Cubox创始人的产品思考：不要把「总结全文」当做AI阅读产品的唯一亮点

AI 对于阅读和创作肯定会有影响，甚至很多人的观点是稍微悲观的，认为以后的创作都是 AI 了，连阅读都快要被 AI 代劳了。但对深耕阅读工具的创业者来说，AI 对于阅读的影响并不只是这样。

Cubox 是国内知名的阅读应用，从前期主打的「稍后读」到如今的「AI 高效阅读」，产品的定位也发生了一些变化，创始人 Todd 在这篇文章中讨论了 AI 对于阅读和创作的影响，以及 AI 在辅助阅读的过程中究竟应该如何更好发挥功能等，文章详细讨论了以下几个问题：

1. AI 帮助人类阅读，可以减少偏见吗？
2. 为什么说 AI 能够带来真正个性化阅读的时代？
3. AI 会让读者错过好内容吗？
4. AI 如何改变教育的方式？

5. AI 会让阅读消亡吗？

如果你对于 AI+阅读的更多可能性感兴趣，欢迎加入我们的AI阅读专业讨论社群，内有各类阅读工具开发者出没，扫码添加小助手回复「AI阅读」加群。

过去数年间科技行业诞生的新概念，没有哪个像 2023 年的 ChatGPT 一样，如此迅速地走进我们的日常。生成式 AI 会如何改造生产力？我们的工作将都会被 AI 替代吗？想象力被打开后，很多新的问题出现了，但我想先从人类的文明之光，我们创造力和生产力得以诞生的源头——阅读，开始聊起。

作为一名普通阅读者、阅读工具 Cubox 的创始人，以下内容是我日常碎片化思考的整理成篇。在阅读这个话题上，我认为探寻 AI 对阅读产生的影响，比怎么用好 AI 更有意义，以此泛泛而谈的文本抛砖引玉。

01

阅读的新与旧

传统的阅读通常指看书籍，但今天我们的话题与现代化阅读，与学习有关，那么，看书籍报刊、看社交媒体、听播客、看视频、聆听对面的人说话、看一场现场演讲，凡属于语言、文字类型的信息获取，都是我们要讨论的「现代化阅读」。这么一看，我们每天花在阅读的时间，常常远多于吃饭、社交和运动，重要性不言而喻。

而今天和生产力有关的 AI 新产品，多多少少也都和阅读有关联：写作助手、阅读助手、对话助手、AI 知识库、AI 搜索引擎…

一个数万字的专业长文，AI 可以用简单的语言概括为 200 字，可以直接给出你关心的数据和结论；一个两小时的视频，AI 可以提供 1 分钟就能阅读完的总结。AI 毫不在意形式，它以近乎无情的方式处理、压缩一切，满足人们对效率疯狂的追求。所有的媒介形式都能变成短文字，都能变成你想要的那个结论。在 AI 的背景之下，曾经的现代化阅读，作为阅读介质从纸质书籍转移到数字设备的那个进程，也正在变成下一个传统。

面临新事物时，我常会做一些思维实验。比如当我想象历史倒退，人类科技倒过来发展，有些我们所以为的全面进步并非无法质疑，历史只是用商业化普及证明了新事物的某些价值。AI 对阅读经验的挑战，也必然要面临这个考验。另一个实验是从新事物中找找「旧」，找找那些没有发生过变化的元素是什么，比如人性使然的经典需求。AI 总结就是这一类事物，它看起来很新，但去掉 AI 这个前缀，它的古老历史脉络就会浮出水面。

02

总结的已然和必然

并不是 AI 创造了总结这一形式，总结是人类已有的天赋和工具。甚至可以说，语言作为一种相对低效率的沟通工具和抽象的符号系统，就是对现实世界中事物和概念的描述，它必然是提炼和概括，我们都在依赖大脑的总结功能去理解世界并与他人交流。

我们常说信息过载，既然人们没有那么多时间阅读，能不能给我讲讲，或者直接告诉我关心的答案？AI 总结若能够如期望中解决掉信息过载难题，我们应该有任何理由拒绝它吗？

和所有观点一样，我们当然能找到一些反驳的理由。比如有朋友刚好给我分享了在 X 上一位内容创作者的观点，它提到，总结是一种二手信息获取，不够准确，无法替代阅读，还常常更容易错过好内容，因此无法通过总结学到知识，AI 总结没有意义。有关 AI 总结的一些批评常常在暗示，AI 总结导向的是错误的阅读潮流，要反对「只看总结，不看全文」的阅读方式。

