从人类不同感官获取信息的比例来看，印象中视觉占据70％左右，视觉信息是非线性、并行的，而音频信息是线性、串行的，你没法颠倒顺序倒过来听一句话，也没法同时听十句话，音频信号承载的信息量有限，所以，操作系统层级的ai助手语音交互，虽然可以解决一部分操作需求，省掉很多打开加载界面切换的操作，一步获得结果并语音回复，但大部分仍然需要基于屏幕上APP界面的视觉反馈。
下一代基于ai的主流计算平台，我猜不会是智能手机这种形态，很可能是ar眼镜，眼镜不方便鼠标键盘输入，ai可以获得眼镜上麦克风和摄像头的权限，以及眼镜操作系统层级的权限，可以随时根据需要ai自主编程生成图层加载在现实世界的拍摄画面上，通过语音交互，并可视线控制鼠标，最大的短板，好像还是眼镜的续航能力。

那整个移动互联网的商业逻辑要被颠覆了