现在,关于AI的讨论都每天是热点,每个角色都有自己声音:算法工程师在讨论大模型,程序员们在讨论Vibe Coding,工程师在讨论 MCP 协议,产品经理在讨论 AI 工作流,投资人在讨论 SaaS软件的前途......
但最懂人类与机器之间关系的那群人——UX 从业者,在这场AI的大讨论里,几乎完全缺席。
原本这场讨论的核心问题——人类如何理解、控制和信任 AI 系统——恰恰是UX行业的主场。而作为 UX 从业者我们(包括我自己),几乎是沉默的,正在把这个未来的主战场拱手相让。
前几天,我发表的关于《SaaS已死,CaaS新生,无界面创业的兴起》的文章,其中探讨了AI对与UX息息相关的用户界面(UI)的冲击,在小红书和X(原推特)引发了大量争论,有赞同,也有反对,其中一条来自推特读者的反驳最为直接:
"这很愚蠢。人类渴望控制,这是基本的生物学。当你连 UI 都不理解时,如何控制一个 Agent?"
这条质疑,不只是在反驳我,而是在精准描述一个UX行业必须正面回答的真实问题。
这篇文章,是作为一名20年UX从业者在AI时代的反思。不是要说"UX即将消亡"——这是最懒惰也最错误的论断。而是想探讨一些根本性的问题:AI 正在改变什么、无界面究竟是什么、UX从业者的新机会在哪里、行业组织需要做什么。
1/正在发生的事实:大模型正在吞噬界面
————
AI 正在内化和吞噬用户界面
过去二十年,互联网、移动互联网,以及软件产业的繁荣建立在一个稳定的前提上:人类需要通过图形界面与系统交互。按钮、菜单、表单、仪表盘——这套 UI 体系,是人与机器之间必要的翻译层,也是 SaaS 行业高估值的核心支撑。
大模型的出现,正在把这个前提逐步瓦解。
Claude、GPT-4o、Gemini 这类大模型,能力越来越强,覆盖范围越来越广——它们不需要专门设计的图形界面来接受指令,只需要 API 接口或 MCP 协议,就能直接完成数据读取、逻辑判断、代码生成、流程执行。原先必须通过人机 UI 界面完成的大量工作,正在被大模型直接内化和承接。
结果是:侧重流程封装和 UI 交互的App、网站,以及传统 SaaS 软件,正在被极大压缩。 那层昂贵的"交互外壳"——强制登录页、多层菜单、冗余按钮、精心设计的操作流程——在 AI 面前,正在成为纯粹的摩擦成本。
这不是某个细分市场的局部变化,而是整个软件行业交互范式的结构性迁移。
三层架构的价值重新分配
要理解这场迁移,需要先看清楚软件系统的三层结构——C-I-M(Context 场景层、Interaction 交互层、Memory 记忆层)——在 AI 时代发生了什么。
Interaction 层(交互层):正在被商品化
这是所有人机界面所在的层。过去,它是 SaaS 护城河的核心——企业要获取系统里的数据和逻辑,必须通过 SaaS 厂商提供的 UI 界面,迁移成本极高。
但大模型出现之后,机器可以直接通过 API 调用完成原先需要人工点击的一切。Interaction 层原先大量的人机界面交互,正在转向两种新形态:一是 A2A(Agent to Agent)之间的直接交互——完全无界面,机器之间通过协议直接对话;二是流体形式的人机交互——界面不再是固定的操作面板,而是由 AI 根据当下情境动态生成、用完即走的极简确认界面。
Memory 层(记忆层)和 Context 层(场景层):正在成为真正的护城河。
当交互层被商品化,真正稀缺的是什么?是企业独有的状态与场景——那些沉淀在老员工脑子里的隐性经验、历史决策中积累的业务判断、客户关系里形成的偏好图谱。这些东西,算力复制不了,竞争对手抄袭不了。
无界面的「场景层」(Context)和「记忆层」(Memory),正在获得大量新的市场空间。 它们不需要任何前端界面,通过 API 直接交付价值,是 AI 时代真正的数字不动产。
这对 UX 意味着什么