但如果用「阅读总结」直接对比「阅读全文」，那我们讨论的只是阅读方式，不是 AI，这个对比和 AI 的关系仅局限于 AI 是否加速了这个现象的流行；要深入看 AI 对阅读的影响，我们应当先关注 AI 与人的不同。

03

作为道德上的偏见消除器

人工总结无处不在，那么出于人性，人们会根据自己的偏好，选择性地强调或省略一些信息，以达成自己的目的。这就是争端和偏见产生的重要原因，从互联网、校园、职场，到家庭日常，这样的现象比比皆是，它孕育了网络暴力、仇恨言论、隔阂和争端。

新闻文章或视频中出现的评论，情绪激昂的重要性，往往胜过追求事实本身，因为事实被数字化后，都会成为片段或总结。热门评论中也常会有网络词语和各类「梗」，这些词语是一种超链接式的总结，揉杂了不同的含义，好像虽然什么都没说，但又说了很多东西。标题党也是一种带有极强引导性的内容总结，我们不能只责怪看客们的不负责任，内容创作者本身也爱用标题党吸引阅读者。

好好说话没有意义，总结一切，快速投入到下一个新闻奇观的浏览，才是当代数字居民的要紧事。不擅长偏好性总结的人，甚至很难在互联网世界获得关注。

社交媒体是一个由总结构成的信息丛林，它不教你如何思考，它教你如何阅读他人的偏好性总结。

AI 有可能帮助人们更快地了解事情的真实全貌，从而更大程度上去减少偏见吗？

抛开设计者的道德因素影响，合理设计 AI 的确可以只根据客观的数据、文本来分析，给出更公正和理性的结论。AI 不仅仅能提供总结内容，作为示范性的阅读纲领，提醒人们不要忽视真相，不假思索地宣泄情绪，它还能在内容审核、社区氛围引导、创作者评论管理等许多方面诞生新的能力。而在某些领域，比如心理、医疗、司法等方面，AI 作为道德上的偏见消除器有更重要的价值，即使需要人参与的部分也可以由 AI 辅助，以减少犯严重错误的几率。

AI 在消除因为人工总结产生的偏见，进而消除人与人之间的偏见上，潜力巨大。

04

作为大脑的知识扩展接口

大部分总结类 AI 产品做的事情并非只是总结，很多应用也会同时包含解释和分析能力，而总结 (Summarize) 这一单项功能也并不是一句「给我总结一下」的指令那么简单。AI 可以用中文总结你完全不懂的韩文文章；可以帮助你用通俗的语言，总结你熟悉领域之外的学术论文；可以用文字总结你不方便看、不确定值不值得看的视频… 再借助 AI 解释能力，阅读者可以继续追问更多问题的答案。

这种总结已经和人类的人工总结能力大有不同。

首先，AI 增强了我们个人的大脑能力，帮助我们触达了原本可能没有办法接触的信息。这在以往都是互联网搬运工们的职责，但能被搬运的也都是少部分热门内容，何况也必然存在上文提到的人为偏见问题。

其次，AI 提供的解释能力，和曾经人们一边阅读、一边使用搜索引擎去查找资料的模式有许多不同，这里不赘述。夸张点说，这应该是人类首次能在没有另一个人类的参与下，将任何阅读材料，都能直接变成主动、可交互式的阅读。有经验的阅读者们有这个共识：在阅读过程中，阅读者越主动，参与越多，也就意味着更多的思考，更容易对所读之物产生深刻理解。

这一点对 AI 总结功能的设计也有启发，它应当可以个性化根据用户特点和需求而变化总结方式。

个性化阅读的时代，也因为 AI 真正到来了。

以前的个性化阅读，是算法推荐人们喜爱的内容，它是自我阉割式的、人为制造信息茧房的阅读。现在的 AI 之下，任何内容都能以最符合我的方式为我呈现，你可以做自己知识图书馆的管理员，为自己策划任何内容。

