文 | 影子备忘录
2026 年，你的手机正在学会一件比 " 猜你喜欢 " 更彻底的事：替你做决定，并且让你觉得那是你自己的决定。
松下与 UCLA 合作开发的移动世界模型，已经能让 AI 代理在 Android 设备上以自然语言预测操作后的状态变化，任务成功率从 46.9% 提升到 54.3%。
荣耀的 YOYO 智能助手综合任务准确率达到 91.8%，端到端闭环率 90%，最高支持超过 100 步连续操作。
谷歌则在端侧开发意图预测系统，通过分析你与设备的交互方式，在你还没开口之前就理解你想做什么。
苹果把 Siri 的 " 大脑 " 外包给谷歌定制的万亿参数 Gemini，目标只有一个：把 iOS 变成理解用户意图的总入口，" 完成对所有 App 的降维打击 "。
这些新闻大多被包装成 " 更方便了 "。但方便的反面，是一套比你自己更了解你的行为预测系统，正在从 " 推荐内容 " 升级为 " 代理意图 "。
你不再需要做选择，因为算法已经替你做好了。而你甚至不会意识到，选择曾经存在过。
随着 AI 的发展，算法已经升级，已经形成一整条从操作系统底层生长出来的、以你为预测对象的算法基础设施。
从 " 猜你喜欢 " 到"预判喜欢"
理解 2026 年的算法处境，首先需要看清一个被大多数人忽略的转折。
过去十年，算法对手机用户的控制，主要发生在内容层。
短视频推荐、信息流排序、电商 " 猜你喜欢 "，本质上是在你已有的偏好里做匹配：你多看了一条猫的视频，系统就给你推一百条猫。
这套逻辑虽然强大，但有一个前提：你至少还知道自己 " 在看什么 "。你不喜欢，可以划走；你厌倦了，可以关掉。
但 2026 年的算法不再满足于匹配偏好，它已经开始预判意图，并直接替你执行。
端侧大模型让手机具备了在本地完成 " 感知—推理—执行 " 闭环的能力。松下的世界模型不再逐像素预测屏幕，而是用自然语言预测 " 按下按钮会打开设置界面 " 这类状态变化，从而在多个候选操作中选择最可能实现目标的那个。
这意味着 AI 代理不再是机械地执行 " 点击某个坐标 "，而是在理解 " 你想要什么 " 的基础上，替你走完后面的路。
更关键的是操作系统层面的卡位。苹果在 iOS 27 中把 Siri 改造成系统级智能体，能够读取屏幕内容、跨应用调用工具，打通浏览器、密码、短信、日历、相册。
A2A 路线下，用户授权的是 " 意图 " 和 " 指令 "（比如 " 买票 "），并不是给 AI 一双时刻 " 窥屏 " 的眼睛。
这听起来更 " 干净 "，但它带来的后果同样深远：当操作系统成为意图的入口和调度者，所有 App 都退化为被调用的执行单元，而用户则从一个 " 操作者 " 变成了一个 " 授权者 "。
你授权得越多，算法就越了解你的行为模式；越了解你的行为模式，它就越能在你尚未形成清晰意识之前，替你完成选择。
谷歌的意图预测研究甚至不需要离开你的手机，就能通过分析你与设备的交互方式推断你的意图。
你每一次犹豫的停留、每一次反复的滑动，都在训练一个比你更早知道你 " 想要什么 " 的系统。
这已经远超 " 推荐 " 范畴，更像是预判和代理。
而预判的精准，恰恰构成了困住你的第一层结构：当算法总是先你一步，你便逐渐丧失了 " 自己决定 " 的肌肉记忆。
精准的代价
算法精准本身不是问题。问题在于，精准被用于谁的目标。
2026 年 3 月，美国加州陪审团做出一项里程碑式裁决：Meta 和谷歌须为一名年轻女性从童年起在算法推送中形成的社交媒体成瘾负责，赔偿 600 万美元。
原告自述 " 在无休止的算法推送中被一点点蚕食 "，出现抑郁、焦虑和自残念头。
原告律师团队绕开了 " 内容责任 " 的争论，把矛头直指产品设计本身：无限滚动、自动播放、点赞反馈，构成了一套以注意力为燃料、以依赖为目标的成瘾性架构。
