AI在狂飙，但人类习惯走得很慢

当前几乎所有新型 AI 创业团队都在奔向同一个预期中的终点：语音转文字、个人 AI Agent、智能眼镜、各类穿戴设备，以及无处不在的泛在计算（Ambient Computing）。

大家都在畅想一个未来：告别在屏幕上不停点按、打字和凝视。

不同的公司，下注的赛道越来越雷同。

这确实是计算形态的大势所趋。但正因这个未来板上钉钉，相比于再看一份“目的地预测报告”，更值得关注的反而是横在现状与终点之间、那些极难攻克的未解之题。

未来的轮廓日益清晰，难的是我们究竟如何渡过这条鸿沟。

准入门槛变低，差异化反而更难

打造一款 AI 产品的门槛已被降到极低。

前沿基础模型赋予了极小型团队极强的技术能力，而这类能力在几年前还需要庞大的科研团队才能实现。供应链现成可用，代工体系成熟运转，API 即可调用语音识别、复杂推理、视觉解析、图像生成以及越来越成熟的 Agent 编排。

几个人的小团队拼装这些模块，套上一层交互界面，就能做出十年前看似天方夜谭的产品。这是巨大的工程红利。

但能用不等于创新。

当人人都能调取同等水平的模型与基建时，仅在产品里塞进 AI 已经毫无稀缺性。核心命题转移到了：你能用它解决什么不可替代的麻烦？

如果一家团队的全部壁垒只是一项软件微创新，大厂（腾讯、阿里、苹果或 OpenAI）迟早会推出类似功能，并借助生态直接分发给数亿用户。

这很残酷，但也符合商业演进逻辑。如果有人能用更优的解法让十亿人受益，技术本身便完成了跃迁，开发者接着去死磕下一个卡点即可。

终点人尽皆知，路径依然模糊

以语音交互为例。

相信未来人们与计算机对话的频次会远超键盘输入，这已不需要任何想象力。习惯了随口对话后，再老老实实往对话框里敲长 Prompt，确实显得笨拙且机械。

但光喊“语音是未来”，已经不是什么洞见。

真正的硬仗在于：如何让语音交互足够顺手，以至于用户不再下意识掏出手机看屏幕？

• 身处办公室、地铁或电梯等人群密集的公共空间，如何保证私密性？
• 系统何时应该把声音记为文字，何时应该直接触发行动？
• 设备如何毫秒级分辨，你是在对它说话，还是在跟身旁的朋友搭话？
• Agent 何时该弹窗请示，何时该自主决断？
• 人类到底愿意把多大程度的控制权拱手让给算法？
• 一旦纯语音无法高效呈现多维信息，该怎么补位？

这些都不是跑跑 Benchmark 就能解决的模型参数问题，而是实打实的交互设计、人机信任与人类行为学难题。

AI 硬件没死，它只是极度难做

智能手机大概率不会是未来人类与超级 AI 交互的终极形态，但也不意味着一夜之间就会冒出一款取代手机的“万能神机”。

未来的答案也许是智能眼镜，也许是耳机、智能戒指、手环或吊坠。抑或是我们手腕、脸颊、耳朵上已有的存量硬件，被注入大模型后迎来质变。还有很多场景可能压根不需要屏幕。

Humane Ai Pin 和 Rabbit R1 此前都遭遇了口碑滑铁卢。但先驱者的踉跄，并不证明 AI 独立硬件是死胡同，恰恰暴露了这道题的难度极高。

任何新硬件面对的都不是技术空白，而是数十亿人已经形成肌肉记忆的智能手机。从口袋掏出手机、点击图标、滑动屏幕、打字、锁屏放回，拆解开看确实步骤繁琐，但人类用了近二十年才把这些动作驯化成本能反应。

一套全新的交互逻辑想要打破这种肌肉记忆，就必须在体验上带来数量级的碾压：

• 光有形态差异远远不够；
• 套上 AI 概念远远不够；
• 跑分强劲、技术惊艳同样不够。

它必须在真实生活中证明自己不可替代的立足点。

人类习惯没有产品排期表

当下科技圈“快节奏发布、快速迭代、赢家通吃”的狂热，隐约透着泡沫的气息。大家到底在抢跑什么？

敏捷开发当然有价值。快速上线产品，直面用户反馈，打破原有假说，不断优化迭代——小团队在这一步理应比庞大组织更灵活。

但敏捷只是软件工程的优势，并不意味着人类习惯也会以相同频率被重塑。

技术迭代可以一日千里，人类习惯却极其顽固。

从命令行到鼠标点击，从实体按键到多点触控，每一次人机交互习惯的迁移都耗费了十余年。眼下这轮变革所要求的习惯迁移更为剧烈：

• 在众目睽睽下自然地跟机器交谈；
• 允许软件代理全权代表自己操作微信或账户资金；
• 把极其私密的生活语境毫无保留地开放给系统；
• 接受在身上更多部位佩戴计算设备；
• 摆脱对发光长方形玻璃面板的路径依赖；
• 接受算力融入环境、无声隐形的泛在计算状态。

完成这种心智转移，可能需要五年，甚至十年。

这恰恰是件好事。

窗口期从不会在下周关闭

如果这确实代表着计算范式的下一个十年，为何所有人都在按“窗口期只剩 12 个月”的心态在狂奔？

担心大厂明年更新一个功能就把自己干掉，往往说明产品本身的壁垒原本就薄如蝉翼。围绕短平快的技术窗口做套壳生意，在大模型刚释放某个 API 时抢先打包变现，赚取短期红利，这无可厚非。但那是商业套利，并不是在死磕底层问题。

底层交互难题，绝不会因为 OpenAI 或 Anthropic 发了个新版本就迎刃而解：

• 公共环境下的私密交互依旧无解；
• 软件 Agent 的信任边界仍需探索；
• 个人长期记忆与实时上下文的融合还很粗糙；
• 机器何时闭嘴、何时越权介入的标准还很模糊；
• 从手机屏幕夺回注意力的替代形态仍未被真正跑通。

这些都不是一年内能彻底解决的快餐问题。

慢变量才值得大野心

当前 AI 竞赛最耐人寻味的一点在于：底层技术的剧烈突飞猛进，给所有人制造了一种“必须立刻上车”的虚幻压迫感。

新模型发布，涌现出新能力，瞬间窜出几十家团队，在下一个更新覆盖自己前疯狂抢占赛道定位。

这种行业循环还会继续。但在技术浮沫之下，人机交互范式的真正转向，需要熬过极长的周期。对于清醒的团队而言，这反而腾出了巨大的创新空间：

• 允许你花上数年时间，把一个细分交互做到极致；
• 允许你制造一些初期看似怪异的硬件原型，沉下心验证人体的真实排斥点；
• 允许你大胆质疑“为什么这个功能非得做成一个实体设备”；
• 也允许你先走半步解决痛点，哪怕多年后这个特性被大厂集成并普惠大众，你也能从容转身去啃下一块硬骨头。

真正的技术创新，本就不需要永久垄断某一个构想。推翻旧习惯、补齐缺失的拼图，然后继续攻克下一个缺失点，行业才得以向前挪步。

终点已是共识：模型会越来越强，Agent 会接管更多繁琐事务，语音与环境感知会越发自然，计算将不再禁锢在手机的长方形方寸之间，数字技术正慢慢遁入现实背景。

但在那个自然融洽的世界到来之前，还有成千上万个产品结构、交互摩擦与心理防线等待被攻破。

终点显而易见，缺失的拼图却依然隐蔽。挑一块值得花上数年去琢磨的坚硬问题，沉下心来把它做透。