
不用"噫吁嚱"——前端没被 AI 杀死黑河隔热条设备 ,终端且得狂飙。
在许多人高呼" AI 正在颠覆一切"的当下,这样的一句判断,竟显得如此反直觉。
但别急,看完下面的一张图,或许就能让众多迷茫的前端程序员瞬间醍醐灌顶:
在这张图中,我们看到的是三个跨时代的手机:2000 年的诺基亚 3310、2007 年的初代 iPhone,以及今年的 iPhone 17 Pro。
三者并排放在一起,一个非常直观的感受就是,电路板变得越来越复杂;3310 的主板,可能只是 iPhone 17 Pro 的一个小传感器。
很多人以为 AI 是对传统开发的降维打击、是一场彻底的革命,但当你拆开技术的"后盖",盯着那些密密麻麻的线路时,你会发现,复杂度从未消失,它只是换了一种形式存在——
从电路板的物理堆叠,迁移到了模型、接口、网络、算力共同构成的数字堆叠。
这就是蚂蚁集团终端技术委员会负责人翁欣旦在 SEE Conf 大会中抛出的观点。
更进一步的,他还给出了一个非常发人深省的结论:
前端程序员的宿命从未改变,永远在对抗熵增(复杂系统)。
但在 AI 时代,是时候要清算一下技术债了。
△蚂蚁集团终端技术委员会负责人,翁欣旦
一言蔽之,技术的浪潮更像是一个巨大的轮回,只是规模在放大,节奏在加快,体验在被不断刷新。
AI APP,其实在返祖
我们不妨先从为直观的终端前端的果开始讲起。
例如打开现在火的 AI 应用,无论是 OpenAI 的 ChatGPT,还是蚂蚁发布的 AQ、灵光黑河隔热条设备 ,你都会产生一种强烈的既视感:
它们太简单了。
一个输入框,一个对话流,一行行简洁排布的回答;没有复杂的导航、没有丰富的层级,也没有堆满屏幕的信息分发。
这个简洁的界面让人不禁回想起 20 年前的 WAP 网页,或者是那个功能单一、界面朴素的支付宝 1.0 时代。
这看似是一种倒退,毕竟移动互联网在经历了十几年雕花般的 UI 进化,把 APP 做得像精装修的豪宅之后,AI APP 突然一夜回到毛坯房。
这背后是简美学的回归吗?
在翁欣旦看来,我们正在经历两个技术上的轮回式的返祖。
先是交互的轮回。
计算机的发展史,可以说是一部从 DOS(命令行界面)走向 GUI(图形用户界面)的历史。
DOS 时代的黑底白字,被 Windows 和 Mac 的窗口图标取代,因为点击比输入指令更符直觉。
而现在的 AI,似乎正试图把我们拉回 CUI 时代——用自然语言对话来解决一切。
但这真的高吗?
翁欣旦在现场提出了一个非常务实的质疑:
如果小手轻轻一点就能办妥的事,用户为什么要打开一个 Agent,跟它絮絮叨叨讲上一分钟?
Q Q:183445502Rabbit R1 和 AI Pin 等纯 AI 硬件的翻车,已经给出了市场反馈。当用户须对着一个没有屏幕或屏幕小的设备说话,且无法通过视觉反馈确认操作状态时,沟通成本反而大幅上升。
单纯依赖 CUI,在处理复杂任务时率低;交互的未来黑河隔热条设备 ,注定不是 CUI 杀死 GUI,而是两者的共生。
更明确一些来说,是让 GUI 负责高频、确定的操作,CUI 则是负责长尾、复杂的意图理解。
现在的 AI APP 界面之所以如此简陋,恰恰是因为这种" GUI+CUI "的深度融范式尚未成熟,行业还在摸着石头过河。
其次是架构的轮回。
在移动互联网爆发初期,API 网关是一个里程碑式的存在,为了应对海量的 APP 请求,为了业务的灵活,开发者们曾热衷于把接口做得很宽。
就像翁欣旦提到的那个血淋淋的例子:为了省事,很多核心业务逻辑被塞进了一个名为" extend_info "的字段里。
这种做法在当年是为了管好接口,给业务留足后路;但到了 AI 时代,这笔技术债开始爆雷了。
当我们试图让大模型去理解、去调用这些接口时,模型懵了:它读不懂那个黑盒一样的" extend_info "里到底藏了什么。
即便把几百行相关代码喂给模型,缺乏上下文的它依然无法理解其中的业务含义。
以前做 API 网关,是为了让以前的程序能跑通;现在做架构,是为了让大模型能看懂。
为了实现这一点,我们不得不重新定义接口,重新去把那些为了灵活而牺牲的语义补回来。
这哪里是 AI 杀死了前端?这分明是 AI 逼着前端工程师把以前偷懒没做好的作业,重新做一遍。
AI 原生应用看似全新,实则仍在解决老问题:
如何在复杂与可用之间取得平衡,如何在开放与管控之间找到边界,如何在创新与工程之间保持节奏。
终端是不可被替代的
脉泽科技创始人曾香玉与 CTO 董延杰,分别负责市场拓展与硬件研发。实验室负责人、华南理工大学教授康文雄担任公司席科学家。团队早期将主要精力集中在算法优化和产品打磨上,经过多年积累,已在掌静脉识别的核心技术域形成壁垒。如今,随着市场需求逐渐觉醒,公司重心转向项目落地,异型材设备在国内公安、金融、军工等行业动规模化应用的同时,亦将目光投向了更广阔的海外市场。
起初黑河隔热条设备 ,企业内部引入 AI 的过程看似无害。ChatGPT、Copilot 等工具仅辅助人们完成基础的写作与编码工作,无法立行动。但这种情况正在迅速改变。

在通行岛内,Atom 机器人承担了多项关键职能:
但如果我们翻开这两家公司近三年的财报,会发现,它们已经不再是彼此的对照组。
除了软件形态的返祖,另一种流行的焦虑是云端万能论。
因为有不少人会认为,既然大模型都在云端运行,终端是不是只需要做一个显示器就好了?
