文章核心观点 - Wabi创始人Eugenia Kuyda对消费端AI产品提出七个预测，核心观点认为当前以空白输入框为主的“命令行”式AI交互限制了普通用户探索，未来能解决“发现”难题、展示AI具体能力的平台将成为新赢家[1][10][14] - 到2030年，通用AI聊天机器人市场将细分为专注于任务处理的工具型助手和专注于情感陪伴的伴侣型机器人两大类别[1][7][12] - 基于实时视频生成的AI虚拟主播被预测为增长最快的消费赛道，有望最快达到10亿美元年度经常性收入[1][9] 硬件与交互的挑战 - 无屏幕AI设备将会惨败，因为手机功能强大且用户对“信息流消费”成瘾，语音作为主要交互手段在效率和体验上难以替代手机[1] - “全时监听”设备不会成功，因为日常生活记录价值不高，且重要场合用户不敢录音，通过电子邮件等数字足迹能获得更多有效的个人背景信息[2][5] 软件形态与平台演进 - 微型应用将开启用户生成内容个人软件时代，对软件的意义如同短视频对内容的意义[3] - Wabi定位为首个个人软件平台，Pre-seed轮获a16z领投2000万美元，允许用户基于自身品味、习惯和情境轻松创建、发现、改编并分享个性化小应用[4] - 开发完整App涉及认证、集成、数据库等复杂流程，而描述想法、流程或界面则简单得多，冗长的注册引导流程促使用户转向自建微型应用[5] - 微型应用将解锁UGC软件，并随之诞生美国第一个真正的消费级“超级应用”[5] AI聊天机器人市场分化 - 到2030年将出现两大通用AI聊天机器人，它们无法共存于同一产品中：一个需具备可预测性和可靠性，专注于知识检索、搜索和任务处理；另一个需具备能动性、能带来惊喜并建立关系，专注于帮助用户过上最好的生活[1][7][12] 营销模式与增长赛道 - 针对App的效果营销已死，东欧、土耳其、以色列等地的工作室依赖获客成本与终身价值套利的模式导致所有利润空间归零，付费获取用户不能作为商业模式[8][13] - 实时视频生成AI虚拟主播一旦成本降至可向用户收费的程度，将成为史上增长最快的消费产品，凭借无限个性化和24/7聊天能力，其规模将使OnlyFans显得微不足道[1][9] AI产品“发现”难题与机会 - 当前主流AI交互是“命令行”式的空白文本输入框，限制了普通用户除聊天和搜索外的数百个用例探索[10][14] - 谁能解决AI“发现”问题，向用户展示AI能做什么而非要求用户编写提示词，谁将成为下一个巨大的消费级平台[1][14] 面向AI的基础设施与工具 - 为AI而非人类设计的产品在过去一年非常热门，例如为AI设计的搜索Exa、为AI Agent设计的专属浏览器Browserbase[11] - 一家专为AI设计的数据库产品过去一年年度经常性收入增长6倍达到600万美元，其增长方式是利用自身数据获取客户，与传统为人设计的B2B数据库（如ZoomInfo、Apollo）的“历史快照”模式不同[15]

文章核心观点 - 文章探讨了AI应用生态的未来发展，核心观点认为到2026年，AI应用层不仅不会被基座大模型取代，反而会因专业化、组合化而变得更加厚实和独立，AI工具的本质将从“执行”转向“探索”，并推动企业向“软件优先”的文化转型 [3][7][9][20][21] AI应用与基座模型的关系 - 基座大模型被比喻为“通才”毕业生，而AI应用则通过私有数据、传感器和执行器对其进行“岗前培训”，将其打造成特定领域的顶尖专家 [4][5][6] - 应用和模型的分化会越来越明显，未来的AI应用是一个组合体，整合顶尖模型的调度能力、特定领域UI以及廉价的海量功能 [7][21][22] - “应用最后会被模型吃掉”的假设可能是错的，即使在编程等核心领域，创业生态依然繁荣，2025年新创造收入超过10亿美金 [20][28] AI工具的发展趋势：从执行到探索 - 当前AI工具主要是“执行工具”，缺乏帮助用户“探索”和“思考”的工具 [7][9][10] - 下一代编程、设计和生产力工具的核心战场将从“执行”转向“探索” [9][11] - 当AI Agent能力增强后，核心难题从“如何实现”变为“应该做什么”，当前模型在“决定下一步做什么”上缺乏“灵气” [11] - Cursor和谷歌的Antigravity是“探索”优先的典型代表，Antigravity作为“agent