# 致即将迎来的大流通时代：开源、共享与个人数据的自持有 > 当智能成为可持续调度的基础资源，软件、算力与个人数据将如何重新流动，以及个人为什么需要重新拿回数据与计算的持有权。 - Canonical: https://vimalinx.com/posts/%E8%87%B4%E5%8D%B3%E5%B0%86%E8%BF%8E%E6%9D%A5%E7%9A%84%E5%A4%A7%E6%B5%81%E9%80%9A%E6%97%B6%E4%BB%A3%E5%BC%80%E6%BA%90%E5%85%B1%E4%BA%AB%E4%B8%8E%E4%B8%AA%E4%BA%BA%E6%95%B0%E6%8D%AE%E7%9A%84%E8%87%AA%E6%8C%81%E6%9C%89 - Published: 2026-08-31T01:28:53+08:00 - Updated: 2026-09-03T02:49:22+08:00 - Category: 思考 - Tags: AI, 开源, 数据主权, VimalinxOS - Reading time: 85 min read --- ## 前言：当智能真正普惠，软件、计算与个人电脑将如何重新组织 2026年的夏天，没有任何一家公司的发布会宣布一个新的计算时代已经开始，但是各家模型的发布却悄然拉开了新时代的帷幕。历史上的大变革往往也不是这样发生的。蒸汽机没有在某一天突然把英国变成工业社会，电力没有在某一天同时进入所有工厂，互联网也不是在某个网站上线之后才成为互联网。真正的变化通常分散在无数局部事件中：一种资源突然变得便宜，一项标准开始获得支持，一种过去不经济的行为开始大规模出现，一批看似互不相关的公司开始朝着相似的方向调整。只有当人们后来回头看时，才会发现那些零散的新闻原来属于同一条历史曲线。 2026年的夏天正呈现出这种气象。模型公司开始越来越少地只谈某项测试高了几个百分点，转而讨论一美元能够购买多少有效工作。7月底，Deepseek v4 flash正式版发布，以超低的价格和相当强大的性能迅速火遍全球，并在日后创下全新的用量记录；同一天，OpenAI将GPT-5.6 Luna的价格降低了80%，并把这次更新解释为模型、推理基础设施和Agent运行体系共同提高效率的结果。一篇发表于2026年《经济展望杂志》的研究估计，从2023年末到2025年末，达到相近能力水平的模型调用价格大约下降了一千倍；同一研究还发现，在其观察的市场中，开放模型在相近能力水平上的使用价格平均低于闭源模型，而且没有任何一个模型能够在所有用途上占据统治地位。我们面对的不只是几个模型之间的竞争，而是一个初步形成、快速降价、不断分化的“智能市场”。([OpenAI](https://openai.com/index/advancing-the-price-performance-frontier-with-gpt-5-6/?utm_source=chatgpt.com "Advancing the price-performance frontier with GPT-5.6")) 与此同时，那些在模型、云服务和用户入口上激烈竞争的公司，不约而同的开始共同建设一些不属于任何一家公司的基础设施。Anthropic将MCP交给Linux Foundation旗下的Agentic AI Foundation，OpenAI的AGENTS.md、Block的goose以及agentgateway也进入这一中立治理体系；最初由Google提出的A2A协议，则开始让不同厂商、不同框架和不同平台上的Agent彼此发现、通信与交接任务。到2026年8月，AAIF已经拥有数百个成员组织，A2A的支持者也超过了150家。Google还在推进A2UI，希望让Agent不仅能够跨产品调用能力，也能够以声明式结构生成由不同宿主安全渲染的界面。([Anthropic](https://www.anthropic.com/news/donating-the-model-context-protocol-and-establishing-of-the-agentic-ai-foundation?utm_source=chatgpt.com "Donating the Model Context Protocol and establishing ...")) 这些公司当然没有突然放弃商业利益。模型、云端算力、企业客户、账户入口、数据和分发渠道依旧是他们激烈争夺的残酷战场。而它们所做的，更像铁路公司共同接受一种轨距，航运公司共同使用标准集装箱，互联网公司共同使用TCP/IP协议一样：如果每一家企业都要求全世界为自己重新修建一套道路，市场就无法继续扩大。于是，竞争者开始把连接层推向开放，把真正能够形成利润的模型、托管、数据、运维、品牌与责任服务留在自己的商业边界内。开放并没有消灭竞争，而是重新规定竞争发生的层次。 操作系统领域也在发生相似的变化。Microsoft已经直接以“Windows Agentic”描述Windows的新方向，把Agent的身份、隔离、容器、治理和策略控制下沉到系统层。Apple则扩展了Foundation Models框架，使应用能够通过统一的`LanguageModel`协议调用Apple设备模型、Private Cloud Compute以及符合协议的其他模型提供者。模型能力的发挥不再必然被永久焊接在一个应用内部，Agent也不再只是网页里的聊天窗口；操作系统开始逐渐承担起判断Agent是谁、它可以看见什么、可以调用什么、应当在哪里执行，以及怎样阻止它越权的系统责任。([Microsoft Developer](https://developer.microsoft.com/en-us/windows/agentic?utm_source=chatgpt.com "Windows Agentic")) 而在Linux世界里，这个方向显得更加直接。NVIDIA推出DGX/RTX Spark，目标是提供面向Linux开发者的“个人Agent AI计算机”，强调本地Agent的持续运行；Canonical将NVIDIA OpenShell引入Ubuntu生态，为Agent提供沙箱、约束和可更新的运行环境；Red Hat则提出从硬件一直延伸到Agent的“Metal to Agents”架构，并在RHEL的MCP Server中加入受保护的命令执行，使模型能够调查真实系统、生成命令、请求人类批准、执行修改并验证结果，更好的和人类协作。手机端的Android甚至开始主动通过虚拟化框架在部分设备上提供Linux开发环境。Linux的AI变革，正在同时出现在云端、企业基础设施、个人AI工作站、移动设备虚拟环境和Agent安全边界之中。([NVIDIA Blog](https://blogs.nvidia.com/blog/rtx-ai-garage-computex-spark-local-agents/?utm_source=chatgpt.com "Faster Local AI Agents on RTX PCs and DGX Spark")) 没有任何一家公司为这些变化写下一份共同宣言。OpenAI、Anthropic和Google讨论的是互操作协议和智能效率，Microsoft和Apple讨论的是系统级Agent环境与模型抽象，NVIDIA和AMD讨论的是个人Agent计算机，而Canonical和Red Hat讨论的是开放运行栈与执行治理。它们各自拥有不同的商业目标，甚至对开放、隐私和用户控制有着完全不同的理解。然而，它们正在同一种结构压力下做出相似的选择：模型不可能独占世界上的全部能力，Agent必须跨越应用边界，软件必须暴露可以被调用的接口，计算必须在本地与云端之间重新分配，操作系统必须重新管理数据、身份、权限和责任，而任何试图独占全部连接层的公司，最终都会成为未来AI驱动的全新时代下生态继续扩张的障碍。 这就是2026年夏天真正值得记住的地方。人类并没有突然获得一个无所不能的AGI，而是开始跨过另一个可能同样重要的临界点：智能正在从一种需要被谨慎购买、只配用于少数重要问题的昂贵产品，变成一种可以被持续调度、按需分配并进入大量日常任务的基础资源。当智能开始流动，它首先冲刷掉的不会是人类，而是那些由信息处理的摩擦成本制造出来的软件边界、平台边界、企业边界和设备边界，以及依赖这些摩擦成本，靠打通边界实现价值的主体。而这些主体的消亡，几乎将颠覆半个如今的信息产业。 我把由此开始的时代称为：**大流通时代。** --- # 一、当Token成为新的水电：信息摩擦降低的后果 水电最重要的特征并不只是“重要”。粮食、房屋、教育和医疗同样重要，但它们不具有水电式基础设施的全部性质。水电可以通过标准化网络输送，可以按需调用，可以被计量，而且便宜到人们不必为每一次使用进行复杂决策。我们不会在打开楼道灯之前，先计算照亮十几级台阶是否值得消耗电力；也不会在给一把每天只使用几分钟的电动牙刷充电之前，召开一次投资回报会议。水电真正进入社会，不只是因为它们能够完成宏大的工业任务，而是因为它们便宜到可以被“浪费”在无数单次看来并不重要、总量却极其庞大的日常需求中。 一种资源只有便宜到允许被“浪费”，才真正进入日常生活。早期电力首先进入矿山、工厂和交通系统，因为只有这些高价值场景能够负担它。后来，它才进入灯泡、厨房、玩具、广告牌、收音机和无数待机设备。计算机最初被用于弹道计算、人口统计、密码分析和银行清算，后来却被用来播放音乐、保存购物清单、调整一张照片的亮度，甚至计算电子游戏里一片虚构草地如何随风摆动。技术普及的标志，从来不是它第一次完成了最伟大的任务，而是它开始被随意地用于无数微不足道的小事。 智能也将经历这一过程。整理一千个文件是否值得调用AI？为了安装一个只使用一次的开源软件，让Agent连续尝试几十次环境配置是否值得？