当入口被 Agent 接管，搜索退居后台，手机与汽车开始“替你办事”
2025 年，多模态与 agent 把 AI 从“会回答”推进到“会办事”。Suno v5 让普通人稳定产出可循环音乐；Sora 2 把视频从片段生成推向分镜与一致性生产；FSD 的高覆盖使用让安全讨论更接近 apples-to-apples。更深层的革命发生在入口：Google/OpenAI/Perplexity 把搜索推向 LLM-native 的渲染，豆包手机让 OS 级 GUI agent 可触摸，Tesla Grok 让车载语音向导化。能力狂飙与商业闭环反差巨大，但瓶颈正在从“模型能力”转向“系统化落地”。
我做 AI/NLP 很久了，不好意思，可能是化石级的存在；但 2025 年最让我震撼的并不是“模型评测又强了多少”，而是我第一次在日常里得到反复确认：一些过去需要专家级经验的高门槛能力，正在被产品化、被民主化，进而被规模化地分发给普通人。
如果把“AGI”从玄学拉回到可操作的定义——在多个任务域里稳定达到或逼近人类专家的产出能力——那么 2025 是我第一次切身体验到“部分 AGI 场景落地”的一年：音乐创作、短视频创作、自动驾驶，以及更底层的入口革命（搜索、手机交互、车载语音）开始同频共振。
2025年终前，我想用一个统一框架把这些看似分散的变化串起来，并补上我自己手上的几个“微案例”，让判断不止停留在行业热词。
零、从“信息入口”到“行动入口”，Agent 正在吞掉 GUI
2025 年真正发生的，是入口形态的迁移：
- 过去的互联网是 GUI（图形界面）驱动：人点按钮、开 App、找菜单、点链接。
- 现在越来越多关键场景开始变成 Intent（意图）驱动：人说“我想要什么”，系统自己拆任务、调用工具、给出结果并继续执行。
把这件事拆成一个“Agent 栈”，你会发现音乐、视频、驾驶、搜索、手机、车载，底层其实是同一种工程路线：
- 意图捕获：自然语言/语音/图像输入成为主入口
- 规划与分解：把目标拆成多步可执行任务
- 工具使用：调用 API、或直接在 GUI 上跨 App 操作（GUI agent）
- 记忆与个性化：持续理解你的偏好、习惯与上下文
- 验收与治理：结果可验证、可追溯、可控风险
你会看到：谁掌握入口，谁就重写生态。于是“搜索退居后台”、“App 生态被重定义”、“车载助手从指令执行变成向导 agent”并不是三件事，而是一件事的三个战场。
一、音乐民主化：Suno v5 让“乐盲”也能稳定产出可循环的歌
Suno 的版本演进很能代表 2025：v4（2024.11）→ v4.5（2025.05）→ v5（2025.09）。官方把 v5 定义为“最重要的一次技术跃迁”，强调结构连贯、过渡更专业、音质与人声更自然，并在 2025 年 9 月下旬向 Pro/Premier 推出。
我的微案例（车载循环门槛被击穿）
我自己最信的标准非常朴素：能不能车载循环不腻。不仅是自我陶醉，而是要有共鸣的验证（先从亲友和 folowers开始）。
2025 年，没费什么力气，我就用 Suno 做过多首“可循环播放的流行抒情/伤感歌”，其中一首写的是“最后一班地铁、月台”的分手场景（你知道那类写法：旋律抓耳但不过度刺激、结构重复但不机械，忧伤像连绵的细雨）。最关键的不是“写出一段旋律”，而是我能用自然语言把结构调到一个稳定区间——Verse 的叙事密度、Chorus 的情绪提升、Bridge 的反转力度，反复迭代到“循环也不烦”。这在过去对非音乐人来说几乎不可想象（其实资深音乐人中要制作可以让人车载循环，甚至家喻户晓的歌曲的，也只是少数人，在少数的作品中）。
音乐民主化真正的含义不仅仅是“人人可成音乐家”，而是：普通人第一次能稳定获得音乐家的（部分）生产力，并体验创造以及被接受的乐趣。
二、视频民主化：Sora 2 把“会想象”变成“能成片”
OpenAI 在 2025 年 9 月 30 日发布 Sora 2，并将其定位为更可控、更真实、更贴近物理世界、同时支持同步对白与音效的旗舰视频与音频同步生成模型，并以 Sora App 与 sora.com 推广LLM-native的“类抖音”使用链路，及其社交与娱乐社区的建设。
