App 越来越多，下一个界面会是什么？

假设你和朋友安排了一趟周末旅行，出发前有人临时改了时间。你打开聊天软件确认新日期，到订票平台查车次，再看酒店能否改期。日历还留着旧行程，共享文档里的集合时间也得更新。每个 App 都完成了自己的工作，整趟旅行仍要靠你重新接起来。

这是用来推演的假设情境，却指向一个具体问题：我们想完成的是一件事，软件提供的往往是分散在不同地方的几段能力。工具之间缺少的连接，由用户的记忆、复制粘贴与反复确认补上。

现在，AI 让更多人能把一个小需求做成应用。新的行程助手、摘要工具、追踪器与管理后台更容易出现。这值得期待，也值得追问：当解决方案越来越多，使用它们的生活会跟着变简单吗？

我的判断是，未来的软件可能继续增加，用户需要亲自操作的入口却有机会减少。 这个转变需要技术、商业与信任同时配合。本文以截至 2026 年 10 月可查证的资料，拆开这个判断的依据与条件。

为什么一个需求，常常长成一个 App？

把需求做成独立产品，有很实际的理由。订票服务需要管理座位与交易，酒店平台需要维护房态，聊天软件则承载人际关系。各自的数据、规则与责任不同，专门的界面能让复杂工作变得可操作。

产品边界也连着商业边界。账号让服务知道你是谁，订阅与交易让它取得收入，通知与首页让它有机会再次被使用。对提供者而言，一个独立入口可以建立品牌、接触顾客，也保有决定功能与收费的空间。

因此，软件地图往往同时反映需求与供应者的组织方式。一趟旅行跨过数个系统，是因为没有任何一家服务天然拥有全部信息，也未必愿意承担全部责任。用户感受到的断裂，有一部分来自这些合理却彼此分离的边界。

当然，新需求从来不只通往新 App。电子表格、浏览器、软件套件与插件，早已让不同工作共用入口。专业工具也能通过集成合作。软件一直在拆分与整合之间移动，不能把历史写成每个需求都必须重新盖一座平台。

AI 带来的新条件，是更多细小、短期、个人的需求，开始有机会获得专用软件。以前不值得投入数周开发的工具，现在可能先做出一个可试用的版本。当这些工具持续增加，谁负责让它们共同服务一件事，就会成为更迫切的问题。

应用正在增生，但数字能证明什么？

RevenueCat 的《State of Subscription Apps 2026》引用 Appfigures 数据指出，每月新推出的订阅 App，从 2022 年 1 月约 2,000 个，增至 2026 年 1 月超过 14,700 个，约为原来的七倍。这个数字涵盖移动订阅 App，不能直接代表所有网站、企业软件或 AI 生成工具。数据来源：RevenueCat／Appfigures

它支持“某一类软件的供给快速增加”，却没有逐一辨识哪些 App 是 AI 写的，更没有证明增幅全部由 AI 造成。即使上架加速与 AI 开发工具兴起同时发生，两者之间仍隔着需要验证的因果关系。

另一份证据更接近制作过程。Anthropic 在 2025 年分析了 Claude.ai 与 Claude Code 共 50 万笔编程相关互动，发现网页开发语言及用户界面工作是常见用途。这显示 AI 确实被拿来制作面向用户的应用；样本反映的是 Claude 的使用情况，不能换算成全球成功上架的产品数。资料来源：Anthropic

这里还要分清两种常被混用的说法。“AI 协助制作的 App”可以完全没有 AI 功能；“以 AI 为核心功能的 App”也可能由工程师以传统方式开发。研究 AI 产品的收入或留存，不能直接拿来评断 AI 写出来的软件质量。

把这些资料放在一起，较稳妥的结论是：应用供给正在部分市场快速扩张，AI 已参与其中的制作工作。至于用户能吸收多少新增供给、哪些工具值得长期留下，还需要需求端的证据。产生一个能运作的 App，和让人愿意多管理一个 App，是两道不同的门槛。

疲乏，可能发生在功能之外

回到旅行。即使每个工具都很好用，你仍需要知道哪里有最新信息、哪个服务应该先改、哪些朋友尚未确认。换一个更漂亮的订房画面，未必能减少这些工作。

工具带来的负担会出现在不同时刻。采用前，要比较方案、价格与可信度；采用时，要建立账号、设置权限、学习操作；使用中，要切换情境、搬移数据、解释同一件事；一段时间后，还要决定哪些订阅留下、哪些记录需要导出。这些都是功能清单不容易呈现的成本。

工作场域已有相关信号。Microsoft 的 2025 年 Work Trend Index 调查涵盖 31 个市场的 31,000 名知识工作者，其中 48% 的员工受访者表示工作让人感到混乱与碎片化。这是特定工作人口的自陈感受，不能推广成“一半的人厌倦 App”，也无法单独判定成因是工具数量。资料来源：Microsoft

更早的 CHI 2008 实验则提供一个提醒：受中断条件下，扣除中断本身后的工作时间较短，参与者却回报较高的压力、挫折与付出。研究有 48 名参与者，81% 为德国大学生，执行的是受控的模拟办公任务；它不能测量今日 App 疲乏的普遍程度。研究：The Cost of Interrupted Work

下面两张图依相同顺序对照三种条件，分开呈现时间与压力。这里值得注意的，是工作速度与人的感受走向不同；两种中断之间的细小差异，不能直接读成谁比较有害。

只测操作速度，可能漏掉人为维持速度付出的代价。反过来说，若新界面声称省时，也应把等待、核对和心理负担一起放回评估。

因此，我们有理由重视碎片化与中断的成本，却还不能宣布“AI App 已让所有人疲乏”。我更愿意把它视为一个待观察的压力：当新增工具节省的操作，少于选择、设置与协调所增加的工作，人就会开始寻找更省力的安排。

AI 也可能加深这个问题。如果每个 App 都多了一位需要单独交代背景的助手，用户便多了几个对话窗口。局部能力提高，整体协调仍可能变重。

下一个界面，开始围绕一件事组织

在前一篇〈当 AI 让实现变容易，产品凭什么被选择？〉中，我谈过产品如何对结果负责。若把视角放到多个产品之间，接下来的问题就是：用户能否直接从目标出发，由系统把需要的能力带到眼前？

以旅行改期为例，你先说明新日期、同行者与可接受的费用。界面取得你允许它使用的行程数据，再把可调整项目放在一起：日历显示日期冲突，比较表列出车次与住宿方案，未确认的朋友则保留明确状态。需要付款或产生不可逆更动时，呈现具体影响，让你决定。

这个假设中的界面有三层工作：理解目标与条件、协调背后服务、提供适合当下判断的画面。自然语言很适合交代“为什么要改”，日历适合看时间，比较表适合看差异。常用操作则值得保留固定位置，让熟悉的动作仍然迅速。

这个方向已有早期实现。Google 在 2025 年介绍生成式界面，让模型依要求产生交互页面与工具；研究同时承认，当时生成有时需要一分钟以上，也会出现错误。偏好评估未计入生成速度，因此不能直接读成日常使用效率已胜出。资料来源：Google Research

Claude 在 2026 年 1 月推出的交互连接工具，则让用户在对话中操作 Asana、Figma 等服务。这呈现了另一种整合：既有产品提供的能力，被带进共同的工作入口。厂商公布的功能证明这种体验已能实现，长期是否减轻负担仍需使用研究。资料来源：Claude

由此可以推演，未来有些小工具可能只在一个任务期间出现，完成后便收起来。留下的行程、文档与操作记录仍须能保存、分享和再次打开。否则，用户只是把寻找 App 的麻烦，换成回头翻找一段很长的对话。

生成能力也不代表每次都该重新设计。若同一个确认按钮每天换位置，节省下来的时间很快会被重新学习吃掉。比较合理的方向，是稳定的操作语言搭配可调整的内容，让界面随任务改变，又保有人的熟悉感。

更少入口，还有几道难关

首先是可靠性。旅行助手可能找到便宜车票，却看错抵达日期；也可能改好了交通，住宿仍在等待回复。跨服务工作包含许多不同状态，界面必须让人看见哪些已完成、哪些失败、哪些仍需要接手。画面统一之后，底下的责任并不会自动统一。

所以“易用”应该用整件事的成本衡量。要算进第一次连接账号、交代背景、等待执行、检查结果与出错补救的时间，也要考虑持续监督的心理负担。少点十个按钮，却得读三页说明才能确认没有订错房，未必值得。若设置能在多次任务中重用，收益才可能逐步累积。

其次是直接操作本身的价值。熟悉电子表格的人，可能比起描述一段需求，更快用一次拖拽完成工作。设计、剪辑与工程工具需要精确控制；游戏、社交和内容浏览，使用过程本身就可能是目的。这些情境提醒我们，专业与专属界面仍有充分理由存在。

再来是商业诱因。旅行平台愿不愿意让另一个入口掌握顾客？整合服务能取得哪些数据与操作权限？当推荐发生在助手里，哪些选项会被呈现，排序又受什么影响？技术能接通两端，并不保证双方都愿意开放。

入口集中也可能带来新的依赖。当偏好、历史与授权都集中在一处，更换服务的成本可能提高。用户需要知道数据能否带走、推荐依据能否检查，以及不满意时能否选择其他提供者。界面越容易使用，这些不常出现在画面上的选择就越值得保留。

因此，我对“每个人最后只用一个 App”保留很大疑问。日常生活、公司工作、专业创作与娱乐，各有不同的数据边界与操作需求。更可能出现的是少数常用入口，加上值得直接打开的专业工具；各入口之间是否互通，仍是一个未定的竞争结果。

未来五年，我会观察什么？

以下是以 2026 年 10 月为起点的作者判断。时间范围用来安排观察，没有精确的到期承诺；信心程度也只是相对判断，不是统计概率。

第一项比较有把握，是因为它能在既有服务上逐步发生。用户先把搜索、整理与草拟交出去，再视结果扩大委派范围。背后的软件可以继续增加，个人需要理解的操作路径则有机会缩短。

第二项需要跨过展示与日常使用之间的距离。一次生成漂亮的旅行页面，和三个月后还能找到预订记录、让同行者共同修改，是不同难度的事。我会看人们是否反复使用、是否少了人工转抄，以及数据在工具更新后是否仍然可用。

长期最不确定的是入口的归属。模型能力只是条件之一，数据、授权、分发与信任同样重要。专业服务可能成为别人调用的能力，也可能保有自己的界面与顾客关系。这条路不会由单一技术指标决定。

这些预测也必须容许失败。如果人们持续因为延迟、错误与核对负担而回到原有 App，入口收敛的判断就需要缩小到少数情境。即使使用人数成长，若总负担没有下降，也不能把普及当成易用已被证明。

当工具退后，人的事情才有机会往前

对产品团队而言，这个未来值得提出一个比“还能多做什么”更具体的问题：我们能让用户少记住什么、少重复交代什么、少在什么地方等待与补救？答案有时会是一个新功能，有时是良好的集成，有时则是让别的入口也能可靠地使用自己的能力。

回到那趟旅行。比较理想的结果，是你说明一次更动，能在清楚的画面里比较方案，知道谁还没确认，并在必要的地方做决定。完成后，行程与记录留在找得到、带得走的位置。

背后可能仍有很多软件，甚至比今天更多。差别在于，你不必再亲自充当每一段服务之间的连接线。那会是我判断下一个界面是否真正进步的标准。