1) 超级助手与用户的交互一定非常高频，很可能不在 PC 上，而是手机或下一

代的终端上。这里面会涉及到几个很大的博弈：

a)iOS /安卓是否允许有这样的东西出现，除非他们自己做。会不会出现很大

的限制或博弈关系，比如前面提到的不允许调用等；

b)如果发生在手机上，Foundation Model 可以做很多信息层面的整合和娱乐。

但一旦涉及到服务层面，比如国内的美团、淘宝、拼多多、京东、滴滴、

微信，肯定不会跟三方合作，海外的 Amazon、google、Uber 也类似，他们

可能也会推出自己的类似产品，推演下来是很长的周期。

c)有猜测说 OpenAI 和微软可能会发布 AI Native 的手机，模型是软件形态，

未来要做到设备上，今年年底前有可能会有消息。现在更自然的方式是

Apple 把 iphone 的屏和里面的内容结合语音聊天来做。（复杂的应用交互可

以用快捷指令编排，再用 Siri 唤醒快捷指令

2) 如果 Apple 的 Siri 变成 GPT，对格局有怎样的影响？

GPT 目前不到两亿用户，Siri 约有 15-20 亿用户（iPhone 活跃用户为 15 亿）

，

Google 有 43 亿用户，如果他们的超级助理效果达到一定水平，促使用户快速

adopt，规模效应、后发优势是很强的，Apple 是值得认真想的场景。

而且 Apple 现在有很多硬件组合，包括 AirPod、Apple Watch 和手机，Apple 的

屏幕是视觉，AirPods 做语音沟通，只要 Apple 把 GPT 接到 Siri 上，很快就可

以实现更高级的助理。

从 C 端体验看“超级助理”和 App/SaaS 之间的关系

Plugin VS LangChain：LangChain 价值是所有 App /SaaS 依然是面向 B 端和 C

端的前端，底层是大语言模型； Plugin 则是 OpenAI 把自己放在最前端，下面

长出小的应用。这和站在用户视角上是相反的，超级助理对 App / SaaS 有什么

影响，可以多考虑站在用户视角的体验

ToC 的应用追求体验感，聊天是否体验最好，不同场景答案不一样；明确的需

求，聊天体验感也许是最好的；如果需求无法描述清楚，比如订酒店涉及到周

边环境、用户评价、价格、早餐，用传统的交互方式，比如点选、浏览，看似

浪费时间，其实是选择的过程。谁站在离用户最近的界面，核心在于谁能给用

户带来最好的体验感。

SaaS 产品很可能重塑：SaaS 很复杂，产品定义决定日常使用习惯，是匹配的

关系。比如 BI 有非常多的形态是因为没有一个软件能够非常好地把这两件事情

结合起来。chat 是一种交互方式，但通过 Excel 的 UI 界面去点选，可能更快。

但产品重塑就要更好地把什么用聊天去解决，什么用点选的方式去交互的，这

两个事情更好地结合起来。个人倾向还是有 UI 界面，承载熟悉的操作方式，一

些任务通过聊天的方式进行。

核心是一定是因为它是让 c 端和 b 端的体验感最好的，c 端的体验感是用得更

爽，b 端的体验感是如何能够让我和工作耦合得更顺滑。

长期来看，“超级助理”应该真的像秘书一样，吸收了用户的多维信息；用户模

糊的需求可以根据工作生活的经历理解，然后操作。Inflection 和 Adept 做的都

是自动 Action，只不过现在还没有主动做的能力，因为主动做给的权限太高了。

终极形态到底长什么样？

可能有两种：

1、Jarvis (漫威电影里钢铁侠跟 Jarvis 交互的形态），多模态、脱离屏、跨

端、无所不知、能操控所有系统；

2、Her，对你充分了解，对你的行为模式/沟通方式了如指掌，终极形态有

可能是这两个结合起来。

多模态肯定是一个终极形态：人类通过纯语言交互获得信息的比例很低，

不超过 20%，视觉和图像获得信息的比例很高。纯语音交互可能是因为手

干不了事情，点不了屏幕，多模态肯定是一个终极形态。

“超级助理”领域的长期竞争格局猜想：

1) 类比硬件端：可以看看苹果是如何打败诺基亚的；

2) 类比到自动驾驶的终极形态是共享运营、电动车还是自动驾驶大脑结构，

目前存在三类竞争对手：

滴滴；

整车厂（特斯拉/蔚来、传统主机厂）；

百度等自动驾驶公司。

这三类谁能够成为自动驾驶的终极形态？目前来看车厂越来越强势，和两个核

心问题相关：

1、既有的玩家 & 新出现的颠覆性玩家，谁更有能力构建别人的生态？传统车

厂做自动驾驶的算法没有那么难，但自动驾驶算法去造车就比较难。面对

Google/苹果这样拥有完整生态的竞争对手，OpenAI 或者微软如果想把这些

东西都包含进来（自己干或与传统竞争对手里排名后位的人合作），还是苹

果、Google 自己研发大模型，哪个更容易？

2、第二，留了多少时间。自动驾驶时间太长了，刚开始百度算法模型很好，

车厂没有能力获取，短时间内技术上有极大优势。但是如果算法不上车，

就没有办法获取数据，算法和模型永远都是 3 岁小孩。只有当激光雷达成

本降下来，能大规模获取数据时，才是正式比拼的时候。现在 LLM 离终极

形态有多长时间？如果时间很短，那传统的对手反应的速度有没有那么

快？如果时间周期非常长，那竞争格局就会非常复杂。

3) 在终极形态的驱动下，到底谁能有机会？在竞争的过程中，很多时候是通

过钱来换时间，如果有这个机会，那 OpenAI 形成的壁垒就不太存在，如果

没有，先发优势就比较明显。

4) 在整个周期中，假设以 2 年为一个代际，GPT6/7 如果能够操作所有软件，

并且能看你所看、想你所想、听你所听，个人助理这个词是不是不恰当？

个人没有能力可以拥有生物/物理/法律博士的能力，也不会把销售、工程、

产品 VP 叫做助理。如果 LLM 能掌握所有软件，相当于拥有了产品/销售团

队。

5) 跳出传统软件思维，回到大场景其实有很多的机会。助理的体验不在于自

然语言、UI、并存、多模态，而是一种类似管家的逻辑，可以帮助用户做

很多的事情。用五星级酒店类比，酒店里客户一般直接加大堂经理微信，

有任何问题直接微信交流，不需要研究酒店什么服务，所有的事情找工作

人员就可以了，然后工作人员拿着东西来跟客户交互，这个过程就像

Copilot，Copilot 等同于拿着 iPad 跟用户交互的助理。当然了，交互方面未

必所有的功能都齐全，但这更核心的事情是他了解你的上下文以及外部的

上下文，是全联通的，在场景上面实际上是有很多东西的