即刻App年轻人的同好社区
下载
置顶写个自我介绍。
我是jason, 澳门人, 99年。
一个小学就开始研究写外挂，到中学就留级+开始在游戏里赚钱，到高中完全摆烂不读，靠游戏赚了几十万，但在我们那的高考(联考)裸考还考得还行，拿奖学金进了个本地的大学。
大三辍学前，后大大小小瞎折腾小打小闹式创业了十几次，赚过钱，做过很多错误的决定，试过网赚构建出来最高日入3000的被动印钞机，也试过平台一天改规则归零，也试过被攻击，也试过信错人创业失败归零。
至少近几年甚少提到以前这些我这些现在看来比较幼稚的经历，但这些经历都属于和我现在的主轴相关性很大的事情。后面会说。
大三的时候，疫情开始。我已经慢慢觉得澳门呆不下去，完全没办法，一度开摆。还记得20年放水，21年加密货币爆火，我被defi "普惠金融"的敍事给骗进去了。在我研究明白之前，我觉得这东西就该是这样的，就该是平权的。当然后面我也发现了都是假话。
我在21年，一个人去了杭州，和朋友整了了个小作坊，做做量化交易套利，管了一点小钱。一边进了一个初创团队做顾问近距离看别人是怎么创业的。前者，一直都是印钞般的收益，套利，几乎没有日内回撤。但都在22年的一波黑天鹅里一波大回撤了 (25%)，然后我在思考过后，就把钱都退回去了。后者，答应了不能多说，但真的是学到了很多东西。
在22年前几个月我一直都想再做一个黑天鹅的盘子，但那时没有支持我的人，但塔勒布的书深深的影响了我。在面对那次黑天鹅之后，我人麻了。我几乎一个月甚么都没干。在那之前我是一个在自己的领域极度卷的人，INTJ，天天不睡觉。我发现了以往理性至少外还有很广的世界，複杂性的世界。
一方面觉得自己是傻逼，以前的日子白活了。一方面很高兴，有一种站得更高看以前自己的清晰度。以前的我一直活在各种各样的变化之下，被更高维度的变化玩弄。在22年8月，我决定，比起像以前那种，比起对眼前"好机会"一直追逐。我要给自己找一个我看得见难度最高，看得最远，最不变的事情来做。其他短平快的机会，全都不碰了。我要重新爬山，爬一万米的山。
之后我便开始了做我现在的项目，细节不能多说，但简单说几个节点。22年10月开始我们立项的demo便是一个基于知识图谱的youtube DID插件。当时用的gpt3, keybert, 关键字共现这些那时没甚么在乎的东西，来把用户在youtube被标识的画像，自己也记录一份。在上线前，chatgpt出来了笑死，然后投资人就开始有点想法。要我们追风口去，然后结局就是，投资人答应的2/3的钱就没下文了。
然后我们就进入了自己磨钱bootstrapping的路线，这一年多，搞了几个小项目。养活团队是主轴。但在盯着眼前铜板子下，我的预测能力几乎派不上用场。贼难受，这一年几乎就是做着完全逆完自己以往性格的事情在做。用MBTI的语言来说就是极I变E，极N变S。我整个24岁的状态，可以说是用(又)生意失败(又)爬回来也不为过。
这大概就是我的经历。
===
我基本从初中开始我基本保持了10几年超高强度的讯息吸收，平均下来一年会看3-5万条youtube视频，习惯了3倍速，看动漫，听书，看文章等就没怎数。导致我的讯息，知识量级都是没有甚么对手... 只要聊嗨了就会被说我很跳跃，某程度是因为对方不可能有这些跨科的联想context，
同时我也比较爱学一些杂七杂八的，技能组属于横向面很多，但并没有说哪方面有很大的结果，所以很难一句话介绍自己。从小就被当成偏科极客天才啥的。但可能我更想成为是通才型的人，所以我到现在算是全科都会深度去学和做。
(最近一个比较开心的事情是在hopfield noble prize前一个月我在深度学习HNN)
最近接触很多一週目的创业者，会让我很想帮他们，但又觉得其实还是得事教人。即刻也是adx那时开始写的，希望可以找到更多孤独的共呜创业者。
我现在做的事情叫branche，大概的TLDR就是：
1. 帮每个人拿回自己被平台採集的数据
2. 让人了解有自己的数据和没有甚么区别
3. 让人可以运用自己的数据创造价值
4. 把握本来被算法控制的选择和权利
5. 一套帮用户可以脱离平台的撮合系统
6. 重构以谁流量大谁牛逼的信用体系
更多的东西在bento里，就不展开了。我的整个主轴也几乎是在面对一个个被设计好的不公平游戏之中。所以我一直都很想和更多直视这个不公平的世界的人结缘。整个创投圈，web3，基本都享受虚假，包括青年人。
我想认识诚实并追求超越的人，而不是混title喊大佬的假人。几篇即刻我知道得罪了人，但说实话不在乎。我在乎的是智力上诚实的人，是较真的人。假人我几乎的态度就是，放弃助人情结。真人我会很想帮助，不求回报，只想结缘。
数据主权
00_绪论：数据主权的新纪元.mp3
web.okjike.com
01_数据囚笼：我们如何沦为自己数据的奴隶.mp3
web.okjike.com
02_数据主权宣言：你的数据应该属于你.mp3
web.okjike.com
03_确权革命：当数据有了不可侵犯的所有权.mp3
web.okjike.com
04_自主算法：当AI站在你这一边.mp3
web.okjike.com
05_去中心化撮合：信息匹配的新范式.mp3
web.okjike.com
06_信任网络：不依赖中介的信用系统.mp3
web.okjike.com
07_数据解放之路：从意识觉醒到价值重塑.mp3
web.okjike.com
我是jason, 澳门人, 99年。
一个小学就开始研究写外挂，到中学就留级+开始在游戏里赚钱，到高中完全摆烂不读，靠游戏赚了几十万，但在我们那的高考(联考)裸考还考得还行，拿奖学金进了个本地的大学。
大三辍学前，后大大小小瞎折腾小打小闹式创业了十几次，赚过钱，做过很多错误的决定，试过网赚构建出来最高日入3000的被动印钞机，也试过平台一天改规则归零，也试过被攻击，也试过信错人创业失败归零。
至少近几年甚少提到以前这些我这些现在看来比较幼稚的经历，但这些经历都属于和我现在的主轴相关性很大的事情。后面会说。
大三的时候，疫情开始。我已经慢慢觉得澳门呆不下去，完全没办法，一度开摆。还记得20年放水，21年加密货币爆火，我被defi "普惠金融"的敍事给骗进去了。在我研究明白之前，我觉得这东西就该是这样的，就该是平权的。当然后面我也发现了都是假话。
我在21年，一个人去了杭州，和朋友整了了个小作坊，做做量化交易套利，管了一点小钱。一边进了一个初创团队做顾问近距离看别人是怎么创业的。前者，一直都是印钞般的收益，套利，几乎没有日内回撤。但都在22年的一波黑天鹅里一波大回撤了 (25%)，然后我在思考过后，就把钱都退回去了。后者，答应了不能多说，但真的是学到了很多东西。
在22年前几个月我一直都想再做一个黑天鹅的盘子，但那时没有支持我的人，但塔勒布的书深深的影响了我。在面对那次黑天鹅之后，我人麻了。我几乎一个月甚么都没干。在那之前我是一个在自己的领域极度卷的人，INTJ，天天不睡觉。我发现了以往理性至少外还有很广的世界，複杂性的世界。
一方面觉得自己是傻逼，以前的日子白活了。一方面很高兴，有一种站得更高看以前自己的清晰度。以前的我一直活在各种各样的变化之下，被更高维度的变化玩弄。在22年8月，我决定，比起像以前那种，比起对眼前"好机会"一直追逐。我要给自己找一个我看得见难度最高，看得最远，最不变的事情来做。其他短平快的机会，全都不碰了。我要重新爬山，爬一万米的山。
之后我便开始了做我现在的项目，细节不能多说，但简单说几个节点。22年10月开始我们立项的demo便是一个基于知识图谱的youtube DID插件。当时用的gpt3, keybert, 关键字共现这些那时没甚么在乎的东西，来把用户在youtube被标识的画像，自己也记录一份。在上线前，chatgpt出来了笑死，然后投资人就开始有点想法。要我们追风口去，然后结局就是，投资人答应的2/3的钱就没下文了。
然后我们就进入了自己磨钱bootstrapping的路线，这一年多，搞了几个小项目。养活团队是主轴。但在盯着眼前铜板子下，我的预测能力几乎派不上用场。贼难受，这一年几乎就是做着完全逆完自己以往性格的事情在做。用MBTI的语言来说就是极I变E，极N变S。我整个24岁的状态，可以说是用(又)生意失败(又)爬回来也不为过。
这大概就是我的经历。
===
我基本从初中开始我基本保持了10几年超高强度的讯息吸收，平均下来一年会看3-5万条youtube视频，习惯了3倍速，看动漫，听书，看文章等就没怎数。导致我的讯息，知识量级都是没有甚么对手... 只要聊嗨了就会被说我很跳跃，某程度是因为对方不可能有这些跨科的联想context，
同时我也比较爱学一些杂七杂八的，技能组属于横向面很多，但并没有说哪方面有很大的结果，所以很难一句话介绍自己。从小就被当成偏科极客天才啥的。但可能我更想成为是通才型的人，所以我到现在算是全科都会深度去学和做。
(最近一个比较开心的事情是在hopfield noble prize前一个月我在深度学习HNN)
最近接触很多一週目的创业者，会让我很想帮他们，但又觉得其实还是得事教人。即刻也是adx那时开始写的，希望可以找到更多孤独的共呜创业者。
我现在做的事情叫branche，大概的TLDR就是：
1. 帮每个人拿回自己被平台採集的数据