我的微案例（从“片段生成”到“可叙事的分镜生产”）
我做过一个“80 年代校园恋曲”的短片尝试：不是单段炫技镜头，而是按 n 个 scene 的分镜组织（开场氛围、人物相遇、情绪推进、冲突与停顿、尾声回眸）。在早期视频模型里，最大痛点是角色一致性与任务一致性：你很容易得到“好看的镜头”，但很难把同一个人稳定地带过多个 scene。2025 年我第一次感觉到这件事开始变得“工程化可解决”——你可以把它当作一种生产流程，而不是赌运气。Sora 2 的产品化（数字演员可克隆、渲染可控性、工具链、分发入口）本质上在推动这种转变。
短视频的红海之所以会被重构，是因为 AI 不只是提效，而是在扩大想象力的“可交付边界”。
三、自动驾驶民主化：FSD v14 带来的“可比性”转折点
Tesla FSD V14 的推出标志着自动驾驶已经是一个 solved problem，人人可验证。自从一年多前 FSD V12 端到端模型的突破，自动驾驶展现了加速度提升的趋势，直到不久前 FSD V14 的推出。自己的亲身体验以及很多怀疑论者体验后的反馈都指向了这个事实：FSD 已经达到或超过老司机的驾驶水平，不仅丝滑顺畅，而且安全性比人类驾驶的平均水品高（特斯拉最新的统计是比人类驾驶减少7倍的事故）。真正的FSD无人驾驶（特斯拉称为“无监督驾驶”）现在已经在得克萨斯部分区域开始上路。特斯拉专为无人出租设计的 Cybercab 2026年就会规模化量产：这些车辆没有方向盘和脚踏板，全靠FSD实现无人驾驶（可能在极为罕见的特殊情形下，需要远程干预，“极为罕见”指的是大约每一万英里车程最多出现一次这种情形）。
我的微案例（“几乎全程 FSD”带来的 apples-to-apples 直觉）
我以前也是怀疑派或“同情怀疑派”。原因很简单：Autopilot 时代的统计很容易被质疑——遇到复杂、危险或不确定时，人更可能退出系统、手动接管，从而让“开启系统时更安全”显得更漂亮，有潜在的误导性。
但现在多数车主（包括我自己）的驾驶行为发生了结构性变化。拿到新车的几天里，我几乎 100% 的里程都在用 FSD（除了当我不满意FSD给我选择的停车位而干预，告诉FSD指定车位停车这种零碎动作）。在这种“覆盖率接近满值”的使用形态下，选择偏差会显著缩小，至少在“同一个驾驶者、同一辆车、同一生活半径”意义上更接近 apples-to-apples。于是当 Tesla 继续用“相对美国平均水平碰撞更少（例如 7x）”的叙事时，我对其可比性的直觉确实比过去更强——尽管方法学层面的社会争议仍然存在。
2025 年的变化不在于“争议消失”，而在于用户行为改变使得关键争议点（选择偏差）开始被削弱；于是讨论重心会从“能不能”转向“边界在哪里、怎么治理更安全”。
四、注定被重构的搜索：关键词竞价的旧世界开始松动
“搜索退居后台”并不是唱衰搜索，而是搜索的形态正在从“链接检索”变成“答案与行动的协同入口”。
三条线索在 2025 年同时成立：
- Google 的自我革命：扩展 AI Overviews，并引入实验性的 AI Mode，明确把搜索推向更对话式、更综合的“问答+推理+浏览”体验。他们甚至率先推出了千人千面的结果渲染方式，称为 generative UI。
- OpenAI 进入 search/browsing 主战场：ChatGPT search 在 2025 年 2 月 5 日更新为“在可用地区对所有人开放、无需注册”，并持续加码搜索能力与产品化节奏。
- Perplexity 抢占“答案引擎”心智，同时引爆版权冲突：2025 年末围绕 Perplexity 的新闻诉讼（例如 Chicago Tribune 起诉）把“LLM-native search”对内容生态与流量分配的冲击推到台前。
真正会动摇旧商业模式的点在于：当用户不再“点链接”，而是“在 AI 首屏得到可继续追问、可直接行动的结果”，关键词竞价仍会存在，但会被迫迁移到新的版位与新的归因逻辑里。Google 自己也在讨论 AI Mode/AI Overviews 语境下的营销与触达路径，这本质上是一次自我吞噬式的商业模式转型。
五、Phone use：豆包手机把 OS 级 GUI Agent 变成了可触摸的现实
