我们正处于互联网根本性重新设计的边缘。这不仅仅是一次简单的改头换面,而是一场彻底的整容换骨。
三十多年来,互联网一直是我们的游乐场、工作场所、购物街以及心理咨询师的沙发。但互联网的设计完全是为我们这些简单的人类服务的——我们通过打字、敲击、点击和滚动来操作。它提供的是为视觉设计的界面,为手指设计的导航,以及伪装成网站的决策树。
但事实是:我们很快将不再是互联网的主要用户。
基于 ChatGPT、Copilot、Claude 和 Gemini 的 AI 代理正从被动助手转变为积极参与者。今天,我们要求它们为我们办事;明天,我们将授权它们代表我们行事。
而此刻,我们却在要求像法拉利这样的跑车在鹅卵石路面上行驶。
AI 已经在试图在以人为形的世界中运作——点击按钮、拖动光标、填写表单。这就像把一个机器人装进手套里,并告诉它假装自己有手指。当前这种方法虽然能行得通,但极其低效。
还记得汽车最初在马车道上出现的情景吗?虽然我没有亲眼目睹,但这个故事大家都知道——当时汽车勉强能行驶,直到有人意识到高速行驶需要柏油路。同样的逻辑也适用于互联网。AI 代理不再仅仅是数字司机,它们将成为真正的驾驶者,能够导航、决策并完成交易,而且速度快得惊人,再也不需要我们介入。
我们即将需要一个全新的互联网。
AI 代理需要面向机器的设计
当互联网为机器而构建时,它会是什么样子?
它运行迅速、隐形且以交易为核心。页面变成了终端,界面消失不见,不再有“点击这里”的按钮。仅有结构化数据、非结构化上下文、公开的能力以及在系统间流动的意图。
API 将成为新的店面。AI 无需阅读产品页面或滚动浏览评价轮播,它只需要问一个问题: “基于我用户的偏好、预算和优先级,这是否是最佳选项?” 而且它需要立刻得到答案。
整个互联网架构将转向 AI 原生接口:更快的协议、更清晰的元数据、更可靠的来源。信任将成为一种货币,因为 AI 不能仅凭直觉。代理将评估信息来源的可靠性、交叉核对事实,并从用户结果中学习。信誉、结构和验证信号将比设计本身更为重要。
瞬间,“用户体验”的含义也发生了变化。你设计的对象不再是那个心不在焉的购物者,而是一个拥有无限标签页、对摩擦零容忍的合成大脑。
双互联网,一个未来
那么接下来会发生什么?
我们可能会出现两种平行的互联网:一种为人类设计,保留视觉效果、吸引力,却较为缓慢;另一种为机器设计,简约、高效且运行迅速。
但更可能的是,未来是多层次的。每一个数字界面都需要一层机器可读的外皮。你的网站、内容和电子商务,如果没有为自主代理进行优化,就会变得透明不可见。
这将改变一切:
SEO 将变为 MEO:机器体验优化。
内容逐渐转变为数据。
品牌信任度将变得更加量化和透明。
影响力也将从设计转向可访问性,从版面布局转向延迟表现。
效率和可靠性将成为网站的关键差异点。那些早早拥抱这种变革,打造适合 AI 的前端入口,而不仅仅是漂亮的落地页的品牌,将会繁荣发展……它们会像对待移动优化或安全性那样重视与 AI 的兼容性。
因为在五年后,不会再是人类点击 “立即购买”。而是你的 AI 代理代表你行事,每天做出数百个决策——不仅仅是购买,还包括安排会议、预订行程、筛选内容以及在数字生活的各个领域谈判服务。
而且它不会选择最漂亮的网站,而会选择那个运行最快、最可靠、最值得信赖、最易于机器阅读的网站。
底线
我们不仅仅是在升级浏览器。我们是在重写互联网的规则。
旧互联网是为人类而构建的,而新互联网将是为代理而构建的。那些认识到这一点并据此构建基础设施、内容和接口的公司,很可能将主导未来。
就像道路为汽车而进化一样,互联网也将为 AI 而进化。
那么下一场数字革命呢?将由机器在毫秒级时间内执行,既为机器服务,也可能由机器设计,在一个为它们而来的互联网中实现。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。