传统教育模式的弊端之一是学科壁垒，我想象不到任何一个比 AI 更好的方式，能够在许多领域的知识墙壁上凿出一些好奇心的入口。这样的入口在 AI 以前的时代并没有多重要，人们做好自己领域的专长可以，但对未来的个人成长和创新非常关键。

另一个弊端可能是知识诅咒，人的视角是局限的，他不可能同时是一名科学家，又是一个涉世未深的小孩，会导致教授知识的人无法与学习者也许更自由的思维方式共鸣，更多是以改造为目的，有意无意地破坏了创造力。

因为通用 AI 的训练数据的特点，它所表现出的无学科、无偏见，反而更能保护和激发学习者自身的创造力。

古老的阅读、学习经验，在 AI 新技术的加持下，如同交通工具从自行车换成了飞机。先登机的往往仍然是有更强阅读经验的人们，但新的工具最终会普及到每一个学习者。

我女儿 5 岁时，有次从影院看完电影回来，我让她给我说说这是个什么故事，她毫不犹豫地开始了长达十分钟的流水账演讲，全程都是用「然后」衔接的，看她兴奋的表情，我实在不忍心打断。结束后我让她用简单几句话总结一下，她反而愣住了，电影怎么能几句话就讲完呢？惊讶之余我才转换过来思维，一个接受教育不多的小孩子要概括信息是不容易的，她需要重新回顾整个电影的逻辑，并理清其中人物的关系，才能最终组合成精炼的几句话。

总结看起来会损失信息，但它要求较高技能，不仅要缩减表面的信息量以增加沟通效率，还要确保准确无误。总结调用的不只是记忆力，还有信息的处理能力，是一项高级思维技能。

「最好的学习是成为老师」，能把某个知识讲述给一个完全不懂的人，解答对方的各种疑惑，让对方最终理解，意味着真正掌握了这个知识。其实这个教授过程就是某种方式的总结。

对人脑来说，总结是充分掌握知识后的成果。既然人人都必须生活在总结构成的世界，那我们可以追求强如 AI 一样的总结效率和质量，追求对自己领域的知识有极强的总结能力，以此为个人学习的目标。

我似乎已经看到这么一个场景：AI 让用户讲述某个内容，AI 给人类的总结来打分，从而判断用户是否真的懂了，并且给出进一步改善学习的意见。人类被阅读理解考试支配的命运，恐将由 AI 来接棒。

05

作为大纲目录的工具

AI 对信息的处理，特别是总结，目的就是在尝试让读者快速学到知识吗？我们先看看论文的摘要，维基百科是这么解释它的：

摘要的主要功用，是要节省读者的时间，能于短时间内，得知多种资料的大要，并据以决定是否要阅读原文，为参考工具书的一种。

对于普通文章，我认为摘要同样具有相似的工具属性，让读者快速了解内容的概要，决定是否要阅读。只通过阅读摘要就可以获得一些信息，但摘要并没有让读者马上学习到知识的义务。

网络文章的总结（Summary）的信息损失程度，一般远远低于论文摘要（Abstract）的抽象程度，既然损失的信息不多，为何不读读总结就好？也就是说，人们可能会本能地带着希望快速学到知识的心态来使用摘要，但这里最大的因素还是阅读者本身的选择，不是每一篇文章都需要完整阅读，它都未必和文章质量有关，有时只是每个人对信息的需求不同罢了。

有人说文章和书籍不同，内容很短，没有必要先看总结。一篇文章和一本书的确不同，但我们应当关注的是阅读的信息总量，而不是用相同单位做对比。比如在我自己所有的阅读材料中，碎片式文章阅读的总量一定超过了书籍。正是因为文章本身更轻量、数量更多的特点，更需要高效筛选，以决定将时间花费在哪些资料的阅读上。

我们稀缺的不是信息，是过滤能力。正如作家 Clay Shirky 所说，信息过载的本质，就是信息过滤的失败。

在 AI 时代，我们也可以重新思考目录或大纲的设计。传统的章节标题阅读价值较低，而好的目录应当能提供更强的「预览式阅读」功能，帮助筛选信息。它可能的形式丰富多样，可以为章节标题附上一句话摘要，可以给出具有关系图的目录结构，可以给到每个目录中辅助的图片和高亮文字展示。公平地说，传统书籍已经在做类似的事情，很多书的目录设计都不尽相同，其中做得最贴心，当属随书附送导读小册的。但 AI 能带来的可能性远远不止这些。