2. 让人了解有自己的数据和没有甚么区别
3. 让人可以运用自己的数据创造价值
4. 把握本来被算法控制的选择和权利
5. 一套帮用户可以脱离平台的撮合系统
6. 重构以谁流量大谁牛逼的信用体系
更多的东西在bento里，就不展开了。我的整个主轴也几乎是在面对一个个被设计好的不公平游戏之中。所以我一直都很想和更多直视这个不公平的世界的人结缘。整个创投圈，web3，基本都享受虚假，包括青年人。
我想认识诚实并追求超越的人，而不是混title喊大佬的假人。几篇即刻我知道得罪了人，但说实话不在乎。我在乎的是智力上诚实的人，是较真的人。假人我几乎的态度就是，放弃助人情结。真人我会很想帮助，不求回报，只想结缘。
数据主权
00_绪论：数据主权的新纪元.mp3
web.okjike.com
01_数据囚笼：我们如何沦为自己数据的奴隶.mp3
web.okjike.com
02_数据主权宣言：你的数据应该属于你.mp3
web.okjike.com
03_确权革命：当数据有了不可侵犯的所有权.mp3
web.okjike.com
04_自主算法：当AI站在你这一边.mp3
web.okjike.com
05_去中心化撮合：信息匹配的新范式.mp3
web.okjike.com
06_信任网络：不依赖中介的信用系统.mp3
web.okjike.com
07_数据解放之路：从意识觉醒到价值重塑.mp3
web.okjike.com
254 4591
《每一代都想争当入口的人》
你还记得，当年那些认为控制电脑开机第一屏，就能控制整个计算机时代的人吗？
你还记得，当年那些试图依靠私有网络、封闭协议，把整个互联网圈成自家后花园的人吗？
你还记得，当年那些争夺拨号上网入口，以为用户接入了自己的网络，就永远不会离开的人吗？
你还记得，当年雅虎、搜狐、新浪争夺互联网第一门户，恨不得把整个世界都装进自己首页的年代吗？
你还记得，当年 Netscape 和 IE 的浏览器大战，那些以为控制了地址栏，就控制了互联网未来的人吗？
你还记得，当年为了一个默认主页、一个网址导航、一个搜索框，抢得头破血流的那些公司吗？
你还记得，当年移动互联网刚出现时，那些争夺手机桌面、应用商店和流量分发入口的人吗？
你还记得，当年千团大战、O2O 大战，那些声称自己将成为所有线下消费唯一入口的创业者吗？
你还记得，每一次技术革命到来时，总有一群人忙着宣布自己将成为下一代超级入口，准备向所有人收租吗？
那么，为什么今天还有这么多人认为，只要抢到一个 AI 聊天框，给它取名 Personal Agent，就能继续当下一代互联网的地主？
你们争的究竟是未来，还是一个正在被未来淘汰的收费站？
你还记得，当年那些认为控制电脑开机第一屏，就能控制整个计算机时代的人吗？
你还记得，当年那些试图依靠私有网络、封闭协议，把整个互联网圈成自家后花园的人吗？
你还记得，当年那些争夺拨号上网入口，以为用户接入了自己的网络，就永远不会离开的人吗？
你还记得，当年雅虎、搜狐、新浪争夺互联网第一门户，恨不得把整个世界都装进自己首页的年代吗？
你还记得，当年 Netscape 和 IE 的浏览器大战，那些以为控制了地址栏，就控制了互联网未来的人吗？
你还记得，当年为了一个默认主页、一个网址导航、一个搜索框，抢得头破血流的那些公司吗？
你还记得，当年移动互联网刚出现时，那些争夺手机桌面、应用商店和流量分发入口的人吗？
你还记得，当年千团大战、O2O 大战，那些声称自己将成为所有线下消费唯一入口的创业者吗？
你还记得，每一次技术革命到来时，总有一群人忙着宣布自己将成为下一代超级入口，准备向所有人收租吗？
那么，为什么今天还有这么多人认为，只要抢到一个 AI 聊天框，给它取名 Personal Agent，就能继续当下一代互联网的地主？
你们争的究竟是未来，还是一个正在被未来淘汰的收费站？
Chong.: 你还记得当年争电脑桌面入口的是谁吗？ 你还记得当年争拨号上网入口的是谁吗？ 你还记得当年争互联网门户的是谁吗？ 你还记得当年争浏览器入口的是谁吗？ 你还记得当年争网址导航的是谁吗？ 你还记得当年争搜索入口的是谁吗？ 你还记得当年争手机桌面的是谁吗？ 你还记得当年争应用商店的是谁吗？ 你还记得当年争 O2O 入口的是谁吗？ 你还记得当年争超级 App 的是谁吗？ 所以，你觉得今天争 AI 入口的这群人，会有什么不同的结局？
6 10
# 为什么我认为，未来的 Personal Agent 不会诞生于今天的大厂入口？
**从云端 AI、第二台手机、随身算力盒，到真正属于个人的持续智能。**
过去几年，关于 AI 的讨论始终围绕几个问题：谁拥有最强的大模型？谁能成为下一个超级入口？谁能把最多的用户留在自己的生态里？
但我越来越认为，这些问题可能从一开始就问错了。
如果我们相信，AI 最终会从一个被动回答问题的工具，发展成真正理解你、陪伴你、替你判断和执行任务的 Personal Agent，那么它的最终形态，大概率既不是今天的 ChatGPT，也不是豆包、Grok，或者某个超级 App。
甚至，它未必会长期存在于我们今天所理解的智能手机之中。
我更倾向于认为，未来个人 AI 会经历一次类似计算机历史的演化：从集中式的云端计算，逐渐走向个人拥有的计算终端，再进一步融入我们每天佩戴的设备，成为一种长期在线、持续感知、随时可用的个人智能。
而这个过程，不只是模型变小、芯片变强那么简单。它还涉及一个更根本的问题：**未来究竟是谁拥有你的上下文、记忆、算力和代理权？**
如果这些东西仍然掌握在平台手里，那么即便我们把今天所有 App 的入口都换成 AI，也只不过是把旧时代的地主，换成新时代的地主。
## 一、为什么我不相信大厂能够通过 Personal Agent 统一互联网？
现在很多人都在想象一种未来：用户不再需要打开淘宝、亚马逊、抖音或者各种独立 App，而是直接告诉自己的 AI 想做什么。
比如你想买一双鞋，只需要告诉自己的 Agent。它会替你搜索、比价、推荐，最后完成购买。想出去旅游，它会替你安排机票、酒店、餐厅，甚至直接完成付款。
听起来当然很好。但问题在于，这个过程中，究竟是谁在赚钱？又是谁拥有数据？
今天的互联网平台，本质上掌握着两种极为重要的资产。一种是用户流量，另一种是用户行为数据。
亚马逊为什么有价值？不只是因为它能卖东西，而是它知道你搜索过什么、购买过什么、比较过哪些商品、什么价格让你犹豫、什么推荐促使你成交。
阿里、字节、Google，以及大量电商、广告、内容平台，都是类似的逻辑。它们不仅掌握交易入口，还掌握用户从产生需求到完成消费的整个过程。而这个过程，本身就是它们最重要的商业资产。
现在突然出现一个 Personal Agent，说以后用户不必进入你的平台，我在前面替用户完成所有决策，你只需要在后面提供商品和服务。
这意味着什么？意味着原本属于平台的用户关系，开始向 Agent 转移。
以前平台决定向谁推荐什么，以后可能变成个人 Agent 决定向用户推荐哪个平台。以前平台依靠掌握用户偏好来提高成交概率，以后用户自己的 Agent 可能比平台更了解用户。
这不是简单的接口合作，而是双方在争夺同一种资产。
**入口想收租，交易平台想收租，数据平台也想收租。问题是，它们想收的，很可能是同一笔租。**
我认为，这里面存在一种很难通过商业谈判彻底消除的结构性矛盾。
因为任何一个平台，只要真正向外部 Agent 开放完整的用户行为链路，就等于把自己长期积累的竞争优势交给了别人。
反过来，如果它只开放一部分数据，那么前端 Agent 即便完成了交易，也很难获得完整的用户画像。
它可能知道用户买了一件衣服，却不知道用户在后台比较过什么、为什么选择这个尺码、为什么退货、后来又买了什么。
它可能完成一次酒店预订，却不知道用户入住之后的体验、消费和满意程度。
在这个过程中，前端的智能入口与后端的数据系统始终是断裂的。即便它们愿意合作，这种断裂也不会自动消失。
平台当然可能开放部分接口，建立授权机制，或者通过商业协议共享一部分交易信息。但我不认为这种有限合作，能够自然发展成一个真正跨平台、由用户主导的完整个人智能系统。
因为今天这些平台所积累的数据，本来就是建立在各自封闭的体系里的。
要求它们主动把这些东西变成公共基础设施，等于要求一群依靠土地租金生存的地主，主动交出自己的土地登记簿。
它们不是不知道这样对用户更好，只是这样做，未必对它们自己更好。
所以我认为，大厂可以做出非常强大的 AI 入口，却不意味着它们能够通过商业合作，获得一个人完整的信息人生。
真正重要的不是谁站在用户面前，而是谁能持续积累、理解和管理用户自己的上下文。
## 二、为什么我认为云端 AI 不会是个人智能的最终形态？
今天的大模型主要运行在云端，这很容易让人产生一种惯性思维：未来 AI 越来越聪明，那么我们只需要持续连接更强大的云端模型就好了。
但我认为，这个判断忽略了一个正在发生的技术变化：端侧智能的单位成本正在不断下降。
过去我们需要昂贵 GPU 才能完成的推理任务，现在越来越多已经能够在普通计算机甚至智能手机上运行。
而且这种变化，不只是来自芯片本身。模型蒸馏、量化、稀疏激活、专家混合架构，以及针对特定任务的小模型，都在不断改变智能与算力之间的关系。