为了寻找一个只适合自己特殊习惯的小工具，让模型阅读几十个GitHub项目、测试它们，再修改其中一个项目，甚至重新写一套出来是否值得？为了把十年来散落在不同格式里的笔记重新编目，或者为两款早已停止维护的软件临时写一层适配器，是否值得消耗Token的额度？过去的答案往往是否定的，并不是因为这些事情无法完成，而是因为完成它们所需的人力、搜索、学习和协调成本超过了它们自身的价值。 但当Token足够便宜，事情就逐渐开始了改变。智能降价一开始是让原本已经在使用AI的任务变得更便宜，例如同样一份报告过去需要几美元，现在同等质量的可能只需要几分钱。但真正具有结构性意义的变化，是在当人们发现token仍有余量之后发生的：大量过去根本不值得使用智能的任务，第一次进入了智能处理的经济区间。在以前，几个文件名改错了，没有人会为此开发一款软件，只会手动的一个一个的改；几十份文件的格式和内容乱七八糟，在以前只能当作废资料，或者靠人工一点点的拆解和分析成可用可分发的资料；搜索引擎的结果堪称海量，找个教程要花一下午的时间，这还没有算上找到解决方案后实施的精力消耗…… 这些问题往往价值极小，想要解决他们却非常麻烦，让所有人在想要做事时都举步维艰。而当AI便宜下来之后，这些摩擦全都消失了。 因此，智能降价并不只是扩大了已有市场，它在扩大“什么问题值得被处理”的边界。过去的软件经济要求一个需求拥有足够多用户，才能覆盖产品设计、开发、测试、营销、售后和长期维护的成本。Agent却可以为一个人临时生成一个只运行一次的工作流，为一家公司拼装一个只存在三个月的内部工具，为一个特殊文件编写一次性迁移器，再在任务结束后将它封存。大量过去因为市场规模太小而没有软件供给的长尾需求，会第一次获得实现的可能。 值得注意的是，这种变化很可能不会降低社会对智能的总需求，反而会把需求推向更高水平。19世纪，威廉·斯坦利·杰文斯曾注意到，蒸汽机更节省煤炭，并没有必然导致英国减少煤炭消费。更高的效率降低了获得动力的成本，蒸汽动力因而进入更多产业，最终可能扩大煤炭总需求。类似的反弹效应正在成为理解智能经济的重要工具：单项任务所需Token越少，人们就越可能运行更多Agent，让它们工作更长时间，进行更多轮搜索、比较、验证和反思，并把智能铺进过去无人处理的每一个角落。([科学直接](https://www.sciencedirect.com/science/article/abs/pii/S0921800905001084?utm_source=chatgpt.com "Jevons' paradox")) 一家小企业可能让Agent逐日阅读所有客户反馈，而不是为节省人力成本每季度抽样看一次；一个人可能让Agent持续整理文件、追踪交易、复盘决策和维护开源软件，而不是等到问题严重压过核心事务后才处理；一个研究团队可能为每个假设都建立独立的文献搜索、代码实验和反方审查的流程，而不是把智能只用于撰写最终报告或是探讨方案。智能不会只是替代已有劳动，而是会接管原来需要大量信息缓冲环节所承担的流程类工作。 但仅仅说“AI像水电一样更便宜了”，仍不足以解释社会为何会出现像水电所导致的那种生产大变革。真正需要理解的，是数字世界中长期存在却很少被计价的一种成本：信息摩擦。就像我们刚才提到的那些例子中所描述的一样。想要在电脑里面造点东西？互联网上早已有大量免费的代码、算法、模型、论文和工具，个人电脑中也早已有大量闲置的CPU、GPU、内存、硬盘和网络资源。然而，“资源存在”与“资源能够被使用”，从来不是同一件事。一个普通人可能知道GitHub上存在能够解决自己问题的程序，却没有时间和精力逐步适配环境后进行尝试和筛选；知道自己的显卡可以完成某项任务，却不知道应该运行什么模型和如何判断流程中出现的问题；知道两个软件理论上可以互补，却无法在庞大的数年积累下来的代码库中找到组合点。 要把一项数字资源变成真实能力，人们通常需要完成一整条看不见的链条。首先要发现它，随后理解它，判断它是否可靠，安装它，配置它，授予它合适的权限，再把它同其他系统连接起来；当结果出现以后，还要验证它是否正确，并在环境升级、接口变化或维护者离开之后继续维持它。这些成本很少出现在一般人的考量中，却决定了一项功能在现实中是否真正存在。许多理论上更好的方案之所以长期沉睡，不是因为缺少代码，而是因为没有人愿意承担从代码到能力之间的漫长的充满荆棘的路程。 这也是为什么许多SaaS真正出售的，并不完全是功能本身。一个转录产品出售的不只是语音识别算法，还出售上传、格式转换、排队、存储、账号、同步、异常处理、更新和客服的服务。一个项目管理工具出售的也不只是几张表格和处理逻辑，更是出售了一套无需用户亲自维护的环境。一个云端图片处理工具的核心算法也许早已有开源实现，但用户购买的是不用寻找依赖、不用理解显卡驱动、不用处理格式冲突，也不用担心下次升级突然无法运行的方便。 替用户承担摩擦就是传统SaaS的生态位和其价值所在。然而AI的出现让这个生态位受到了前所未有的挑战。过去只有专业产品团队能够系统性地承担这些摩擦，而现在Agent开始承担发现、阅读、安装、配置、解释和维护的流程，甚至更加轻量，更加便于理解和交互，成本还更低。虽然在许多足够复杂和专业的严肃场景，维护多年的传统商业软件依旧有不可替代的价值，并不会因此全部消失，但那些主要依靠“用户不会安装”“用户不知道替代品”“用户不敢迁移”和“不同工具无法连接”而形成的产品，会逐渐受到足以让其离开牌桌的压力。过去被产品内部化的摩擦成本，在现在即将会被个人Agent重新外部化为一次成本更低的临时协调。 AI并不一定创造了更多资源，却创造了更多**有效资源**。一块闲置的GPU没有因为Agent出现才被制造出来，一个命令行工具也没有因为模型调用它才突然获得功能。真正发生的变化，是它们第一次能够被不熟悉技术细节的人，以可接受的时间和成本投入使用。过去，一个开源项目只有在用户能够安装、理解和维护它时才是资源；未来，Agent可能代替用户完成这一整套工作，于是大量存在于代码仓库和个人设备里的潜在资源被重新纳入生产。 道路不会创造新的矿山、农田和工厂，但当运输成本降低以后，原本因为距离太远而没有经济价值的资源，会突然进入市场。标准集装箱也没有创造任何货物，它只是统一了货物在轮船、火车、卡车和港口之间交接的方式，却引发了码头、仓储、制造和全球供应链的全面重组。经济史研究发现，集装箱化对20世纪后半叶世界贸易增长产生了显著影响，而它的力量不仅来自装卸更快，也来自围绕统一交接面产生的一系列组织创新。([科学直接](https://www.sciencedirect.com/science/article/abs/pii/S0022199615001403?utm_source=chatgpt.com "Estimating the effects of the container revolution on world ...")) Token像信息运输的燃料，Agent像承运人，而MCP、A2A、Skill以及未来更完整的能力协议，则可能成为数字世界的集装箱。重要的不是所有能力由同一家公司制造，也不是所有模型拥有同样的内部结构，而是它们可以在一个普遍可理解的交接面上相遇。一个能力能够说明自己需要什么输入、产生什么输出、请求什么权限、消耗多少成本、怎样处理失败，Agent就可以把它纳入更大的工作流。标准化的不是能力本身，而是能力被发现、接管和交付的方式。 这也意味着我们今天看到的许多边界，并非天然存在，而是过去成本结构留下的化石。1937年，罗纳德·科斯在《企业的性质》中追问：如果市场可以通过价格协调资源，为什么企业还要存在？他的回答是，使用市场本身也有成本。寻找供应者、比较方案、协商合同、监督交付和处理争议都不是免费的；当外部协调成本过高时，把活动纳入一个组织内部，由统一权威安排，反而更加有效。企业的边界不是永恒真理，而是不同协调方式的成本比较结果。([Wiley Online Library](https://onlinelibrary.wiley.com/doi/full/10.1111/j.1468-0335.1937.tb00002.x?utm_source=chatgpt.com "The Nature of the Firm - Coase - 1937 - Economica")) 同样的逻辑也适用于软件。软件为什么必须被打包成一个庞大产品，数据为什么必须全部上传到同一个平台，企业为什么要把大量数字能力长期养在内部，用户为什么要购买整套软件才能偶尔使用其中一个功能？很多时候，并不是这种边界天然合理，而是因为跨工具、跨设备和跨组织进行协调的成本太高。当Agent降低搜索、理解、转换、谈判、监督和维护的成本，软件边界、企业边界、平台边界以及本地与云端的边界都会重新移动。 当信息摩擦足够低，数据开始寻找更适合处理它的算法，任务开始寻找成本更低、更符合隐私要求的算力，人的意图开始直接寻找能够实现它的能力。数字世界中那些被产品、公司、设备和专业知识切割开的资源，会开始重新流动。第一个被这种流动冲击的，正是我们今天最习以为常的东西：软件本身的边界。 --- # 二、软件能力的灵活化重组：Agent统御的能力池化 传统软件，本质上是开发者提前冻结的一套能力组织方式。开发者必须预先判断用户将会做什么，于是把功能分进菜单，把工作流固定成步骤，把数据装进特定格式，把不同能力分配到不同版本，再让用户学习这套结构。用户面对的并不是能力本身，而是开发者为能力设计的一条条路径。即使软件内部拥有完成某项任务所需的所有功能，用户也可能因为不知道功能叫什么、藏在哪里、应该以什么顺序使用，而在现实中无法获得这项能力。 如果一个人想调整照片，他需要先知道该打开哪个软件，再理解图层、蒙版、曲线、选区和导出格式。如果他想制作一段视频，就需要在录屏、剪辑、配音、字幕、音乐和发布平台之间移动。如果他想把销售数据、客户邮件和项目进度合成一份经营报告，还要知道各个系统如何导出、哪些字段能够对应、哪一份表格才是最新版本。