这种想法忽略了两个硬核的物理限制:网络和算力。
想象这样一个场景:你正兴致勃勃地跟 AI 聊得火热,突然走进电梯,或者经过一个信号盲区,屏幕上的文字戛然而止,那个原本流畅吐字的 Token 流断了。
这一刻的体验是灾难的。无论云端的模型有多智能,无论流式传输技术吹得有多神,在物理网络缺失的那一秒,一切归零。
这就是终端存在的意义。
对此,翁欣旦将网络和算力放到了一个更大的三维坐标系来分析。
在 X 轴的网络维度看,通信技术的进步确实解放了交互模态:从 GSM 时代的纯文本 WAP,到 3G 时代的图片,4G 时代的,再到 5G 时代的 3D 和 XR。
但物理世界的网络覆盖永远存在盲区,5G 再快,也没法消灭信号死角。
从 Y 轴的算力维度看,终端设备正在经历一场悄无声息的服务器化。
回看 2007 年的初代 iPhone,412MHz 的 CPU,128MB 的内存。
那时的开发者如果听说只有这点资源,恐怕连个像样的 Demo 都跑不起来。
而今天的 iPhone 17 Pro黑河隔热条设备 ,拥有 4.29GHz 的多核 CPU 和 12GB 内存,堪比一个随身携带的小型服务器了。
随着端侧算力的暴涨,未来的手机将成为一个边缘计算(Edge Computing)的强力节点。
翁欣旦做了一个具画面感的假设:
如果我们在会场搞一个彩蛋,让现场几百人同时拿出手机,用 AI 功能生成一个特。如果完全依赖云端理,这一瞬间的并发请求,足以把后端的理算力打爆。
如果连一个彩蛋特都能把几百人的理算力打爆,那云端永远无法承载亿级用户的实时 AI 互动。
未来的 AI 体验,一定是"云侧训练 + 端侧理"的混模式。
云端负责这一代模型的智力上限,而终端负责让这份智力随时随地、无延迟地服务于人。
在这个架构下,终端开发者的价值非但没有被稀释,反而因为要承载模型理、保障隐私安全、处理端场景而变得更加核心。
AI 时代,更能体现程序员的价值
后,我们还需要讨论一个问题:
既然前端没死,终端依然重要,那程序员的焦虑到底来自哪里?
很多时候,焦虑或许源于对新技术的误解,我们往往高估了技术的短期爆发力,而低估了它的长期渗透力。
翁欣旦讲了一个关于多点触控的故事。
当乔布斯在 2007 年的发布会上,用两根手指放大一张照片,全场惊呼" Apple invented Multi-touch "时,事实并非如此。
早在 1970 年代,多点触控的原型就已经在实验室里诞生;1999 年,Fingerworks 公司就开始将这项技术商业化。
苹果在 2005 年收购了这家公司,经过两年的打磨,才把它变成了 iPhone 上那个改变世界的交互。
从技术原型到产品爆发,中间隔了整整 37 年。
AI 亦是如此。
Transformer 架构虽然是 2017 年才提出,但神经网络的理论基础早在 1980 年就已经成熟。
为什么当年没火?因为那是局域网时代,没有海量的数据去喂养它。是互联网这 30 年积累的浩如烟海的文本、图片、数据,才让 Transformer 在今天有了用武之地。
技术本身可能早已就位,缺的是应用体验的临门一脚,这正是前端和终端程序员的机会所在。
现在的 AI 技术,就像是一把刚刚铸好且能强悍的锤子。但到底要钉什么钉子?钉多深?钉完之后是不是歪的?这需要人来把控。
用翁欣旦的话来说就是,应用是新技术的量尺,体验是 C 端应用的灵魂。
大模型给出了概率的预测,但用户需要的是确定的服务:
大模型能生成一段代码,但它无法理解这段代码在复杂业务场景下的作用;大模型能画出一张图,但它不知道这张图在弱网环境下该如何优雅地加载。
"不要因为 AI 来了,就急着丢掉手里的螺丝刀。"
那些看似枯燥的工程能力——
如何优化屏加载时间,如何处理内存泄漏,如何在高并发下保证稳定,如何在复杂的手机碎片化环境中保证 UI 一致,这些对抗熵增的经验,才是 AI 无法替代的护城河。
一言蔽之,机器学不会的对体验的致敏感度,正是优秀的前端工程师的价值所在。
一键三连「点赞」「转发」「小心心」
欢迎在评论区留下你的想法!
— 完 —
� � 点亮星标 � �
科技前沿进展每日见黑河隔热条设备