2023 年 GPT-4 刚出现的时候，大多数人很难想象，一部手机可以独立完成相当复杂的语言和视觉理解任务。
但现在已经不一样了。
以 MiniCPM-V 4.7 为例，它的 35B-A3B 版本，拥有约 350 亿总参数，但每次推理只激活约 30 亿参数。通过特殊的专家调度和量化技术，官方测试显示，它已经可以在 iPhone 17 Pro Max 上，以约 3GB 的推理内存占用，实现每秒超过 13 个 token 的解码速度。
这里的 3GB 并不是完整模型的存储大小，而是采用按需加载等技术之后的运行内存占用。它也不意味着端侧模型已经全面达到最强云端模型的能力。
但真正重要的，不是它能不能战胜某个旗舰模型，而是它证明了一件事情：
**我们正在把原本只能依赖大型计算基础设施提供的智能能力，逐渐压缩进个人随身携带的计算设备中。**
而且我认为，大多数人对于 Personal Agent 的算力需求，可能存在严重高估。
一个真正陪伴你日常生活的 AI，并不需要每一秒都调用最强的模型，进行长时间的复杂推理。
判断现在是谁在说话，识别你是不是正在参加会议，记住某个人向你做过什么承诺，发现你过去两周反复提到同一个问题，识别你眼前的物体、文字和场景。
这些事情，并不需要一个数千亿参数的模型全天候工作。
很多感知任务，可以由非常小的模型、专用算法甚至低功耗传感器完成。只有当系统识别到真正有价值的事件时，才需要唤醒更强大的模型。
我认为未来个人智能的关键，不是让一个巨大的 LLM 从早到晚不停推理，而是建立一个分层的智能系统。
最底层负责低功耗感知，中间层负责事件判断、记忆整理和日常推理，最上层才负责复杂思考和任务执行。
我们真正需要长期在线的，未必是一个巨大的模型，而是一套持续运作的智能系统。
如果未来大量常态任务都能在本地完成，那么为什么一定要把每一次声音、图像、事件和记忆都送上云端？
为什么一个人想让 AI 记住自己昨天说过什么，还必须依赖某个平台的服务器？
当然，我并不认为云端会消失。复杂推理、大规模搜索、跨设备协作，以及需要大量外部数据的任务，依然有充分的理由使用云计算。
但我认为，云端与本地的关系会被重新定义。
**今天是我们向云端 AI 请求智能，未来可能是我们的本地 AI 在必要时向云端购买智能。**
前者是我们依附于平台，后者是平台为我们提供服务。
云端会继续存在，但它未必应该继续充当个人智能的主人。
## 三、真正卡住 Personal Agent 的，可能不是模型，而是操作系统
讲到这里，就会遇到一个很现实的问题。
既然今天的旗舰智能手机已经拥有这么强的算力，为什么我们不能直接把 Personal Agent 安装到自己的 iPhone 上？
这恰恰是我认为未来几年非常重要的一个矛盾。
今天我们手中的智能手机，虽然拥有非常强大的计算能力，但这不代表我们真正拥有这些计算能力的完整控制权。
手机芯片是我们的，电池是我们的，存储空间也是我们的。但操作系统决定了应用能做什么、不能做什么。
以苹果为例。
它已经向第三方开发者开放部分端侧基础模型能力，开发者可以调用系统提供的模型，也可以通过相应框架运行其他模型。
但这与允许第三方开发者自由控制系统级的长期运行能力，完全不是一回事。
假设我想开发一个真正持续在线的 Personal Agent。它需要长期处理经过授权的环境音频，判断有没有值得记录的信息。它需要与眼镜、耳机、颈带等设备保持稳定通信。
它还需要定期唤醒视觉模型，整理当天的记忆，甚至在用户没有主动打开 App 的情况下持续维护自己的内部状态。
问题来了。
普通第三方 App 能不能任意选择自己需要的后台运行方式？能不能自由调度 NPU、GPU 和内存？能不能按照自己的需求定制蓝牙通信、后台任务和唤醒机制？
答案显然不是完全可以。
iOS 有自己的后台任务规则、资源限制和应用生命周期管理。很多能力只能通过系统规定的接口，在特定条件下运行。
这当然有合理的一面。因为如果所有 App 都能无限制在后台占用算力、开启传感器、访问数据，那么续航、安全和隐私都会出现严重问题。
但问题是，今天这套操作系统最初不是为了持续在线的自主 Agent 设计的。
它是为了一个个独立应用而设计的。
用户打开 App，应用开始工作。用户离开 App，系统逐渐收回它的资源。
而 Personal Agent 的基本假设恰恰相反。它不是一个等待用户打开的应用，而是一个长期存在、根据需要主动工作的系统。
**过去的操作系统以 App 为中心分配权限。未来的个人智能，需要以用户授权的 Agent 为中心重新组织权限。**
所以苹果、Google，以及其他掌握操作系统和芯片能力的公司，确实拥有天然优势。
因为它们不需要向别人申请操作系统权限。它们本身就是权限的制定者。
但这也不代表它们一定会成为个人智能的最终赢家。
因为在技术发生代际变化的时候，既有平台的优势和它们的商业利益，往往同时构成了它们自己的约束。
而那些愿意牺牲传统手机体验、专门服务于个人 Agent 的新设备，反而可能先走出不同的道路。
## 四、我的第一个判断：未来 Personal Agent 可能先从第二台手机开始
我认为，在真正成熟的 AI 穿戴设备普及之前，很可能出现一个被大多数人忽略的过渡阶段。
就是第二台手机。
或者更准确地说，是一种长得像手机、但根本不是为传统手机用途设计的个人 AI 终端。
为什么是第二台手机？
原因非常简单。因为手机已经是一个高度成熟的移动计算平台。
它拥有电池、处理器、内存、存储、Wi-Fi、蓝牙、蜂窝网络，以及相对完整的操作系统生态。
从工程角度来看，如果今天想实现一个可以长期运行的个人 Agent，使用一台能够深度定制的 Android 设备，往往比从零开发一套硬件更现实。
尤其是在用户本来就有一台主力 iPhone 的情况下。
他完全没有必要把自己的通信、支付、社交和工作环境全部迁移到一台实验性设备上。
他只需要让这台新设备成为自己的 AI 主机。
主手机继续承担传统手机的功能。第二台手机则负责运行个人 Agent，连接智能穿戴设备，接收传感器数据，执行本地模型，并且持续维护用户的记忆和状态。
我甚至认为，这台所谓的第二手机，可能不需要屏幕。
或者说，它可以有屏幕，但用户绝大多数时间根本不需要看它。
因为它的主要任务不再是向人展示内容，而是替人处理信息。
在这样的假设下，很多过去智能手机必须强调的东西，都可以被重新取舍。
高刷新率屏幕不重要了，复杂的手机影像系统不一定重要了，各种预装应用也不重要了。
反过来，持续运行的稳定性、端侧推理效率、电池寿命、系统权限、传感器接口和开发者可控性，开始变得更重要。
它本质上更像一台随身服务器。
这不代表它已经具备成熟的消费市场。但至少说明，一个新的技术方向正在出现：不再是让 AI 被动适配手机，而是让手机的操作系统主动适配 AI。
所以我认为，未来最早的一批深度 Personal Agent 用户，未必会选择等待苹果或者其他大厂推出完整解决方案。
他们可能直接使用第二台 Android 手机、开发者设备，甚至自己定制的 AI 终端。
这当然不一定是最终面向所有消费者的产品形态。
但很多新计算平台的早期发展，本来就不是从普通消费者开始的，而是先从那些愿意牺牲便利性，以换取更多自由度和功能的人群开始。
## 五、从第二台手机，到 Pocket AI：随身算力盒可能成为一个独立品类
如果我们沿着这个方向继续想象，就会发现第二台手机本身也只是过渡形态。
既然我根本不需要用它打电话、刷视频、玩游戏，为什么还要保留一台完整的手机？
为什么不能把它缩小成一个盒子？
一个放在口袋里，甚至放在背包里的个人计算终端。
我暂且把它称为 Pocket AI。
它拥有处理器、内存、存储、电池和通信能力，但不再需要承担传统智能手机的交互任务。
它只需要专心服务于一个人，以及这个人身上的各种设备。
眼镜负责获取视觉信息，耳机负责音频交互，戒指负责手势输入，手表负责部分状态和通知。
而所有这些设备，都可以连接到口袋里的个人智能主机。
这样一来，硬件设计就获得了很大的自由度。
我们不需要把所有算力都塞进眼镜的镜腿里，也不需要让一副耳机承担复杂推理的全部功耗。
感知设备可以尽可能轻巧，计算资源则集中放在一个更容易散热、供电和升级的位置。
当然，这里面会存在蓝牙带宽、音视频数据传输、设备同步和无线功耗等工程挑战。
但这些问题至少可以通过系统设计逐步解决，而不必要求某一个小型穿戴设备，一开始就独立完成所有事情。
至于网络连接，我认为同样不必过度拘泥于一种方案。
它可以借助主手机的网络，也可以自己集成蜂窝通信。对于简单任务，本地直接处理。对于需要联网检索、远程执行或者复杂推理的任务，再通过网络调用外部服务。
我们可以把它理解成一个分布式的个人智能系统。
**传感器在身体周围，算力在口袋里，记忆由个人控制，云端则负责补充本地做不到的事情。**
这就是我认为非常有可能出现的中间形态。
而它最大的意义，还不是取代智能手机，而是第一次让个人拥有一个独立于传统手机操作系统、长期为自己运行的智能终端。
它不需要与 iPhone 竞争，甚至可以完全不改变用户原有的手机使用习惯。
它只需要在旁边持续工作。
如果继续往后推演，我认为随身算力盒本身，也未必是最终形态。