法庭向科技行业发出的信号清晰而尖锐：用户的身心健康，不是平台可以无限透支的生产资料。
这起案件之所以重要，不在于赔偿金额，而在于它揭示了一个被 " 精准 " 二字掩盖的事实：算法的精准，从来不是中立的精准。它精准地服务于留存时长、互动率和商业转化。
无限滚动移除了一切自然的停止点，可变奖励机制让 " 下一次刷新会出现什么 " 成为一台随身携带的老虎机，算法个性化信息流则学习 " 什么能让你保持情绪激活 "，然后给你更多。
这些设计早已经不再是秘密，它们是被反复验证、系统化部署的工程选择。
在中国，同样的逻辑以另一副面孔运行。2026 年 10 月，媒体报道河南农村独居老人长时间沉迷 AI 制作的微短剧，有人每天观看十小时以上。
新疆一位七旬老人两年内在数百个短剧小程序累计充值 22.58 万元，单笔金额不大，几元甚至几角，但频次极高、主体分散、剧场频繁更换 " 马甲 "。
报道追问更是一针见血：推荐算法把老年群体的情感需求当作流量入口，不断放大冲突与悬念，使其陷入螺旋式诱导；付费规则则把老人不熟悉网络环境当作可乘之机。
面向未成年人的 " 青少年模式 " 已经日渐成熟，时长提醒、充值限制、一键禁用一应俱全，但面向老年人的 " 刹车 " 却存在大量空白。
同样的算法能力，用在青少年身上是 " 保护 "，用在老人身上是 " 收割 "，差别只在于商业价值的方向。
精准的算法本身没有意志，但部署算法的组织有。
当 " 精准 " 被用于降低你的停止概率、提高你的支付意愿、延长你的停留时间，它就不再是一个技术指标，而是一种针对你的行为设计。
你觉得自己在 " 使用 " 手机，但在行为设计的视角下，你才是被设计所作用的对象。
价格、劳动与认知
在 2026 年的算法体系里，算法正在精准地、更系统地被固定在智能手机上，它就像一条隐形的轨道。我简单把这种现象分为四种。
注意力层面的捕获。这是最可见、也最容易被谈论的层面。短视频的无限下滑、信息流的无缝加载、推送通知的随机时机，共同构成一个 " 没有出口的界面 "。
但它的深层后果不在于浪费了多少时间，而在于它重新训练了人对 " 停下来 " 的容忍度。
当每一个空白间隙都被内容填满，无聊、等待、发呆这些原本属于自主意识的缝隙，被系统性地消除了。一个无法忍受三秒钟空白的人，很难说他的注意力还属于自己。
经济层面的价格榨取。算法精准的另一种表达，是 " 看你愿意付多少 "。美国 Instacart 被调查发现，其 AI 定价技术对完全相同的商品向不同顾客收取不同价格，价差最高达 23%，一个典型家庭每年可能因此多付约 1200 美元。
调查还发现，算法会向被标记为 " 更可能支付 " 的用户收取更高价格。
在中国，针对抖音平台大数据杀熟的研究归纳出四种公众感知最强烈的算法偏见：搜索后涨价、不同设备不同价、按消费水平歧视定价、给用户打标签后差异化信息投送。
这些操作之所以令人愤怒，不仅因为多付了钱，更因为它暴露了一个更深的事实：在算法眼中，你不是一个人，而是一个可被估计的支付意愿区间。
你的每一次点击、每一次犹豫、每一次比价，都在为这个区间提供训练数据。
劳动层面的规训。" 困在算法里 " 这个说法最早大规模进入公共视野，正是通过外卖骑手。2026 年的延续报道显示，配送时长由算法精确计算，在多单并行的压力下，骑手只能争分夺秒，超时罚款成为主要焦虑来源。
但算法劳动的特殊之处，不在于 " 累 "，而在于它把控制伪装成了自由。福州骑手阿彪的故事提供了一个刺痛的注脚：他选择送外卖，恰恰是因为 " 不需要跟任何人说话 "。
算法用看似自由的接单模式，把他锁在一个由租车费、电池费、派单评分构成的闭环里。他知道自己在被系统算计，但 " 不跑连租金都交不起 "。
更深的困住发生在心理层面：算法日复一日地安排他的行动，让他逐渐相信自己只配这样活着，" 未来？没想过 "。