传统软件把人的意图分解成一连串工具操作，再要求人亲自完成从目标到工具的翻译。 这种结构并不是开发者的任性。在没有智能中介的时代，人必须理解工具，开发者只能提前组织能力。把功能、界面、文件格式、权限和工作流装入同一个产品，可以减少兼容问题，提高稳定性，也让培训和售后成为可能。Photoshop、Premiere、Office或者大型ERP之所以拥有庞大的界面，不只是因为产品经理喜欢添加按钮，而是因为它们需要把极其复杂的能力压缩成一套人类可以学习的操作秩序。 然而，这种秩序始终存在一个矛盾：软件拥有的功能越多，用户发现、理解和记住这些功能的成本就越高。很多大型软件已经拥有用户需要的一切，但用户仍会额外购买一个功能简单的工具，只因为后者更容易使用。软件产业由此形成了一个奇怪的循环：产品不断增加功能，功能增加又使产品更难理解，于是市场上再出现新的轻量产品，替用户从庞大能力中切下一小块。 Agent第一次有可能从根本上改变这套关系。传统界面要求用户先知道工具叫什么，Agent则允许用户先描述结果。人可以说：“把这些访谈整理成一篇有证据链的文章”“把电脑里的重复照片找出来，但不要删除可能具有纪念意义的版本”“根据我的产品、目标客户和现有素材制作三套宣传视频，再分别适配不同平台”。用户不需要提前知道任务背后应当调用哪个数据库、模型、剪辑器、脚本、命令行工具或云服务。 这意味着，未来的软件界面将逐渐从“功能地图”变成“意图入口”。传统应用向用户展示的是自己拥有的按钮，Agent系统向用户展示的则是当前任务的状态、证据、选择与下一步。过去，界面围绕软件的内部结构组织；未来，界面可能围绕人的目标和任务进程动态形成。一个项目进入比较阶段，系统就展示候选方案与证据；进入审批阶段，系统就突出成本、权限和风险；进入编辑阶段，系统就把材料、草稿和修改工具组织成适合人类判断的工作表面。 以制作产品宣传视频为例。在传统软件体系中，用户需要分别寻找竞品资料、编写脚本、制作分镜、录制网页、生成配音、寻找音乐、添加字幕、剪辑视频，并研究不同平台的画幅与发布规则。在能力池中，用户只需要提供产品、受众、想传达的核心信息和审美偏好。Agent可以先研究同类内容，生成多种叙事方案，调用浏览器录制工具，再选择本地或云端的语音、音乐和视频能力，完成字幕、剪辑和格式适配；其中版权、品牌用语和高成本调用可以要求用户确认，普通转换和渲染则可以自动完成。 对用户而言，这是一项连续任务；对Agent而言，它是一张能力网络。其中有些能力来自开源软件，有些来自商业API；有些在本机运行，有些在家庭服务器执行，有些需要临时租用云端GPU；有些步骤由轻量模型完成，有些困难问题才交给前沿模型；有些结果由规则验证，有些结果交给另一模型复核，还有一些涉及品味和责任的选择必须返回给人。软件产品不再是任务的天然边界，它只是能力网络中的一个供应者。 为了进入这样的网络，软件能力必须从产品内部被抽象出来。但一个“能力”不能只是一个函数名或者API地址，它还必须对Agent和人说明自己能够做什么、接受什么输入、产生什么输出、需要访问哪些数据、请求哪些权限、可能花费多少时间和金钱、是否会把数据发送到远端、历史可靠性如何、失败后能否重试或回滚，以及哪些行为必须经过人类确认。只有当能力能够被理解、比较、授权、验证和追责，它才真正成为可流通的能力原子。 这也是能力池化与插件、微服务之间的区别。插件通常依附于某个中心应用，微服务通常服务于某个企业内部架构，而能力池化从人的意图和Agent的视角出发，让来自不同产品、不同设备、不同开发者、不同商业模式甚至不同时代的能力，进入同一个可发现和可组合的环境。它不是“一个软件拥有很多插件”，而是一个人的意图可以在整个数字能力市场中寻找实现路径。 2026年的开放协议潮流，正是这种拆解过程的早期形态。MCP主要解决模型和Agent如何连接数据、工具与工作流；A2A试图让不同Agent跨框架、跨平台进行发现和任务协作；A2UI则探索Agent怎样用安全、声明式的结构生成界面；Apple的`LanguageModel`协议进一步把模型本身抽象为可替换的实现。它们都还不完整，也无法单独解决权限、结算、评估、版本、来源和责任问题，但它们已经把过去被封装在应用内部的模型、能力、协作和界面逐渐拆成可以独立演化的层。([Claude Platform Docs](https://docs.anthropic.com/en/docs/agents-and-tools/mcp?utm_source=chatgpt.com "What is the Model Context Protocol (MCP)?")) 这种变化会把软件从产品推向市场。一项能力可能同时存在多个版本：本地版本隐私更好、边际调用成本更低，却运行较慢；云端版本更强、更稳定，却需要付费并传输数据；开源版本可以修改，但需要承担维护成本；商业版本提供服务承诺、合规和责任。Agent可以根据每次任务的预算、时限、隐私、风险和质量要求动态选择，而不是让用户一开始就永久加入某个产品阵营。 由此产生的并不是软件完全消失，而是软件边界变薄。稳定的专业产品、经过打磨的界面、完整的协作机制和长期服务仍然具有价值，但“拥有某项功能”不再自动意味着“用户必须进入这个产品才能完成任务”。过去，软件公司试图把更多能力收进自己的边界，以提高用户离开的成本；未来，一项能力越容易被Agent发现、理解和调用，就越可能进入更多人的工作流。软件企业会逐渐从封闭王国变成能力市场中的服务者。 企业的组织边界也会随之移动。过去，一家公司可能长期雇用一批人维护某项低频能力，因为每次在外部寻找供应商、解释需求、检查结果和处理风险都太麻烦。未来，Agent可以持续比较内部与外部方案，调用开放工具、商业服务或专业Agent，并保存完整的证据和评估记录。并不是所有岗位都会变成临时调用，但哪些能力必须由组织永久拥有、哪些能力可以从市场获得、哪些能力应当作为公共基础共同建设，会被重新计算。 在科斯讨论的市场和企业之外，开源还代表着第三种生产方式。2002年，约查·本科勒在《科斯的企鹅，或Linux与企业的性质》中以Linux等项目为例，说明网络环境中可以出现一种不完全依赖价格信号、也不完全依赖企业命令的同行生产。参与者围绕公共资源进行模块化协作，成果通过共享规则持续积累。Agent时代可能让市场、企业和开源共同体同时扩张：需要明确服务承诺时购买商业能力，需要内部知识和深度协同时使用组织能力，需要可审计、可定制和公共积累时调用开源能力。([Yale Law Journal](https://yalelawjournal.org/article/coases-penguin-or-linux-and-the-nature-of-the-firm?utm_source=chatgpt.com "Coase's Penguin, or, Linux and The Nature of the Firm")) Agent由此不只是工具调用器，也可能成为三种协调机制之间的元协调者。它可以判断某项任务应当使用自建能力、商业API还是开源项目，比较它们的成本、权限和可靠性，并把结果重新沉淀为组织经验。传统企业中的采购、集成、运维、知识管理和部分项目协调，可能在同一个Agent运行体系中重新汇合。这不是简单地让AI代替几个岗位，而是改变组织为什么需要把某些能力收进边界、又为什么愿意把某些能力交给外部。 然而，任何通用技术的价值都不会只靠把新部件塞进旧结构自动释放。电气化早期，许多工厂只是用电动机替换蒸汽机，却保留围绕中央传动轴设计的厂房与生产流程，因此无法充分利用电力能够分散布置、独立控制的优势。真正的生产率增长，发生在企业重新设计厂房、生产线和管理方式之后。Paul David在讨论计算机的生产率悖论时，正是用电气化说明通用技术需要漫长的组织重构，才能显现全部作用。([EconPapers](https://econpapers.repec.org/RePEc%3Awrk%3Awarwec%3A339?utm_source=chatgpt.com "THE MODERN PRODUCTIVITY PARADOX IN A NOT-TOO ...")) 今天也一样。在旧软件旁边增加一个聊天框，不等于完成了Agent化；让模型替用户模拟几次鼠标点击，也不等于建立了能力池。真正的Agent原生软件需要重新设计数据如何存在、能力如何描述、权限如何授予、任务如何恢复、结果如何验证、异常如何处理，以及责任如何落到具体主体。应用不再只是增加一个AI功能，而要接受自己可能成为更大任务网络中的一个可替换部件。 能力池化还会带来新的权力风险。如果某个平台控制了能力发现、模型路由、身份认证、权限管理、支付结算和推荐排序，它可能成为比今天应用商店更强的中介。过去的平台只能控制用户如何使用自己的应用，未来的Agent平台却可能控制用户通过什么方式接触整个数字世界。它不必禁止用户安装其他工具，只需要垄断Agent所看到的能力目录、默认路由和个人上下文，就可以决定哪些能力被发现、哪些能力被忽略，以及每次任务流向谁的服务器。 因此，大流通不能只讨论能力是否能够连接，还必须讨论谁掌握路由权，谁可以更换中介，谁能够带走自己的数据与工作状态。软件边界变薄以后，操作系统和Agent运行时将获得更大权力。它们不再只是被动启动应用，而会成为能力、数据与算力的调度中心。问题也由“这个软件有什么功能”转变为“谁有权代表我调用世界上的能力”。 --- # 三、你不开源，社会会帮你“开源” “你不开源，社会会帮你开源”是一句容易被误解的话，因此首先必须说明它不意味着什么。它不意味着社会有权窃取源代码、破解付费机制、侵犯商业秘密、绕过访问控制或者无视软件许可证。法律、合同、专利、版权与商业伦理仍然存在，AI也不会使这些边界自动失效。这里所谓的“社会开源”，指的是一种更广泛的能力社会化：社会未必获得你的源码，却可能通过兼容、重实现、组合和Agent操作，重新获得你原本依赖封闭产品提供的能力。 过去，重做一款成熟软件非常昂贵。