随着芯片、内存、模型和推理效率不断改善，今天需要旗舰手机才能完成的推理任务，未来可能逐渐进入更小、更便宜、更低功耗的计算平台。
例如眼镜可以独立完成基础视觉理解，耳机可以长期运行语音和声音事件识别，手表可以维护部分个人状态和低功耗智能。
当然，这不意味着未来每一个戒指，都需要塞进一个完整的几十亿参数大模型。
物理世界有自己的限制。电池、散热、通信和存储，不会因为算法进步就凭空消失。
所以不同设备很可能继续承担不同层次的计算任务。低功耗智能留在传感器附近，中等规模的推理放在穿戴设备或者随身主机里，真正复杂的任务则交给更高性能的设备甚至云端。
因此，我认为未来未必会出现一个设备统一所有功能，而更有可能出现一套围绕个人组织起来的智能网络。
今天我们购买硬件，是因为它能完成某些特定功能。买相机是为了拍照，买耳机是为了听音乐，买手表是为了看时间、接收通知。
未来我们购买的硬件，可能更多是为了给个人智能增加某种感知和行动能力。
买眼镜，相当于为 Agent 增加一双眼睛。买耳机，相当于增加持续的听觉和语音交互。买戒指，相当于增加一种不必说话就能表达意图的输入方式。
这时候，硬件不再是一个个独立应用的载体，而是同一套个人智能的不同器官。
这才是我认为下一代智能穿戴真正有意思的地方。
不是给眼镜装上 ChatGPT，也不是给耳机增加一个语音助手，而是让各种硬件共同服务于同一个长期存在的个人 Agent。
## 六、真正的变化，是 AI 从主动调用走向被动感知
我觉得这里还存在一个经常被忽视的问题。
今天人们对于 AI 的想象，仍然高度依赖应用场景。
每当有人设计一款 AI 产品，首先想到的通常是：用户会在什么时候打开它？他会输入什么指令？它能帮用户完成什么任务？
于是我们看到各种各样的 AI 应用。会议总结、日程安排、旅游规划、购物助手、学习助手。
这些当然有价值。但它们都有一个共同前提：用户必须主动告诉系统，现在要做什么。
这其实还是传统软件的思路。
过去我们使用计算机，就是打开一个程序，执行一段任务，获得一个结果，然后关闭程序。AI 只是让这个过程变得更自然。
但如果未来的个人智能可以持续存在，那么这种交互方式就会发生非常大的变化。
因为真正了解你的 Agent，不应该每一次都从零开始认识你。
它应该知道你昨天做过什么，知道你正在推进什么事情，知道什么问题困扰了你很久，知道你对哪些事情存在稳定的偏好，甚至知道你过去为什么改变过自己的决定。
举个简单的例子。
今天如果我想让 AI 分析某个人是不是值得合作，我可能需要把过去的聊天记录、合作历史、商业背景和个人判断，重新整理一遍告诉它。
但未来，如果我的个人 Agent 已经在我授权的范围内积累了这些信息，那么我可能只需要问一句：你觉得这件事值得继续吗？
它就能够调取相关的历史记录、判断依据和已有承诺，帮助我分析这件事。
再比如，我今天和某个人讨论了一个问题，三天之后，他突然改变了说法。
过去可能需要我自己记得这件事情。但未来，一个持续工作的 Agent 可以在合适的时候提醒我：他之前表达过不同的观点，你要不要重新确认一下？
当然，这种持续感知需要严格的授权、明确的隐私边界，以及尽可能在本地完成的事件筛选。
持续感知不应该等于全天候录制，更不应该意味着把所有人的对话永久保存下来。
真正成熟的系统，应该有能力判断哪些信息值得留存，哪些应该立即丢弃。
**智能的价值，不在于它收集了多少信息，而在于它能不能把必要的信息变成长期可用的个人能力。**
而且这种个人能力不应该只停留在一个不断增长的记忆数据库里。
当一个人积累了足够多的经历、偏好和判断反馈，未来也可能通过个人化微调、LoRA 或其他权重适配技术，让本地模型逐渐学会这个人处理问题的方式。
这不意味着所有人都必须拥有一个从零训练的大模型，而是每个人有机会拥有自己长期积累的记忆、偏好和可迁移的个人化能力。
模型决定一个系统能够思考得多好，但上下文和记忆，决定了这个系统究竟在为谁思考。
## 七、这是计算机历史的又一次重演
如果从更长的历史来看，我认为今天 AI 正在经历的变化，并不陌生。
早期计算机是一种非常昂贵的集中式基础设施。个人很难拥有完整的计算能力，只能通过机构、企业或者大型系统获得服务。
后来，随着半导体技术的发展，计算逐渐进入企业、小型机构，再进一步进入个人电脑。
原本属于大型计算中心的能力，开始成为普通人可以购买、拥有和控制的工具。
个人电脑带来的变化，不只是计算成本下降，更重要的是个人第一次能够直接拥有自己的计算环境。
后来互联网和智能手机再次改变了这个格局。
我们拥有了前所未有的移动计算能力，也获得了随时连接世界的便利。
但与此同时，大量数据、应用和用户关系，再次集中到了少数平台手中。
你拥有设备，却不一定拥有平台里积累的数据。你拥有计算芯片，却不一定拥有完整的系统控制权。你每天创造信息，却不一定有能力把它们转化成自己的长期资产。
某种意义上，我们在物理层面完成了个人计算的普及，却在数据和智能层面重新回到了集中式结构。
而我认为，端侧 AI、个人记忆和 Personal Agent 的发展，有机会推动下一次变化。
这一次，我们不只是把计算能力从数据中心带回个人设备，而是把持续理解、记忆和判断的能力，也逐渐带回个人这一侧。
如果让我画出一条相对现实的演化路线，我认为大概会经历几个阶段。
最初是云端 Agent。个人智能主要存在于各大平台中，通过云模型和有限的第三方接口完成任务。入口竞争激烈，但数据和权限仍然高度碎片化。
然后是第二台手机与开放系统。一部分用户开始使用高度定制化的移动设备，把长期运行的 Agent、记忆系统和穿戴设备连接起来，获得传统 App 难以拥有的运行自由度。
接下来是 Pocket AI 与分布式感知。个人智能逐渐拥有独立的随身计算终端。眼镜、耳机、戒指等设备成为输入和输出节点，本地处理大量常态任务，必要时再连接云端。
再往后，智能逐渐融入穿戴设备。随着低功耗芯片和模型效率继续改善，越来越多的计算能力进入硬件内部。多个设备围绕同一套个人智能协同工作。
最后，才可能形成真正的个人智能基础设施。
个人拥有可迁移的记忆、可替换的模型、可管理的权限和可控制的代理身份。不同硬件、云服务和应用成为可以选择、更换和组合的服务提供者。
当然，这不是一条已经确定的时间表。它可能需要很多年，也可能出现技术上的岔路。某些阶段甚至可能同时存在。
但我认为，它代表着一个值得认真对待的方向：智能不再必须以某家公司的应用作为中心，而是逐渐以个人作为中心。
## 八、未来的赢家，不一定是今天拥有最多入口的人
现在很多 AI 创业讨论的一个误区，就是太急于回答如何取代现有的平台。
如何替代搜索，如何替代电商入口，如何替代社交软件，如何成为下一个超级 App。
但如果我们真的相信个人智能会持续发展，那么也许这些问题本身就没有那么重要。
因为我们所熟悉的超级 App，本来就是建立在一个前提之上：用户需要不断进入不同的软件环境，才能完成不同的事情。
而当个人 Agent 开始拥有持续的上下文、稳定的身份和独立的执行能力，这个前提就会逐渐松动。
未来一个人可能不再需要记住自己应该去哪个平台搜索、比较和执行。
他只需要拥有一个足够理解自己的 Agent，并授予它适当的权限。
至于后面由哪个公司提供机票、支付、搜索、物流或者模型推理，都可以成为可以替换的服务。
这不意味着所有平台都会被消灭。平台仍然可以凭借供应链、内容、商品、网络效应和服务质量创造价值。
但它们可能越来越难仅仅依靠封闭入口和信息不对称，持续占有用户关系。
尤其当用户自己拥有独立的记忆和偏好系统时，平台将不再是唯一了解他的那一方。
所以我不认为 Personal Agent 的终局，是每家大厂都推出一个功能越来越丰富的 AI 助手，然后用户在这些助手之间选择一家继续交租。
我更愿意相信，未来的个人智能应该像今天的个人电脑一样。
你可以自己拥有它，可以决定它运行什么模型，可以让它使用哪些数据，可以把记忆搬到另一台设备，也可以自由更换为你提供计算服务的公司。
你不需要因为更换一个模型，就重新失去过去几年积累的个人上下文。
更不应该因为某个平台停止服务，就失去自己长期建立的智能能力。
从大型计算中心，到个人电脑，再到智能手机，计算的历史始终存在一股把能力带向个人的力量。
而现在，这股力量有机会继续延伸到智能本身。
**我认为，未来真正的 Personal Agent，不应该只是某家公司派来服务你的代理人。它应该是你自己的代理人。**
它不需要拥有互联网的所有入口，也不需要把所有数据都收进某一家公司的服务器。
它只需要能够代表你，理解你，管理你授权给它的资源，并在必要时调用整个世界的计算和服务。
所以对我来说，未来 AI 最值得期待的变化，从来不只是我们能否拥有一个更聪明的 ChatGPT。
而是有一天，我们终于能够像拥有自己的电脑一样，拥有一套真正属于自己的智能。
**那时候，AI 才真正从一个我们需要不断访问的服务，变成了一种我们可以拥有的能力。**
**从云端 AI、第二台手机、随身算力盒，到真正属于个人的持续智能。**
过去几年，关于 AI 的讨论始终围绕几个问题：谁拥有最强的大模型？谁能成为下一个超级入口？谁能把最多的用户留在自己的生态里？
但我越来越认为，这些问题可能从一开始就问错了。
