如果语音交互是AI 迈向全民应用的标志，那么新交互范式的内容终端，是否会发生变化？
web 2.0 时代：推荐是引擎，信息流是载体，滑动手势是触发器，推进了互联网全民应用化。
人与人的连接开始依赖于推荐系统做内容分发，替代了主动搜索这一交互形态。
而交互形态的改变催生了从 操作键盘控制屏幕 向 滑动手势 的范式革新。 此时信息流成为了载体，手机成为了新一代智能终端。
本质上，手是大脑的工具，键盘和鼠标是手的工具。而滑动手势更贴近于用户的自然行为，而主动性更强的推荐系统，更接近大脑处理信息的低耗能动机。
而在 AI 时代，agent让语音交互更强大，因为嘴同样是大脑的直接工具
但似乎我们还需要依赖手机的终端屏幕，承载内容。因为我们难以通过抽象的语言来处理所有复杂问题。
因为认知科学上，人的短时记忆只有6-9个字符，过程中，大脑还要将注意力分配给思考过程。 所以一个完整的屏幕 实际上是缓存了我们的所需要的信息，并且把部分信息图像化，辅助用户认知外界信息。
在我们没有智能手机和电脑时，我们是用笔记本和白板来记录缓存信息的。
但是现在很多智能硬件并不能完整承载这一过程，
因为缺少了信息传输过程中的辅助载体。
企业上下文中，有个隐性知识经常被忽略，叫【组织上下文】，核心关注人在组织中的动机和行为。
这个很好理解，很多互联网产品 明知道数据和接口打通，组织合并，产品就能更上一个台阶。但组织内部的博弈 导致计划不能成型。
再比如企业经营层面的决策方向，会受到人的角色和立场观念影响，对业务的解释自然会面向自己有利的角度。
所以很多的企业问题 是由于组织局部的理性，带来组织全局非理性，这些方面 ai 短期是不容易解决的，因为ai容易理解事，但是不容易搞定人。
我觉得现在的 部分ai应用和模型 低价逻辑，如果当做是一种投资，显然不make sense。因为面向供给侧的生产力要素，规模和网络效应带来的复利效应并不明显，切换成本几乎为0，低价竞争最后大家都赚不到钱。
我觉得造成这个现象的原因，可能是因为市场认知和技术成熟度还不够，现在一个sota模型每个月带来的开销基本接近一个实习生。
但大多数的用户的认知和信任成本，还没有感知到sota是可以替代或超越一个人力的作用。所以从这个角度看，低价会是跨不过去的过渡阶段。
键盘和鼠标是手的工具，而是手和嘴是大脑的工具。所以语音交互是更接近自然的交互形态。
但屏幕不会被取代，因为它同样是大脑的工具。
因为人的短时记忆容量只有6-8个字节，阅读时还会会伴随思考耗能。
所以屏幕是一个记录外部信息的实体容器，在大脑传输带宽有限的情况下，承担了把信息先缓存起来的作用。 现实中的图文和长文本太多了，语音不太可能解决所有问题。
假如一个知识或职业社交平台，不被允许在个人主页写职位简介会怎样？人们对内容质量的判断会变强还是减弱？
现在传统的内容社交平台，本质上掺杂了过多物理世界外显的身份。导致一个社交平台上，一个写xx大厂xx高管和一个什么都不写的人，在社交媒体上同一个内容，获得的社交资本远不一样。
某个大佬开个玩笑，评论区就很热闹。认真发内容的人无人问津，大家都在向上社交。低资本的人，对每个内容认真回复，高资本的人看都不看。
那么低资本的人为了获取注意力，只能写八卦，制造情绪，因为让人动脑思考的东西本身就反人性，大佬和普通人都一样。
那么随着平台的发展，高质量内容会消失。不过平台获得了流量，有了更多商业化的机会。优质内容会越来越少。
那如果我们人为不将外显的身份带入平台，而是让具备通识学科，逻辑，并让ai来理解和评价内容呢？
如果一个新的平台，能否会给一个没有显赫履历的普通人/用户，一个好的激励方式，让他们被看见呢？这是否就会成为打破主流平台垄断的机会呢？