这三层价值的重新分配,对 UX 行业的含义是直接的:
以"交互层操作优化"为核心价值主张的 UX 工作——流程梳理、界面设计、操作路径优化——其商业价值正在随 Interaction 层一起被压缩。
Anthropic Claude Cowork 设计负责人、前 Figma 设计总监 Jenny Wen 给出了一个具体的数字:过去设计师要花 60%-70% 的时间在视觉稿和原型上,现在这个比例已经降到了 30%-40%。 传统的"调研—发散—收敛—高保真视觉稿"流程,在 AI 时代正在失效。
但这不是 UX 的终结,而是价值重心的迁移。
Context 层和 Memory 层的崛起,恰好打开了 UX 行业最被低估的能力空间:如何把隐性的行业知识结构化为 AI 可以调用的场景图谱?如何设计企业记忆体系,让 AI 的决策可追溯、可审计、可信任? 这些问题,工程师没有方法论,产品经理没有工具集。而用户研究、信息架构、服务设计——这些 UX 的核心能力,正是回答这些问题最直接的方法论。
Jenny Wen 的判断是:AI 的品味和判断力会越来越强,但"问责(Accountability)"权始终在人类。 必须有人拍板什么才是有意义的,并为最终产出承担责任——就像放射科医生最终需要在 AI 诊断报告上签字确认一样。
UX 的基础没有消失,只是发生转移。从 Interaction 层的"让操作更顺畅",移向 Context 层和 Memory 层的"让判断更准确、让信任更可靠、让控制更有效"。
无界面的精确定义:新的等式
在这个背景下,理解"无界面"究竟是什么,就变得至关重要。
很多人把"无界面"理解成"没有任何界面"。错,"无界面"是一个可以被精确定义的架构概念:
无界面 = Zero UI + Headless UI
这个等式揭示了"无界面"的一体两面——一面朝向人类,一面朝向机器。
Zero UI,是前端的终局,属于人类体验的维度。
当系统拥有足够强大的场景理解能力,人类不再需要去适应软件的逻辑——不用在繁琐菜单里找按钮,不用填写冗长表单。自然语言、当下情境、隐性意图,就是最优的指令。界面随需生成,用完即走,对用户而言软件正在变得"隐形"。
Zero UI 的本质:把人类从"操作员"的认知负担中解放出来。
Headless UI(无头架构),是后端的现实,属于机器协同维度。
为了支撑前端的 Zero UI,传统系统必须完成"斩首"——把华丽的仪表盘和操作面板剥离,降维为只提供 API 接口的数据基座。机器不需要看图表,只需要在规则护栏内,以毫秒级速度直接读取 Context、写入 Memory、驱动执行。
Headless 的本质:为 A2A 智能体协同提供无摩擦的底层赛道。
Zero UI 讨好人类的直觉,Headless 满足机器的效率。当两者在 C-I-M 架构的底座上相遇,就是真正"无界面"时代的完整形态——未来的企业软件,不再是供人类游览、填写、点击的"赛博建筑",而是在后台静默运转、随时被机器调用的智能引擎。
等式说清楚了。但围绕它的误解,并不少。
2/关于“无界面”:四个误解与五个误区
————
四个必须破除的误解
误解一:无界面 = 没有屏幕、没有界面。
错。等式里的 Zero UI 是零显式交互——不需要点击、输入、跳转、学习路径;Headless 是后端无头架构,不是前端无屏幕。屏幕可以留着,但只做结果展示与异常确认,不做操作入口。这个误解让很多人得出"UX 从此无用"的错误结论。
误解二:无界面 = 语音 / 手势 / 刷脸。
错。这只是交互形式通道的变化,触及的是 Zero UI 的表层,不是本质。无界面的核心是 Context(场景)+ Memory(记忆)+ Headless 后端的三位一体:系统知道你是谁、你在哪、你刚做完什么,同时后端已经重构为机器可直接读写的结构。只换通道、不改架构,不是真正的无界面。