如果我们相信，AI 最终会从一个被动回答问题的工具，发展成真正理解你、陪伴你、替你判断和执行任务的 Personal Agent，那么它的最终形态，大概率既不是今天的 ChatGPT，也不是豆包、Grok，或者某个超级 App。
甚至，它未必会长期存在于我们今天所理解的智能手机之中。
我更倾向于认为，未来个人 AI 会经历一次类似计算机历史的演化：从集中式的云端计算，逐渐走向个人拥有的计算终端，再进一步融入我们每天佩戴的设备，成为一种长期在线、持续感知、随时可用的个人智能。
而这个过程，不只是模型变小、芯片变强那么简单。它还涉及一个更根本的问题：**未来究竟是谁拥有你的上下文、记忆、算力和代理权？**
如果这些东西仍然掌握在平台手里，那么即便我们把今天所有 App 的入口都换成 AI，也只不过是把旧时代的地主，换成新时代的地主。
## 一、为什么我不相信大厂能够通过 Personal Agent 统一互联网？
现在很多人都在想象一种未来：用户不再需要打开淘宝、亚马逊、抖音或者各种独立 App，而是直接告诉自己的 AI 想做什么。
比如你想买一双鞋，只需要告诉自己的 Agent。它会替你搜索、比价、推荐，最后完成购买。想出去旅游，它会替你安排机票、酒店、餐厅，甚至直接完成付款。
听起来当然很好。但问题在于，这个过程中，究竟是谁在赚钱？又是谁拥有数据？
今天的互联网平台，本质上掌握着两种极为重要的资产。一种是用户流量，另一种是用户行为数据。
亚马逊为什么有价值？不只是因为它能卖东西，而是它知道你搜索过什么、购买过什么、比较过哪些商品、什么价格让你犹豫、什么推荐促使你成交。
阿里、字节、Google，以及大量电商、广告、内容平台，都是类似的逻辑。它们不仅掌握交易入口，还掌握用户从产生需求到完成消费的整个过程。而这个过程，本身就是它们最重要的商业资产。
现在突然出现一个 Personal Agent，说以后用户不必进入你的平台，我在前面替用户完成所有决策，你只需要在后面提供商品和服务。
这意味着什么？意味着原本属于平台的用户关系，开始向 Agent 转移。
以前平台决定向谁推荐什么，以后可能变成个人 Agent 决定向用户推荐哪个平台。以前平台依靠掌握用户偏好来提高成交概率，以后用户自己的 Agent 可能比平台更了解用户。
这不是简单的接口合作，而是双方在争夺同一种资产。
**入口想收租，交易平台想收租，数据平台也想收租。问题是，它们想收的，很可能是同一笔租。**
我认为，这里面存在一种很难通过商业谈判彻底消除的结构性矛盾。
因为任何一个平台，只要真正向外部 Agent 开放完整的用户行为链路，就等于把自己长期积累的竞争优势交给了别人。
反过来，如果它只开放一部分数据，那么前端 Agent 即便完成了交易，也很难获得完整的用户画像。
它可能知道用户买了一件衣服，却不知道用户在后台比较过什么、为什么选择这个尺码、为什么退货、后来又买了什么。
它可能完成一次酒店预订，却不知道用户入住之后的体验、消费和满意程度。
在这个过程中，前端的智能入口与后端的数据系统始终是断裂的。即便它们愿意合作，这种断裂也不会自动消失。
平台当然可能开放部分接口，建立授权机制，或者通过商业协议共享一部分交易信息。但我不认为这种有限合作，能够自然发展成一个真正跨平台、由用户主导的完整个人智能系统。
因为今天这些平台所积累的数据，本来就是建立在各自封闭的体系里的。
要求它们主动把这些东西变成公共基础设施，等于要求一群依靠土地租金生存的地主，主动交出自己的土地登记簿。
它们不是不知道这样对用户更好，只是这样做，未必对它们自己更好。
所以我认为，大厂可以做出非常强大的 AI 入口，却不意味着它们能够通过商业合作，获得一个人完整的信息人生。
真正重要的不是谁站在用户面前，而是谁能持续积累、理解和管理用户自己的上下文。
## 二、为什么我认为云端 AI 不会是个人智能的最终形态？
今天的大模型主要运行在云端，这很容易让人产生一种惯性思维：未来 AI 越来越聪明，那么我们只需要持续连接更强大的云端模型就好了。
但我认为，这个判断忽略了一个正在发生的技术变化：端侧智能的单位成本正在不断下降。
过去我们需要昂贵 GPU 才能完成的推理任务，现在越来越多已经能够在普通计算机甚至智能手机上运行。
而且这种变化，不只是来自芯片本身。模型蒸馏、量化、稀疏激活、专家混合架构，以及针对特定任务的小模型，都在不断改变智能与算力之间的关系。
2023 年 GPT-4 刚出现的时候，大多数人很难想象，一部手机可以独立完成相当复杂的语言和视觉理解任务。
但现在已经不一样了。
以 MiniCPM-V 4.7 为例，它的 35B-A3B 版本，拥有约 350 亿总参数，但每次推理只激活约 30 亿参数。通过特殊的专家调度和量化技术，官方测试显示，它已经可以在 iPhone 17 Pro Max 上，以约 3GB 的推理内存占用，实现每秒超过 13 个 token 的解码速度。
这里的 3GB 并不是完整模型的存储大小，而是采用按需加载等技术之后的运行内存占用。它也不意味着端侧模型已经全面达到最强云端模型的能力。
但真正重要的，不是它能不能战胜某个旗舰模型，而是它证明了一件事情：
**我们正在把原本只能依赖大型计算基础设施提供的智能能力，逐渐压缩进个人随身携带的计算设备中。**
而且我认为，大多数人对于 Personal Agent 的算力需求，可能存在严重高估。
一个真正陪伴你日常生活的 AI，并不需要每一秒都调用最强的模型，进行长时间的复杂推理。
判断现在是谁在说话，识别你是不是正在参加会议，记住某个人向你做过什么承诺，发现你过去两周反复提到同一个问题，识别你眼前的物体、文字和场景。
这些事情，并不需要一个数千亿参数的模型全天候工作。
很多感知任务，可以由非常小的模型、专用算法甚至低功耗传感器完成。只有当系统识别到真正有价值的事件时，才需要唤醒更强大的模型。
我认为未来个人智能的关键，不是让一个巨大的 LLM 从早到晚不停推理，而是建立一个分层的智能系统。
最底层负责低功耗感知，中间层负责事件判断、记忆整理和日常推理，最上层才负责复杂思考和任务执行。
我们真正需要长期在线的，未必是一个巨大的模型，而是一套持续运作的智能系统。
如果未来大量常态任务都能在本地完成，那么为什么一定要把每一次声音、图像、事件和记忆都送上云端？
为什么一个人想让 AI 记住自己昨天说过什么，还必须依赖某个平台的服务器？
当然，我并不认为云端会消失。复杂推理、大规模搜索、跨设备协作，以及需要大量外部数据的任务，依然有充分的理由使用云计算。
但我认为，云端与本地的关系会被重新定义。
**今天是我们向云端 AI 请求智能，未来可能是我们的本地 AI 在必要时向云端购买智能。**
前者是我们依附于平台，后者是平台为我们提供服务。
云端会继续存在，但它未必应该继续充当个人智能的主人。
## 三、真正卡住 Personal Agent 的，可能不是模型，而是操作系统
讲到这里，就会遇到一个很现实的问题。
既然今天的旗舰智能手机已经拥有这么强的算力，为什么我们不能直接把 Personal Agent 安装到自己的 iPhone 上？
这恰恰是我认为未来几年非常重要的一个矛盾。
今天我们手中的智能手机，虽然拥有非常强大的计算能力，但这不代表我们真正拥有这些计算能力的完整控制权。
手机芯片是我们的，电池是我们的，存储空间也是我们的。但操作系统决定了应用能做什么、不能做什么。
以苹果为例。
它已经向第三方开发者开放部分端侧基础模型能力，开发者可以调用系统提供的模型，也可以通过相应框架运行其他模型。
但这与允许第三方开发者自由控制系统级的长期运行能力，完全不是一回事。
假设我想开发一个真正持续在线的 Personal Agent。它需要长期处理经过授权的环境音频，判断有没有值得记录的信息。它需要与眼镜、耳机、颈带等设备保持稳定通信。
它还需要定期唤醒视觉模型，整理当天的记忆，甚至在用户没有主动打开 App 的情况下持续维护自己的内部状态。
问题来了。
普通第三方 App 能不能任意选择自己需要的后台运行方式？能不能自由调度 NPU、GPU 和内存？能不能按照自己的需求定制蓝牙通信、后台任务和唤醒机制？
答案显然不是完全可以。
iOS 有自己的后台任务规则、资源限制和应用生命周期管理。很多能力只能通过系统规定的接口，在特定条件下运行。
这当然有合理的一面。因为如果所有 App 都能无限制在后台占用算力、开启传感器、访问数据，那么续航、安全和隐私都会出现严重问题。
但问题是，今天这套操作系统最初不是为了持续在线的自主 Agent 设计的。
它是为了一个个独立应用而设计的。
用户打开 App，应用开始工作。用户离开 App，系统逐渐收回它的资源。
而 Personal Agent 的基本假设恰恰相反。它不是一个等待用户打开的应用，而是一个长期存在、根据需要主动工作的系统。
**过去的操作系统以 App 为中心分配权限。未来的个人智能，需要以用户授权的 Agent 为中心重新组织权限。**
所以苹果、Google，以及其他掌握操作系统和芯片能力的公司，确实拥有天然优势。
因为它们不需要向别人申请操作系统权限。它们本身就是权限的制定者。
但这也不代表它们一定会成为个人智能的最终赢家。
