AI 原生：把大模型拔掉，这个应用还转不转
微信读书《AI原生》
逐页翻阅 319 屏 · 8 章 · 2026-11-03
说明：这本是典型的产业研究视角——从数字经济、社会形态一路写到治理，不是工程师手册。所以别指望它教你调参，它想回答的是"当模型变成基础设施，产品和社会会长成什么样"。我读它的目的，就是想看看这个判断到底站不站得住。
这本书里有一句判据，我读完记了很久。它讨论怎么区分"真的 AI 原生应用"和"只是加了 AI 的应用"，给出的办法不是列一堆特征，而是一个动作：
你怎么判断一个应用是不是 AI 原生应用？其实就一点，看它把大模型能力去掉之后，这个应用是否仍能正常使用。
这个判据好得有点出乎意料。它把一个说不清的定性问题，变成了一个可以做的手术。任何号称 AI 原生的产品，你闭上眼把模型那一层拆掉，剩下的部分还能不能跑？能跑，那 AI 就是装修——好看、溢价、可拆；不能跑，那 AI 才是承重墙。
顺着这个动作往下推，你会发现大量所谓的"AI 应用"根本过不了这一关。它们原来的产品是完整的，只是在旁边加了一个对话框；把对话框关掉，业务照常运转，一点不影响。这不叫 AI 原生，书里给了它一个准确的名字：AI 赋能。
一、可惜这句判据，书自己写反了
必须说一件不太体面的事。上面那个判据，紧接着的下一句是错的。
原书的完整表述是这样的："如果是，那基本可以确定它是 AI 原生应用；如果去掉了大模型能力，这个应用还可以正常使用，只是相对没有那么智能化了，那么 AI 的作用就是辅助性的。"
两个分句说的是同一件事，结论却相反。"如果是"——也就是去掉模型仍能正常使用——却"基本可以确定它是 AI 原生应用"；可后半句明明又说，这种"还能用、只是没那么智能"的情况属于辅助性。
显然第一个"如果是"应该是"如果说否"。这是一处笔误，编辑没有抓住。
我把这件事专门写出来，不是为了挑刺，而是因为它恰好说明了一个更普遍的问题：真正有判断力的那句话，往往是最容易被写坏的那句。书里大段的安全表述、趋势判断、美好愿景，读起来四平八稳、不会出错，也不会给你任何东西；而这一句是全书唯一一个可以拿去用的工具，它反倒写错了。
顺带一提，这个判据还有一层它自己没往下说的意思。去掉模型不能跑，只证明"AI 是必需的"；但要称得上原生，还得追问一句：这个产品形态是不是因为有了模型才可能存在？如果十年前就能做，只是当年做得贵、做得差，那它是被 AI 解锁的旧产品，不是原生的新产品。
二、最好的类比不是"电"，是"手机"
讲 AI 原生的文章，十篇里有八篇会拿电力打比方——电是基础设施，AI 也是基础设施，所以AI 会像电一样渗透一切。这个类比用滥了，而且没什么操作价值：知道它像电，你还是不知道明天该做什么产品。
这本书换了一个类比，我认为是全书最有价值的一处：对标移动互联网的原生应用。
书里说，从 PC 互联网转到移动互联网时，一大批门户网站只是把网页原样搬进了 APP。这件事技术上毫无难度，商业上却注定没有大机会。真正赢的，是那些为手机重新长出来的东西——微信、抖音、美团、滴滴。
区别在哪？书里点得很准：不是技术实现，是产品逻辑。
移动互联时代的 APP 虽然可以实现点外卖，但是需要进行一系列人工操作。那么，AI 原生时代的 APP 怎么点外卖？我认为，你只需要告知它有限的信息，比如你想什么时候收到外卖就够了，至于点哪家、怎么点，AI 都可以帮你决策并操作。
这个例子朴素，但它把"原生"的标准说透了：界面从"人做决策、机器执行"变成"人给约束、机器决策并执行"。
按这个标准回头看，现在绝大多数 AI 产品还在第一阶段。它们给了你一个更聪明的输入框，但流程还是你走：你选分类、你填参数、你复制结果、你再粘到下一个地方。模型变强了，界面没变，责任分工没变。
而"原生"要改的恰恰是分工。这也是为什么我同意书里的判断——应用才是主战场。模型能力会趋于同质，接口价格会一路下行，真正拉开差距的是谁敢把决策权交出去，交给哪一步。
三、它先把幻觉这件事说清楚了
谈 AI 原生之前，书花了不小的篇幅拆生成式 AI 的局限，其中对幻觉的解释是我见过的比较干脆的一种：
大模型生成内容的底层逻辑基于概率，只负责形式上的推理，不对信息的真实性负责。可以说，幻觉是大模型在"诚实度"上的先天缺陷。