用 Cubox 举例，我们加入了提问的形式。提出关键问题，并给每个问题总结出内容中的解答。提问的价值在于好奇心和互动，问题问出时，读者会带着疑问马上开始思考，相比于平铺直叙，更容易激发读者的学习兴趣，就像演讲，演讲人提出一个新的话题再稍做停顿时，听众已经开始设想问题可能的答案，直到演讲者揭晓答案的那一刻恍然大悟。提问不仅仅有助于决定是否要阅读原文，以及阅读原文的哪个部分，它还非常适合阅读之后的重看、回顾和自我评估。

在相似的电子书领域，我认为争论电子书好还是纸质书好并不公平，我们并没有大规模地创造过作为形式的电子书。什么意思呢？每一本电子书都应当用数字的方式从零开始设计，而不是实体书籍改改格式后放在电子书商店，和其它书籍一起销售。历史上曾经有过一些这样的尝试，但也许因为成本过高，最终几乎都消失了。

电子书应该制作为可交互的、完全数字化的新格式，每一本书根据内容特点，独立以 App 或某种数字形式发行。这样的电子书优势非常明显，类似 AI 对摘要目录的改造，AI 对这种电子书的改造是脱胎换骨的，书籍的作者、编辑和设计，共同参与这本书籍的制作，最大化阅读体验。

无法有效到达读者的观点是没有意义的，我们评估书籍价值时也应该把阅读体验考虑进来。就像演唱会，歌手不能像播 CD 一样只给观众听到完美的声音，作者也不再只负责留下文字，而是尽力通过对内容的第一手理解，加之设计，用完整的体验去影响读者。

AI 处理的内容，不仅仅本身具有大纲目录的能力，也能很好地优化传统的大纲目录，甚至改造传统内容，升级用户的信息获取和筛选体验。

06

作为信息和知识的分类器

一些反对总结的观点，会认为总结是阅读的捷径，但学知识没有捷径，那么这也意味着，人们提到的知识是需要努力才能获得的知识，相比而言，今天 OpenAI 创始人发生了什么，今天哪家公司又新出了什么产品，只能算是原始消息、是一类基础的阅读材料。

但恰恰在我们每天要阅读的内容中，很多就是这一类的资讯，它要求我们在最短时间内获取信息的关键点，再决定是否要采取任何行动。一个热点信息出现时，很多媒体都会同时报道同一件事，通过 AI 总结，不仅仅提炼某一篇文章的信息，还能处理某一组文章的关联信息，给出具体的阅读建议。互联网上值得通过阅读学习知识的文章只是少数，AI 给了普通读者对抗搬运和碎片化的有力工具。

该模式同样适用于轻松的阅读场景。有些信息我希望简单了解，作为锚点，未来某天可能成为我的某个灵感的来源，比如某部故事有趣但不值得观赏的电影的五分钟讲解；有些信息我希望沉浸在其中，获得足够的知识经验和理解，比如一部三个小时的完整电影。

虽然我们在聊分类器，但知识和信息很难被严格分类，我们在当下不容易判断它是哪种类型，直到某个事件、某个决策和它有关时，我们才会严肃地对待它。但在阅读时可以借助这种粗略的分类方式，尽可能多地获取信息，帮助在大脑建立自己的知识索引，这种索引在 AI 时代就是隐形的生产力。

07

作为反碎片化的粘合剂

AI 可以将碎片连接，对某个主题、某个事件进行整体分析和总结。这在过去依赖人工或其它算法都比较难达成。

结合对于阅读者和内容的了解，AI 根据内容的内在逻辑，为每个主题提供不一样的处理策略。某个社会事件，应当在摘要中包含事件线和不同观点，帮助梳理来来龙去脉；某个科普文章，则可以追溯到更早的历史，让读者看到整个发展的脉络，再做延伸阅读学习建议；而某个产品发布的消息总结，除了总结关键参数，可以给到一些竞品的近期信息。