因为在技术发生代际变化的时候，既有平台的优势和它们的商业利益，往往同时构成了它们自己的约束。
而那些愿意牺牲传统手机体验、专门服务于个人 Agent 的新设备，反而可能先走出不同的道路。
## 四、我的第一个判断：未来 Personal Agent 可能先从第二台手机开始
我认为，在真正成熟的 AI 穿戴设备普及之前，很可能出现一个被大多数人忽略的过渡阶段。
就是第二台手机。
或者更准确地说，是一种长得像手机、但根本不是为传统手机用途设计的个人 AI 终端。
为什么是第二台手机？
原因非常简单。因为手机已经是一个高度成熟的移动计算平台。
它拥有电池、处理器、内存、存储、Wi-Fi、蓝牙、蜂窝网络，以及相对完整的操作系统生态。
从工程角度来看，如果今天想实现一个可以长期运行的个人 Agent，使用一台能够深度定制的 Android 设备，往往比从零开发一套硬件更现实。
尤其是在用户本来就有一台主力 iPhone 的情况下。
他完全没有必要把自己的通信、支付、社交和工作环境全部迁移到一台实验性设备上。
他只需要让这台新设备成为自己的 AI 主机。
主手机继续承担传统手机的功能。第二台手机则负责运行个人 Agent，连接智能穿戴设备，接收传感器数据，执行本地模型，并且持续维护用户的记忆和状态。
我甚至认为，这台所谓的第二手机，可能不需要屏幕。
或者说，它可以有屏幕，但用户绝大多数时间根本不需要看它。
因为它的主要任务不再是向人展示内容，而是替人处理信息。
在这样的假设下，很多过去智能手机必须强调的东西，都可以被重新取舍。
高刷新率屏幕不重要了，复杂的手机影像系统不一定重要了，各种预装应用也不重要了。
反过来，持续运行的稳定性、端侧推理效率、电池寿命、系统权限、传感器接口和开发者可控性，开始变得更重要。
它本质上更像一台随身服务器。
这不代表它已经具备成熟的消费市场。但至少说明，一个新的技术方向正在出现：不再是让 AI 被动适配手机，而是让手机的操作系统主动适配 AI。
所以我认为，未来最早的一批深度 Personal Agent 用户，未必会选择等待苹果或者其他大厂推出完整解决方案。
他们可能直接使用第二台 Android 手机、开发者设备，甚至自己定制的 AI 终端。
这当然不一定是最终面向所有消费者的产品形态。
但很多新计算平台的早期发展，本来就不是从普通消费者开始的，而是先从那些愿意牺牲便利性，以换取更多自由度和功能的人群开始。
## 五、从第二台手机，到 Pocket AI：随身算力盒可能成为一个独立品类
如果我们沿着这个方向继续想象，就会发现第二台手机本身也只是过渡形态。
既然我根本不需要用它打电话、刷视频、玩游戏，为什么还要保留一台完整的手机？
为什么不能把它缩小成一个盒子？
一个放在口袋里，甚至放在背包里的个人计算终端。
我暂且把它称为 Pocket AI。
它拥有处理器、内存、存储、电池和通信能力，但不再需要承担传统智能手机的交互任务。
它只需要专心服务于一个人，以及这个人身上的各种设备。
眼镜负责获取视觉信息，耳机负责音频交互，戒指负责手势输入，手表负责部分状态和通知。
而所有这些设备，都可以连接到口袋里的个人智能主机。
这样一来，硬件设计就获得了很大的自由度。
我们不需要把所有算力都塞进眼镜的镜腿里，也不需要让一副耳机承担复杂推理的全部功耗。
感知设备可以尽可能轻巧，计算资源则集中放在一个更容易散热、供电和升级的位置。
当然，这里面会存在蓝牙带宽、音视频数据传输、设备同步和无线功耗等工程挑战。
但这些问题至少可以通过系统设计逐步解决，而不必要求某一个小型穿戴设备，一开始就独立完成所有事情。
至于网络连接，我认为同样不必过度拘泥于一种方案。
它可以借助主手机的网络，也可以自己集成蜂窝通信。对于简单任务，本地直接处理。对于需要联网检索、远程执行或者复杂推理的任务，再通过网络调用外部服务。
我们可以把它理解成一个分布式的个人智能系统。
**传感器在身体周围，算力在口袋里，记忆由个人控制，云端则负责补充本地做不到的事情。**
这就是我认为非常有可能出现的中间形态。
而它最大的意义，还不是取代智能手机，而是第一次让个人拥有一个独立于传统手机操作系统、长期为自己运行的智能终端。
它不需要与 iPhone 竞争，甚至可以完全不改变用户原有的手机使用习惯。
它只需要在旁边持续工作。
如果继续往后推演，我认为随身算力盒本身，也未必是最终形态。
随着芯片、内存、模型和推理效率不断改善，今天需要旗舰手机才能完成的推理任务，未来可能逐渐进入更小、更便宜、更低功耗的计算平台。
例如眼镜可以独立完成基础视觉理解，耳机可以长期运行语音和声音事件识别，手表可以维护部分个人状态和低功耗智能。
当然，这不意味着未来每一个戒指，都需要塞进一个完整的几十亿参数大模型。
物理世界有自己的限制。电池、散热、通信和存储，不会因为算法进步就凭空消失。
所以不同设备很可能继续承担不同层次的计算任务。低功耗智能留在传感器附近，中等规模的推理放在穿戴设备或者随身主机里，真正复杂的任务则交给更高性能的设备甚至云端。
因此，我认为未来未必会出现一个设备统一所有功能，而更有可能出现一套围绕个人组织起来的智能网络。
今天我们购买硬件，是因为它能完成某些特定功能。买相机是为了拍照，买耳机是为了听音乐，买手表是为了看时间、接收通知。
未来我们购买的硬件，可能更多是为了给个人智能增加某种感知和行动能力。
买眼镜，相当于为 Agent 增加一双眼睛。买耳机，相当于增加持续的听觉和语音交互。买戒指，相当于增加一种不必说话就能表达意图的输入方式。
这时候，硬件不再是一个个独立应用的载体，而是同一套个人智能的不同器官。
这才是我认为下一代智能穿戴真正有意思的地方。
不是给眼镜装上 ChatGPT，也不是给耳机增加一个语音助手，而是让各种硬件共同服务于同一个长期存在的个人 Agent。
## 六、真正的变化，是 AI 从主动调用走向被动感知
我觉得这里还存在一个经常被忽视的问题。
今天人们对于 AI 的想象，仍然高度依赖应用场景。
每当有人设计一款 AI 产品，首先想到的通常是：用户会在什么时候打开它？他会输入什么指令？它能帮用户完成什么任务？
于是我们看到各种各样的 AI 应用。会议总结、日程安排、旅游规划、购物助手、学习助手。
这些当然有价值。但它们都有一个共同前提：用户必须主动告诉系统，现在要做什么。
这其实还是传统软件的思路。
过去我们使用计算机，就是打开一个程序，执行一段任务，获得一个结果，然后关闭程序。AI 只是让这个过程变得更自然。
但如果未来的个人智能可以持续存在，那么这种交互方式就会发生非常大的变化。
因为真正了解你的 Agent，不应该每一次都从零开始认识你。
它应该知道你昨天做过什么，知道你正在推进什么事情，知道什么问题困扰了你很久，知道你对哪些事情存在稳定的偏好，甚至知道你过去为什么改变过自己的决定。
举个简单的例子。
今天如果我想让 AI 分析某个人是不是值得合作，我可能需要把过去的聊天记录、合作历史、商业背景和个人判断，重新整理一遍告诉它。
但未来，如果我的个人 Agent 已经在我授权的范围内积累了这些信息，那么我可能只需要问一句：你觉得这件事值得继续吗？
它就能够调取相关的历史记录、判断依据和已有承诺，帮助我分析这件事。
再比如，我今天和某个人讨论了一个问题，三天之后，他突然改变了说法。
过去可能需要我自己记得这件事情。但未来，一个持续工作的 Agent 可以在合适的时候提醒我：他之前表达过不同的观点，你要不要重新确认一下？
当然，这种持续感知需要严格的授权、明确的隐私边界，以及尽可能在本地完成的事件筛选。
持续感知不应该等于全天候录制，更不应该意味着把所有人的对话永久保存下来。
真正成熟的系统，应该有能力判断哪些信息值得留存，哪些应该立即丢弃。
**智能的价值，不在于它收集了多少信息，而在于它能不能把必要的信息变成长期可用的个人能力。**
而且这种个人能力不应该只停留在一个不断增长的记忆数据库里。
当一个人积累了足够多的经历、偏好和判断反馈，未来也可能通过个人化微调、LoRA 或其他权重适配技术，让本地模型逐渐学会这个人处理问题的方式。
这不意味着所有人都必须拥有一个从零训练的大模型，而是每个人有机会拥有自己长期积累的记忆、偏好和可迁移的个人化能力。
模型决定一个系统能够思考得多好，但上下文和记忆，决定了这个系统究竟在为谁思考。
## 七、这是计算机历史的又一次重演
如果从更长的历史来看，我认为今天 AI 正在经历的变化，并不陌生。
早期计算机是一种非常昂贵的集中式基础设施。个人很难拥有完整的计算能力，只能通过机构、企业或者大型系统获得服务。
后来，随着半导体技术的发展，计算逐渐进入企业、小型机构，再进一步进入个人电脑。
原本属于大型计算中心的能力，开始成为普通人可以购买、拥有和控制的工具。
个人电脑带来的变化，不只是计算成本下降，更重要的是个人第一次能够直接拥有自己的计算环境。
后来互联网和智能手机再次改变了这个格局。
我们拥有了前所未有的移动计算能力，也获得了随时连接世界的便利。
但与此同时，大量数据、应用和用户关系，再次集中到了少数平台手中。
你拥有设备，却不一定拥有平台里积累的数据。你拥有计算芯片，却不一定拥有完整的系统控制权。你每天创造信息，却不一定有能力把它们转化成自己的长期资产。
