移动端里的AI，用户到底要什么？

写在前面的话

今天不想讲那些技术架构图，也不想堆砌一堆iOS专业术语。我就想聊聊，作为一个离用户最近的客户端开发，我是怎么看待AI的——它到底是让咱们的产品变更好了，还是变更拧巴了。梁宁老师在《增长三十讲》里说过一句话特别打动我："产品经理要有同理心，要能感受到用户的爽点、痛点和痒点。"今天我想说，做技术的人也得有同理心。不只是对用户，更是对我们自己。

一、开场：一个真实的冲突场景

先讲个事儿

这种场景你们熟不熟悉：

AI同学："我们的新模型精度提升了10个点，识别更准了！"

3D同学："等等，你这模型多大啊？"

AI同学："也就60MB，还行吧。"

3D同学："那推理时间呢？

AI同学："大概增加了30-40ms……"

客户端同学心里咯噔一下："完了，这玩意儿肯定得出事。"

产品经理："太好了！竞品最近上了很多AI功能，我们也得跟上！"

具体数字每次不太一样，但这个对话的"味儿"，基本就是这样。

然后真出事了

功能上线or demo演示第二天，用户反馈炸了：

"手机烫得要命"

"电池一小时掉30%"

"卡顿严重，没法用"

领导问："怎么回事？不是说AI很智能吗？"我们说："AI是很智能，但用户的手机不够智能。"

所以今天我想和大家聊聊，怎么避免这种"好心办坏事"。

这就是梁宁说的"系统思维"缺失

每个人都是对的：

AI团队追求精度，这没错

3D团队追求画面，这也没错

产品追求竞争力，更没错

但系统错了。

梁宁说，"很多时候，你觉得是做加法，但对用户来说是做减法。"AI功能加上去了，但用户体验减下来了。

二、用户真正要的是什么？——梁宁的"爽点、痛点、痒点"

梁宁的理论我是这么理解的

爽点：即时满足痛点：恐惧、焦虑痒点：满足虚拟自我放到移动端AR里：用户的爽点：

手势一挥，虚拟物体就出现（延迟<50ms）

AR识别又快又准

效果炫酷，朋友圈能装逼

用户的痛点：

手机发烫（恐惧：会不会炸？）

电池狂掉（焦虑：等会儿没电了）

卡顿延迟（愤怒：什么破玩意儿！）

应用被杀后台（崩溃：我刚才做的全没了）

用户的痒点：

比别人用更高级的功能

展示自己的设备够好

AI在这里的定位是什么？

很多人以为AI是爽点。但实际上，AI做不好，就是最大的痛点。为什么？因为用户不关心你用了多牛逼的模型，他只关心：

快不快？（延迟）

准不准？（准确率）

烫不烫？（功耗）

掉不掉电？（续航）

卡不卡？（帧率）

AI如果让这5个变差，用户不会夸你智能，只会骂你智障。

三、移动端的残酷真相：80%用户用的不是旗舰机

设备碎片化有多恐怖？

最大的感受就是：不要用你自己的iPhone15Pro来代表用户

真实情况是：

约10-15%用户：iPhone 15/16/17 Pro，小米15Pro，华为meta 70/80pro（土豪）

约50-60%用户：iPhone 12/13/14，中端安卓（大多数）

约30%用户：iPhoneX，老安卓（学生党、爸妈辈）

同一个AI模型：

旗舰机：推理20ms，丝滑

中端机：推理60ms，凑合

老设备：推理150ms，根本跑不动

性能差距：接近10倍！

场景碎片化

移动端的独特挑战：1. 多任务干扰

后台应用争夺资源

系统推送、来电、切换应用随时发生

iOS/Android的激进内存管理，容易被杀后台

环境不可控

室内外光线差异极大（影响AR识别）

移动网络不稳定（影响云端AI）

用户使用时长不确定（5分钟 vs 30分钟）

发热和电量焦虑

AR全开运行，手机30分钟必然发热

发热后CPU/GPU降频20-40%

用户对"耗电"和"发烫"的应用极度敏感

从我的观察和行业数据来看：

使用特点：

移动端AR不像VR，用户很少长时间沉浸

大部分使用场景是"短平快"（几分钟到十几分钟）

经常被打断（来电、通知、切换应用）

用户容忍度：

启动慢：如果3秒内没响应，大量用户会放弃

卡顿：即使偶尔卡一下，用户也会很敏感

发热/耗电：这是移动端用户最敏感的两个点

根据应用商店评论和用户反馈，

负面评价主要集中在：卡顿、发热、耗电。

梁宁说的"确定性"在哪里？

梁宁强调，好产品要给用户确定性。什么叫确定性？就是用户知道会发生什么，并且确实发生了。

反例：只为高端设备优化

高端用户：哇，好流畅！（20%的人爽）

普通用户：卡成PPT……（80%的人骂）

用户体验：不确定、分裂、崩溃

正例：分层体验

高端用户：用高级功能

中端用户：用标准功能

低端用户：用基础功能

所有人都能用，只是精细度不同

用户体验：确定、可预期、没有绝对的失望

四、AI部分深入：不是技术问题，是人性问题

1. AI的三个常见误区

误区1："模型越大越好"这是技术人的执念。AI同学会说："我们的模型精度提升了5个点！"但用户不会说："哇，精度从89%提升到94%，我好感动！"用户只会说："为什么我的手机这么烫？"梁宁视角：你在追求技术指标，用户在追求情绪稳定。

误区2："端侧AI就是先进"很多团队为了宣传，强调"本地AI、保护隐私"。但真相是：

端侧AI：功耗高、发热大、速度看设备

云端AI：功耗低、速度稳定、但需要网络

没有绝对的优劣，只有场景适配。实时交互（如手势识别）：必须端侧非实时分析（如场景理解）：可以云端，梁宁视角：不要为了"先进"而先进，要为了"用户体验"而先进。

误区3："AI失败了就提示用户"最常见的做法：

AI识别失败

→ 弹窗："识别失败，请重试"

→ 用户：？？？

这是最烂的体验。更好的做法：

AI识别失败

→ 自动降级到传统方案

→ 用户无感知

→ 核心功能继续可用

梁宁视角：别让用户承担你的技术缺陷。技术的不确定性，不应该转嫁给用户。

2. AI在移动端的正确打开方式

梁宁说，"产品要克制"。我对AI的理解也是：克制。

原则1：轻量化优先

案例：手势识别模型优化

模型大小	设备覆盖率	精度
60MB（原始版）	▌▌ 20%	94% ⚠️
15MB（量化版）	▌▌▌▌▌ 70%	92%

审核编辑 黄宇