利用 AI 对内容补充、评价、分析，带有过去的记忆和经验，去洞察信息表相背后可能错过的其它信息。

去碎片化的过程，类似将碎片阅读变成主题式阅读的过程。主题式阅读和上文提到的主动阅读一样，也是一种更高级的阅读技艺。AI 提供主题式总结后，人们在查找和关联信息层面所需的付出更少，大部分由 AI 代劳，这将会让更多缺乏高级阅读经验的读者们获益。而已经具备很强的传统阅读经验的读者，也可以更好地利用 AI 来升级自己的阅读方式，诞生的新方法可以帮助 AI 阅读工具的设计，最终仍然会惠及普通读者，形成积极循环。

08

作为作者和读者筛选器

内容背后的作者，是所有阅读得以发生的前提。

我偶尔写一些文字，也希望读者能够从头到尾看完全文，这样的信念要求我在写作过程中用心斟酌每个字，确保我所说的观点充分推敲，言之有物。但即使如此，我相信通过 AI 总结，一定可以让读者更快地了解我的观点，只是更少的补充论据、更短的说服时间，可能会影响他们对我的风格的了解，以及对我的观点本身的认同程度。

但这就是创作者可以努力的方面之一：创造与众不同的阅读体验，建立读者对自己的理解和信任，从你的内容中不仅仅能获得信息和知识，还有阅读的愉悦，思维的激荡。

不良的知识习惯不会因为 AI 总结的风靡而变得更糟糕，没有耐心的浅薄读者仍然是浅薄读者。如果你是一名优秀的创作者，AI 不仅仅可以辅助你写作过程的文本处理，还可以帮助你筛选掉其它平庸的创作者，那些内容本身并不值得被完整阅读的作者。以此，能让你的读者更多地阅读你创作的内容。去写一些不容易被错过的好内容吧！

创作者应当心怀谦卑，即使是从和 AI 的对话中，也能学习到很多。创作者也可以在这个时代刻意强化自己与 AI 不同的个人风格。就我自己而言，我会努力展示思考过程，再简单表述，所举案例和大家的日常共鸣，同时减少结论式的条列（那是 AI 可以更快提供的）。带上一点好奇心和耐心，任何人都可以是我的读者。写作是思考过程，这个过程一定会严谨胜过有趣（社交媒体不缺「有趣」的作者），为严谨所需要付出的努力无止境，任何观点都可以不断被质疑，而 AI 注定会让质疑观点这件事，到达一个全新的高度。

AI 当然具有让有趣变得无趣的能力，那么它会让优秀的内容变得平庸，从而导致读者错过真正的好内容吗？

回到社交媒体的语境，我们就发现不应该把有趣和优秀等同看待，因为极具吸引力的标题党文章，越具备激烈偏向性的总结，常常就是最有趣的。但如果我们所说的有趣，就是指行文风格有趣，观点阐述方式特别的「好内容」的话，它们被 AI 总结并独立出现时，好内容的「好」确实就无从体现。因此，我相信 AI 确实会让读者错过一些好内容。

但事情没有想象的糟糕，因为人们通常不是带着鉴赏家的心态去阅读的，特别是在实用性阅读层面，也就不会太在意错过。我之前写过一篇 与信息舒适共处：我的信息极简管理实践，和 AI 无关，不过今天我的观点没变：个体想要解决好自己的信息过载问题，不需要担心错过任何有用的信息，只需要管理好精力与时间的分配。应当承认这个事实：最焦虑好内容被错过的，是利益相关的创作者，不是读者。

09

作为分享的缩略图

链接常常作为信息入口被分享，也能够被工具抓取到社交封面图，但如果在分享中能够包含总结性信息，就能明确表达该内容是否值得阅读，为何值得阅读，这将更有帮助。作为被分享人，我希望看到真实的摘要，或真实的阅读理由，而不是煽动人心的标题。人的偏向性导致没办法把这件事做到位，有了 AI 的协助，即使原作者未提供相关内容，分享人也可以自行获得。

如同截图分享一样，通过标注的高亮内容分享全文，也是吸引人的分享方式。高亮内容是一个钩子，无论是回顾还是首次阅读，都会给分享内容更大的展示机会；以后，包含一些重要信息的总结，是新的形式上的钩子，它不仅仅让内容有了更强的展示优势，也给到了读者权利，能更好地决定是否要阅读。