某种意义上，我们在物理层面完成了个人计算的普及，却在数据和智能层面重新回到了集中式结构。
而我认为，端侧 AI、个人记忆和 Personal Agent 的发展，有机会推动下一次变化。
这一次，我们不只是把计算能力从数据中心带回个人设备，而是把持续理解、记忆和判断的能力，也逐渐带回个人这一侧。
如果让我画出一条相对现实的演化路线，我认为大概会经历几个阶段。
最初是云端 Agent。个人智能主要存在于各大平台中，通过云模型和有限的第三方接口完成任务。入口竞争激烈，但数据和权限仍然高度碎片化。
然后是第二台手机与开放系统。一部分用户开始使用高度定制化的移动设备，把长期运行的 Agent、记忆系统和穿戴设备连接起来，获得传统 App 难以拥有的运行自由度。
接下来是 Pocket AI 与分布式感知。个人智能逐渐拥有独立的随身计算终端。眼镜、耳机、戒指等设备成为输入和输出节点，本地处理大量常态任务，必要时再连接云端。
再往后，智能逐渐融入穿戴设备。随着低功耗芯片和模型效率继续改善，越来越多的计算能力进入硬件内部。多个设备围绕同一套个人智能协同工作。
最后，才可能形成真正的个人智能基础设施。
个人拥有可迁移的记忆、可替换的模型、可管理的权限和可控制的代理身份。不同硬件、云服务和应用成为可以选择、更换和组合的服务提供者。
当然，这不是一条已经确定的时间表。它可能需要很多年，也可能出现技术上的岔路。某些阶段甚至可能同时存在。
但我认为，它代表着一个值得认真对待的方向：智能不再必须以某家公司的应用作为中心，而是逐渐以个人作为中心。
## 八、未来的赢家，不一定是今天拥有最多入口的人
现在很多 AI 创业讨论的一个误区，就是太急于回答如何取代现有的平台。
如何替代搜索，如何替代电商入口，如何替代社交软件，如何成为下一个超级 App。
但如果我们真的相信个人智能会持续发展，那么也许这些问题本身就没有那么重要。
因为我们所熟悉的超级 App，本来就是建立在一个前提之上：用户需要不断进入不同的软件环境，才能完成不同的事情。
而当个人 Agent 开始拥有持续的上下文、稳定的身份和独立的执行能力，这个前提就会逐渐松动。
未来一个人可能不再需要记住自己应该去哪个平台搜索、比较和执行。
他只需要拥有一个足够理解自己的 Agent，并授予它适当的权限。
至于后面由哪个公司提供机票、支付、搜索、物流或者模型推理，都可以成为可以替换的服务。
这不意味着所有平台都会被消灭。平台仍然可以凭借供应链、内容、商品、网络效应和服务质量创造价值。
但它们可能越来越难仅仅依靠封闭入口和信息不对称，持续占有用户关系。
尤其当用户自己拥有独立的记忆和偏好系统时，平台将不再是唯一了解他的那一方。
所以我不认为 Personal Agent 的终局，是每家大厂都推出一个功能越来越丰富的 AI 助手，然后用户在这些助手之间选择一家继续交租。
我更愿意相信，未来的个人智能应该像今天的个人电脑一样。
你可以自己拥有它，可以决定它运行什么模型，可以让它使用哪些数据，可以把记忆搬到另一台设备，也可以自由更换为你提供计算服务的公司。
你不需要因为更换一个模型，就重新失去过去几年积累的个人上下文。
更不应该因为某个平台停止服务，就失去自己长期建立的智能能力。
从大型计算中心，到个人电脑，再到智能手机，计算的历史始终存在一股把能力带向个人的力量。
而现在，这股力量有机会继续延伸到智能本身。
**我认为，未来真正的 Personal Agent，不应该只是某家公司派来服务你的代理人。它应该是你自己的代理人。**
它不需要拥有互联网的所有入口，也不需要把所有数据都收进某一家公司的服务器。
它只需要能够代表你，理解你，管理你授权给它的资源，并在必要时调用整个世界的计算和服务。
所以对我来说，未来 AI 最值得期待的变化，从来不只是我们能否拥有一个更聪明的 ChatGPT。
而是有一天，我们终于能够像拥有自己的电脑一样，拥有一套真正属于自己的智能。
**那时候，AI 才真正从一个我们需要不断访问的服务，变成了一种我们可以拥有的能力。**
5 36
CZ这张“躺着办公”图，暴露了一个被忽略的巨大市场
2026-10-05
阅读需要5分钟
看到 CZ 这套躺着办公的设备，我第一反应其实是：
这也太学生思维了。
> CZ 他自己在回忆录里写过，从青少年时期就长期受背痛困扰，并认为久坐屏幕前的不良姿势是加重因素之一；到 2019 年，他大部分时间已经只能在床上办公，用笔记本支架、iPad 和手机围在身边。2020 年还做过腰背相关手术。最近的公开报道也提到，他至今仍经常因为长期疼痛躺着处理工作。
一个腰本来就有问题、甚至已经因为长期背痛发展到需要躺着办公的人，最后得到的解决方案，居然只是把一台电脑架到自己胸口上。
它解决了“电脑怎么不掉下来”。
却几乎没有真正解决：
人应该怎么舒服地工作。
仅从这张照片的人体工学关系来看，不对他的具体病情做医学诊断，最大的问题非常明显。
他虽然“躺下来了”，但他的工作界面并没有真正跟着身体躺下来。
头被枕头垫起来以后，颈椎仍然相对于躯干向前屈；眼睛为了迁就屏幕，头颈没有和胸椎自然保持一条放松的轴线。
电脑虽然被架起来了，但输入设备仍然和屏幕绑死在一台 laptop 上，于是为了打字，双手仍然必须迁就电脑的位置。
图片描述
肘部没有一套真正跟随身体姿态变化的稳定承托系统，肩膀和上臂依然要参与维持手的位置；键盘面又处在一个相当特殊的角度，手腕很难一直保持和前臂自然共线。
腰背下面则不是一个按照人体曲线主动支撑的结构，而是沙发、床垫、枕头这些软材料在随机接住身体。
所以它看上去很舒服。
但实际上很可能只是把传统坐姿里面的几种问题，换了一个方向重新排列。
坐着的时候腰疼。
于是躺下。
躺下以后看不到电脑。
于是把电脑架起来。
电脑架起来以后够不到键盘。
于是把键盘一起斜过来。
然后脖子、肩膀、手腕又开始迁就设备。
这就是典型的学生式产品思维：
哪里有问题，就给哪里加一个零件。
而不是重新定义整个系统。
图片描述
事实上，关于在床、沙发上使用笔记本电脑的人体工学研究早就发现了类似问题。一项实验中，人在沙发和床上使用 laptop 时，颈部屈曲明显高于低桌办公；受试者也会 报告颈部疼痛 。另一项针对居家办公姿势的研究则发现，在沙发上使用笔记本电脑容易出现明显的 颈部前屈 ，而缺乏 背部支撑 的姿势又容易带来 腰部过度屈曲 。
而问题的根源甚至不是“躺着不健康”。
恰恰相反。
躺着办公真正的问题，是我们根本没有认真设计过怎么躺着办公。
图片描述
今天所有电脑办公设备几乎都有一个隐藏前提：
人是竖着的。
桌子是水平的。
屏幕在桌子前面。
键盘在桌面上。
你的屁股在椅子上。
于是几十年来所谓的人体工学，基本都在这个坐标系里面修修补补。
图片描述
腰疼？
加腰托。
脖子疼？
升显示器。
肩膀疼？
换扶手。
久坐不好？
升降桌，让你站起来。
图片描述
但很少有人问最基础的一个问题：
为什么是人的身体去适应桌子，而不是桌子和电脑去适应人的身体？
这才是这个市场真正巨大的地方。
人真正需要的甚至不是“躺着办公”。
而是：
姿势自由。
坐累了，可以半躺。
半躺累了，可以真正 recline。
需要开会的时候坐起来。
需要高度专注的时候进入一个接近零重力的姿势。
想活动的时候站起来。
图片描述
而无论身体进入哪一个姿势，眼睛、颈椎、肩膀、手臂、手腕和腰都不应该为了迁就电脑重新变形。
美国 OSHA 对电脑工作站最基本的建议其实很简单：头颈与躯干保持自然排列，肩部放松，肘部靠近身体并有支撑，腰背有支撑，手腕与前臂保持共线；而且哪怕姿势再好，也不应该整天维持同一个静态姿势。
所以真正的“躺着办公”应该反过来设计。
先有人，再有设备。
先让你的腰被完整承托。
让骨盆、腰椎、胸椎、颈椎处在一个舒服且连续的支撑曲线里。
头自然靠着，不需要自己抬。
肩膀完全放松。
上臂和肘部有支撑。
然后再问：
屏幕应该在哪里？
键盘应该在哪里？
鼠标应该在哪里？
这时候答案就已经不是一张“桌子”了。
它应该是一套 围绕人体悬浮的工作界面 。
屏幕由独立的长行程机械臂或者气弹簧结构悬浮。
你从坐姿变成 120 度、140 度甚至接近仰卧，屏幕跟着你的视线移动，而不是你的脖子跟着屏幕移动。
键盘也不应该和屏幕绑在一起。
它应该是另一套独立的 floating tray。
上下、前后、俯仰、旋转都可以调节。
当身体躺下，键盘自动来到前臂自然落下的位置。
肘部甚至可以有自己的动态承托。
你不需要举着手。
也不需要耸肩。
手腕更不需要为了够键盘折一个奇怪的角度。
眼睛有眼睛的坐标系。
手有手的坐标系。
腰有腰的支撑系统。
它们根本不应该像 laptop 一样，被两颗铰链粗暴地绑定在一起。
图片描述
> 这也是为什么笔记本电脑从人体工学角度存在一个几乎无法根治的先天矛盾：屏幕和键盘连在一起。屏幕放到最适合眼睛的位置，键盘通常就不适合手；键盘放到最适合手的位置，屏幕又会逼着你低头。几十年前的研究就发现，相比桌面电脑，笔记本电脑会带来更大的颈部屈曲和头部倾斜。
所以 CZ 这个装置最荒谬的地方就在这里：
一个已经因为背部问题不得不改变办公姿势的人，最后仍然在用最不适合姿态自由的终端形态——laptop——作为整个系统的几何中心。
人都已经躺下了。
电脑的逻辑却还停留在桌子上。