开发者不仅要编写代码，还要理解产品行为，覆盖边缘情况，处理文件格式，设计界面，维护兼容性，编写文档，迁移数据，并在操作系统或依赖变化后继续修复问题。一个功能看起来可能只有几个按钮，背后却积累了十年的异常处理和用户经验。因此，很多产品的护城河并不只是某种秘密算法，而是重实现整个行为体系所需的巨大成本。 AI正在降低这种成本。模型可以阅读公开文档，观察界面和输入输出，生成测试，分析文件格式，寻找开源组件，编写适配器，并通过反复运行比较新旧实现之间的差异。软件公开呈现出来的行为，越来越像一份可以由机器阅读、测试和逐步复现的规格。过去逆向的主要对象是代码，未来重构的主要对象可能是行为、工作流和用户可观察的结果。 这种重构不只有一种形式。社会可以开发兼容层，让其他软件读写同一种格式；可以用完全不同的代码独立实现相同任务；可以不重写原软件，而由Agent操作它已有的命令行、API或图形界面；也可以把若干开源工具、通用模型和轻量界面组合起来，只替代原产品最核心的价值。社会不需要复制整座城堡，只要重新修出通向同一片土地的道路。 Samba就是一个早期例子。20世纪90年代初，Andrew Tridgell通过分析网络通信，实现了能够让Unix和Linux系统使用SMB协议提供文件与打印服务的软件。Samba没有得到Windows服务器的源代码，却使开放系统能够与原本围绕专有生态建立的网络环境互操作。此后的数十年里，它逐渐成为Linux和Unix与Windows网络协作的重要基础。这说明，产品的实现可以封闭，但只要协议行为能够被理解，社会就可能建立独立而开放的兼容实现。([GitHub](https://github.com/samba-team/samba?utm_source=chatgpt.com "About Samba")) 软件接口的法律边界远比一句口号复杂。美国最高法院在2021年的Google诉Oracle案中，就特定事实认定Google为Android重用部分Java API声明代码构成合理使用，并强调这种使用使程序员能够把已有技能投入新的、具有转换性的环境。但法院并没有宣布所有API重实现都天然合法，也没有消除不同司法辖区、许可证、商业秘密、合同和访问控制带来的限制。这个案件真正说明的是，互操作和重新实现接口在软件创新中具有重要公共价值，同时也需要在具体法律框架中判断。([最高法院](https://www.supremecourt.gov/opinions/20pdf/18-956diff_n6p1.pdf?utm_source=chatgpt.com "18-956 Google LLC v. Oracle America, Inc. (04/05/2021)")) Agent会把过去只有专业工程师能够完成的兼容工作扩展到更广泛的能力层。一个人不必重新实现整套办公软件，只需要让Agent把一种文档格式转换为另一种；不必重建整个CRM，只需要把客户数据、跟进状态和提醒逻辑迁移到新的工作区；不必复制一款会议SaaS，只需要组合录音、转录、说话人识别、摘要、任务提取、搜索和分享。原本依赖产品边界捆绑出售的价值，会被拆成一组可以单独获得、比较和替换的能力。 以会议知识管理为例，一款成熟产品可能包含上传、转录、说话人分离、摘要、关键词搜索、任务提取、团队权限和分享。过去，用户只能购买整个产品，因为自己组合这些能力需要理解模型、数据库、权限和部署。未来，一个Agent可以让录音保存在本地，调用开源转录模型，把摘要交给云端模型，将结果存入用户控制的数据库，再生成一个符合个人工作方式的界面。这个组合未必拥有原产品同样精美的体验和企业级稳定性，但对一部分用户而言已经足够，这部分需求就会从原有平台中流出。 因此，AI最先冲击的不会是所有商业软件，而是那些主要依靠摩擦形成的护城河。如果一款产品的价格主要来自用户不会安装、不会迁移、不知道替代方案、不敢离开封闭格式，那么Agent将直接攻击它的价值基础。相反，品牌、实时数据、网络效应、专业服务、稳定运营、安全认证、客户关系和责任承担不会轻易被一次代码生成复制。一名用户可以让Agent拼出合同审阅工具，却不能自动获得一家律师事务所愿意为错误承担责任的能力；一个团队可以部署开源数据库，却不能因此获得商业供应商的服务等级协议和赔偿承诺。 这意味着未来的商业软件需要从“制造退出成本”转向“持续创造进入价值”。企业可以开放接口和格式，同时通过更好的托管、运维、数据、行业适配、合规、保险和支持收费。允许用户迁移未必会削弱商业，反而可能降低用户采用新产品时的恐惧。一个系统越容易被Agent调用，越容易进入其他工作流；一种格式越容易迁移，用户越敢于把重要数据交给它；一个开源项目越容易被自动安装和验证，越可能成为能力池中的公共基础。 大公司推动MCP、A2A和其他开放协议，并不是因为它们准备放弃商业化，而是因为它们已经意识到，生态扩张所需的公共连接层不能被任何单一竞争者独占。它们愿意开放铁路轨距，但继续竞争列车、运力、服务和站点；愿意开放Agent如何发现工具，却继续竞争模型和云端执行；愿意支持统一接口，却希望自己成为默认路由。我们正在看到一种新的产业分层：底层协议和基础能力被推向中立治理，上层数据、托管、分发、体验和责任继续形成商业竞争。([Anthropic](https://www.anthropic.com/research/trustworthy-agents?utm_source=chatgpt.com "Trustworthy agents in practice")) 这也是Linux Foundation在Agent时代重新获得中心位置的原因。Linux Foundation的意义从来不只是维护一个内核，它还提供一种机制：当竞争者都需要某项基础设施，却都不愿让竞争对手单独拥有时，可以把它放进中立、开放和多方治理的空间。Linux、Kubernetes、PyTorch、RISC-V以及今天的Agent协议，都体现了相似逻辑。市场竞争并没有消失，但竞争赖以发生的公共地面，被建设成了任何一方都不能轻易封锁的基础设施。 未来，“开源”也许不再只指源代码是否可以查看，而会扩展为一组更加实际的权利。用户是否能够让Agent调用这项能力，是否能够理解它请求的权限，是否能够迁移自己的数据，是否能够验证一次执行，是否能够替换模型和服务，是否能够在供应商停止维护后继续运行，这些都将成为开放性的组成部分。一款源码开放但数据无法迁移、能力无法组合、运行状态无法恢复的软件，并不一定比一款提供完整互操作和退出机制的商业服务更能保障用户。 反过来，封闭产品也可能通过开放能力接口进入大流通。并不是所有软件都必须开放全部代码，但它们需要接受自己处在更大的能力网络中。一个商业产品可以保留内部实现，同时提供稳定、可审计、可替换的调用边界；一个模型公司可以保持训练数据和权重封闭，同时允许用户把上下文和工作状态带走；一家云服务商可以继续收取费用，同时支持跨云迁移和统一身份。未来决定系统是否开放的，不只是许可证文本，而是用户能否真正行使组合权、迁移权、审计权和退出权。 不过，大流通不意味着一切都应当公共化。公共能力与个人状态必须被严格区分。协议、通用工具、基础软件、Skill、文件格式、安全规范和评测方法越开放，社会越不需要重复建设彼此隔绝的道路；但个人的身份、关系、长期记忆、工作历史、权限和真实反馈，不应因为“数据流通”而自动变成平台或公共市场的原料。共享一套转录工具与共享某个人十年的谈话历史，显然不是同一件事。 因此，大流通时代需要一条基本秩序：**公共能力开放共享，个人状态由个人持有，重资产与责任型服务由市场计价。**这三者并不矛盾。开放共享负责降低全社会重复建设的成本，个人持有负责保护人的连续性与自主权，市场服务则负责为前沿模型、弹性算力、专业维护、实时数据、合规和责任提供可持续投入。真正需要被推翻的，不是商业本身，而是把人为摩擦当作主要商品的商业。 当能力可以从产品中被抽离，执行能力的计算也不再必须永久属于某个地点。下一步被重新划分的，将是个人设备、家庭资源、边缘节点和公共云之间的边界。 --- # 四、计算重新找到自己的生态位：个人电脑从软件终端变回能力工厂 今天，一个人可以花费上万元购买一台性能强大的个人电脑。处理器、显卡、内存和硬盘属于他，机器运行时消耗的电力也由他承担。当他调整一张图片、剪辑一段视频、渲染一个三维场景时，大量计算同样发生在这台已经由他购买的机器上。然而，为了让自己的硬件完成这些工作，他通常还需要进入一家软件公司划定的产品边界，持续购买使用许可，学习这家公司设计的界面和工作流，并把自己的创作过程组织成软件可以接受的形状。 这种结构有着充分的历史理由。Photoshop、Premiere、CAD 和各种专业软件提供的远不只是几段算法。它们把图像处理、色彩管理、文件解析、插件兼容、资产组织、协作、撤销、异常处理和长期更新压缩进一套能够被人学习的秩序中。用户购买的既是功能，也是功能之间已经被填平的缝隙。一个按钮之所以能够稳定地产生结果，是因为产品团队早已替用户处理了它与文件格式、操作系统、硬件驱动、其他功能和未来版本之间的大量摩擦。 在这种意义上，传统软件是一种摩擦处理机构。它把分散的算法、工具和算力收拢在一个边界内，使用户不必亲自寻找组件，不必理解组件如何连接，也不必为每一次升级重新证明工作流仍然成立。商业软件所收取的费用，一部分购买了具体能力，另一部分则购买了对寻找、学习、配置、兼容和维护成本的集中代办。 这也解释了开源软件过去面临的困境。开放世界中早已有图像分割、视频编码、音频处理、三维渲染、文档排版、格式转换和批量自动化工具，其中许多工具在自己的专业领域极其强大。然而，它们分散在不同项目、命令、界面、依赖和文档之中。一个人想用开放工具替代成熟商业软件，往往需要先成为半个系统管理员、半个集成工程师，再成为相关领域的专业用户。能力已经存在，能力之间的摩擦却阻止它们构成一套普通人真正能够使用的生产环境。 因此，开源软件过去经常被迫参与一场极其困难的竞赛：制造另一个完整的 Photoshop、另一个完整的 Premiere、另一个完整的 Office。成熟商业软件经过几十年积累，拥有数千项能力、庞大的插件生态、完整的教程体系和已经形成共同语言的专业用户。一个开放替代品即使覆盖了其中百分之八十，只要关键用户仍然依赖剩余的百分之二十，整体迁移便很难发生。开放世界不得不按照商业软件划定的产品边界，重新建造一座功能尽可能相似的城市。 Agent 改变了竞争的基本单位。未来，一个开放生态无需先建造另一座完整的 Photoshop，才能承担图像创作。它可以把一项实际任务拆成若干能力，再为每个环节选择合适的实现。人物分割可以由一个模型完成，头发边缘由专门工具修复，颜色匹配交给图像程序，批量尺寸转换由脚本处理，生成式修改调用高质量云端服务，排版和最终导出则在本机完成。没有任何一个项目独自覆盖整座产品，多个能力却可以围绕一次具体意图临时形成完整工作流。 由此，人与软件交互的起点会发生变化。用户不再必须先决定自己应该打开哪个应用，而可以先描述自己想完成什么：“把人物从背景中完整分离出来，保留头发边缘，将背景换成适合商品宣传的室内空间，统一人物与背景的光线，再分别生成网页、小红书和印刷版本。”Agent 将这个目标拆成一条可执行路径，在本机程序、开放模型、商业 API、临时代码和人工判断之间分配工作。应用仍然提供能力，却不再天然拥有整项任务。 过去由产品预先冻结的能力组合，开始在任务发生时重新生成。对于一项视频工作，素材整理、编码、字幕、音频降噪和格式转换可以使用本机工具，少数需要高水平生成的镜头则购买外部视频模型服务；对于一项文档工作，文件解析、目录整理和版本管理可以留在个人电脑上，复杂推理则调用云端模型；对于三维项目，建模、资产处理和渲染可以在已有硬件上进行，特定模拟和大型生成任务再临时租用远程算力。Agent 负责让这些能力形成一条连续生产线。 个人电脑的回归，首先表现为这种组织权的回归。它不要求全部智能和计算都发生在本机。云端最强模型、专业图像服务、实时数据、短时间内需要大量 GPU 的生成任务，本来就适合由外部供应商承担。个人电脑更像一座拥有自身设备、材料、档案和生产秩序的工厂，它可以购买外部电力、聘请专业顾问、租用大型设备，却仍然由自己决定每项外部能力怎样进入生产流程。 是否拥有个人计算的主权，取决于工作流由谁统御。一个外部 API 可以参与某个环节，却不因此接管项目文件、长期历史、账户体系和其他所有能力；一家供应商提高价格以后，Agent 可以重新比较本机方案、开放替代品和其他商业服务；敏感数据可以先在个人系统中处理，只把完成任务所需的最小部分送往外部。商业能力成为可以购买和替换的专业服务，个人的工作现场则保持连续。 这使本机算力获得了与过去不同的经济意义。个人电脑中的 GPU 原本就是通用计算资源，但它通常只有在某个应用启动之后，才被赋予具体用途。今天用于图像处理，明天用于视频编码，后天用于三维渲染，每种用途都被不同产品的界面和许可边界分割。Agent 在人的意图与硬件之间增加了一层新的调度能力，使一块 GPU 可以被整个个人工作系统共享，根据任务动态安装工具、加载模型、编排队列和回收资源。 物理算力没有增加，有效算力却增加了。FFmpeg、ImageMagick、Blender、Krita、Inkscape、Pandoc、LibreOffice 和大量专业程序已经存在多年，本机 CPU 与 GPU 也早已具备处理许多任务的能力。过去限制它们价值的是发现摩擦、学习摩擦、配置摩擦、接口摩擦和维护摩擦。Agent 把这些摩擦压低之后，同一台机器能够进入的生产过程显著扩张。用户购买的不再只是几项由应用预先划定的用途，而是一块能够被意图动态配置的通用生产资料。 这可能完成个人计算革命尚未完成的后半程。个人电脑的第一次普及把计算设备从大型机构带到个人桌面，使人们能够拥有自己的处理器、存储和程序。此后软件复杂度不断上升，组织这些硬件能力的权力又逐渐集中到少数大型应用与平台中。个人拥有通用设备，却经常只能经过某个产品批准的入口，才能让这台设备承担一类专业工作。Agent 将能力组合成本降下来以后，个人开始同时拥有设备和组织设备的能力。 软件厂商自身也在沿着能力接口化的方向移动。Adobe 已经通过 Firefly Services 提供 Photoshop API，并在新版接口中支持背景移除、智能对象、动作工作流、生成式填充、脚本自动化和大规模内容处理。开发者可以把这些能力接入自己的生产流程，组合多个端点，而不必让每项任务都从完整桌面应用的人工作业开始。这里最重要的信号，是成熟应用内部的能力开始获得独立于完整界面的程序化表达。([Adobe Developer](https://developer.adobe.com/firefly-services/docs/photoshop/?utm_source=chatgpt.com "Photoshop API Overview")) 当商业软件也把能力暴露为接口时，应用与能力之间原本紧密的绑定会进一步松动。未来的软件企业可能同时提供完整应用、专业能力 API、资产市场、协作环境和责任服务。部分用户仍然愿意购买一整套经过长期验证的生产环境，另一些用户则让 Agent 只调用其中最有价值的几个环节。完整产品和能力市场将长期并存，但产品无法再理所当然地把每一项能力、每一种文件和每一段工作历史都收进同一个永久边界。 软件租金的基础也会随之重新分解。过去，用户同时为能力入口、能力组织、专业质量、稳定运行和责任承担付费。Agent 最先压低的是能力入口和能力组织的价格：它更容易找到替代工具，更容易把多个组件连接起来，也更容易把工作流迁往其他环境。专业质量、行业兼容、实时资产、稳定协作、安全认证和事故责任则继续具有稀缺性。商业价值逐渐从“只有进入我的产品才能完成”转向“由我提供能够获得更可靠的结果”。 这会使软件市场变得更接近真实服务市场。一家软件企业可以因为算法更好而收费，可以因为处理速度更快而收费，可以因为拥有独特数据和资产而收费，也可以因为愿意提供支持、赔偿和长期兼容而收费。用户自己的机器承担大量计算时，收费需要更多地对应专业价值，而较少依靠安装困难、格式封闭和迁移恐惧。用户仍然付费，但付费对象从一整座无法拆分的围墙，逐渐变成自己真正使用的能力和保障。 个人电脑由此从“运行付费应用的终端”转变为一座开放的能力工厂。本机软件、个人算力、外部模型、远程 GPU、专业数据库和商业 API 都可以参与生产，Agent 负责依据目标、成本、隐私、质量和时限形成组合。任何单一组件都可以更换，工作本身却继续向前。 然而，当模型、软件、API 和执行位置都开始流动，一项更深的摩擦会显露出来。每更换一次工具，人都可能丢失一部分项目上下文；每跨越一个平台，文件、版本、权限和历史都需要重新整理；每换一个模型，系统又可能重新学习这个人是谁。能力组合的摩擦下降以后，状态迁移的摩擦就会成为新的边界。 真正保证一个工作仍然属于同一个人、同一个项目和同一段历史的，不是某款软件，也不是某个模型，而是数据、状态、关系与连续经验。 --- # 五、模型向着通用智能收束，数据创造个体真正的分野 可以设想这样一个世界：每个人都能够按需租用一颗接近世界最高水平的通用大脑，它可以阅读、分析、写作、编程、观察图像和调用工具。这样的世界不会使所有人得到相同结果，因为大脑的通用能力只是起点。每个人交给它的问题不同，掌握的事实不同，承担的责任不同，过去经历的成功与失败也不同。相同的智能进入两段不同的人生，会形成两套完全不同的行动能力。 不同模型仍会长期保留各自优势，能力、价格、速度、风格、上下文、部署方式和安全策略也会持续分化。真正发生的“收束”，是越来越多模型越过通用可用性的门槛，能够处理广泛的语言、代码、视觉和工具任务。系统可以根据每项工作的要求在模型之间路由，今天的领先者也可能被明天更便宜、更稳定或更适合特定场景的模型替换。通用认知逐渐形成市场供给，个体差异便会更多地来自这份认知所连接的具体世界。 一个通用模型知道人们通常如何写文章、设计产品、分析代码和组织公司，却不知道一个具体的人为什么曾经放弃某条路线，在哪种工作节奏中最容易进入状态，哪些看起来漂亮的计划总是在执行中崩溃，哪些偶然尝试最终获得了真实回报。它能够理解一般意义上的人生，却没有经历这个人的人生。 因此，数据在这里承担的作用更接近传记，而不是原料。它保存一个人如何从过去走到现在，又准备怎样从现在走向未来。项目历史、合作关系、尚未履行的承诺、长期偏好、失败修正和已经获得验证的经验，共同构成数字世界中的个人连续性。失去这些内容所造成的损失，远远超过丢失一批可重新下载的文件。 过去，人们经常把数据称为新的石油。这种比喻强调数据可以被收集、提炼和投入生产，却容易忽略个人数据同时参与构成主体本身。一桶石油离开一个人，不会改变这个人是谁；一段长期记忆、一套工作历史和一组关系状态被平台占有或突然消失，则会直接改变他继续行动的能力。个人数据既是一种生产资源，也是一种数字人格的连续结构。 高质量的个人数据并不等于保存更多文本。一个系统即使记录了全部对话，仍然可能完全误解用户，因为它不知道某句话是在什么情境下说出的，不知道那是一项稳定偏好、一次情绪表达，还是后来已经被现实推翻的判断。一条信息只有与来源、时间、目标、后续行动和真实结果发生联系，才能成为可以指导未来的经验。 这使个人记忆系统面临一种与传统数据库完全不同的任务。它需要区分长期身份与暂时状态，区分外部事实与内部判断，区分已经验证的经验与仍在等待检验的推测，也要区分一项尚未履行的承诺与一段已经结束的项目历史。不同类型的信息拥有不同的有效期、权限和修正方式，任何一次写入都可能改变未来 Agent 对人的理解。 记录一切会制造新的摩擦。信息越多，Agent 越难判断什么仍然重要；未经清理的历史会让已经过时的目标持续占据注意力；一次偶然失败可能被反复解释为稳定能力边界；旧项目的情境也可能污染新的判断。