也许在未来的 HTML 规范中会扩展出新的，和 AI 有关的元数据规范，这些数据甚至未必是由开发者写好的文本，而是提供的某种能和 AI 交互的逻辑提示，以让内容到达读者时，真正千人千面，让老规范焕发新生机。

10

对教和学的意义

阅读几乎都和学习有关，而教育和学习的意义也无需多言。但现实中，人们会重点关注获得用于考试的知识，找到好工作，会误认为这个目标，与教育的理想目标本质上是一致的。

上文已经提及了很多如何利用 AI 高效获取知识的潜在机会，教育行业从业者、专家们，也会越来越多致力于此。但我认为大部分人可能忽略了一点，AI 之于教育的意义，更在于有没有可能解决传统教育里长期存在的问题，从而让教育回归本质。

承认问题本身就是困难的，埋头忙碌的人们容易对真相视而不见，只因真相并不让人开心。家长们害怕不卷的结果，害怕输，即使偶尔想通过那些终极的人生意义，也都被恐惧所掩盖，只能叹息一句「那又能怎么办呢？」。即使很多先进的 AI 工具对「真正」的教育有显著帮助，家长最关注的还是与考试成绩的相关性，最终可能会像儿童编程一样，花钱报名 AI 培训班，拥抱新的焦虑。

孩子们花费人生中最宝贵的时间，在由成年人创造的「都是为了你好」的学习围墙里，学到了一些对考试有帮助的知识，并从此认定，求学是辛苦的，知识是无趣的。孩子们也不知道爸爸妈妈每天在忙什么工作，听说只要学习好，一切都会好。校园的各种实践常常演变成了学科和任务，因为只有这样才能被系统化设计，才能在一个老师对几十个孩子的情况下，步调一致地顺利开展。离开校园后，大孩子们又会发现，世界和自己想象的不同，学习了很久的知识很难用上，努力获得的学历证书不够厚，对职场和社会充满了疑惑。

既然通过人传授知识的场所存在许多不完美，当 AI 掌握了大量知识，并且可以提供更快速、个性化的知识获取途径时，人们还需要人来教学吗？

当然需要，而且这时候，人的意义才真正登场。几乎所有的形式主义都来自更高维度的形式主义，来源于一层一层的任务和对意义的放弃追问。教育者应该成为引导者，成为合作能力、沟通能力的培养者，应当去花费精力适应不同学习者的个性化教学。教育者最不重要的使命或能力，将是传授课本知识，教育者应当回归育人的本质。因此，可以先用 AI 把教育者从教学准备、批改作业、讲述知识等等工作中解放出来。这里的教育者不仅仅是教师，还有家长。因为这样的变化，教师的从业标准和良好父母的教育理念，都值得好好审视。

在知识获取层面，用深度的个性化将趣味和价值重新还给知识。幸福的环境有助于有创意地思考、解决问题。学习可能是充满困难和挑战的，但同时也是有趣的，「吃得苦中苦」的方针是把挑战困难和忍受痛苦两件事，错误地划上了等号，其实我们离开校园很久以后仍然印象最深刻的知识，几乎都和某个顿悟的场景，某个开心的时刻有关，这是人脑的多巴胺机制对记忆的贡献。

最高级的学习方法就是顺应大脑的特点与需求，在适度的难度和良好的情绪状态中挑战对新知识的理解，获得正反馈。这个特点决定了每个教育者不能照搬他人的方法，每个学习者必须有自己的个性化学习空间。学习者好奇心以内的知识，即使传统课本无法提供的，也能给到帮助，我们课堂上所缺失的教育的确不少，比如哲学、心理健康、艺术通识。AI 对教育者在知识传授层面的解放，也理论上让教育者有更多精力投入到个性化教育的引导中。

在知识使用层面，AI 能够让孩子在学生阶段就开始创造价值。成人设计的社会对儿童并不友好，曾经未成年人可以是学徒，从师傅那儿学到宝贵的手艺，并马上开始工作，成为一名预备成人，这样的儿童过渡到成人世界很顺畅。现代社会对孩子们没有这样的要求，求学之路的过于漫长，求学和求职之间的切割剥夺了许多创新的可能。

AI 相比曾经的计算机、编程来说，对孩子更友好，更强大，这样的工具赋予他们，儿童也能利用超过自己智力水平的知识去创造有趣、有价值的东西，这个过程中学生能真正理解知识、认识世界，提前获得成就感，也就能激发更多的阅读动机。

