App、Agent与聚合于二零二六年九月二十八日星期一发布三款革命性产品。大家都知道那句台词：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。乔布斯当时就是这样介绍 iPhone 的。今天我们要推出同类的三款革命性产品。第一款是配有触控操作的宽屏电视；第二款是一部革命性的手机；第三款是一台突破性的互联网通信设备。

So, three things.A widescreen iPod with touch controls, a revolutionary mobile phone, and a breakthrough internet communications device.一台iPad，一部手机，还有一台互联网通信设备。

一台iPad，一部手机，听明白了吗？这不是三台独立的设备，这是一台设备。我们把它叫做iPhone。今天，今天苹果要重新发明手机。我以前引用过这段视频，通常是想指出观众当时其实没太明白什么是互联网通信设备，尽管这恰恰是iPhone最具革命性的功能。不过，我此刻想到的是那句话：“听明白了吗？”你们明不明白，我们和AI沟通的方式会是即时通讯，现在的聊天机器人以及未来的自然交互界面。

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，那种一次编写到处运行、人人都能用的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，真是这样吗？即时通讯与代办任务理论，二零一四年二月十八日，我写到即时通讯是移动端的杀手级APP，我特意写明日期，因为我碰巧在Facebook收购WhatsApp的前一天发表了那篇文章。

我的观点是，手机或许最初只是方便获取信息的设备，但它最具杀伤力的用途却是人与人之间的交流。引用原文：七年前，电脑变得可以装进口袋里，但最初的使用场景是让人们能够接触到以往被动呈现的信息，不必等到自己方便的时候，也不再受地点限制。那时，网络已经无处不在。不过，直到最近，我们才看清这个时代的杀手级APP是什么。

这个时代的通信节点是智能手机，而答案就是即时通讯。家用电话让实时交流成为可能，网络让被动交流成为可能，而即时通讯让持续交流成为可能。对话永无止境，朋友来来去去的节奏不再取决于现实中的距离，而是取决于注意力。考虑到我们都是人，都渴望人与人之间的互动和关爱，我们也很乐意把大量注意力放在即时通讯上，放在那些对我们最重要、总在我们口袋或手提包里的人的身上。

引用结束。Meta 收购 WhatsApp 其实是雄心上的退步。早在前一年，这家公司就为 Android 推出了自己的界面，叫做 Facebook Home。当时 CEO 马克扎克伯格对《连线》杂志说：“Home 能把你的手机变成一台 Facebook 设备，即使手机处于锁屏状态，好友动态的照片流也会铺满整个屏幕，动态也会显示在主屏幕上。

更重要的是，Home 会让 Facebook 成为你设备上的主要通信方式。”公司的即时通讯软件会和短信整合，你还可以在使用其他 A P P 时，继续用它的聊天头像发消息。扎克伯格认为，社交网络在用户生活中的分量太重，不会被海量APP淹没。他说：“引用原文，APP不是世界的中心。”引用结束。引用原文，人们才是引用结束。

我对此强烈反对，并在《App人和代办任务理论》一文中写道：引用原文，App还是人？在扎克伯格看来，这两者是对立的，但他错了，他忘了代办任务理论。这是我精心整理的几个主屏幕，看这张图。看看这些图标里有多少是和人有关的？三个屏幕加起来一共四个，人对我很重要。但我用手机做的事情远不止这些。那如果我从代办任务理论的角度来看呢？

总计一百五十一个App覆盖八十项代办任务，其中聚焦于人的App只有四个。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 Home让完成这些任务更困难，实际上是把相关App都降到了我第三屏的文件夹里。

Facebook凭什么替我给要做的事排优先级？引文结束。那些截图里有一百五十一个App，如今我的手机里有六百八十九个App，我很少打开其中大多数。不过哪天要是又需要某个以前不知出于什么原因下载的App，它还在那儿。更广泛的说，这些数字说明，iPhone和App Store让人们能够拥有适用于各种活动的定制界面，而这些活动过去出门在外时根本无法进行。