"只负责形式上的推理，不对真实性负责"——这句话值得抄在本子上。它解释了很多让人困惑的现象：为什么模型编造的法条格式完全正确，条款号、施行日期、发布机关一应俱全；为什么它能把一个不存在的论文写得像模像样，连参考文献的期刊卷期都不缺。
因为它做的是形式。格式对不对，是它可以保证的；内容真不真，不在它的职责范围内。
书里接着给了一个使用者的解法，我认为比大多数"提示词技巧"都实在：要求它明确引用来来源。书里提到，ChatGPT 在搜索得出的答案中经常备注信息来源，这样使用者对其来源的检验既方便，也必要。
这条建议的深层含义是：对 AI 的信任不该建立在"它说得很像"，而该建立在"我能去查"。一个不给出处、只给你结论的 AI，无论语气多笃定，你都无从校验——而人对流畅文本的默认反应是相信。
这也解释了为什么"AI 原生"的产品设计里，出处展示不是可选装饰，是必需品。你把决策权交给模型的代价，就是你必须同时把可追溯一起要回来。
四、AI 原生思维：三个词，两个能用
第 2 章末尾讲"用 AI 原生思维探索未来"，提出三个核心要点：涌现思维、数据思维、旋转思维。
书里的定义是这样：AI 原生思维"强调从数据出发，利用 AI 的算法和模型来分析和解决问题，从而更加灵活、智能且高效地应对复杂多变的环境"；它与传统线性、按部就班的思维方式相对。
三个词我分开说。
涌现思维有真东西。它讲的是：不要再试图把一件事拆成一条确定的流水线，而是给出目标、条件和约束，让系统自己长出路径。这确实是换了范式——过去做产品，你要把用户的每一步都设计好；现在你要设计的是边界和评价标准，路径交给模型。
旋转思维书里解释为"主动适应变化、跳脱框架"。这个说法有点玄，但落到实践上其实很具体：卡住的时候，不是加大投入硬推，而是换一个面看同一个问题。工程上这就是"改约束"，不是"加算力"。
数据思维是三个里最弱的。它不是新东西——从数据库营销到增长黑客，从 BI 到推荐系统，靠数据做决策已经讲了二十年。把它列为"AI 原生"的特征，等于把整段数字化转型的历史都收编了。这会让读者误以为，只要重视数据就是 AI 原生，而这显然不成立。
这也是这本书的通病之一：概念的边界画得比较松。凡是好的、先进的、面向未来的东西，都往"AI 原生"这个筐里装，筐越来越大，也越来越没有鉴别力。
五、三元一体：数字人、机器人、自然人
第 4 章提出"AI 原生世界的三元一体"：由数字人、机器人和自然人构成的新社会形态。这一章的价值不在愿景，而在它对两件事的技术拆解。
关于数字人，书里把它的技术底座拆成两层，我觉得这个拆法很干净：
图形学给脸。计算机图形学是数字人技术的核心基础之一，负责构建外观——三维建模建出骨骼结构到皮肤纹理，渲染技术把这些模型转化为最终图像，决定数字人在不同环境下的表现。
模型给魂。AI 是数字人的"大脑"，赋予它感知、理解和决策的能力。语音识别把用户的话转成文本，自然语言理解搞清意图，自然语言生成让它能对话。
这个"皮与魂"的分法有个实际用途：判断一个数字人产品是"演播"还是"交互"。只有皮、魂很浅的，是播报型，本质是视频播放器；魂做得深的，能承接开放对话，才谈得上智能体。市面上大部分数字人还停在第一阶段，只是渲染得越来越好看。
关于机器人，书里先给具身智能下了定义：指智能体通过自身实体与周围环境展开实时交互，进而实现感知、认知、决策以及行动一体化的智能形态；并特别注明，不是所有机器人、数字人都是具身智能，只有具备上述能力才可以被称为具身智能。
然后是一句我认为很重要的话：
具身智能的核心理念在于彻底打破传统 AI"离身性"的局限，着重强调智能的本质，并通过身体与环境的动态互动实现塑造与体现。
"离身性"这个词抓得准。过去几十年 AI 的主流路线，是把智能当成符号运算——世界被压成文本、压成标注数据，模型在符号空间里推演。这条路线能力惊人，但它有个前提：世界已经被别人翻译好了。
具身智能要把这个前提撤掉。机器人面对的不是翻译好的文本，是连续的、带噪的、会反抗的物理世界。它必须靠传感器实时采样，靠动作试错，靠身体的反馈来修正认知。书上这句话的分量在于：它不是"AI 加一个身体"，是承认智能本身长在互动里。
六、从"在线"到"在场"
第 6 章是我个人最喜欢的一章，因为它提了一个别人不太提的问题。