不仅仅学生在校园阶段就可以创造价值，离开校园了学习也不会停止，每个人都应当终身阅读和学习。当大家不再需要高呼「终身学习」这个口号时，也就意味着全民教育真正地实现了。

「终身」意味着长期主义，拥有了长期主义视角，教育上的功利主义和形式主义一定会日渐式微。

11

阅读将会如何消亡

在一本 90 年代出版的书籍中，展望阅读的未来的配图，是一个女孩正在看着手上的一台「砖头手机」屏幕。作者想象有更先进的电子屏幕作为设备的阅读时代的到来，而二十多年后的今天我们在谈论 AI，我们发现不仅仅是媒介，连阅读方式、意义在内的各种命题，都将有新变化。

我曾经和朋友抱怨：你看接下来小编们会用 AI 生成各种文章，读者们再用 AI 一段话总结，我们双方真是互相伤害还不自知，白白浪费地球资源！

如果创作者、读者都在重度依赖 AI，人类还会有新的知识产生吗？

后来我意识到，我已经在用「小编」这样的描述了，小编我是指在每个时代提供信息价值很低的初级搬运工，如果 AI 因为加速了信息流动，促进了知识壁垒的打破而让他们的岗位消失，或者被迫升级自己的工作价值，善莫大焉。这个问题自然也有了答案，人类新知识的产生从来就不是源于知识的简单搬运，有创造者就会有新知识产生的机会。

未来阅读会被 AI 逐渐替代，直到消失吗？是否有天我们不再需要通过阅读积累知识，而是依靠 AI 提供我们发展地球科技和文明所需的知识？

在科幻电影中，我们常常看到脑机接口的应用，知识能够直接注入大脑，但这篇文章的所有讨论在那个时间点都将失去意义。即使那一天的到来，AI 也需要有能力创造新的知识，才算真正意义上替代了知识获取。我坚信人类不会作茧自缚，止步不前。

今天的 AI 很难给出超出人类好奇心以外的信息（但我认为放到个体身上是可以的），在 AI 没有能力创造新知识之前，我们需要阅读来充分积累知识，才能给出非常好的指令和要求，实现认知的提升。我们通过阅读建立一个有效的知识索引，才能和 AI 好好交流。

这个索引也是阅读方式的某种变化，我们将越来越多阅读 AI 所提供的知识，AI 的训练过程所「阅读」的知识，将替代一部分我们原有的阅读。但无论信息到达如何便捷，人和人的差别仍然是对信息的理解和充分利用上。

人类的归宿是发展，阅读的归宿是知识，阅读是人类的发展燃料。无论阅读的方方面面如何变化，阅读都将是历久弥新的不朽主题。

12

从阅读到创造：生产力工具的终点

无论是阅读工具还是其它生产力工具，都绕不开这个问题：未来它们都会变成 ChatGPT 式的对话式工具吗？

「生产力」追求的是高效率完成任务。我们可以分析一下语言（包含文本、语音等，下文统称语言）交互工具执行任务的效率如何。

作为类比，iPad 的触摸屏比 Mac 的输入更直观，上手更容易，但它的生产力效率其实不如 Mac + 鼠标、触控板或键盘。触控板和鼠标的输入方式非常接近，但也有效率上的不同，触控板无法在移动光标的同时完成点击事件，而鼠标可以。而如果任何一个操作都有快捷键，不考虑学习成本，键盘的效率也是碾压鼠标的。

这里的理论效率极限是：键盘 > 鼠标 > 触控板 > 触摸屏。但实际上手的直观程度排序是相反的。

我们如果把语言交互工具放到这个排序里，会发现也遵循这个逻辑。语言是几乎人人都无需学习的直观工具，但要完成特定的任务，它的理论效率也最低。

但我们不能离开实际场景讨论。当一个产品能满足用户的无数种意图时，它就无法被提前设计好任务执行的流程，这时语言指令的输入可能是效率最高的，越复杂的指令，它的优势就越明显，一个指令可以替代传统界面可能几十个操作按钮。它还能通过不清晰的意图输入，再根据反馈不断调整输入方式以达到最佳结果。