真正成熟的记忆系统需要主动压缩、修订和遗忘，使保留下来的状态足以维持连续性，又不会把一个人锁死在过去所有细节中。 可以把这种基础设施称为个人的数据脊柱。它维护个人数字世界中的事实权威，使不同模型、应用和 Agent 能够在授权范围内读取同一套经过组织的状态。模型可以更换，应用可以退出，任务可以迁移到另一台设备，身份、项目、重要决定和经验却保持连续。每个 Agent 完成任务以后，写回的是带有来源、证据和结果的状态变化，而不是在自己的私有数据库里生成另一份互不兼容的用户画像。 这条数据脊柱的目标，是保存继续行动所需的最小充分状态。一个长期项目需要知道当前目标、已有材料、版本关系、已经作出的决定、未解决的问题和验收标准；一项个人偏好需要知道它来自多少次稳定选择，是否受到特定情境影响；一条经验需要能够回到产生它的真实结果。系统保存的不只是“用户曾经说了什么”，而是“什么在什么条件下发生过，并对后续行动意味着什么”。 数据的真正价值也在这里出现：反馈把记录变成经验。用户在对话中说喜欢某种标题，只能形成一个弱信号；这种标题发布以后获得了什么样的阅读、吸引了什么样的人、是否推动了原定目标，才构成更强的反馈。一个商业计划获得模型认可没有多少意义，真实用户是否付费、交付是否顺畅、一个月后是否仍然继续使用，才会改变下一次决策。 现实反馈具有成本，也因此难以复制。公开互联网可以让所有模型学会一般性的产品方法，却无法立即复制一家企业十年来积累的客户流失原因、技术事故、销售失败和质量判断。一个组织真正独特的智能，越来越多地来自这些与真实结果牢固连接的历史。通用模型提供推理能力，组织数据决定这份推理能力对具体世界的适应程度。 个人也会积累类似的上下文资本。它的价值不由文件数量决定，而由历史、反馈、判断标准和行动结果之间的连接密度决定。一个更强的新模型如果无法继承这套上下文资本，实际体验可能仍然弱于一个基础模型稍旧、却真正理解项目与个人历史的 Agent。模型市场的竞争越充分，状态的连续性就越成为个人真正稀缺的资产。 平台锁定会沿着这条路径迁移。过去，锁定发生在文件格式和软件功能中；未来，模型与工具可能很容易替换，个人状态却被保存在某个 Agent 平台的内部结构中。用户可以更换底层模型，但项目历史、评价标准、长期关系和工作习惯仍然离不开原平台。表面上的模型选择并没有转化为真正的退出权。 真正的数据迁移也因此超出了“导出文件”的范围。一个平台把聊天记录、图片和 JSON 文件打包交还给用户，只完成了比特的复制。新的系统还需要理解这些数据之间的关系，恢复正在进行的项目，识别已经过时的判断，重建权限和责任，并让新的 Agent 从原来的状态继续工作。迁移的终点不是文件成功下载，而是人的工作与生活能够在另一套系统里继续发生。 Local-first 软件思想已经为这种连续性提供了一部分框架：数据首先属于用户，软件同时保留离线工作、跨设备协作、长期保存和用户控制。云端承担同步与协作，而个人设备中的状态具有真实权威，不只是远程数据库的临时缓存。Agent 时代会进一步放大这种需求，因为 Agent 必须跨越多个应用理解人的状态，个人也需要确保这种理解不会被任何一个应用独占。([Ink & Switch](https://www.inkandswitch.com/essay/local-first/?utm_source=chatgpt.com "Local-first software: You own your data, in spite of the cloud")) 欧盟《数据法案》也开始把云服务切换与数据处理服务的互操作性纳入竞争秩序，目标是降低技术和合同上的迁移障碍，使用户能够更顺畅地在服务商之间切换。它所处理的主要仍是数据处理服务与云市场，但其中蕴含的制度方向十分明确：当数据决定用户能否继续工作时，迁移能力就会成为真实竞争的前提。([数字战略网站](https://digital-strategy.ec.europa.eu/en/factpages/data-act-explained?utm_source=chatgpt.com "Data Act explained | Shaping Europe's digital future")) 这种结构还会带来新的权属问题。员工与企业共同积累的工作经验如何划分，合作伙伴共同完成的项目状态由谁保存，家庭成员共同生成的记忆如何修改和删除，Agent 根据行为推断出的偏好又应当被视为什么。模型可以帮助整理这些关系，却无法独自决定谁拥有解释过去的权力。系统从一开始怎样保存来源、授权和共同参与者，会直接决定未来哪些制度答案仍然可行。 大流通时代的数据原则因此需要与能力原则形成对称。公共能力可以广泛流动，个人状态则围绕完成任务所必需的范围进行授权。模型、算法和工具可以来到数据所在的位置；原始数据需要离开时，系统应当知道为什么离开、进入何种环境、保存多久，又将怎样撤销。流通的目标是提高能力与任务的匹配效率，而不是让个人历史成为最容易被搬运和复制的资源。 当个人状态成为模型、工具和平台之外的独立层，它就需要一个最终的权威归宿。这个归宿可以跨设备复制，可以加密备份，可以使用商业云服务托管一部分副本，也可以在不同地点运行，但决定谁能够读取、谁能够修改、什么代表当前事实的权力必须掌握在个人一侧。 这使操作系统重新成为整场变革的中心。未来的操作系统既要管理不断流动的外部能力，也要维护持续存在的个人状态；既要让 Agent 自由组合工具，也要让每一次状态变化具有来源、权限和恢复路径。个人电脑的意义不再局限于提供本机算力，它将成为个人数字世界中能力与连续性相遇的地方。 --- # 六、个人电脑重新成为“个人的电脑”：Linux 与开源的大反攻 个人计算的第一次革命，把通用计算设备带到了个人手中。人们可以拥有自己的处理器、存储、文件和程序，不必为每一次计算请求大型机构的批准。随后，软件和服务不断复杂化，个人电脑又逐渐成为通向远程平台的入口。文件关系保存在云盘中，项目状态保存在 SaaS 中，创作能力封装在专业应用中，长期记忆则开始进入 Agent 平台。个人仍然拥有机器，却越来越少拥有组织数字生活的规则。 下一阶段的个人计算需要完成一次更深的转移：个人既拥有计算设备，也拥有组织计算、调用能力和保存状态的权力。这里的“个人”来自控制关系，而非所有任务的物理执行地点。系统可以调用世界上最强的模型，可以购买专业软件能力，可以租用远程 GPU，也可以使用商业云存储；这些外部服务进入一个由个人状态、权限和目标所统御的工作环境。 Linux 为这种结构提供了极其特殊的基础。它已经积累了庞大的开放软件生态，也拥有透明的文件、进程、网络、权限和服务模型。FFmpeg、ImageMagick、Blender、Krita、Inkscape、Pandoc、Git、容器、数据库和无数专业命令行程序共同构成一片广阔的能力海洋。过去，这片海洋主要服务于愿意学习工具、编写脚本和处理依赖的人；Agent 可以把这些能力从技术知识转换为面向普通人的可调用基础设施。 Unix 的管道曾经允许程序把文本输出交给另一个程序，使小工具可以组合成复杂流程。这种设计释放了软件能力，却要求使用者知道每个命令的名称、参数和输入输出。Agent 为同一思想增加了意图层：人描述目标、限制和验收标准，系统再寻找合适工具、转换数据、安排顺序并检查结果。过去由程序员手工编写的管道，开始成为由人的意图动态生成的能力网络。 这正是 Linux 在 Agent 时代最重要的优势。它提供的核心价值，是一块不属于任何单一软件厂商的开放执行底座。本机程序可以在这里运行，商业 API 可以从这里调用，远程算力可以接入，传统桌面应用也可以继续提供专业界面。各种能力来自不同主体，却服从同一个项目状态、权限系统和验收逻辑。 能力的分散也由此获得新的意义。过去，分散意味着用户必须寻找、学习和维护几十个项目；当 Agent 承担组合摩擦，分散同时意味着组件可以独立替换。一个服务涨价，只需要更换对应节点；一个工具停止维护，可以迁移到行为相近的实现；某项任务需要更高质量时，可以临时调用商业能力。系统稳定性不再完全依赖所有部件由同一家公司生产，而来自部件变化时工作现场仍然能够继续。 这套系统的基本单位也会从应用转向工作。传统桌面询问用户想打开什么程序，新的个人计算环境更关心用户正在推进什么项目。研究一篇文章、开发一个软件、经营一家小店、管理家庭资料，都可以成为持续存在的工作线程。每个线程保存目标、材料、版本、决策、任务依赖、执行环境、验收标准和恢复点，聊天只是人进入工作现场的一种方式。 一个 Agent 会话可以结束，项目不会随之消失；模型可以更换，已经完成的工作不会重新从零推断；设备可以重启，任务仍然知道从哪里继续。操作系统管理的重点，从当前打开了哪些窗口，逐渐转向哪些工作正在进行、哪些 Agent 拥有职责、哪些步骤正在等待结果，以及哪些决定需要人的参与。 面向人的图形界面和面向 Agent 的机器接口也应在这里重新分工。人需要看到项目全貌、证据、差异、风险、进度和可以直接修改的结果；Agent 更适合使用稳定的 API、CLI、MCP、文件契约和事件流。相同的系统对象拥有两种表达：对人呈现为清晰的工作区，对 Agent 呈现为结构化、可验证的接口。GUI 保留人的理解与控制，协议负责机器之间稳定而精确的协作。 模型网关负责接入不断变化的智能市场。它依据任务难度、价格、速度、隐私和可靠性选择模型，使简单工作、复杂推理、视觉处理和专业判断分别进入合适的供应路径。底层模型不断升级，项目与个人状态保持稳定；用户可以购买最先进的能力，同时避免让每一次模型变化重写整个系统。 能力层则把本机程序、桌面软件、远程 API、MCP Server、Skill 和临时代码组织成同一张能力图谱。每项能力需要说明输入输出、权限、数据去向、价格、版本、来源、失败方式和验收方法。Agent 由此能够比较能力，而不是仅凭工具名称盲目调用；人也能够理解一次工作究竟使用了哪些外部资源，又为什么形成当前成本与结果。 