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
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。