这次大模型带来的ai变革确实会带来很大的社会改变，可能不亚于4G带来的外卖打车短视频直播移动支付，只是需要更多时间；其中一个最大的改变就是手机和电脑的交互会变得很不一样，所有非娱乐的app形态都可能会消失重构。

想起来两年前和朋友讨论大语言模型搭配屏幕识别OCR的技术可能性这件事的时候，我们的推测是未来10年内会出现完全自动化的手机，可能会革iPhone的命（因为当时iPhone在ai和语音助手方面已经落后了），但当时对于ai agent的技术争执还停留在屏幕识别派和底层接口派（类似快捷指令，用app主动提供的一些接口来实现ai自动化），当时甚至还没有mcp。没想到的是仅仅两年过后就出现了豆包助手手机，和过往国产安卓语音助手的长任务完全不同，每次使用都会通过千奇百怪的长尾场景workflow来喂养这个GUI agent。

无论是硕大的先用后付、立即下单按钮，还是故意误导点击的菜单，或者藏在犄角旮旯的解绑和注销，以及无处不在的广告位，精心设计沉淀十几年的移动互联网交互方式被读屏和脚本一句话搞定了，这些传统艺能还怎么玩呢？

好像豆包输入法的推出都变得极其合理了。不仅有极其强大的语音输入，还能让千万人成为豆包的数据小工，再做一个基于上下文识别、只需要打拼音就能所想即所得，而不需要再选字的输入法出来。从最早的今日头条开始，ai就让字节这个公司越来越大，也许字节会成为一个（仅限科技界的）荒坂，但我还是期待手机彻底变成贾维斯的那天。