数据脊柱为个人与项目维护连续性，资源层决定能力在哪里执行，策略层则管理身份与权限。三者结合之后，操作系统成为大流通的控制平面：模型、软件和算力可以自由进出，个人状态、授权规则和项目事实保持稳定。系统的中心不再由最强模型占据，也不由最大的软件厂商占据，而是由个人长期工作的秩序占据。 OpenAI 目前对 Sandbox Agents 的设计已经明确区分了负责编排模型循环和工具路由的控制逻辑，以及真正拥有文件、命令、软件包、挂载和快照的隔离执行环境。这种架构说明，Agent 一旦从回答问题进入真实工作，就需要可检查的文件系统、受约束的命令边界、可恢复状态和能够交接的生成物。([OpenAI Developers](https://developers.openai.com/api/docs/guides/agents/sandboxes?utm_source=chatgpt.com "Sandbox Agents | OpenAI API")) Red Hat 的 RHEL MCP Server 则进一步把这种结构带入真实系统运维。它允许 Agent 查询系统信息和日志，并通过 guarded command execution 生成与执行命令；命令先由守门模型检查，修改性操作可以等待人类批准，再由 `systemd-run` 缩小执行影响范围，完成以后重新验证结果。这里呈现的已经是一套完整的行动语法：观察、提出动作、检查风险、获得授权、受限执行和验证现实。([红帽](https://www.redhat.com/en/blog/dynamic-troubleshooting-guarded-command-execution-mcp-server-red-hat-enterprise-linux?utm_source=chatgpt.com "Dynamic troubleshooting with guarded command execution in the MCP server for Red Hat Enterprise Linux")) Microsoft 同样把 Agent 身份、隔离、策略、治理与可观察性放入 Windows 系统层，使 Agent 与人的身份分离，并在受控环境中获得范围明确的访问权。操作系统由此重新成为竞争中心，因为长期 Agent 需要跨越应用读取数据、调用工具和采取行动，身份与权限再也无法只由单个应用内部管理。([Microsoft Developer](https://developer.microsoft.com/en-us/windows/agentic?utm_source=chatgpt.com "Windows Agentic")) 开放协议则为这套系统提供跨厂商的公共道路。Linux Foundation 旗下的 Agentic AI Foundation 以 MCP、goose 和 AGENTS.md 等项目为起点，为 Agent 基础设施提供中立治理空间；A2A 已获得超过 150 家组织支持，目标是让不同框架、供应商和平台中的 Agent 能够发现彼此并交接工作。竞争企业共同推动这些协议，反映出连接层已经成为任何单一厂商都难以独占的公共基础。([Linux Foundation](https://www.linuxfoundation.org/press/linux-foundation-announces-the-formation-of-the-agentic-ai-foundation?utm_source=chatgpt.com "Linux Foundation Announces the Formation of the Agentic ...")) 这些现实进展共同指向一种新的操作系统角色。系统需要管理的不只是进程是否运行，也包括 Agent 代表谁、任务属于哪个项目、能力来自何处、数据进入了什么环境、行动是否越过授权边界，以及结果能否回放和恢复。传统系统的权限模型仍然是基础，但它需要被扩展到长期、跨应用、能够主动规划的数字主体。 Linux 能否抓住这次机会，取决于它能否把开放性转化为低摩擦的产品能力。模型切换需要保留项目与记忆，数据迁移需要让工作真正继续，执行审计需要形成普通人能够理解的回执，权限撤销需要清楚而及时，系统更新也需要保持状态可解释。开放从许可证中的可能性，转化为日常操作中的确定性，才能成为普通用户实际拥有的自由。 Agent 也会推动 Linux 建立比过去更稳定的契约。依赖、配置和系统状态越清晰，Agent 越能安全工作；能力来源越明确，审查与替换越容易；动作越可回滚，长期自主运行越可靠。Agent 吸收不可避免的复杂性，同时迫使系统把可以消除的混乱整理成机器与人都能够理解的结构。 开源商业模式会随之成熟。公共协议、基础工具和通用能力可以开放，稳定托管、安全响应、行业适配、协作服务、专业资产、算力和责任承担继续形成商业价值。用户拥有迁移与退出权，企业依靠长期可靠性和真实服务获得收入。商业软件也可以成为开放能力网络中的优质供应者，而无需通过占有个人全部状态来维持关系。 从这个意义上说，个人电脑将成为个人数字世界的宪法中心。它无需亲自运行每一个模型，也无需保存所有数据的唯一副本；它负责规定哪些能力能够进入，哪些数据可以出去，哪个 Agent 代表谁，哪些动作需要批准，哪些状态构成事实，以及某项外部服务退出以后工作如何继续。 云端模型可以更强，商业软件可以更成熟，远程服务可以拥有更高的可靠性。它们进入个人系统时，以受托服务者的身份参与：获得明确授权，提供具体能力，接受替换与审计。个人电脑由此可以连接整个智能市场，同时保有自己的中心。 这就是 Linux 可能迎来的第二次历史机会。第一次个人计算革命让个人拥有通用机器；下一次个人计算革命将让个人拥有组织这台机器以及组织外部能力的权力。Linux 所承载的开放传统，可以把本机算力、开源软件、商业 API、远程服务和个人数据组织成一套任何供应商都能参与、又没有任何供应商能够永久占有的计算秩序。 当能力摩擦被大幅降低，操作系统面临的下一项任务便不再只是继续追求流畅。现实中的某些摩擦保护着判断、财产、隐私和责任。大流通需要一套更精确的摩擦分配机制：在能力组合处铺平道路，在不可逆边界前保留刹车。 --- # 七、大流通之后，什么依旧昂贵：摩擦不会消失，它会被重新分配 摩擦同时参与阻碍与秩序。轴承中的摩擦会消耗能量，轮胎与道路之间的摩擦却让车辆获得方向；生锈的齿轮使机器停顿，刹车片产生的摩擦则使机器能够安全停止。数字系统长期把“无摩擦”当作普遍目标，却很少区分摩擦究竟来自技术落后、商业锁定、物理现实，还是保护人的制度边界。 大流通真正要压低的是第一类摩擦：意图到能力之间缺乏真实价值的阻力。寻找工具需要数小时，安装依赖反复失败，两个软件因为格式不同无法连接，已经购买的硬件必须经过某款应用才能承担一类任务，更换供应商意味着项目全部重建。这些摩擦消耗人的时间，却没有改善结果，也没有承担风险。它们是上一代信息技术能力不足留下的成本，其中一部分后来又被产品主动加固，成为锁定用户的方式。 Agent 会持续吞噬这类摩擦。搜索、文档阅读、环境配置、格式转换、接口适配、重复操作和基础维护都会越来越便宜。一个人可以为了只用一次的任务安装工具，可以为只有一个用户的特殊需求临时生成程序，也可以把一项大型软件里的几个核心能力从其他来源重新组合。过去需要市场规模才能成立的软件供给，逐渐可以围绕单个任务即时形成。 第二类摩擦来自现实。药物需要实验，建筑需要施工，关系需要时间，市场需要真实用户，法律和公共制度需要协商。模型可以加速提出方案，却无法同时让所有方案进入现实检验。信息世界越快，物理世界与社会世界的节奏就越明显地成为限制。生成一千个候选分子可能只需要几小时，完成安全性验证仍然需要生物过程；设计一百个产品可能只需要一天，获得一百组长期用户反馈仍然需要真实生活展开。 现实摩擦使选择成为稀缺。过去，许多目标会因为执行成本过高而自动退出竞争；当执行变得便宜，人将面对远多于生命能够容纳的可行路线。Agent 可以把任何想法展开成计划，可以为每个计划生成产品、内容和商业模式，却无法替一个人决定哪些可能性值得占用几年时间。目标、方向和机会成本因此从执行背后走到前台。 品味也会从生产的附属环节变成主要瓶颈。图像、视频、文字和软件原型大量生成以后，“能够做出来”不再足以构成差异。真正重要的是识别哪些结果只是在复制已有模式，哪些结果准确回应了某个群体、某种情境与一个具体目标；哪些地方已经足够，哪些地方仍值得付出额外时间。生成扩大选择空间，品味负责让选择空间重新收敛。 注意力同样受到这种扩张的压力。一个能力强大却缺乏判断的 Agent，可以每天生成数百份分析、建议、警报和备选方案，再把筛选成本全部交还给用户。这样的系统减少了机器执行的摩擦，却制造了更严重的人类注意力摩擦。真正成熟的个人 Agent 需要理解什么值得打断，什么可以延后汇总，什么可以在既定原则下自行处理，什么缺乏足够价值而应当直接消失。 第三类摩擦属于制度与治理。它们被主动放置在容易造成重大损失的边界上，用来换取思考、证据和责任。删除临时缓存可以瞬间完成，删除十年照片需要更高阻力；转换本地文件可以自动执行，对外发布、签署合同和转移资产则需要清晰确认；可逆的低风险任务允许 Agent 持续行动，不可逆的高风险操作要求展示影响范围、依据和恢复方式。 这些保护性摩擦将在 Agent 时代变得更加重要。传统软件主要等待人点击，错误行为往往在人的直接参与下发生；长期 Agent 可以跨越几十个步骤工作，读取网页和文件中的内容，调用不同工具，并代表用户与外部系统交互。人的每一次授权都可能被扩展成一条长行动链，因此系统需要在目标、权限、环境和后果之间增加新的检查点。 验证会成为最值得投入廉价智能的领域。