这不是 CZ 一个人的奇怪需求。
图片描述
这件事情最有意思的地方就在这里。
一边是无数人下班回家以后，本能地从办公椅跑到沙发和床上。
一边是腰痛、颈痛、肩痛、腕痛已经成为长期电脑工作者极其普遍的问题。
一边是越来越多的人一天八小时、十小时甚至十二小时面对电脑。
但整个行业给出的答案，几十年来居然主要还是：
“给你一把更贵的椅子。”
或者：
“给你一张可以升高的桌子。”
整个设计空间还停留在 Sitting vs. Standing。
图片描述
实际上真正的下一代工作站应该是：
Sitting → Leaning → Reclining → Supine → Standing。
连续变化。
不是五把椅子。
而是一套工作界面跟着人体一起运动。
这也解释了为什么我认为这不是一个“懒人桌”的小众生意。
它背后真正对应的是整个 工作姿势基础设施 。
图片描述
而我甚至觉得“人体工学椅”这个品类最终都会显得非常古老。
因为椅子的逻辑仍然是：
我造一个物体，希望你坐得舒服。
下一代产品的逻辑应该变成：
你先找到一个舒服的姿势，我再把整个数字世界搬到你面前。
这两个逻辑完全不一样。
前者卖的是 furniture。
后者卖的是一个 posture-adaptive workspace 。
所以回过头再看 CZ 这张照片，它其实非常有价值。
不是因为这套设备做得好。
而恰恰因为它做得太差。
一个有如此强烈需求、如此高购买力、甚至已经因为腰背问题不得不长期躺着工作的人，最后能找到的解决方案，居然仍然只是：
一个架在身上的 laptop stand。
这反而说明这个需求远远没有被满足。
CZ真正需要的根本不是一张“可以躺着用的桌子”。
他需要的是一套让身体先舒服下来，然后让 屏幕、键盘、鼠标、手托、头托、腰托、腿托全部主动迁就人体 的工作机器。
换句话说：
不是把桌子搬到床上。
而是终于把“桌子”这个几百年来的假设扔掉。
人类花了几十年让计算机变得 portable。
下一步应该做的，
可能是让 工作界面终于离开桌子。
2026-10-05
阅读需要5分钟
看到 CZ 这套躺着办公的设备，我第一反应其实是：
这也太学生思维了。
> CZ 他自己在回忆录里写过，从青少年时期就长期受背痛困扰，并认为久坐屏幕前的不良姿势是加重因素之一；到 2019 年，他大部分时间已经只能在床上办公，用笔记本支架、iPad 和手机围在身边。2020 年还做过腰背相关手术。最近的公开报道也提到，他至今仍经常因为长期疼痛躺着处理工作。
一个腰本来就有问题、甚至已经因为长期背痛发展到需要躺着办公的人，最后得到的解决方案，居然只是把一台电脑架到自己胸口上。
它解决了“电脑怎么不掉下来”。
却几乎没有真正解决：
人应该怎么舒服地工作。
仅从这张照片的人体工学关系来看，不对他的具体病情做医学诊断，最大的问题非常明显。
他虽然“躺下来了”，但他的工作界面并没有真正跟着身体躺下来。
头被枕头垫起来以后，颈椎仍然相对于躯干向前屈；眼睛为了迁就屏幕，头颈没有和胸椎自然保持一条放松的轴线。
电脑虽然被架起来了，但输入设备仍然和屏幕绑死在一台 laptop 上，于是为了打字，双手仍然必须迁就电脑的位置。
图片描述
肘部没有一套真正跟随身体姿态变化的稳定承托系统，肩膀和上臂依然要参与维持手的位置；键盘面又处在一个相当特殊的角度，手腕很难一直保持和前臂自然共线。
腰背下面则不是一个按照人体曲线主动支撑的结构，而是沙发、床垫、枕头这些软材料在随机接住身体。
所以它看上去很舒服。
但实际上很可能只是把传统坐姿里面的几种问题，换了一个方向重新排列。
坐着的时候腰疼。
于是躺下。
躺下以后看不到电脑。
于是把电脑架起来。
电脑架起来以后够不到键盘。
于是把键盘一起斜过来。
然后脖子、肩膀、手腕又开始迁就设备。
这就是典型的学生式产品思维：
哪里有问题，就给哪里加一个零件。
而不是重新定义整个系统。
图片描述
事实上，关于在床、沙发上使用笔记本电脑的人体工学研究早就发现了类似问题。一项实验中，人在沙发和床上使用 laptop 时，颈部屈曲明显高于低桌办公；受试者也会 报告颈部疼痛 。另一项针对居家办公姿势的研究则发现，在沙发上使用笔记本电脑容易出现明显的 颈部前屈 ，而缺乏 背部支撑 的姿势又容易带来 腰部过度屈曲 。
而问题的根源甚至不是“躺着不健康”。
恰恰相反。
躺着办公真正的问题，是我们根本没有认真设计过怎么躺着办公。
图片描述
今天所有电脑办公设备几乎都有一个隐藏前提：
人是竖着的。
桌子是水平的。
屏幕在桌子前面。
键盘在桌面上。
你的屁股在椅子上。
于是几十年来所谓的人体工学，基本都在这个坐标系里面修修补补。
图片描述
腰疼？
加腰托。
脖子疼？
升显示器。
肩膀疼？
换扶手。
久坐不好？
升降桌，让你站起来。
图片描述
但很少有人问最基础的一个问题：
为什么是人的身体去适应桌子，而不是桌子和电脑去适应人的身体？
这才是这个市场真正巨大的地方。
人真正需要的甚至不是“躺着办公”。
而是：
姿势自由。
坐累了，可以半躺。
半躺累了，可以真正 recline。
需要开会的时候坐起来。
需要高度专注的时候进入一个接近零重力的姿势。
想活动的时候站起来。
图片描述
而无论身体进入哪一个姿势，眼睛、颈椎、肩膀、手臂、手腕和腰都不应该为了迁就电脑重新变形。
美国 OSHA 对电脑工作站最基本的建议其实很简单：头颈与躯干保持自然排列，肩部放松，肘部靠近身体并有支撑，腰背有支撑，手腕与前臂保持共线；而且哪怕姿势再好，也不应该整天维持同一个静态姿势。
所以真正的“躺着办公”应该反过来设计。
先有人，再有设备。
先让你的腰被完整承托。
让骨盆、腰椎、胸椎、颈椎处在一个舒服且连续的支撑曲线里。
头自然靠着，不需要自己抬。
肩膀完全放松。
上臂和肘部有支撑。
然后再问：
屏幕应该在哪里？
键盘应该在哪里？
鼠标应该在哪里？
这时候答案就已经不是一张“桌子”了。
它应该是一套 围绕人体悬浮的工作界面 。
屏幕由独立的长行程机械臂或者气弹簧结构悬浮。
你从坐姿变成 120 度、140 度甚至接近仰卧，屏幕跟着你的视线移动，而不是你的脖子跟着屏幕移动。
键盘也不应该和屏幕绑在一起。
它应该是另一套独立的 floating tray。
上下、前后、俯仰、旋转都可以调节。
当身体躺下，键盘自动来到前臂自然落下的位置。
肘部甚至可以有自己的动态承托。
你不需要举着手。
也不需要耸肩。
手腕更不需要为了够键盘折一个奇怪的角度。
眼睛有眼睛的坐标系。
手有手的坐标系。
腰有腰的支撑系统。
它们根本不应该像 laptop 一样，被两颗铰链粗暴地绑定在一起。
图片描述
> 这也是为什么笔记本电脑从人体工学角度存在一个几乎无法根治的先天矛盾：屏幕和键盘连在一起。屏幕放到最适合眼睛的位置，键盘通常就不适合手；键盘放到最适合手的位置，屏幕又会逼着你低头。几十年前的研究就发现，相比桌面电脑，笔记本电脑会带来更大的颈部屈曲和头部倾斜。
所以 CZ 这个装置最荒谬的地方就在这里：
一个已经因为背部问题不得不改变办公姿势的人，最后仍然在用最不适合姿态自由的终端形态——laptop——作为整个系统的几何中心。
人都已经躺下了。
电脑的逻辑却还停留在桌子上。
这不是 CZ 一个人的奇怪需求。
图片描述
这件事情最有意思的地方就在这里。
一边是无数人下班回家以后，本能地从办公椅跑到沙发和床上。
一边是腰痛、颈痛、肩痛、腕痛已经成为长期电脑工作者极其普遍的问题。
一边是越来越多的人一天八小时、十小时甚至十二小时面对电脑。
但整个行业给出的答案，几十年来居然主要还是：
“给你一把更贵的椅子。”
或者：
“给你一张可以升高的桌子。”
整个设计空间还停留在 Sitting vs. Standing。
图片描述
实际上真正的下一代工作站应该是：
Sitting → Leaning → Reclining → Supine → Standing。
连续变化。
不是五把椅子。
而是一套工作界面跟着人体一起运动。
这也解释了为什么我认为这不是一个“懒人桌”的小众生意。
它背后真正对应的是整个 工作姿势基础设施 。
图片描述
而我甚至觉得“人体工学椅”这个品类最终都会显得非常古老。
因为椅子的逻辑仍然是：
我造一个物体，希望你坐得舒服。
下一代产品的逻辑应该变成：
你先找到一个舒服的姿势，我再把整个数字世界搬到你面前。
这两个逻辑完全不一样。
前者卖的是 furniture。
后者卖的是一个 posture-adaptive workspace 。
所以回过头再看 CZ 这张照片，它其实非常有价值。
不是因为这套设备做得好。
而恰恰因为它做得太差。
一个有如此强烈需求、如此高购买力、甚至已经因为腰背问题不得不长期躺着工作的人，最后能找到的解决方案，居然仍然只是：
一个架在身上的 laptop stand。
这反而说明这个需求远远没有被满足。
CZ真正需要的根本不是一张“可以躺着用的桌子”。
他需要的是一套让身体先舒服下来，然后让 屏幕、键盘、鼠标、手托、头托、腰托、腿托全部主动迁就人体 的工作机器。
换句话说：
不是把桌子搬到床上。
而是终于把“桌子”这个几百年来的假设扔掉。
人类花了几十年让计算机变得 portable。
下一步应该做的，
可能是让 工作界面终于离开桌子。
5 03