生产力不会因为其上手门槛的降低而整体获得提升，很多时候甚至是反过来的，我们常识中认为效率很高的工具，也许只是容易被学习，往往利用人所有器官的最大潜能的工具才是理论效率最高的工具。但语言型交互因为和其它工具完全不同维度的应变能力，复杂的指令处理能力，在应对更广泛的需求上有绝对的优势。

用这个结论来辅助回答我们的问题，意味着未来对话式工具会非常普及，但也有很多需要追求极致效率的垂直专业需求，对话式交互无能为力。在专业领域仅仅关注输入和输出这两个结果也远远不够，需要借助交互和可视化来更好地理解问题，通过对过程的介入来提升任务完成质量。

瑞士军刀可以搞定很多事情，但抛开便携性和广泛的适用性，它在搞定几乎所有事情的过程中都体验一般。文本交互型工具就有点像瑞士军刀，但瑞士军刀不会蚕食其它刀具、锯子、钳子的市场。即使电脑键盘已经非常强大了，我们还有 Stream Deck 这种能兼顾直观和高效的个性化键盘市场。

新的交互方式会和传统交互方式共生，传统工具也会因为新的能力得到交互上的进化。得益于市场的细分，传统工具也能进化得比之前更专业和纯粹。这一点可从当 Mac Book Air 和 iPad 坐稳自己的市场后，Mac Book Pro 在厚度和接口数量方面的变化中窥得一点趋势。百花齐放将会让所有人受益。

文明不应该止步于实用主义的 All-in-One，真正的文明，是满足多样的需求，追求有创意、有品质地解决问题。

生产力工具可见的未来会怎样呢？不负责任预测的话：对话型交互变成各类工具的常规配置，承担许多功能，但传统交互界面不会被替代；非专业用户可以用语言对话的方式进入某个领域，解决一些基本问题，但会随着自己的成长升级更专业的专有工具；原有生产力工具类别不会减少，甚至会有新的类别诞生。

我们在 2024 年一定能看到更多新东西，比如服务于 AI 文本交互时代的「drafts」，比如接入 AI 的游戏化时间管家… 这篇文章的每个章节，也几乎都是我曾想过的创业灵感。至于更遥远的未来，我无法想象，但期待参与变化。

13

尾声

AI 不会让阅读消失，AI 提供的新的阅读方式，也并非新的阅读哲学，而是传统阅读经验在新技术下，在更少的人工的参与下，更好的兑现。

App 时代的创业者来到了 AI 时代，我相信积极关注 AI 能做什么，就有机会让一些事情真正到来，通过实际行动做出小小影响。虽然通篇几乎都在说 AI 的优势，但 AI 模型和应用都有很长的路要走，越关注 AI 的优点，我也会越希望缺陷和风险问题被尽早解决。

Cubox 是最早推出 AI 助手的生产力工具之一，期间我们遇到了一些问题，又将相关功能下线了，九个月之后，终于以新的面貌重新发布了 Cubox AI 2.0。无论你是什么类型的阅读者，都可以试试新版本 Cubox，并给我们一些意见，帮助它往未来的阅读方式去进化。

阅读是一个过于宏大而经典的话题，因此本文观点和 Cubox 没有直接关系，况且思考转化成产品也都不是线性的过程。希望一年后我再阅读自己写下的这些文字时，能欣喜于 Cubox 和 AI 在这一年取得的进步，也能更新我的一些想法。

感谢你能读到这里，愿你无论身在何处，心都能因阅读而自由。

如果你关注大模型领域，欢迎扫码加入我们的大模型交流群，来一起探讨大模型时代的共识和认知，跟上大模型时代的这股浪潮。

更多阅读

Product Hunt 2023 年度产品榜：GPT-4 夺冠、获奖 AI 产品全介绍

三个大模型创业者的2023：兴奋、首战告捷、黑客松、屡败屡战

油管播放超千万，一款主打欺骗 NPC 的独立 AI 游戏正成为新爆款

从 Altman 对 GPT-5 的剧透中，我们应该如何迎接 AGI 的下一阶段？

一夜爆火！「哄哄模拟器」开发者复盘：24小时超过60万用户，2000万次对话

AI 编程的机会和未来：从 Copilot 到 Code Agent

转载原创文章请添加微信：geekparker