一个 Agent 生成方案，另一个 Agent 可以独立检查假设；一个模型编写代码，测试、静态分析与沙箱运行负责发现问题；一个工具转换文件，系统可以比较前后结构是否满足契约；一项重要结论可以由不同模型分别推导，再与真实数据对照。单位智能越便宜，系统越有能力通过冗余计算保护昂贵现实。 过去，人们为了节省计算而减少检查；未来，计算可以大量用于建立确定性。廉价智能的最高价值之一，是让验证从少数高价值任务的奢侈品变成日常工作的一部分。每次迁移都可以生成差异报告，每次高风险操作都可以先在副本中模拟，每项长期计划都可以持续对照现实进度，每个 Agent 的输出都可以保留来源与证据。 这也会重写专业软件与商业服务的价值。普通转换、基础生成和能力入口会逐渐便宜，用户仍然愿意为精确色彩、行业兼容、稳定协作、长期支持、安全保障和事故责任付费。商业软件的价值重心由提供功能转向保证结果，由控制入口转向承担不确定性。成熟企业最有价值的部分，将是它们能够使复杂任务持续可靠地完成，并在失败时提供明确的恢复与责任。 信任会沿着同一方向变得更加昂贵。专业外观、流畅语言、逼真声音和完整代码都可以低成本生成，表面质量逐渐失去证明身份和可靠性的能力。一个 Agent 需要能够证明自己代表谁、权限来自哪里、使用了哪些工具、运行环境是否受到约束，以及历史行为是否可以追溯。信任从风格判断转向身份、来源、签名和记录。 责任比信任更加难以商品化。Agent 可以代表企业发送承诺，代表个人购买服务，修改生产环境，甚至在未来参与金融与法律活动。结果造成损失以后，系统需要还原目标由谁设定、权限由谁授予、能力由谁提供、哪些风险已经被展示、什么节点应当由人介入。执行可以跨越多层接口，责任链却必须保持连续。 公共开源能力也具有自己的现实摩擦。协议需要维护，软件包需要审核，关键依赖需要安全响应，文档和测试需要长期更新。Agent 会大幅提高代码生产速度，也会提高低质量分支、供应链污染和无人维护组件出现的速度。开放基础设施越重要，维护者、测试体系、治理组织和安全机制就越需要稳定资源。公共能力开放共享，与公共能力获得可持续供养必须同时成立。 大流通还会产生新的能力差距。智能入口可能变得普遍，有人却拥有完整的数据脊柱、长期项目现场、可靠的反馈循环、丰富的能力网络和成熟的验证系统；另一些人仍然每次从空白对话开始，所有状态依赖某个平台。模型访问差距下降以后，组织智能的差距可能扩大。真正稀缺的逐渐变成谁能够把智能纳入一套连续、可验证且服务明确目标的秩序。 未来重要的职业也会围绕这些摩擦重新形成。系统设计者规定 Agent、数据与能力怎样协作，评估者把模糊目标转化为可检验标准，行业专家识别公共语料无法包含的现实约束，数据管理员维护来源与生命周期，安全治理者设计授权、隔离和恢复，最终责任人则在机器无法承担法律与伦理后果的地方作出判断。他们的价值来自把廉价执行约束在值得追求、可以验证和能够负责的方向上。 所以，大流通所创造的并非一个彻底无摩擦的世界，而是一场摩擦的重新分配。发现、学习、安装、适配和迁移的摩擦持续下降；实验、现实反馈、信任、责任和物理执行的摩擦更加显眼；系统还会主动在隐私、资产、对外承诺和不可逆操作前放置经过设计的阻力。 下一代操作系统的一项核心职能，可以被理解为摩擦分配。它让低风险、可逆、重复而无创造性的工作尽可能顺畅，使能力能够围绕人的意图快速组合；它在高风险、不可逆、涉及他人和改变长期状态的地方主动减速，要求证据、解释、授权和恢复方案。好的系统既不让人为了小事穿越迷宫，也不会为了追求流畅而悄悄越过所有边界。 真正成熟的智能社会，会在不应阻碍人的地方足够轻盈，在必须保护人的地方保持必要的重量。 --- # 八、结语：致即将迎来的大流通时代 2026 年的夏天所显露的，并不是一项孤立产品的胜利，而是一组过去相互分离的趋势开始汇流。智能单位成本下降，Agent 承担更长的任务，软件能力通过接口和协议离开固定应用，模型与服务形成可以比较的市场，操作系统重新接管身份、权限和执行边界，开放组织则开始为 Agent 建设跨厂商的公共道路。 这些变化共同压低了数字世界的协调摩擦。过去，一个人的意图需要先找到软件，再学习软件，再把数据迁入软件，最后按照产品预先设计的工作流行动。未来，Agent 可以从意图出发，在本机程序、开源组件、商业 API、远程算力和专业服务之间建立临时组合。资源已经存在，协调成本下降使它们第一次能够自由寻找适合自己的位置。 我把这场变化称为大流通。它指向数据、算法、算力和软件能力逐渐脱离固定产品，在目标、成本、隐私、质量、时限和责任之间重新匹配。流通的主体既包括云端模型和专业服务，也包括个人已经购买的处理器、显卡和存储；既包括大型商业软件内部的专业能力，也包括开源共同体数十年来积累的工具；既包括长期稳定的工作流，也包括只为一个人、一次任务临时生成的代码。 大流通会重新定义付费。个人仍然会为前沿模型、专业数据、远程 GPU、成熟软件、稳定托管和责任保障付费，但付费越来越对应具体能力与真实保证。用户无需为了使用一个功能而永久租下一整座产品，也无需因为采用某项优秀服务就把项目、身份与历史同时迁入同一个平台。市场继续存在，并在能力可以比较、组合和替换的条件下变得更接近真实价值竞争。 大流通也会重新定义开源。源代码的可见性仍然重要，普通人实际拥有的迁移权、组合权、审计权和退出权会变得同样重要。一个开放系统需要让能力真正可调用，让数据真正可携带，让执行真正可回放，让替换一个供应商不至于破坏整个工作现场。开源从一项开发权利，逐渐扩展为个人数字生活能够保持自主与连续的基础制度。 由此可以形成一条清晰的分工原则：公共协议、通用工具、基础运行时、Skill、评测方法和安全规范尽可能开放共享；个人的身份、记忆、关系、项目状态、权限与真实反馈由个人持有；前沿模型、弹性算力、实时数据、专业软件、稳定运维、保险与责任服务通过市场获得回报。 这三层共同构成大流通的秩序。公共能力越开放，社会重复修建道路的成本越低；个人状态越独立，模型和服务之间的竞争越真实；商业服务越能围绕质量、效率和责任收费，整个生态越有动力持续建设。开放、所有权和市场各自承担不同职能，并通过清晰边界相互支撑。 同一场摩擦下降也可能扩大平台的控制力。一个超级 Agent 可以替用户调用全部能力，也可以顺势占有全部状态、决定全部路由并管理全部身份。应用边界消失以后，控制权可能集中到一个更高的入口。最终结果取决于谁拥有能力目录、模型选择、个人数据和权限根，取决于用户能否更换控制平面而继续原来的生活。 因此，操作系统重新成为时代中心。下一代操作系统管理的不只是硬件与应用，也管理 Agent、工作线程、能力、模型、数据、权限、证据与恢复。它需要让外部能力顺畅进入个人世界，同时确保个人状态不会随任何一项外部服务而消失；让 Agent 可以长期行动，同时在越过关键边界时把判断交还给人；让计算自由选择位置，同时让路由规则属于用户。 Linux 的历史机会建立在这套新需求之上。它拥有开放的执行环境、丰富的能力生态、可观察的系统结构，也继承了公共基础设施通过共同协议和多方治理发展的传统。它可以成为个人连接整个智能市场的控制平面，让开源程序、商业软件、云端模型、远程算力和个人硬件在同一个工作秩序中协作。 这项任务要求 Linux 把开放性转化为日常体验。复杂性由 Agent 吸收，重要选择由用户理解；模型能够切换，项目保持连续；数据能够迁移，工作能够继续；能力可以自由组合，来源与风险清晰可见；云端服务随时可以参与，个人的状态与最终规则始终留在自己一侧。 个人电脑由此获得新的定义。它无需把整个世界关进自己的机箱，也无需独立承担所有计算。它是一套由个人掌握最终规则的计算环境：可以使用自己已经购买的算力，可以调用全球最先进的服务，可以吸收开放共同体积累的能力，也可以在任何供应商变化以后继续保有自己的项目、记忆和选择。 它连接世界，却不把自己交给世界上的任何一家平台。 它购买服务，却不出售自己的连续性。 它让能力流动，也让身份、责任与边界保持清晰。 大流通时代真正需要解决的问题，因而不只是怎样让更多资源流动，还包括怎样让摩擦出现在正确的位置。寻找、学习、配置、连接和迁移的阻力应当持续下降；涉及隐私、身份、资产、承诺和不可逆后果的行动应当拥有足够重量。系统既帮助人跨越无意义的障碍，也保护人免于被过度顺滑的自动化带离自己的意图。 道路的价值，在于让原本无法抵达的地方进入选择。廉价智能正在为数字世界修建这样的道路，使沉睡的代码、闲置的算力、分散的软件能力和不断出现的商业服务重新进入流通。道路建成以后，真正重要的是目的地由谁选择，沿途规则由谁制定，又有什么东西无论走得多远都仍然属于出发的人。 个人计算革命的下一阶段，将把组织计算的权力重新交还给个人。任何模型都可以参与，任何软件都可以贡献能力，任何商业服务都可以凭借真实价值获得报酬，而个人数据、工作历史、身份和最终授权不会因此成为某一家供应商的领地。 **个人电脑的回归，意味着一台机器可以代表个人，与整个世界交换能力。** **让公共能力自由流动，让个人状态始终归人，让摩擦出现在真正需要它的地方。** **让个人电脑，重新成为个人的电脑。** - [WIRED](https://www.wired.com/story/openai-is-developing-a-persistent-ai-agent?utm_source=chatgpt.com) - [tomsguide.com](https://www.tomsguide.com/ai/perplexitys-new-local-first-ai-runs-on-your-pc-and-asks-before-using-the-cloud?utm_source=chatgpt.com) - [reuters.com](https://www.reuters.com/legal/litigation/eu-rules-reining-big-tech-will-now-target-cloud-services-ai-regulators-say-2026-04-28/?utm_source=chatgpt.com)