提炼Codex 负责人Tibo 在播客访谈中的几个关键洞察：
1. 对Skill 和 Memory 等工程方法研究只是agent的过渡形态，未来的agent 应该自动深刻理解你的目标，你的团队以及你的工作环境，而且是跨场景跨平台的理解。
2. 语音输入功能的渗透速度很快，说明语音交互可能的是未来人与agent交互的核心范式。
3. 个人电脑是为人类的打字速度，思考速度而设计的，但模型未来可以同时处理上百个应用，以及执行任务，那么个人电脑的cpu，网络将成为瓶颈，agent走向云端是必然趋势。
4. 模型的对齐和安全越来越重要。模型的递归自进化，正在越来越多的应用到自家的模型研发中，人类的对齐和审查已经逐渐跟不上ai的研发速度，治理漏洞和安全会是接下来的重要命题。
长程任务模式下，可供用户消费的“最佳内容载体”或许是 一种类“周报”的任务看板？
而当下agent推理过程的展现形态也可能不是长程任务下的最优解？
当任务执行变得越来越长，用户进入界面的频次更少，且动机更倾向于内容消费，更少的完成功能操作。
而内容消费的动机更多是在做过程监控与干预。
那么适配于此类用户动机的应该是一种画布，用于观测多个任务的执行状况。
因此，我觉得 agent的推理和执行过程 应该是一种摘要并嵌入到卡片中，而非信息流或是当前某一节点的动作状态。
因为我们每次偶尔进入界面的时候，看到的是任务的切片快照，但需要建立跑了三天的任务，究竟跑了什么，结果是什么。
物理世界的组织关系下，管理者与下属是通过周报来记录过程，通过消费周报内容代替下属的工作行为切片。
那么我们与agent交互时沟通的载体，是否也会以同样的形式出现？
也许不同的是，当用户每次进入的时候，每个看板会自动根据任务情况渲染完整执行进度情况？
ai 办公产品宣传的“让打工人提前下班”，其实不符合常理，除非打工人变成了“灵活用工人员”。
假如你在公司要待满 10 小时，即使你用 ai 产品提效了，你不会主动和老板说：我干完了再加一点活，而是假装表演工作直到老板发现，或安排别的事做，那提效的意义不大。提前下班还还会被老板认为不努力工作。
那如果你现在是灵活用工人员了，工作目标就是交付当前这份工作，那提效动机就很强烈了。因为你会想着赶紧交付这份工作，同时再挣下一份钱。即使没人找，剩下的时间就可以光明正大的休息了。
那么假如 ai 办公产品需要付费，你很容易计算：我付了这笔钱能多获得多少收入。
所以从另一个角度来说，灵活用工的规模变大，会促进 ai 办公产品的付费。
只不过前提是：这些人不是”被灵活用工“，而是真的在工作。
所谓产品体验taste，我觉得并不是依赖个人主观的玄学。而是 存在一个最优解，让大部分用户看到后都觉得产品体验好，它有时依赖于的确直觉，有时候反而是保留用户旧体验。 比如主流的文档工具通过大量的用户访谈和实践。
所以当AI输出大段文本时，我们一直觉得展现形态不够好。所以我们提出了假设，当内容过长时，用户的视觉最优解已经被主流文档产品定义过，于是研究了大量的文档结构布局，精细到了每个字色字重，标题，段落的间距。模拟和设计自己产品中多行文本的形态，结果整体效果提升一大块。
这不是说要去抄袭，锤子手机当年的音乐播放器app上面画的是一个唱片机，并会随着音乐的播放进行物理仿真，这本就是一个先入为主的最佳实践。
综上，产品taste不来自于拍脑袋的创新
我觉得判断AI是否真的有主动意识的一个标志是：会不会感知环境的变化后，输出的稳定性会受到影响，比如：
人在被老板骂和夸赞以后的区别；
上真实考场和模拟考试的区别；
平时跑步，和后面有一只要吃你的狮子的区别；
这看起来是一种负向行为，但人的本能是基于环境影响情绪进而调整注意力，推动了更多潜能的激发与创造。，AI同理。