Nothing公司联合创始人兼CEO卡尔·裴正在构想一个超越iPhone的未来——这是一个由AI智能体驱动而非运行应用的设备。
"在软件领域的AI方面,我认为人们应该明白应用程序将会消失,"这位消费电子品牌的创始人表示,该品牌制造独特的智能手机和其他配件。"所以,如果你是创始人或初创企业,而你的应用是核心价值所在,无论你是否愿意,都将被颠覆。"
裴在周三于奥斯汀举行的SXSW会议采访中发表了这些评论。
这位创始人此前就曾谈论过AI优先的设备,这一愿景帮助公司去年完成了2亿美元的C轮融资。当时,Nothing正在推广一种新型智能手机的概念,使用AI和个性化技术,准确度足以让用户不必在AI背后进行二次检查其输出结果。
在SXSW大会上,裴详细阐述了他对AI优先设备的愿景以及实现该目标所需的步骤。
第一步是AI功能代表用户执行命令,如预订航班或酒店,目前一些公司正在测试这一功能。然而,裴认为这一步"超级无聊"。
下一步可能会更有趣,因为AI开始长期学习用户的意图。例如,如果你想变得更健康,设备可以给你提示来帮助你实现目标。
"我认为当它开始为你提供建议时会变得更强大;你不必手动想出一个主意...当系统非常了解我们时,它会想出我们甚至不知道自己想要的东西,"裴解释道,将这个概念比作ChatGPT的记忆功能。
在描述他设想的AI优先智能手机时,裴说这将是一个无需命令就能为你做事的设备。
"我们目前使用手机的方式非常老式。这是iPhone之前的方式...过去有Palm Pilots和PDA。如果你考虑用户体验,仍然非常相似,"裴说。"你有锁屏、主屏幕、应用。你浏览不同的应用。每个应用都像一个全屏的东西。有某种应用商店允许你下载更多应用。所以它真的20年没有改变过。"
这让他感到沮丧,因为消费者使用的技术已经发展了很多,但我们使用的产品却没有。即使是简单的任务也让我们经历多个步骤。
"在手机上完成事情非常困难,"裴说。"比如说我们想要喝咖啡。这是一个意图。但要执行这个意图,我们必须经过这么多不同的步骤和这么多不同的应用。和某人喝咖啡大概需要四个应用——某个消息应用、某种地图、Uber、日历。"
他继续说:"我认为智能手机或操作系统的未来应该是:'我非常了解你,如果我知道你的意图,我就为你做',而不是必须手动浏览所有应用。"
"它应该通过AI来完成,"他说。
这也意味着设备将拥有一个不专注于供人类导航的应用界面,而是具有为AI智能体使用而设计的界面。
裴提醒说,这并不意味着应用在短期内会消失。Nothing自己的操作系统甚至今天就允许用户自己编写迷你应用。但最终,AI需要能够以无摩擦的方式使用"应用",而不是试图通过在菜单中移动和点击选项来模仿人类在智能手机上的触摸。
"那不是未来。未来不是智能体使用人类界面。你需要为智能体创建一个界面来使用。我认为这是更具前瞻性的做法,"裴说。
Q&A
Q1:Nothing公司CEO卡尔·裴对智能手机未来有什么预测?
A:卡尔·裴预测智能手机应用程序将会消失,被AI智能体取代。他认为未来的设备应该能够理解用户意图并自动执行任务,而不需要用户在多个应用之间跳转操作。
Q2:AI优先智能手机和现在的手机有什么区别?
A:AI优先智能手机将不再需要传统的锁屏、主屏幕和应用界面。它能够直接理解用户意图并自动完成任务,比如想喝咖啡时,设备会自动处理消息、地图、出行和日程安排,而不需要用户手动操作四个不同的应用。
Q3:为什么卡尔·裴认为现在的智能手机使用方式过时了?
A:他认为现在的智能手机界面和使用方式与20年前的Palm Pilots和PDA没有本质区别,仍然需要用户在不同应用之间跳转。尽管底层技术已经大幅进步,但产品交互方式却没有相应发展,完成简单任务仍需要复杂的多步操作。
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。