“phone use 革命”很关键，因为它触碰的是 App 生态的地基。
ByteDance 在 2025 年 12 月初推出“豆包手机助手技术预览版”，并与手机厂商合作，将其描述为 OS 级能力：可以看屏幕、用 App、跨应用执行任务（整理文件、填表、推荐餐厅等），本质上是把“操作手机”从点击流程升级为意图驱动的交互式 GUI agent。语音是人类最自然的交互方式，人机交互不再例外。
我的微案例（为什么它是“不归路”）
OS 级 agent 的震撼不在于“又一个助手”，而在于它改变了行为经济学：当你体验过“说一句话，它替你跑完几十次点击”，你很难再回到旧方式。于是 App 不再是“用户直接操作的产品”，而更像“agent 调用的底层服务”。这条路一旦成立，手机行业的竞争维度就会从“硬件参数 + App 生态”转向“OS 级代理能力 + 工具授权体系 + 安全治理”。
六、车载语音：从“人工智障”到实时向导 Agent
车载助手过去最大的问题是：它只会执行单一的固定指令，无法多轮交互，缺乏上下文，更缺乏“动态导航与解释”，很多人称之为“人工智障”。
2025 年 Tesla Holiday Update 的信息显示：Grok 已支持添加/编辑导航目的地，并可在指令里处理多个目的地，并可以多轮交互，动态更新旅程线路。
这件事看似小，但意义非常大：它表明车内语音开始从单一指令的“菜单遥控器”进化为guide agent——能理解意图、能连续对话、能实时改计划。把它与 FSD 放在一起看，你会得到一个更锋利的判断：
- FSD 解决的是“车怎么开”；
- 车载语音 agent 解决的是“你要去哪里、为什么去、顺路还能做什么”；
- 两者结合，才是完整的“移动场景代理”。
七、Coding agent 与 deep research：白领技能被碾压的试验场
到 2025 年末，coding agent 覆盖初级工程师的代码产出、deep research 逼近或超越高级分析师的产能与品质，已经不再是“能不能”的问题，而是要讨论“怎么嵌进组织、怎么验收、怎么负责”，才能最大化其收益。它们与搜索/手机/车载的共同点仍然是同一个框架：从信息到行动，从工具到流程。
八、最扎心的反差：能力狂飙，但商业闭环大面积缺失
MIT 相关研究在 2025 年的报告语境下被媒体广泛引用为“95% 的 GenAI 试点没有产生可衡量 ROI”，并将原因指向集成、优先级错配、以及组织层面的摩擦。
1）企业上下文确实难：不是 RAG 一把梭能补齐
企业上下文不是知识库，是活系统：权限、责任链、例外流程、口径冲突、遗留（legacy）系统、隐性规则。很多失败不是“模型不会答”，而是“系统不知道该走哪条路、调谁的接口、谁来最终签字”。
2）组织摩擦同样难：往往比技术更决定节奏
哪怕上下文能补齐，企业也不一定愿意让 agent 接管：合规、安全、采购、法务、IT 的串联门槛会把 demo 磨成龟速；此外还有 KPI 风险与声誉风险，以及对 legacy 流程的路径依赖。
困惑是——到底是 context 工程还不够，还是企业惰性与人为障碍？现在看来，更准确的答案是：两者叠加。并在今后几年，后者（组织摩擦）可能更决定落地速度。
我自己的判断是：商业闭环不是“等模型更强”就自然出现，而要靠三件事把 agent 变成可交付系统：
- 可验收（指标与回放）
- 可负责（责任链与权限）
- 可嵌入（进入现有工作流）
结语：2025 是AGI前夜
AGI 的到来不会是一声惊雷，而是一连串入口被 Agent 接管后，旧世界的操作方式突然显得笨拙、昂贵、且不可继续。
2025 年我看到的确定性是：
- 搜索正在从链接走向答案与行动，旧流量分配逻辑开始松动；
- 手机正在从 App 集合走向 OS 级代理调度，App 被重定位为“可调用服务”；
- 车载正在从指令执行走向 guide agent，与自动驾驶一起构成移动场景代理的雏形。
当这些入口同时成立，“AI 应用为什么很难商业闭环”的问题，也会被换一种问法：不是“有没有模型”，而是“有没有系统”；不是“能不能做”，而是“能不能负责、能不能验收、能不能规模化嵌入”。