当一个系统不仅规定你做什么，还塑造你认为自己 " 能做什么 " 的边界时，它已经越过了经济剥削，进入了主体性生产。
认知层面的收窄。关于 " 信息茧房 " 的讨论已经很多，但 2026 年的研究提供了更精确的图景。
一项在德国和美国进行的实验研究发现，基于用户政治偏好进行选择的新闻推荐系统，确实会加剧政治温和派群体的意识形态极化；而在德国数据中，政治平衡的推荐反而降低了温和用户的情感极化，同时加剧了极端用户的极化。
这意味着算法的作用不是简单地 " 让人只看一边 "，而是在那些本可以保持开放的人身上，系统性地关闭了跨越立场的动机。
更值得警惕的是 " 偏好封闭 " 机制：AI 个性化在强化既有行为的同时，限制了探索性消费和异质性接触，用户所体验到的 " 自由选择 "，实际上是在算法划定的选项集合内部的选择。
你以为自己在做决定，其实你只是在算法允许的菜单上点菜。
" 反驯 " 为什么常失败
面对这套结构，个体并非毫无动作。2025 — 2026 年，数字极简主义在中国青年中形成了一种可辨识的实践谱系：卸载社交软件、隐身性社交、设置使用边界、对算法进行有意识的 " 反驯 "。
豆瓣 " 数字极简主义者 " 小组有近万名成员分享 "30 天数字清理实验 "，有人删掉手机里 90% 的 App，有人周末主动关机一整天。
有博士生关机四个月，试图证明 " 没有手机和社交媒体，许多人以为自己根本无法忍受 1 小时 " 这件事是可以被打破的。
这些实践的真实价值不容否定。它们至少证明了一件事：算法的控制不是物理性的，它依赖于用户的持续参与，因此存在被中断的可能。
哪怕中断是暂时的、局部的，它也在个体层面重新打开了 " 选择不参与 " 的空间。
但同样需要诚实地面对其限度。研究指出，极端断连常因现实依赖而失败，比如工作沟通在微信里，支付在支付宝里，地图导航在系统应用里。
更微妙的是，数字极简本身正在被商业逻辑收编，变成一种新的消费身份和生活方式标签。
你卸载了短视频，但你可能安装了冥想 App、屏幕时间管理工具和 " 数字排毒 " 付费课程。反抗的工具，可以再次成为商品。
更深层的困难在于，2026 年算法控制的重心正在从 " 你选择看什么 " 上移到 " 系统替你执行什么 "。
当操作系统层面的 Agent 开始预判意图、跨应用调度，个体的 " 反驯 " 对象就不再是某个可以卸载的 App，而是一个弥散在设备底层、以你的行为数据为燃料的基础设施。
你无法卸载操作系统，你甚至很难关闭意图预测，因为 " 关闭 " 本身可能被设计成一个需要多层跳转的选项，或者以 " 影响体验 " 为由被劝退。
然而，恰恰因为困难，某些事情才值得坚持。
中国监管框架中已经存在一个容易被忽略的切口：《互联网信息服务算法推荐管理规定》第十七条明确要求，向用户提供选择或删除针对其个人特征的标签的功能，提供便捷的关闭算法推荐服务的选项；用户选择关闭的，应当立即停止提供相关服务。
今年以来，算法备案、安全评估、透明度管理等制度在持续深化，人工智能治理正在从分领域立规走向综合性立法。
这些制度远不完美，执行也参差不齐，但它们确立了一个原则：算法推荐不是用户必须接受的 " 自然事实 "，而是一项可以被要求关闭、被要求解释、被要求承担后果的服务。
真正有意义的 " 反驯 "，或许不是浪漫化的彻底断连，它更是一种冷静、持久的策略性实践：知道系统在哪里，知道它想让你做什么，然后在它允许的缝隙里，保留哪怕一点点 " 不按它预期行动 " 的能力。
读完一篇文章再划走，而不是让下一条自动播放；在算法推荐之外，主动搜索一个你从未接触过的领域；在 Agent 替你完成操作之前，偶尔手动做完那几步。
这些动作很小，小到近乎象征性。但它们维护的，是 " 我可以不 " 这件事的心理真实性。
