泓利财富逛完 WAIC，反而没那么焦虑了

WAIC 2025 展品超 4000 项，但真正能落地的 AI 产品仍面临责任、接管与表达等核心问题。本文从产品经理视角出发，探讨 AI 从演示到业务稳定运行的关键鸿沟，以及人机协同中不可替代的 Taste 与暂停机制。

7月18日，我从上午九点多逛到下午六点半。现场非常热闹，本届大会展览面积突破10万平方米，共有4486项展品。

可如果问我，有没有哪个瞬间让我觉得“行业从今天起被改写了”？

坦白说，没有。

技术进步很明显。很多过去只存在于PPT里的能力，已经做成了能运行、能交互的产品。只是作为一个产品出身、同时也在做FDE的人，我脑子里总会比现场演示多走一步：它离开展台以后怎么办？任务跑到一半卡住怎么办？结果看起来正确，业务却不愿意签收，又怎么办？

逛到后面，我甚至有点释然。

这几年待在AI行业里，我越来越觉得，今天的AI焦虑中确实夹着不少包装。一个新模型、一段流畅演示、一次榜单刷新，很容易被讲成“某个岗位的倒计时”。可真的往业务里走，会发现我们离那种能跨场景理解、长时间稳定执行、知道自己可能错了还能主动修正的智能，还有一段不短的路。

这一天里，我脑子里反复出现两个不同的问题。看到药房和执行型Agent，我会问自己用户敢不敢把结果交给它；看到创作工具，我会问自己用户愿不愿意把生成的东西当成“我自己的表达”。

两类产品的验收题不同。前者要解决责任和接管，后者要解决表达与取舍。共同点只有一个：人的判断不会在AI开始工作以后就消失。

真正往业务里走，我更警惕被包装出来的焦虑

有些焦虑是真的。

模型能力在涨，工作方式在变，过去靠信息差完成的工作也确实会被压缩。假装这些变化不存在，没有意义。

但另一类焦虑，是把“某个能力已经出现”直接说成“整个岗位马上消失”。中间被省掉的，往往正是产品经理每天要处理的东西：数据干不干净，权限能不能给，异常由谁接，结果按什么标准验，原有流程能不能兜底，出了问题谁来承担。

这些听起来不如模型参数性感，却决定了一个Demo能不能变成产品。

我现在看一个AI产品，不太会先问它能不能完成一次漂亮演示。我更关心四件事：换一批输入还能不能做；任务拉长以后会不会跑偏；遇到没见过的情况敢不敢说“不确定”；失败以后能不能回到一个人类看得懂、接得住的位置。

斯坦福2026 AI Index里有三项很能说明问题的数据。OSWorld上领先Agent的准确率是66.3%；在RLBench的18项短程、受控仿真任务中，领先方法EquAct的平均成功率为89.4%；在 BEHAVIOR-1K 的长程家庭任务仿真中，2025年挑战赛领先团队的完整任务成功率为12.4%。

这三个基准评测的对象和方法不同，不能简单放在一起算一条“能力下降曲线”，而且后两项都是仿真。它们只能说明一件有限但重要的事：结构化基准里的高分，不能直接证明系统已能在开放业务流程中长期稳定运行。

展台会提前布置灯光、动线、物料和操作员。真实业务不会这么配合。所以我并没有因为这次大会看轻AI。相反，我把期待从“它下一步还会什么”，转变成“它已经会的东西，怎么才能被稳定使用”。这两种问题差别很大。前者制造兴奋，后者决定预算能不能续。

表达型产品，要让用户觉得“这是我想说的”

下午我看到一张“今日生活小票”。纸上只有一句很普通的话：今天不用完美，但要开始。

如果只评价内容，网上能找到很多类似表达，我也不会把它当作 AI 聪明的证据。

站在那里，我想到的是产品替用户表达的能力。至少在内容、社交和陪伴类产品里，用户希望产品站在自己的位置上，说出那些自己想说却没说出口的话。

这也是为什么，同一句话出现在搜索结果里，和从一张写着“今日的我”的小票里吐出来，感受并不完全一样。内容没有突然变深，只是用户和内容的关系变了。

表达、社交、内容和陪伴类产品里，用户一边消费功能，一边也在借产品确认“我是谁”“我想成为什么样的人”“我希望别人怎样理解我”。AI把生成门槛降下来以后，这种投射会更强。它写出来的东西再完整，如果用户读完只觉得“这很像某个模型说的话”，那仍然只是厂商的表演；如果用户愿意保留、修改、发出去，才开始变成他的东西。