不过，核心 app 的构成一直非常稳定。即时通讯 app 包括 WhatsApp，社交媒体 app 主要是 X，现在还有 ChatGPT 和 Claude。给 AI 配一台电脑。昨天我有了一个新的 app，巧的是，灵感来自一个 WhatsApp 群聊。我全力投入 Agent 已经有一段时间了，起初是编程 Agent，后来是一个通用的想法。

追踪 Agent 是我用专门的 Cloud 对话线程搭出来的，最近则是一个专门针对我公司需求调校的 Agent。正是这段经历让我立刻对Manus感到兴奋，因为它确实给了人们拥有自己的Agent所需的基础设施。关于Agent有一点很重要，那就是它们不只是AI，它们是能够访问电脑的AI。早在 ChatGPT 时代刚开始时，我们就很清楚 AI 不会取代电脑，而是会操作电脑。

这段话出自 2023 年的 ChatGPT 有了电脑，当时 ChatGPT 新增了插件，其中包括 Wolfram Alpha 的插件。这件事儿能如此顺利地奏效，本身就说明了AI助手是什么又不是什么。他们并不是以我们过去所理解的方式进行计算，他们的思考和沟通方式出奇地像人。坦白说，那些问题我自己也很难解出来。

这正是电脑该做的事儿，而现在 ChatGPT 有了自己的电脑。引文结束。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。Agent 正是这么做的，还能把东西写下来。所以，要真正做出一个能让普通人使用的agent，让那些无法或不愿为agent配置电脑的人也能用，就不能只给他们一个agent，还得给他们一台供agent使用的电脑。

这就是为什么 Manus 发布时，最让我关注的不是支撑 Manus 的 Muse Spark 模型，而是 Meta 正在为美国的每位用户配置一台虚拟机，想必最终会覆盖全世界。虚拟机配有双核处理器、八 GB 内存和八 GB 存储空间。这可是台实打实的电脑，挺了不起的。而且这也是让大多数人用上Agent的唯一办法。

当然，问题还在于这台电脑实际能拿来做什么。这就轮到我的新APP出场了。听说有个朋友用Manis查看自己在Instagram上收藏的内容后，我问Manis能不能把我在Instagram上保存的所有食谱整理一下。它一开始先给我生成了一份PDF，不过PDF不太实用，能不能把它们存成更方便访问的格式？我就有了一个新的APP。

看看我的食谱管理APP截图，这只花了五分钟，而且整个对话都是我遛狗时进行的。这个APP还不完美，目前它基本上就是个给Instagram视频分类的工具。我让Manus实际去读视频配文，还要看视频，它正在处理，不过会受到Instagram限流的影响。这是 Manis 正在处理的截图，我可以耐心等。这段时间里，我还有另外六百八十九个 app 可以看。

当然，我不会真去看。事实上，我现在看的 app 数量正在急剧减少。我理解为什么让 agent 访问自己的电脑会让人害怕。但凡是有命令行的 app，agent 早就能用了。从 GPT 五点六开始，所有带 UI 的 App 也都能用了，只不过速度比较慢。Astra 让它变快了，就这样，AI 基本上可以替我使用任何我不想用的 App 或网站。

说实话，我觉得这样挺好。我有六百八十九个App，是因为我有那么多服务或游戏，至少曾经在某个时候想要或需要和他们打交道。每一个都得先学会怎么用，才能完成我想做的事。毕竟这本来就是他们的目的。我不是那种专业的 App 用户，我只是想把事情办成，而 AI 能帮我办成。从发现走向灵感，我把 Manus 帮我做的新食谱管理 APP 算作电脑上的第六百九十个 APP，但实际上它代表的是无限 APP。

