从iPhone到Agent：交互范式的重构

回顾2010年苹果发布 iPhone 的经典时刻，乔布斯将其描述为“一台配有触控操作的宽屏iPod、一部革命性的手机，还有一台突破性的互联网通信设备”。当时观众往往只记住了前两者，却忽略了“互联网通信设备”这一最具革命性的定义。如今在2026年的语境下，这种认知偏差再次出现：我们正站在一个类似的转折点。现在的 AI Agent 不仅仅是聊天机器人，它是即时通讯、自然交互界面以及代办任务的执行者。

预先构建的UI（一次编写到处运行）已经行不通了。 我们不再需要给电脑编程，甚至不需要直接操作电脑，这些繁琐的工作将由AI代劳。这不是三个独立的预测，而是2026年此时此刻的现实：未来已经到来，只是还没有广泛普及。 正如当年即时通讯成为移动端杀手级应用一样，现在与AI沟通的方式正在重塑我们对“设备”和“界面”的理解。

“你们明不明白，我们不但不会给电脑编程，甚至不会使用电脑，这些事儿会由AI来做。你们明不明白？预先构建的UI……已经行不通了。”

“这不是三个彼此独立的预测，这就是2026年此时此刻的现实。未来已经到来，只是还没有广泛普及。”

代办任务理论与App生态的悖论

早在2014年，我就提出 即时通讯是移动端的杀手级APP 这一观点。手机的核心价值不在于获取被动信息，而在于 人与人之间的持续交流。然而，当Meta收购WhatsApp并推出Facebook Home时，其CEO扎克伯格声称“App不是世界的中心，人们才是”，试图将社交网络置于所有应用之上。我对此强烈反对，并提出了 代办任务理论（Task Theory）。

通过整理手机主屏幕发现，虽然与人相关的App很少（如四个），但智能手机之所以称霸世界，是因为它能在更多地方为更多人完成 一百五十一个App覆盖的八十项代办任务。如今，我的手机里拥有 六百八十九个App，尽管我很少打开其中大多数。Facebook Home试图替用户排定优先级，实际上是将大量实用App降级为次要选项。智能手机的本质是通用任务执行器，而非单纯的社交终端。核心App的构成虽然稳定（如WhatsApp、X、ChatGPT），但长尾应用的存在证明了 定制界面 对于处理多样化活动的重要性。

“App不是世界的中心，但人也不是。智能手机之所以称霸世界，是因为在人类历史上没有任何东西能像它一样，在更多地方为更多人完成更多任务。”

“Facebook凭什么替我给要做的事排优先级？”

Agent作为通用计算机与生成式UI的兴起

Agent不只是AI，它们是能够访问电脑的AI。 早在ChatGPT引入插件时我们就意识到，概率型大模型需要借助 确定性电脑 来执行其不擅长的计算任务。因此，让普通人使用Agent的关键基础设施是 为每个用户配置一台虚拟机。例如Manus提供的双核处理器、8GB内存和存储空间的云端电脑，使得Agent能够真正“做事”。

我利用Manus在遛狗时花费五分钟生成了一个 食谱管理App，它从Instagram视频中提取内容并生成界面。这代表了 无限APP 的概念：Agent可以按需为我创建任何我想要的、甚至只供我自己使用的一次性UI。这标志着 生成式AI正在为可穿戴设备（如Meta眼镜）搭建桥梁，使其成为独立的通用计算机。正如互联网时代解决了内容分发问题从而引发聚合平台（如Google、Meta）的崛起，现在 稀缺的是“做事的能力”。随着Agent让执行变得普遍，竞争焦点从“发现”转向了 “启发（Inspiration）”。谁能解决如何启发用户的问题，谁就能掌握所有有事情要做的主体。

“我们的想法并不是让概率型 LM 以某种方式变成确定型，而是让 LM 能借助确定性电脑去做电脑擅长的事儿。”

“一旦用户专注于解决某个问题，为此需要的每个 app 和服务都会变成实现过程中的细节……而 agent 是最终的把关者。”

Copilot作为工作操作系统

在交互层面，用户可以像艾特同事一样调用Agent，其背后支撑着权限管理、审计和治理机制。萨提亚·纳德拉在X上明确表示，微软的战略从未改变：成为工作领域的操作系统。他们正在将Copilot打造成一个全新的工作操作系统，覆盖每一种模型、设备形态和任务。此次更新整合了四项核心功能：Auto Pilot（面向企业、能主动运行并长期执行任务的Agent）、托管在租户环境中的Copilot用于构建App Home、Office与Copilot的全面双向集成，以及Teams中对Copilot的调用。此外，还推出了一种主动式体验，无需用户询问即可从M365中找出重要信息。这标志着AI正式进入工作流程，实现了从回答问题、构建应用到替用户完成工作的跨越。

回顾几年前关于Teams的观点——将其视为微软面向SaaS的操作系统，新版Copilot显然是这一思路的最新演进。关键在于掌握界面并迫使他人按既定方式集成。这与Muse的理念相似，并不意外。Auto Pilot自带云端电脑实例并配备企业级控制。科技行业的新终极目标不再仅仅是像Windows那样的平台，或像Facebook那样的聚合者，Manas Copilot正在争取同时成为这两者。它旨在成为用户处理任何事务的唯一界面：能替人操作电脑、按需生成内容，并在其余时间自主把事情办好。

Agent的普及逻辑与分发优势

这种“唯一界面”的趋势让人联想到乔布斯的理念，尽管目前并非所有人都在使用Agent。长远来看，用户终将转向直接通过对话完成任务的模式。没人是为了用App而用App，App只是工具；一旦用户意识到可以直接达成目的，以往繁琐的操作就会显得荒谬。同样，没人愿意使用那些晦涩难懂、旨在将用户锁在系统中的企业软件UI。一旦拥有操作电脑的能力，只需说出需求即可完成任务，再依赖那些开发不完善且刻意受限的API就显得野蛮。

部分企业软件公司已预见此趋势。例如，Salesforce在Dreamforce上宣布收取三位数额外费用将其旗舰产品做成Cloud插件。面对Computer Use技术让人类无需直接操作Salesforce UI的趋势，他们仍试图从中获利。然而，这场争夺战的核心在于：谁能成为用户交谈的那个Agent模型？虽然模型相对容易替代，但掌握更多背景信息、拥有更高权限（如登录信息和文件访问）的Agent运行效果更佳，这增强了用户粘性。大多数人和公司最终只会有一个主要Agent。

最先推出符合场景的Agent产品的两家公司——Meta和微软，恰好拥有最强的分发渠道。这类产品需要广泛覆盖个人生活和工作环境、成熟的即时通讯服务以及为每个Agent配备独立电脑的能力。Meta几乎覆盖了地球上的每一个人，微软几乎覆盖了每一位职场人士。凭借这种分发优势，未来的普及速度可能比预期更快。