这里有条边界很重要。替用户说出没说完的话，不等于替用户发明立场。产品可以帮助他整理、试写、比较，也应该允许他改掉、撤回或者干脆不用。好的AI产品不该比用户更急着替他下结论。它先把可能的表达摊开，再把选择权交还给用户。

于是，“好不好用”也不能只看一次生成有没有完成。对这类产品，重要的是：用户有没有保留结果，改了多少，是否愿意分享，下次还会不会回来。这些比“成功生成一次”更接近真实价值。

人机协同里，最难交给模型的是Taste

Taste这个词很容易被说玄。在我看来，它就是一连串具体取舍：什么问题值得解决；十个答案里留下哪一个；什么时候产品应该主动，什么时候最好安静；一个功能能做，但有没有必要让它默认去做。

这些选择很难压缩成一个分数。

这类取舍可以被部分评估。点击、保留、改写、分享、复购，都能提供反馈；偏好模型也能逐渐学会一个人喜欢什么。可指标只能告诉我们某个选择带来了什么结果。到了一个新场景，短期增长和长期信任发生冲突，仍要有人做决定。

这时，我会想到微信和QQ，两者呈现出的产品气质不同，关键负责人和团队长期坚持的价值判断，会逐渐长进默认选项、交互节奏和功能边界里。张小龙在2016微信公开课的演讲中也谈到，产品价值观会影响最终做出的东西。它藏在一次次“这个功能先不上”“这里不要多打扰用户”“这个数据不能拿来换增长”的选择里。到了AI产品，这个问题更明显。模型可以一次给出二十个方案，甚至替团队把按钮、页面和话术都生成出来。选哪一个，为什么选，出了什么风险就停，这部分仍然需要人。至少在表达这件事上，人机协同走到最后，依赖的还是人的 Taste。人要能在任务中途改方向，删掉不合适的结果，必要时按下暂停键。

为什么一路都在找“暂停”

上午经过MiniMax Hub的展板时，我在“审核把控，交付优质成片”几个字前停了一会儿。

它把画布工作流、Skills复用、本地素材和成片交付串在一起。MiniMax Hub官方产品页还提到，Agent会在关键节点询问用户的核心方向，并把“合并、编辑与导出”列为流程的一步。

我没有在现场完整跑一遍从brief到成片，也没有看到长任务的错误日志，所以不能据此评价它的实际完成率。我更关心的是，人的判断会在哪一步重新进入这条流程。

创作类Agent最怕两种情况。一种是每一步都要确认，最后自动化只剩下一个好看的壳；另一种是为了追求“一句话出成片”，把中间选择全部藏起来，用户只能在终点接受或推倒重来。

真正好用的节点确认，应该卡在不可逆或返工昂贵的地方。比如脚本方向已经确定，下一步要批量生成分镜；素材即将对外发布；系统准备调用带费用、带权限的工具。这时停一下，可以减少后面更贵的返工。

中午看到智慧药房，我的这种感觉更强。

真实货架、盒装商品、两台机器人放在一起，画面很容易让人脑补出一条完整流程：咨询、找药、取货、库存协同，好像都已经跑通了。

但现场画面只能证明展台展示了这些东西，不能证明真实门店里的处方边界、库存同步和异常接管已经通过生产验收。如果让我接这类 PoC，我会先问得很细：拿错商品时谁先发现？机器人停住以后，店员能不能从原来的工作台直接接手？设备断网时，门店原有流程还能不能继续？一次异常要多久恢复？

这些问题有点扫兴，却比“平均成功率是多少”更接近上线。

同样一次错误，情绪小票内容不合心意，用户可以重新生成；药房拿错商品，后果完全不同。把它们都塞进一张统一评测表里，数字可能很好看，风险却被平均掉了。

下午，我在会打乒乓球的机器人前只停了一会儿，却在一只采集人机数据的触觉手套前待了更久。