误解三:无界面只是 C 端的体验升级。
错。企业端才是主战场,而且核心发生在 Headless 层。不用登录 CRM、不用手动录入跟进记录、不用打开报表——这不是因为前端体验变好了,而是后端完成了 Headless 化,智能体可以直接读写数据。这不是体验升级,是商业模式的重构。
误解四:无界面会更不安全、更不可控。
这是那位"人类渴望控制"的推特读者最担心的事,也是最值得认真回应的一条。
理解这个担忧,但方向搞错了。问题从来不是"要不要控制 AI",而是"用什么架构来实现控制"。
在没有 Headless 架构的世界里,控制权来自 UI——看得见每一步操作,随时可以停下来。但这种控制,是以极高的人力成本换来的。在 C-I-M 架构里,控制权来自 Memory 层的决策轨迹(Decision Trace):AI 每次执行后强制写回完整记录——调用了哪些场景节点、推理路径是什么、最终输出是什么、置信度是多少。有了决策轨迹,控制方式发生了本质变化:从"我必须在场才能控制",变成"我可以事后审计、随时介入"。
不是把手放在方向盘上盯着每一个弯道,而是车里有一套完整的行车记录仪,出了问题可以完整回放。
少一次点击,少一次漏洞;少一个界面,少一次误操作。真正的无界面系统,依赖上下文安全和决策轨迹,比手动点授权更稳、更可追溯——前提是架构做对了。
而这套决策轨迹的设计——让它既能被机器生成,又能被人类审计、理解、信任——恰恰是 UX 从业者最应该主导的工作。
五个实践误区
理解了误解,再看在实践层面最容易踩的坑。
误区一:做了 Zero UI,忘了做 Headless。
前端体验做得极简,但后端还是传统 SaaS——结果是界面消失了,数据依然要人工录入,自动化依然无法落地。Zero UI 和 Headless 必须同步推进,缺一不可。前者是人类侧的终局,后者是机器侧的基础设施。
误区二:把"去界面"做成"去人性化"。
强制全自动、不给手动回退入口,系统偷偷执行用户完全不知情。底线不能突破:Zero UI 可以让界面消失,但不能让告知消失;Headless 可以让后端无头,但不能让决策轨迹无踪。可以全自动,不能无掌控。
误区三:把 Headless 做成"可搜索的垃圾桶"。
把所有文档和数据无脑转化为 API 或向量数据库,以为这就是 Headless 化。但没有结构化的 Context 和完善的 Memory 机制,机器读到的是噪音,不是知识。Headless 不是"把界面去掉",是"让机器能真正读懂"。
误区四:用 GUI 思维做 Zero UI。
还在画页面、排按钮、规划操作流程,只是把按钮"藏起来"。GUI 解决的是"人如何找到功能",Zero UI 解决的是"系统如何理解人的意图"。设计重心要从"操作流"转向"意图理解 + 状态反馈 + 异常处理"——这是两种完全不同的设计语言。
误区五:一上来全场景无界面。
什么都想自动,结果什么都不稳。正确路径是:先选高频、低风险、强规则的场景,Zero UI 和 Headless 同步落地,保留人工确认通道,用记忆层持续迭代,逐步扩大自动化边界。在高风险场景过早去掉人类确认,一次事故足以摧毁整个项目的信任基础。
3/理解底层框架:CIM 架构与 UX 的关系
————
要真正理解 AI 时代 UX 的机会,必须先理解一个关键框架:C-I-M(Context-Interaction-Memory,场景-交互-记忆)架构。
这不是纯粹的技术框架,而是理解 AI 时代企业软件价值分布的地图。
I 层(Interaction,交互层):价值趋零的执行层
这是所有大模型、开源 Agent、自动化工具所在的层——通过 MCP 等协议连接系统,负责被调遣、被执行:写代码、发邮件、查数据、出报告。
I 层的商业价值,在快速趋近于零。
今天为某个模型…