我选的 Agent 可以按我的要求创建任何我想要的 APP，即使这个 APP 只有我自己用。这是另一种未来最初显现出来的样子。随着 L M 兴起，这种未来已经清晰可见，那就是真正为每个人定制的 U I。二零二四年那篇《生成式AI通往未来的桥梁》里有句话是这样说的：“这就是你开始看到这座桥的地方。”我说的是生成式AI的一种应用，尤其是按需生成UI界面。

你也可以想象这种应用能在现有设备上发挥作用，比如手表上的应用，如果不用像操作小iPhone那样靠触控导航，而是在某个特定时刻直接显示你需要做出的具体选择，就会好用得多。我们现在已经能通过确定性编程看到一些苗头，但最终的应用会是通过生成式AI按需实现的。当然，手机上也能用生成式AI，而我预计目前围绕生成式UI的大部分探索都会发生在手机上。

我们确实看到生成式AI整体上有大量尝试，发展也很快。就像当年互联网在个人电脑上经历了大量尝试和快速发展一样，那些尝试和发展不只是让互联网能在个人电脑上使用，也搭起了通往智能手机的桥梁。我认为生成式AI也在做同样的事儿，为可穿戴设备搭起一座桥。这些设备不再是配件，而是本身就能独立使用的通用计算机。上周的Meta Connect和每年一样，主要展示了Meta的新设备，尤其是眼镜。

不过今年值得注意的是，Meta让一切都说得通了。Meta 的设备不是 AR 或 VR 设备，甚至也不只是 AI 眼镜，它们是 Meta 的载体。事实上，我之前说的那种通用计算机已经存在了，Meta 已经把它交给每位用户，让 Meta 来使用。而且，正如我的食谱管理 App 所展示的，生成式 UI 已经来了。

不，这还不是我仍然认为将会出现的即时生成UI，但它显然正朝那个方向发展。我有了专门为我生成的定制UI，不需要把这个app分享给任何人。它实际上是一次性的，因为这种东西可以无限生成。网站当年发生的事情，如今又重演了。过去出版物很稀缺，因为他们得依赖印刷机和送货卡车来发行。后来分发变得免费，网络内容也随之变得丰富起来。

由此最重要的问题就变成了如何发现内容。解决了发现问题的公司聚合了需求，从而获得了对供应商的控制力。尤其是 Meta 和 Google，还借此建立了规模惊人的广告业务。这就是聚合理论。不过，仍然稀缺的是在网上或APP里真正把事情办成的能力。而Agent带来的变化是，做事的能力正变得越来越普遍。稀缺的是意愿。

要解决的问题不是发现，而是启发。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。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，只剩下供应商这一身份。命运就像聚合平台之下的出版商一样，只能争抢 agent 手里的残羹剩饭。而 agent 是最终的把关者，把关的不只是用户需求，还有用户的欲望。

The Verge 篇文章讲的是一个聚合平台。上个月预告了新版 Copilot，称它是所谓的超级 App 之后，微软今天正式发布了它重新设计的 Copilot App，把聊天、编程和 Agent 这三种 AI 能力整合进了一个界面。所谓超级 App 里最出人意料的是 Code 这个新增选项，通常你不会想到一款面向知识工作者的 App 会加入这种功能。

任何人都可以用它创建 App、追踪工具仪表盘或自动化流程，还能把成果作为托管在云端的内部 App 分享给同事。AutoPilot 是 Copilot 的一项新功能，微软副总裁 Jared Spataro 把它称作“数字队友”。Auto Pilot之前叫Scaled，最初以桌面APP的形式提供。它是云端版本，可以让个人AI助手在你睡觉时继续运行。

和许多其他AI Agent一样，Auto Pilot有自己的云端电脑实力，可以让它监看Teams频道，执行定期工作任务或处理后续跟进等事情。与其他一些 AI Agent 真正不同的是，微软把 Auto Pilot 做成了企业级产品，专门面向依赖微软 Office 和身份管理套件的企业。Spataro说，Auto Pilot运行在你的租户环境里，有自己的身份、记忆、电脑和工作区。