书里先复盘了中国互联网三十年：这三十年解决的核心问题是在线——把人连上网，把信息搬上网，把交易搬上网。然后它给了一个大胆的判断：未来三十年要解决的是在场。
在线和在场差在哪？在线解决的是"信息能不能到"，在场解决的是"人是不是真的在那儿"。
我们现在的远程会议、远程医疗、远程教学，本质上都还是在线——你能看到画面、听到声音，但你没有"在那儿"的感觉。眼神对不上，空间关系断了，身体的在场感是缺失的。
书里用 MR 技术解释"半实半虚在场"：通过计算机视觉、空间定位和显示技术，MR 系统能够将虚拟物体精确地注册到物理空间的特定位置，并保持其在用户移动过程中的视觉稳定性；这些虚拟对象不仅能与物理空间形成正确的遮挡和光影关系，还能通过手势、语音或眼动进行实时操控。
再往上一层是"纯粹的虚拟在场"——要求用户完全沉浸在数字环境中。
我认为这个框架比"元宇宙"那套词有用得多。元宇宙是个筐，什么都能装；"在线 vs 在场"是一条可检验的轴。你可以拿任何一个远程协作产品去量：它解决的是信息传递，还是在场感？如果只是信息传递，那它和三十年前的电话没有本质区别，只是带宽更宽。
书里举的教育例子也很到位：学解剖的学生可以在真实实验室里观察和操作虚拟三维人体模型，逐层剥离虚拟组织来研究人体结构；学天文的可以在教室里看到太阳系行星的精确全息投影。这类场景的关键不是"看到了"，是保留了真实实验的触觉反馈和空间直觉。
七、它把最难的问题放在了最后
这本书没有回避治理。序言里有一段话，语气比全书其他地方都重：
人类的长期生存和繁荣，可能取决于人类在 AI 达到超智能水平之前，成功解决"AI 对齐"问题的能力。也就是说，人类要确保在某些方面远超智能体，其根本目标与行为模式能够与人类的价值观和目标保持一致。
它还提到另一层：AI 的未来不仅是科学技术上的突破，它还提醒人类社会如何准备、教育和重组自身；如果社会不朝着技术与思想"共产"的方向迈进，就会导致不平等的加剧、社会的混乱和个体竞争优势的丧失。因此，政府和教育机构必须主导这场社会转型，而非仅仅将其留给市场力量。
这里有一个我认为全书最诚实的承认："我们必须承认 AI 在许多时候能做出非常出色的反应……同时，它也经常闹出笑话，给出风马牛不相及的答案。"
一本讲 AI 原生社会的书，愿意在开篇就承认这个，说明作者没有被愿景冲昏头。这比那些只谈"重塑一切"的书要可靠。
八、它的短板
说完好的，说不好的。这本书的问题很典型，属于一类书的通病。
第一，白皮书腔重。全书 8 章，从数字经济讲到社会形态，从三元一体讲到治理，每一章都在正确的方向上展开，但很少有地方肯停下来把一件事讲到底。读的时候你会不停点头，合上书却发现自己记住的只有那个"拔模型测试"——因为它具体。
第二，有明显的厂商植入。第 7 章讲人机交互，用相当大的篇幅介绍某厂商的"个人超级智能体"，从"随心窗""玲珑台""如影框"三大交互界面，一路讲到"五大黄金功能"。这一段读起来不像研究，像发布会通稿。它当然可以当案例，但占了不该占的篇幅，也没有给出任何可复用的判断。
第三，几乎不算成本账。全书谈形态、谈愿景、谈体验，却极少谈钱：一次推理调用多少钱、端侧算力够不够、延迟多少毫秒用户才会觉得"在场"、判错一次谁来兜。而这些恰恰决定了 AI 原生应用能不能活下来。不能算账的愿景，只是愿景。
第四，概念边界太松。前面说的"数据思维"是一例。类似地，"智能体""原生""重塑"这些词在书里出现的密度很高，但每次的含义都有点漂移。读者如果照着字面去搭产品，会被这些词带偏。
还有一处细节值得记下来：全书多次使用"AI 幻觉是大模型的先天缺陷"这样的表述，但接着给的解法基本停留在"使用者要会分辨""要看引用来源"，把校验成本完全推给了用户。一个真正 AI 原生的产品，不该让用户自己去当事实核查员——这恰恰是产品该解决的问题，也是这本书没往下走的一步。
但从另一个角度看，这些短板也是它的定位决定的。它不是给工程师看的，是给决策者看的：告诉他们风向在哪、该往哪投、社会要准备什么。在这个定位上，它做得合格——尤其是那个"拔掉模型还转不转"的判据，一句话顶得上半本书。
一句话总结：AI 原生不是"用了 AI"，是"没有 AI 这个产品就不成立"——而这句话，全书自己都写反了一次。
阅读记录：《AI原生》，微信读书逐页翻阅 319 屏，八章读完，读至第 8 章治理与未来社会。2026-11-03。
发表评论: