文章有AI辅助。
仅仅是把时间倒回2025年的头几天，“凭感觉编程”（vibe coding，氛围编程）这件事情都还是天方夜谭——因为这个词在2月份才突然爆火起来的。
一年之后，这个词就升级为了“凭感觉工作”，也就是vibe working。这个词也在2025年左右出现，当时还仅出现在大公司的研究报告里。所以当时和现在的vibe working，指代的概念变化很大。
现在网络上流行的vibe working这一概念，似乎指向了非常明确的一个群体：一群对着电脑或者手机叽里咕噜说一大堆话的人。
如果你经常在简体中文互联网上冲浪，想必你一定能联想到什么。
是的，罗永浩，以及他的坚果TNT工作站（以下简称“TNT”）。
就在一个多月以前，互联网上突然出现了几篇关于科技行业从业者对着电脑说话来开展工作的报道，一方面是相关创业产品的登场，另一方面则是国内外的大模型厂商正在完善语音输入功能。不出所料，这些新闻下面出现了“龙哥（网友给罗永浩起的绰号），这盛世如你所愿”这样的评论。
可是，这世界真的如“龙哥”所愿了吗？
大概率没有。
不过现实确实是：在Agent时代，键盘打字真的妨碍到了一些人的工作。
当键盘打字无法覆盖工作需求和方法
在Harness时代之前，只有真正的大公司、互联网企业和金融机构才能管理庞大的资源和生产资料；但到了Agent时代，Token（词元）可以通过非常低的价格获取并大量消耗的时候，有想法的人自然会开始大量运用这类资源来加强自己的生产效率。
由于Agent不仅仅能够参与生产，进入Harness时代之后，基座供应商不仅提供了AI软件用于管理现有的生产资料和新吸收的资料，还提供了Harness工具用于管理大模型和Agent，加上人类同样需要参与新的生产资料收集和Agent的治理工作，键盘打字的低效就在这样的场合下逐渐显现出劣势，开始成为拖慢一部分用户生产力和管理能力的主要阻碍。
在vibe coding之前的时代，我们的工作通常聚焦在具象的“选择哪些书面语言”或“这段代码应该调取哪个函数”，因此将自然语言转换成书面语音或者代码，在过去常常不被认为会产生效率上的折损；但进入vibe coding乃至vibe working时代之后，接触大模型和Agent的开发者和组织开始倾向于通过更抽象的方式方法控制这些更加强大的工具。把这些高度抽象化的，非结构化的内容转换成书面语言，免不了会有效率折损，并且这种效率折损还是会被这些重度的AI用户轻易感知到的。
把这种转换摩擦反映在操作层面，就是键盘打字带来的效率折损。QWERTY键盘诞生于机械打字机时代，这种布局是在当时机械结构限制下的一种妥协，本就与提升打字效率毫无关系；加上当人类在工作中需要表达的内容从“选择哪种函数或书面性质的语言”，变成“把昨天我给你的资料提炼成skill”这种抽象的，逻辑松散的口语化表达时，键盘就逐渐变成了新的效率瓶颈。
当然，这件事情在2026年已经变得非常好解决：买一支麦克风接到电脑上，或者直接对着笔记本电脑或者手机说话就行了，他们根本不需要一台TNT。
并且实际上，这些人做的事情，也根本不是TNT在亮相之际演示的那些“专业能力”。迫切想要通过语音交互提升效率的，目前已知的有两类用户：
第一类是真正的“小白”，他们不懂什么是大模型，分不清什么是Agent，什么是Harness，但他们恨不得把所有的工作一股脑扔给大模型或者Agent。他们只想打开唯一的一个窗口，接着在一个窗口之内把包括文案、PPT和海报设计在内的所有工作全做了。这跟TNT在演示时先打开工作软件，再通过语音操作软件的逻辑几乎完全是南辕北辙的；
第二类是绝对重度的Agent和Harness用户，他们更多的进行的是Agent的治理工作。由于打字呈现非结构和高度抽象化内容的效率折损太大，因此对于Harness的治理，一些突发奇想的提问，一些用户临时看到但认为很有趣的内容，这些超级AI高手会试图通过效率最高的方式输出抽象程度非常高的提示词，并命令Agent将这些内容进行记录和汇总。直接对着手机说话自然是目前效率最高，同时也是最具性价比的手段。
但不论是哪一类人，他们都没有购买TNT的必要。
语音转文字订阅服务的收费逻辑
不过，不买TNT不代表Agent时代的语音服务就是免费的。
笔者需要通过最近火起来的“语音转文字”订阅服务解释一下相关的商业逻辑。有不少“凭感觉工作”的人，不论如何还是要为此额外花上一笔钱。
如果你的Agent或者OpenClaw连接的是微信或者其他通讯软件，并且你通常只是对你的Agent或者OpenClaw下指令（一句话的指令也好，五分钟的长指令也好），那么这项语音服务当然是免费的，相关的费用仍然是平台方兜底。
但如果像是采访和会议纪要这些不需要AI清洗内容，但需要AI进行几十分钟甚至几个小时超长时间的，将会议或录音进行语音转文字，并进行简单格式整理的任务和工作时，这种订阅制的语音服务几乎就变成了刚需。
这其中的核心原因是，这项服务背后的“语音转文字”技术，是一项需要云端计算资源的人工智能技术。没错，这是一项在大语言模型之前就已经成熟的AI技术，并且它和今天的大模型与Agent无异，都需要算力中心的资源来驱动。
这也就意味着为了付得起算力中心的租金，脱离超级App的、单独的语音转文字服务都需要收费才能维持业务运行，并且由于算力中心的使用是持续的，因此收费方法也必须是持续的才行。
这些算力中心，正是曾经云数据中心最成熟的形态，也是今天的AI算力中心的雏形。而且不仅如此，AI算力中心之前的云数据中心，就已经部署了包含计算机视觉、认知技术等人工智能技术和相关服务——只不过当时的服务仅对企业和开发者开放。
但实际上即便是在当时，想要成为一名可以接入这些服务的开发者也不是一件困难的事情。一般情况下，只要有一个邮箱就能注册成为开发者，并且和今天一样，稍微交一点钱就可以采用这些AI服务了。然而，由于当时没有更泛化的人工智能技术，开发者必须要知道自己的目标，并亲自打造出来，才能将这份投入变成可观的收入。
所以即便在当时，由于没有大量的语音转文字需求，因此很多人也不会针对相关需求开发应用。而在当前，录音语料本身就是Agent和Harness关键的生产资料，只有将语料和Token同时喂给大模型和Agent，才能让当前的AI系统保持运转和生产，这才催生出大量和语音转文字相关的需求。
某款国外初创企业的录音背夹硬件（赠送一定时限的云端空间，免费空间用完之后需要订阅）现已售出100万份，因其恰到好处的推出时机和较为易用的设计，使得这款产品一经推出就同时获得了口碑和销量。
从上述案例可以明显看出：语音转文字这一AI技术远远提前与大模型和Agent，但由于缺乏相关需求和能够快速构建起应用软件的工具和服务，使得这一服务一直只能在企业端发挥作用；直到大模型和Agent时代来临，更大规模的语音转文字场景和需求才被催生出来。以及只有将大模型或Agent将语音转文字技术结合在一起时，语音内容的实际价值才真正得以展现。
AI基建才是vibe working的生存之本，而非人机交互本身
从上述视角回望TNT，可以确定的一点是：语音交互确实是未来，但这个未来和PC、手机，“桌面工作站”都没有关系。真正让语音交互这一需求暴增的，是工作意图、方法和对象的变化，是语音语料真正成为了生产资料，是运行大模型和Agent所需要的基础建设。
之所以从Windows PC和Mac，到Android和iOS都在设计更简洁、更人性化的人机交互界面，核心原因是不论电脑还是手机，它们的底层操作逻辑都离不开点击和滑动；而我们在过去解决日常问题的方法，几乎只需要通过点击和滑动就可以了。但是在Agent时代，解决日常问题的方法直接升级为了抽象的动机、思路、架构等通过点击和滑动会造成严重的信息和效率折损，甚至仅仅通过点击和滑动无法实现的东西。
在很早之前，就有商业和科技从业者意识到：终有一天我们的语音、图片、文字、会议纪要都会变成生产资料。但直到大模型和Agent等AI基建的出现，这些生产资料才真正有了属于它们的容器和生产环境。这些几乎能直接一步到位处理语音、图片、文字和会议纪要的工具，让人们真正了解到上述内容如何变成生产资料并用于生产。
直到这样的现实真实出现在眼前，更多地人才会确定“这确实是我需要的”，才会为这份新的、确定的、真实的需求购买必要的工具和服务。
不可否认的是，TNT确实做到了对手机形态的某种延伸，也从很一个微妙的角度掀开了语音交互未来的一角。但问题是，它通过触屏滑动和语音交互，将手机延伸成为了“另一台电脑”，而“电脑”这一生态位已经被传统的笔记本电脑和已经成熟的平板电脑体系彻底占据，任何通过新形态进入的厂商几乎没有什么好下场，因此，“罗永浩推出TNT的意义何在”也成为了2018年数码圈讨论最广泛的话题。
容易引起争议的题外话
无数互联网文章都在说：在Harness Agent时代需要更多的“聪明人”；但其实，在TNT推出的2018年，这一话题就已经被网友们反复讨论了许久。
除了语音交互，TNT还有一些和Smartisan OS关联极强的卖点：用户可以通过大屏的TNT系统，实现网页端内容的抓取和“大爆炸”，并通过“一步”进行编辑。这或许对于重度文字内容工作者和每天需要大量获取网络信息的人非常有用，但若要实现这一系列的操作，必须要在TNT系统上同时开启5~6个窗口，并且需要点住内容不放，再将其拖拽到“一步”软件图标上，再进行编辑。
罗永浩在许多公开场合多次表示过锤子手机和坚果手机在拖动手感上做出了许多努力，使得这些点击和滑动的逻辑更符合人体直觉。并且我还经常在网上看到，不少公开表示长时间坚守锤子和坚果手机的用户，确实都有着非常丰富的职业经历和爱好，他们或许是不少人羡慕的“人生赢家”。他们是发自真心地喜欢“大爆炸”、“闪念胶囊”、“子弹短信”和“一步”，用来收集、整理他们希望记录下来的灵感瞬间。
可是在这个世界上，哪有那么多聪明人呢？