它基于 Microsoft IQ 构建，因此能理解你的组织实际是如何运作的。它会出现在人们日常工作的地方，包括 Teams、Outlook、聊天频道和文档。你可以像艾特同事一样艾他，背后还有权限管理、审计和治理机制。萨提亚·纳德拉在 X 上明确表示，微软的战略一直没变，成为工作领域的操作系统。我们正在把 Copilot 打造成一个全新的工作操作系统，覆盖每一种模型、每一种设备形态和每一项任务。

今天我们宣布迄今为止 Copilot 最大的一次更新，把四项功能整合到一起。Auto Pilot，一款面向企业打造、能主动运行并长期执行任务的 Agent。Co，在你公司的租户环境中托管 Copilot，让你用它来构建 App Home，把聊天和协同工作结合起来。Office 现在已全面集成到 Copilot 里，当然 Copilot 也集成进了 Office。

此外，你可以在 Teams 里调用 Copilot。我们今天还推出了一种主动式体验，无需你开口询问，它就会从整个 M365 中找出最重要的信息。我们的工作方式正在改变，工作流程也一样。这次更新把 AI 带进了工作流程，从回答问题、构建 App 到替你完成工作。几年前我写过，要理解 Teams 最好的方式就是把它看作微软面向 SaaS 的操作系统。

新版 Copilot 显然就是这一思路的最新版本。一直以来，关键都是掌握界面，并迫使其他人按照你设定的方式集成到这个界面里。所以新版 Copilot 和 Muse 很像，这一点并不意外。注意，Auto Pilot 自己的云端电脑就包含在它的实例里，还配有你所期待的各种企业级控制。这才是科技行业的新目标，也是终极目标。

不只是像 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。你处理任何事情都只需要用到的那个界面，他们能替你操作电脑，在你需要时生成你想要的东西，其余时间则不用你动手，替你把事情办好。分发渠道方把这些都写下来，感觉挺奇怪的。我之所以又回到乔布斯这个话题，明白我的意思吧？

是因为如果你真的在用 agent，这一切都显而易见。可很多人并没有在用，这就让人不禁要问：他们以后会不会用？我觉得长远来看，答案是会。没人是为了用 A P P 而用 A P P，App 只是人们完成某件事儿或打发娱乐时间的工具。一旦人们意识到他们可以直接去完成要做的事儿，就会觉得以前那种做法很奇怪。

与此同时，肯定没人想用企业软件的 U I，那些让人摸不着头脑的界面，只是用来展示晦涩难懂的功能，把用户锁在系统里的手段。一旦人们意识到，只要说出自己想要什么就行了，有了操作电脑的能力，就不必只依赖那些开发不完善而且刻意受限的 A P I，再用别的方式做事儿就会显得很野蛮。有些企业软件公司已经看到了这个未来。

我饶有兴趣的看了最近一届 Dreamforce，Salesforce打算收取三位数的额外费用，把自己的旗舰产品做成 Cloud 插件。面对 Computer U，将让人类再也不用直接操作 Salesforce UI 这一趋势，他们竟然还想趁机捞钱，这份胆量我倒是佩服。不过最受关注的会是这场争夺战，谁能成为用户交谈的那个 Agent 模型？

相对容易互相替代，但 Agent 掌握的关于你的背景信息越多，能访问你的登录信息、文件等内容的权限越多，就能运行的越好。这会增强他们的用户粘性，也让这场竞争变得更加关键。大多数人和公司都只会有一个 agent，而不是多个。其他公司面临的挑战在于，最先推出真正符合使用场景的 agent 产品的两家公司，恰恰是拥有分发渠道。

也有利用这些渠道经验的那两家，这类产品需要广泛覆盖个人或员工的生活和工作环境，成熟的即时通讯服务，以及每个 agent 配一台电脑等等。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。未来的普及速度可能比你想象的更快。xyz:kuaguo #753.Apps, Agents和聚合：AI Agent 会成为你办事的唯一界面。