下面這個，來自《》的最后一個章節(jié)，寫于一年前

發(fā)布于一年前，2024年12月3日

大致就是：AI 的輸出，不應(yīng)該止步于“文本”

《人類的認(rèn)知協(xié)議》創(chuàng)作的時間背景：

Claude 已經(jīng)出了 Artifacts，支持在 ChatBot 中渲染網(wǎng)頁；Bolt.new 火的正當(dāng)時，可以快速的構(gòu)建各種應(yīng)用

這也不是正兒八經(jīng)的“協(xié)議”或“哲學(xué)”，純粹就是信息帶寬有限

所謂的 Prompt，是是我們把意圖壓縮成 .txt 傳給機器，但當(dāng)機器把結(jié)果傳回給我們時，如果還是吐出一堆 .txt，那其實是在浪費人類的解碼帶寬

算賬的時候，計算器比文字快
看趨勢的時候，圖表比描述快
做決策的時候，交互組件比對話框快

算效率的賬：.txt 不如 .exe

別給我 .txt

過去兩年，我們習(xí)慣了 Chatbot 的模式

但這種模式有個天然的局限：它是線性的

信息像水流一樣逐字流出，是一個字符接著一個字符的 .txt。但我們遇到的問題，往往是結(jié)構(gòu)化的、多維的
你讓模型對比兩款房貸

它給你寫幾百字的分析，你得耐著性子看完，自己在腦子里畫表

這就是現(xiàn)在的體驗，讀完這一大段話，我的腦子已經(jīng)過載了

這種交互并沒有解決問題，它只是把“計算過程”翻譯成了“文字描述”。在很多場景下，這反而是把簡單問題復(fù)雜化了

大家想要的其實很簡單：別跟我廢話，給我個工具，讓我自己動手

從給答案（Answer），變成給制品（Artifact）
從生成文本（Generation），變成渲染界面（Rendering）

這才是該有的樣子

兩份樣本

昨天發(fā)布的兩個產(chǎn)品，剛好提供了兩份比較典型的樣本
上午螞蟻發(fā)的“靈光”，夜里 Google 發(fā)的 Gemini 3

先說靈光

靈光是螞蟻的新產(chǎn)品，是業(yè)內(nèi)首個能夠生成全模態(tài)內(nèi)容的 AI 助手（官方說法）

這么說看著有點玄乎，放幾個官方的 case 吧

還有這種，可以直接做成應(yīng)用

大致就是，AI 能夠生成包括 3D 模型、音頻、圖標(biāo)、動畫、地圖在內(nèi)的多種模態(tài)，讓信息傳遞更高效。就挺有意思的，可以看下他們官方的信息發(fā)布：

然后這東西...1天20萬用戶...

再說谷歌

昨天晚上，Google 發(fā)布 Gemini 3，具體可以看這里：

其中，谷歌也把類似的能力加進(jìn)了搜索，演示的案例是“三體問題”。當(dāng)你搜這玩意兒的時候，Gemini 3 不再是給你推一堆 .html 的鏈接，而是利用 coding capabilities，現(xiàn)場編寫并渲染一個模擬器

你可以拖動星球，看引力變化

Google 也是拼了，搜個物理題還得現(xiàn)場給你寫個游戲引擎

Google 把它叫做“Generative UI”

也包括這個，當(dāng)詢問房貸利率的時候，不是給你示例文字，而是給你拖出來一個可視化計算器，自己摁著看

這是一種很新的搜索

這兩家，前后一天，發(fā)布了差不多的思路：用戶需求，被AI封裝成了交互實體

App Store 的護(hù)城河，被 AI 被撕開了一個口子

在這里，我相信還有一個更深層的邏輯在發(fā)生變化：
長尾理論，正在被重寫

長尾理論 這一理論由美國《連線》雜志主編克里斯·安德森提出，是一個描述網(wǎng)絡(luò)時代商業(yè)模式的理論。 在《長尾理論》中，當(dāng)商品存儲、流通和展示的成本顯著降低時，大量銷量不高但種類繁多的“長尾”小眾產(chǎn)品所匯聚的市場份額，可以與少數(shù)主流熱門產(chǎn)品的市場份額相當(dāng)甚至更大。

以前我們說長尾，是因為數(shù)字貨架的存儲成本為零。但我們忽略了一點：人類的檢索成本，同樣是高的

比如，你要去找一個“適合左撇子的番茄鐘”
得在 App Store 里翻找、下載、試用。這種由于檢索摩擦帶來的損耗，其實扼殺了絕大多數(shù)微小的需求

而現(xiàn)在的這種模式，把邏輯徹底反過來了：
沒有貨架，沒有庫存，只有需求

當(dāng)你說出需求的那一刻，方案才被構(gòu)造出來。這構(gòu)建了下一代的長尾：原子化的、無限的、即時編譯的長尾

它不再是一個通用的 App 試圖去滿足 1000 個人，而是一個一次性軟件，只為了滿足你此時此刻的這一分鐘

微信當(dāng)年喊了很久的“用完即走”，最終被 AI 以一種更決絕的方式實現(xiàn)了：
只解決需求，用完即焚

奇怪的番外

純粹說點八卦，可以跳過

阿里系的兩個兄弟，在深秋的同一周，不約而同地把槍口抬高了一寸，去嘗試卡位未來的AI入口：

• ? 通義突然改名，去掉了“通義”這個 B 端的抬頭，直接叫“千問”

• ? 螞蟻反手掏出“靈光”，劍走偏鋒，死磕 Agent 和工具生成

對了...這里我用的是阿里系，而不是阿里，劃重點

具體原因是啥，咱也不合適討論，你可以說“大棋局”或者“賽馬機制”，也可以說就是單純時間上的“撞車”，大概率就是各自的產(chǎn)品迭代節(jié)奏趕到這兒了

想看就看這里：

注意...靈光屬于螞蟻，螞蟻是阿里系，但不在阿里集團(tuán)

巨頭的產(chǎn)品矩陣總是擁擠的，多一張牌，多一種可能性

身體與腦子

最后，聊個發(fā)布會之外的閑話，發(fā)布那天，我正好在中關(guān)村創(chuàng)業(yè)大街，在給攢一個具身智能的 after party（中關(guān)村具身智能機器人應(yīng)用大賽），就很抽象、很開心

但看著它們，其實總還是少了點什么，邏輯大體還是“查庫”。遇到任務(wù)，去數(shù)據(jù)庫里匹配現(xiàn)成的技能。匹配不到，就尬住了

如果把昨天 Google 和螞蟻展示的這種“現(xiàn)場生成工具”的能力，給到機器人呢？
除了后空翻，也讓機器人學(xué)著去敬酒，也學(xué)點商務(wù)技能

機器人，也得有業(yè)務(wù)能力

接個任務(wù)，不用查庫，直接通過視覺分析環(huán)境，現(xiàn)場寫一個專用的執(zhí)行腳本，現(xiàn)場生成一套視覺反饋邏輯

比如...直接來個剪刀石頭布

這才是軟件和硬件該有的結(jié)合
現(xiàn)在的 AI 已經(jīng)能自己寫 .exe 了，硬件也快能翻跟頭，但這一眼看過去，總覺得中間還隔著層窗戶紙

說句雙關(guān)的玩笑話：
現(xiàn)在的機器人，也就是腦子，還欠點“靈光”
（os：靈光記得打錢）