first”的IDE，允许用户向Agent下达高级指令，由其自主规划、编码和测试 [12][14] 企业组织与文化的AI转型 - AI编程Agent将冲击企业，要求所有部门都必须“软件优先”，市场、法务、财务等部门领导需优先考虑软件工具而非流程和人力 [15][18] - 未来每个团队都得是个软件团队，公司对产品开发的“野心”可以极大膨胀，创意和项目优先级流程需要重构 [18] - 改变企业文化的难度不亚于改变组织架构 [19] - 企业CEO应关注标杆案例，学习如何用AI整合销售、客服等面向客户的部门，并让非技术部门用上模型以提升运营效率，同时应更大胆地做产品并敢于定更高价格 [36][37][38] AI应用层的商业模式与创业机会 - 过去15年消费软件月费天花板约为20美元，但现在用户乐于为Claude、Grok 4 Heavy等产品每月支付200美元以上，关键是为特定用户带来100倍的效率提升 [23][24][25] - 免费版是流量入口和漏斗，高价付费版才是真正的产品 [26] - 未来的赢家是“Narrow Startups”，即产品做得更深、更窄的初创公司 [22] - 应用层创业公司的优势在于：组合使用多模态模型、拥有独家数据（效果可比大厂强10倍）、具备网络效应和复利循环的产品、以及拥有功能丰富的复杂生态系统 [29][30][31][32] 成熟AI应用的特征与消费者普及 - 成熟的厚实AI应用（如Cursor）应具备以下特点：负责上下文工程、在底层编排多次LLM调用并进行成本权衡、为Human in the Loop提供特定图形界面、提供让用户决定AI自主性的滑块 [33][35] - 命令行界面（CLI）曾将普通消费者挡在AI能力之外，但现在情况开始改变，Wabi、ChatGPT的“图片”功能、应用商店等让普通人也能体验代码生成、图像生成和多模态内容创作 [34] - 2025年，随手生成一个小应用的快乐将类似于2023年随手生成一首诗，这有助于让更多普通消费者动手创造 [34]

文章核心观点 文章围绕“交互”主题，探讨了AI时代软件开发和产品设计的变革性趋势，核心观点认为，AI的超能力在于“深度个性化”，这将催生全新的软件形态（如Personal Software）、交互范式（如语音操作系统、创新的GUI设计）以及产品设计理念（如系统思维、节奏分层）[4][17][95] (一) 为什么独立的 Vibe Coding 必死，但 Personal Software 会火？ - **软件行业正经历“应用的YouTube化”变迁**：软件开发将从全球约2000万开发者的特权，泛化为80亿创作者的日常媒介，软件将像快消品一样，用于解决特定、即时的需求[6][7] - **独立的Vibe Coding工具存在三大短板**：1) **信任与稳定问题**：缺乏专业开发能力可能导致严重的安全漏洞和用户数据泄露[10]；2) **集成能力不足**：难以方便地调用用户的其他服务（如健康数据、邮箱、银行账户）[11]；3) **缺乏分发与协作机制**：难以形成社交传播和多人协作网络[13] - **平台化是Personal Software成功的关键**：平台能提供信任层以解决安全、隐私和数据持久化问题，提供连接一切的API，并内置社交图谱与协作功能，让个人开发的Mini App得以流转和生长[10][11][13][14] - **AI的超能力是“深度个性化”**：这包含三个层次：1) **应用层个性化**：用户可修改App功能和提示词[18]；2) **平台层个性化**：平台提供用户的基础信息（年龄、地点等）作为上下文给所有App[19]；3) **跨应用个性化**：不同Mini App能相互对话，协同工作（如健身App修改营养方案）[20] - **催生“软件即内容”的新GTM模式**：1) **新商业模式**：内容创作者可通过发布Mini App（如一套训练方案）直接变现[23]；2) **新流量入口**：内容（如旅游攻略）可被封装成功能极简的Mini App（如专属地图）[23]；3) **新社区形态**：Mini App本身成为“社区启动器”，聚集同好，衍生线下活动与共创[24][25][26] - **Wabi类产品的本质是“Prompt容器的平台”**：它将裸奔的文本Prompt配以合适的UI外壳和沙盒环境，使其成为可保存、复制、分发的个人应用，是从“Chatbot”走向“Chat+GUI结合”的交互形态进化[28][33][34] - **软件民主化的实际形态是“人人参与迭代”**：预计从零开始原创的用户不会超过10%，但很多人会参与修改和迭代，平台通过提供“Fork（混音）”和“Request（提需求）”功能来落地[34][35][36] (二) 我们是不是低估了输入法的想象力？ - **输入法正从打字工具进化为“语音操作系统”**：其进化分为三步：1) **接管输入**：从键盘打字转向语音输入，核心价值在于“减负”——消除思考时的认知负荷，并鼓励用户提供更多背景细节，从而提升AI输出质量[39][40][41][42]；2) **代你表达**：基于对用户过往输入的全局了解，能主动帮助写作（如撰写邮件），并学会根据应用场景和用户语气自动调整表达风格[44][45][47]；3) **反客为主**：凭借高系统权限（尤其在PC端可读屏），未来可能主动跳出提供建议或完成任务[48][49] - **AI语音输入法赛道近期融资活跃**：例如海外公司Wispr在4个月内融资了8100万美元[38] - **输入法成为高价值数据管道**：其掌握的实时、高频的一手数据对训练大模型至关重要，包括：1) 训练模型理解人类偏好和意图；2) 让模型跟上人类语言的实时变化（如新梗、新电影）[50][51] - **输入法的战略定位可能提升**：它有望成为用户与所有软件之间最高频的交互接口，以及用户与大模型之间最完整的数据管道[52] (三) 最近见过最好的 5 个 AI 交互设计 - **1. 参数滑块**：用于弥补自然语言在描述“程度”时的无力感，实现“Prompt负责定性，滑块负责定量”，让用户通过拖拽快速调整输出效果（如简洁与详尽的区间），同时提供实时反馈回路，增强用户的控制感和创作归属感[57][58][60][61][64] - **2. 反向Onboarding**：将传统的重流程注册（填信息）反转为先让用户零成本体验核心价值，例如AdComposer.ai仅需输入公司网址即可生成广告创意，旨在将TTV（价值感知时间）压到接近零[65][68][70][71] - **3. 善用等待时间**：将AI生成所需的几十秒等待时间转化为低成本的“二次交互窗口”，例如Gamma让用户选择PPT主题风格，Perplexity询问是否需要补充细节，以此提升结果准确度并优化成本[71][72][73] - **4. 用“命名”控制用户预期**：通过叙事设计降低用户对AI能力的过高期待，例如tldraw将AI助手命名为“小精灵”、“小鬼”等，将其错误行为包装成调皮特性，从而提升用户容忍度和留存率[74][75][76][80][81] - **5. 视角滤镜**：将特定的思维风格或人格特质封装成可打包、共享、调用的“滤镜”或“思维调音台”，用户可像选字体一样选择（如“乔布斯思考滤镜”），未来可能形成交易“脑回路”的新市场，甚至发展出公司级的“品牌滤镜”[83][84][85][86][88][91] (四) 产品设计的终极形态 - **未来产品设计的核心竞争力是“系统思维”而非“品味”**：因为未来的UI将是千人千面的，最终形态更多由用户自身的品味决定[95][96] - **产品设计的工作重心转移**：从设计具体界面转向：1) **定结构**：搭建清晰、耐用的概念体系和可插拔的能力接口[101]；2) **定属性**：明确系统中哪些元素底层共享，哪些可个性化[102]；3) **定逻辑**：设计系统的思考与响应规则（如在用户犹豫时展示更多灵感图片）[103] - **未来的软件像“建筑”一样有机生长**：借鉴《建筑如何学习》的观点，优秀建筑/软件是随用户需求进化而来的有机体，其进化由六个变化速度不同的层级共同构成（从寿命数天的“物品”到数百年的“地基”）[97][100] - **有韧性的系统依靠“节奏分层”维持**：复杂系统（如人类文明）由不同速度的层级（如快速的“时尚”、慢速的“文化”、极慢的“自然”）叠加而成，快层负责试错创新，慢层负责记忆约束，共同维持系统在时间中的韧性与平衡[107][109][114][115] - **设计的本质是建造包容矛盾的结构**：无论是软件、建筑还是制度，都是人类为了在多重时间尺度中生存而做出的结构性尝试，需要容纳不同维度上复杂而矛盾的需求[120][121]