前端沒死，AI APP正在返祖

金磊 發自 凹非寺
量子位 | 公眾號 QbitAI

不用“噫吁嚱”——前端沒被AI殺死，終端且得狂飆。

在許多人高呼“AI正在顛覆一切”的當下，這樣的一句判斷，竟顯得如此反直覺。

但別急，看完下面的一張圖，或許就能讓眾多迷茫的前端程序員瞬間醍醐灌頂：

在這張圖中，我們看到的是三個跨時代的手機：2000年的諾基亞3310、2007年的初代iPhone，以及今年的iPhone 17 Pro。

三者并排放在一起，一個非常直觀的感受就是，電路板變得越來越復雜；3310的主板，可能只是iPhone 17 Pro的一個小傳感器。

很多人以為AI是對傳統開發的降維打擊、是一場徹底的革命，但當你拆開技術的“后蓋”，盯著那些密密麻麻的線路時，你會發現，復雜度從未消失，它只是換了一種形式存在——

從電路板的物理堆疊，遷移到了模型、接口、網絡、算力共同構成的數字堆疊。

這就是螞蟻集團終端技術委員會負責人翁欣旦在SEE Conf大會中拋出的觀點。

更進一步的，他還給出了一個非常發人深省的結論：

• 前端程序員的宿命從未改變，永遠在對抗熵增（復雜系統）。
• 但在AI時代，是時候要清算一下技術債了。

△螞蟻集團終端技術委員會負責人，翁欣旦

一言蔽之，技術的浪潮更像是一個巨大的輪回，只是規模在放大，節奏在加快，體驗在被不斷刷新。

AI APP，其實在返祖

我們不妨先從最為直觀的終端前端的效果開始講起。

例如打開現在最火的AI應用，無論是OpenAI的ChatGPT，還是螞蟻發布的AQ、靈光，你都會產生一種強烈的既視感：

它們太簡單了。

一個輸入框，一個對話流，一行行簡潔排布的回答；沒有復雜的導航、沒有豐富的層級，也沒有堆滿屏幕的信息分發。

這個簡潔的界面讓人不禁回想起20年前的WAP網頁，或者是那個功能單一、界面樸素的支付寶1.0時代。

這看似是一種倒退，畢竟移動互聯網在經歷了十幾年雕花般的UI進化，把APP做得像精裝修的豪宅之后，AI APP突然一夜回到毛坯房。

這背后是極簡美學的回歸嗎？

在翁欣旦看來，我們正在經歷兩個技術上的輪回式的返祖。

首先是交互的輪回。

計算機的發展史，可以說是一部從DOS（命令行界面）走向GUI（圖形用戶界面）的歷史。

DOS時代的黑底白字，被Windows和Mac的窗口圖標取代，因為點擊比輸入指令更符合直覺。

而現在的AI，似乎正試圖把我們拉回CUI時代——用自然語言對話來解決一切。

但這真的高效嗎？

翁欣旦在現場提出了一個非常務實的質疑：

• 如果小手輕輕一點就能辦妥的事，用戶為什么要打開一個Agent，跟它絮絮叨叨講上一分鐘？

Rabbit R1和AI Pin等純AI硬件的翻車，已經給出了市場反饋。當用戶必須對著一個沒有屏幕或屏幕極小的設備說話，且無法通過視覺反饋確認操作狀態時，溝通成本反而大幅上升。

