如何开“上帝之眼”，看清当下 AI 的发展

type

Post

status

Published

date

Oct 13, 2026

slug

summary

想清楚未来AI的终局样子, 作为参照, 看清当下AI的发展思路

今天的数字世界，全是给人设计的

拿订机票举个例子。今天你得这么干：拿起手机，点开 App，选日期，挑航班，填身份信息，付款，再等一条确认短信。每一步，都有一个“人”在看、在点、在输。

AI 时代应该是另一个样子：你说一句“帮我订周三去上海的机票”，然后就去忙别的。操作系统和 Agent 把活干完，最后告诉你：订好了，行程单在这。

区别在哪？以前是你一步一步操作，以后是你把事交代出去，等结果就行。

中间那些点按钮、填表单、输密码，是给人的眼睛和手准备的。对 Agent 来说，全是多余的步骤。

现在 AI 干活的办法，都是“凑合着用”

新的地基还没打好，Agent 想干活，只能先硬着头皮用人的那一套。现在能看到三种办法：

Browser use、computer use：让 AI 盯着屏幕，像人一样点鼠标、敲键盘。

用现有软件的命令行（CLI）：不点界面，直接敲命令让软件干活。

借人的身份：9 月 Manus 2.0 推出的 cue，给 Agent 配上了手机号和邮箱。说白了，就是让 AI 装成人。

这些办法有个大优点：快，今天就能用。毛病也明显：慢、贵、容易出事。你想想，让 AI 对着截图一个个找按钮，找错一次，就可能点错一次。

手机号和邮箱，也是没办法的事。Agent 要进入现有的世界，只能先借一张人类的“护照”。但往长远看，会有专门给 Agent 用的身份：能验证它是谁，能随时收回，还能限定它能干什么。到那时候，手机号这种“装成人”的做法就该退场了。

三种办法里，命令行其实离未来最近：它就是文字进、文字出，结构清楚，AI 用起来很顺手。最“凑合”的，是靠看截图点按钮的那一种。

未来的 AI 世界，要补六块地基

“凑合着用”不会一直持续。想让 Agent 干活又快又稳，得有一套专门给它用的地基。还是回到订机票：你的 Agent 要把这张票订下来，从头到尾，至少要过六关。每一关，现在都有人在动手了。

连接与通信：它得先能找到订票系统，还要能跟别的 Agent 配合。这一块有 MCP 和 A2A。MCP 可以理解成“AI 世界的 USB 接口”，各种工具插上去，Agent 就能直接用。A2A 则是 Agent 之间说话的通用语言。

身份与授权：订票系统凭什么相信它？Cloudflare 推出的 Web Bot Auth，就像给 Agent 发一张“工牌”，让对方能验证：这个 Agent 是谁，替谁办事。业内管这个方向叫“Know Your Agent”，也就是“认识你的 Agent”。

支付：票订好了要付钱，而你不在场。4 月，Google 推出 AI 支付协议 AP2 v0.2，核心就是人不在场也能付款，为未来 Agent 的支付探路。

记忆与状态：它得记得你喜欢靠窗，常坐哪家航司，今天订到一半，明天能接着订。Agent 的长期记忆、跨会话上下文，会成为 AI 时代的“数据库”。

审计与可观测：活干完了，钱花到哪、订了什么，得能查。出了错，要能回头复盘，也要能说清是谁的责任。

算力与操作系统：这一切总得有个地方跑。10 月，微软和英伟达联手重构操作系统底层，据报道，这件事他们已经准备了三年。芯片这边，NVIDIA 在微软发布会上推出了专为 AI PC 2.0 重构的 RTX Spark，高通也放话，到 2028 年要让手机跑 100B 的大模型。

单看每一条，都像零散的新闻。放在一起看，其实是同一件事：为一个“不再有人坐在屏幕前”的世界，一块一块补地基。

地基不是全都要重建

写到这儿，你可能会问：既然 AI 时代要补地基，那已经有的网络协议，TCP/IP、DNS、HTTP 这些，是不是也要推倒重来？

我的看法是：大部分不会，它们会接着用，只是上面要再长一层。

原因很简单。操作系统是围绕人设计的：窗口、桌面、鼠标键盘，全是给人的眼睛和手准备的，所以要重做。网络协议不一样，它们管的是“包”和“连接”，谁在用都一样。人点网页也好，Agent 发请求也好，在它眼里都是一串数据。

再加上一个现实：底层协议特别难换。IPv6 推了二十多年，也没能完全取代 IPv4。

但“面向机器”不等于“面向 Agent”。以前的协议服务的是写死的程序：接口固定，开发者看文档对接好就行。Agent 不一样：它要自己发现有什么工具能用；它是替别人办事的，要有人授权，出了事要能追责；它干的活可能很长、很零碎，还要一笔一笔小额付钱。这些需求，传输层管不了，得在上面补。

所以你看到的新东西，基本都是叠加出来的：MCP 和 A2A 跑在现有的网络协议上，据我了解，Web Bot Auth 是在 HTTP 请求上加签名，AP2 也是在现有的支付体系之上做文章。这跟上一轮互联网很像：TCP/IP 没变，上面先后长出了网页、API、各种登录授权。

我把它们分成三类：

接着用：TCP/IP、DNS、TLS。中立、够用，换起来代价太大。

在上面加一层：MCP、A2A、Web Bot Auth、AP2。缺的是“发现、身份、授权、支付”这些能力。

重新设计：操作系统的交互方式、AI 算力的硬件，还有一块我觉得最值得盯的：身份和信任。现在的体系信任的是域名和机构，“这个 Agent 是谁，替谁办事”，它装不下。

对做企业的人来说，这是个好消息：网络底层基本不用管，别在这儿重复造轮子，把精力放在上面的几层。

对做企业的人，这张图怎么用

这张图还有个很实在的用处：帮你判断“现在该投什么，先别投什么”。

可以先上，快速试试：Browser use、computer use 这类“凑合着用”的办法，适合做试点、验证想法。但别把它当长期的地基，大笔投入。

值得认真投入：把企业自己的系统和知识，改成 Agent 能读、能调用的样子，比如做成知识库、开放接口、接入 MCP。这类投入离未来最近，不容易被淘汰。

要提前想好：Agent 一旦上线干活，权限怎么给，做过什么怎么留记录，对应的就是前面说的身份授权和审计。这两块，别等出了事再补。

最后说一句

写到这里，我发现自己整理这些内容，其实一直在做一件事：先画出终局，再看现在。

想看清 AI 往哪走，得先对未来那套 AI Native 的数字地基，有个大概的图景。有了这张图，再去看每天冒出来的新技术、新产品，你很快就能判断：它是哪一块地基，是“凑合着用”的过渡货，还是未来的一块真拼图。

这就是我说的“上帝之眼”。