AI 第一次有机会把“你问了什么”和“你正处在怎样的状态”放在一起理解。

睡眠不好时，日程安排可以少一点；旧伤复发时，周末计划不必硬塞进高强度徒步；家人突然发来一条消息，交通、天气和时间可以一起重新计算。

当然，这些都还是未来推演，当前产品还没有自动做到。

但底层道路已经露出来了。Apple 正通过 App Intents、Shortcuts 和系统级智能，让应用的内容与动作能被自然语言发现和调用；OpenAI 的连接应用已经能在权限规则下读取信息或执行部分动作。

如果把一部真正的 Agent 手机拆开，它至少需要五层：

今天的操作系统主要管理文件、进程和权限。

未来的操作系统还要管理一件更难的东西：一个代表人行动的软件，究竟可以替这个人走多远。

— 从 App 中心到意图中心：人从中间件变成规则制定者

一个 Agent 偶尔替我点几下手机，并不算真正懂我。

真正的个人 Agent，需要知道我不喜欢早班机、家里谁容易晕车、哪些会议可以推迟、什么情况下我愿意多花一点钱，以及过去某次决定为什么让我后悔。

这些记忆越完整，我需要解释得越少。

可一旦关于“我是谁”的模型只存在某一家公司的服务器里，方便就会变成一种比今天更深的平台锁定。

更换 AI，不再只是换一个软件，而像是辞退一个相处多年的助理，同时丢掉它对你生活的全部理解。

X 和 Hacker News 上有不少开发者正在讨论“可携带的 AI 记忆”。讨论早已超出把聊天记录打包下载，开始落到更具体的问题：

什么可以被记住？一句随口抱怨会不会被永久当成性格？错误记忆如何纠正？敏感信息何时衰减？换模型时，偏好、关系和长期目标能不能一起带走？

这让我越来越觉得，长期记忆可能是下一代账号体系。

成熟的个人 Agent，至少应允许用户查看、修改、删除和导出记忆；不同信息有不同保存期限；本地能处理的尽量留在本地；每次重要判断都能说明用了哪些上下文。

未来最重要的数字资产，可能不只是照片和文件。

还包括那个由多年选择、关系和边界组成的“数字版自己”。

App 时代的商业竞争，核心是争夺屏幕和停留时间。

谁让我点开，谁就有机会展示广告、推荐、会员和促销。因此许多软件不断制造红点、弹窗和信息流，让人多停一会儿。

Agent 成为入口后，竞争规则会发生变化。

代表我行动的 AI 不会因为按钮更大就选择某个打车平台，也不会因为首页更热闹就多买一份订阅。它更在意价格、可靠性、取消规则、隐私政策和服务是否能被稳定调用。

这对用户当然是好事。

但另一个问题马上出现：当我不再亲自比较，谁来影响替我比较的 Agent？

商业机构已经在研究“赞助建议”“Agent 可读商品信息”和跨品牌打包交易。国内科技媒体也在观察同一场争夺：AI 原生应用要向外连接支付和本地服务，微信、支付宝一类超级 App 则试图把现成的商家、账户和履约网络折叠进一个智能入口。

过去，品牌花钱影响人的注意力；未来，它们可能花钱影响 Agent 的候选清单。

过去我们担心广告混进搜索结果；以后更难察觉的事情是，商业利益混进了一句听起来完全为我着想的建议。

这意味着，下一场平台战争争夺的不是桌面上还剩几个图标，而是“代理权”。

谁控制默认 Agent，谁就可能同时继承搜索引擎、浏览器、应用商店和支付入口的部分权力。

那时最重要的问题不再是“AI 能不能替我买东西”，而是：

它替我选择时，究竟代表我，还是代表给它分成的平台？

如果顺着今天的技术和商业利益往前推，未来至少可能出现三种手机。

第一种是私人代理。

记忆和规则由用户持有，Agent 代表我去比较多个服务，必要时甚至和航空、酒店、保险公司的 Agent 直接协商。它更像我的雇员，平台只是它调用的供应商。

第二种是平台代理。

它体验最顺滑，支付、账号和服务都已接好，却也更可能优先使用自家生态。它像一位免费的五星级管家，只是工资并不是我发的。

第三种是野生代理。

平台不愿开放接口，它只能像人一样看屏幕、点按钮、填表格。演示时无所不能，页面一改就可能走错；出了问题，也很难说清责任落在哪一环。

现实世界大概会是三种路线的混合。

与其只看能力强弱，我更关心它的利益关系是否清楚：谁付钱、用了什么数据、为什么选这个服务、哪一步必须问我，都应该看得见。

否则，我们只是把几十个不透明的 App，换成一个更强、更懂我、也更难逃离的黑箱。

看几段演示视频，很容易觉得这种未来已经到了。

论文给出的现实要冷静得多。

Google Research 在 AndroidWorld 中测试了 20 个真实 Android 应用里的 116 类任务，论文当时最好的基线 Agent 只完成了 30.6%。后来一些系统在这类基准上进步很快，但当 MobileWorld 把任务变得更长、增加跨应用操作和中途人机协作后，最佳规划—执行框架的成功率是 51.7%，端到端模型只有 20.9%。

这几组数字不能简单横向排名，却共同说明一件事：

点到按钮，不等于理解目标；完成一步，不等于把整件事可靠地做完。

一次回答错误，也许只是麻烦。一次付款、删除、发消息或修改健康信息出错，后果完全不同。

所以，真正决定 Agent 何时能接管手机的，不只是模型有多聪明，还包括那些看起来不够性感的基础设施：

最小权限、敏感操作确认、独立身份、完整日志、超时停止和一键回滚。

Apple 在新的 App Intents 里强调敏感动作确认、取消清理和可撤销操作；OpenAI 对有外部影响或难以撤回的连接应用动作默认要求确认；Microsoft 讨论 Agent 时，重点也包括隔离、身份、策略和可观察性。

这几家公司并非突然保守。

当 AI 从“说”走向“做”，产品第一次需要为行动承担责任。

我最初只是看到 ChatGPT 可以连接苹果健康。

如果只把它理解成一个健康功能，这件事很小；把它放进手机发展的长线里，它又像一道裂缝，让我们提前看到后面的结构。

过去十几年，手机把生活拆进几十个 App。

下一阶段，AI 会尝试把这些分散的能力重新组织起来。

办事型界面会逐渐退后，体验型界面仍会留下；自然语言负责表达目标，临时界面负责比较和确认，专业界面保留人的精细控制；Agent 接走软件之间的搬运与协调，而人从操作者变成治理者。

所谓治理者，不是每一步都亲自点。

而是决定目标、预算、禁区、审批点，以及失败以后怎么办。

所以，AI 手机最重要的未来，并不是“它可以任意操作我的手机”。

恰恰相反。

它可以替我行动，但不能绕过我的规则；它可以越来越懂我，但不能因此拥有我。

真正会消失的，也许不是 App。

而是那个每天被迫替几十个软件传话、搬数据、记步骤的自己。

资料说明：本文参考 OpenAI 的 Health in ChatGPT 与 Apps in ChatGPT 官方说明、Apple Intelligence 与 App Intents 开发者资料、Microsoft Windows Agentic 安全设计、Bill Gates 的 AI Agent 长文、Peter Steinberger 关于 App 服务化的论述、Carl Pei 关于 intent-centric computing 的公开观点，以及 X、Reddit、Hacker News 的相关讨论；能力边界参考 AndroidWorld、MobileWorld 与 DevicesWorld 论文。文中关于未来形态的内容为基于现有产品、接口、论文与商业趋势所作的推演，不代表相关产品已经实现。