單純依賴CUI，在處理復雜任務時效率極低；交互的未來，注定不是CUI殺死GUI，而是兩者的共生。

更明確一些來說，是讓GUI負責高頻、確定性的操作，CUI則是負責長尾、復雜的意圖理解。

現在的AI APP界面之所以如此簡陋，恰恰是因為這種“GUI+CUI”的深度融合范式尚未成熟，行業還在摸著石頭過河。

其次是架構的輪回。

在移動互聯網爆發初期，API網關是一個里程碑式的存在，為了應對海量的APP請求，為了業務的靈活性，開發者們曾熱衷于把接口做得很寬。

就像翁欣旦提到的那個血淋淋的例子：為了省事，很多核心業務邏輯被塞進了一個名為“extend_info”的字段里。

這種做法在當年是為了管好接口，給業務留足后路；但到了AI時代，這筆技術債開始爆雷了。

當我們試圖讓大模型去理解、去調用這些接口時，模型懵了：它讀不懂那個黑盒一樣的“extend_info”里到底藏了什么。

即便把幾百行相關代碼喂給模型，缺乏上下文的它依然無法理解其中的業務含義。

以前做API網關，是為了讓以前的程序能跑通；現在做架構，是為了讓大模型能看懂。

為了實現這一點，我們不得不重新定義接口，重新去把那些為了靈活性而犧牲的語義補回來。

這哪里是AI殺死了前端？這分明是AI逼著前端工程師把以前偷懶沒做好的作業，重新做一遍。

AI原生應用看似全新，實則仍在解決老問題：

如何在復雜性與可用性之間取得平衡，如何在開放與管控之間找到邊界，如何在創新與工程之間保持節奏。

終端是不可被替代的

除了軟件形態的返祖，另一種流行的焦慮是云端萬能論。

因為有不少人會認為，既然大模型都在云端運行，終端是不是只需要做一個顯示器就好了？

這種想法忽略了兩個最硬核的物理限制：網絡和算力。

想象這樣一個場景：你正興致勃勃地跟AI聊得火熱，突然走進電梯，或者經過一個信號盲區，屏幕上的文字戛然而止，那個原本流暢吐字的Token流斷了。

這一刻的體驗是災難性的。無論云端的模型有多智能，無論流式傳輸技術吹得有多神，在物理網絡缺失的那一秒，一切歸零。

這就是終端存在的意義。

對此，翁欣旦將網絡和算力放到了一個更大的三維坐標系來分析。

在X軸的網絡維度看，通信技術的進步確實解放了交互模態：從GSM時代的純文本WAP，到3G時代的圖片，4G時代的視頻，再到5G時代的3D和XR。

但物理世界的網絡覆蓋永遠存在盲區，5G再快，也沒法消滅信號死角。

從Y軸的算力維度看，終端設備正在經歷一場悄無聲息的服務器化。

回看2007年的初代iPhone，412MHz的CPU，128MB的內存。

那時的開發者如果聽說只有這點資源，恐怕連個像樣的Demo都跑不起來。

而今天的iPhone 17 Pro，擁有4.29GHz的多核CPU和12GB內存，堪比一個隨身攜帶的小型服務器了。

隨著端側算力的暴漲，未來的手機將成為一個邊緣計算（Edge Computing）的強力節點。

翁欣旦做了一個極具畫面感的假設：

• 如果我們在會場搞一個彩蛋，讓現場幾百人同時拿出手機，用AI功能生成一個特效。如果完全依賴云端推理，這一瞬間的并發請求，足以把后端的推理算力打爆。
• 如果連一個彩蛋特效都能把幾百人的推理算力打爆，那云端永遠無法承載億級用戶的實時AI互動。

未來的AI體驗，一定是“云側訓練 + 端側推理”的混合模式。

云端負責這一代模型的智力上限，而終端負責讓這份智力隨時隨地、無延遲地服務于人。

在這個架構下，終端開發者的價值非但沒有被稀釋，反而因為要承載模型推理、保障隱私安全、處理極端場景而變得更加核心。

AI時代，更能體現程序員的價值

最后，我們還需要討論一個問題：

既然前端沒死，終端依然重要，那程序員的焦慮到底來自哪里？

很多時候，焦慮或許源于對新技術的誤解，我們往往高估了技術的短期爆發力，而低估了它的長期滲透力。

翁欣旦講了一個關于多點觸控的故事。

當喬布斯在2007年的發布會上，用兩根手指放大一張照片，全場驚呼“Apple invented Multi-touch”時，事實并非如此。

早在1970年代，多點觸控的原型就已經在實驗室里誕生；1999年，Fingerworks公司就開始將這項技術商業化。

蘋果在2005年收購了這家公司，經過兩年的打磨，才把它變成了iPhone上那個改變世界的交互。

從技術原型到產品爆發，中間隔了整整37年。

AI亦是如此。

Transformer架構雖然是2017年才提出，但神經網絡的理論基礎早在1980年就已經成熟。

為什么當年沒火？因為那是局域網時代，沒有海量的數據去喂養它。是互聯網這30年積累的浩如煙海的文本、圖片、視頻數據，才讓Transformer在今天有了用武之地。

技術本身可能早已就位，缺的是應用體驗的臨門一腳，這正是前端和終端程序員的機會所在。

現在的AI技術，就像是一把剛剛鑄好且性能強悍的錘子。但到底要釘什么釘子？釘多深？釘完之后是不是歪的？這需要人來把控。

用翁欣旦的話來說就是，應用是新技術的量尺，體驗是C端應用的靈魂。

大模型給出了概率性的預測，但用戶需要的是確定性的服務：

大模型能生成一段代碼，但它無法理解這段代碼在復雜業務場景下的副作用；大模型能畫出一張圖，但它不知道這張圖在弱網環境下該如何優雅地加載。

“不要因為AI來了，就急著丟掉手里的螺絲刀。”

那些看似枯燥的工程能力——

如何優化首屏加載時間，如何處理內存泄漏，如何在高并發下保證穩定性，如何在復雜的手機碎片化環境中保證UI一致性，這些對抗熵增的經驗，才是AI無法替代的護城河。

一言蔽之，機器學不會的對體驗的極致敏感度，正是優秀的前端工程師的價值所在。