所有App都在塞AI，但用户已经烦了

AI 进入 App 的方式，比很多人想象得更直接。

2026 年 6 月，微信开始灰度测试 AI 智能体“小微”，原本的稍后阅读浮窗入口被替换为“小微”，朋友圈也开始内测“AI 帮写”。

中国移动 APP 底部导航栏上，AI 助手被安排在居中、最显眼的位置，能够查询话费、套餐、办理业务，还能预订机票、酒店、推荐本地美食等。

AI 搜索是平台 App 们首先尝试的方向。小红书的“点点”、微信的 AI 搜索、微博的“智搜”，都是各 App 内 AI 最早落地的场景之一；“算法猜你喜欢”变成了“AI 猜你想听”，QQ 音乐、网易云音乐、汽水音乐等音乐软件，都推出了 AI 助手帮用户找歌；淘宝、京东，还有事关买车、买房的贝壳、懂车帝 App 也都加入了 AI 导购。

图源：App 截图

就连消费企业的 App 也在探索：瑞幸、肯德基的点单小程序开始内置 AI，盒马推出 AI 营养师；一张床垫、一个人体工学椅，也可以配备 AI“健康顾问”；AI 冰箱能够识别食材、推荐菜谱；AI 电视可以通过手势控制、更换频道；AI 油烟机可以进行语音对话……

在海外，各个软件大规模接入 AI 的行为，被一些人称为“AI washing”（洗 AI）——为了跟上趋势，给产品贴上 AI 标签。当 AI 无处不在，用户开始产生抵触情绪，这种现象被称为“AI fatigue”（人工智能疲劳）。

有时候，看不惯这些 AI 功能的突然出现，忽略就好了。但某些时候，AI 有着极强的存在感。

一位网友分享，她曾在搜索后想点击某个网页查看详情，但顶部 AI 总结却不断地生成内容，将页面持续向下滑动，直到 AI 生成结束，她都没有点击到想看的网页链接。

AI 客服，是许多人最无法接受的功能。一些 AI 客服上线后，用户们发现，找到人工客服的入口变得更深，操作步骤也更多，花费的时间自然也更长。

过去，拒绝 AI 是一件很容易的事情，可以不下载、不注册、不使用；如今，当我们谈论 AI，谈论的不仅是豆包、DeepSeek、ChatGPT 这类大语言模型，也不仅是 AI 陪伴、AI 翻译这样的独立应用，而是早已成为我们生活一部分的事物。

有人不喜欢 App 里的 AI，其实是不喜欢失去自主关闭它的权利。“我要用 AI，会自己寻找 AI 工具。”为此，有人在更新前，养成了先看下一个版本是否插入了AI的习惯，有人直接卸载 App，重装了没有 AI 功能的旧版本。

许多用户并不排斥 AI，他们真正反感的是一个没有提供足够价值的 AI。Seany 认为，如果 AI 带来的新体验无法超越用户原来的使用方式，甚至增加了学习成本，那用户自然会觉得它鸡肋。“它没有让用户觉得‘没有它不行’，反而让用户觉得‘原来的方式挺好的’。”

但 Seany 也承认，这是 AI 应用早期必然经历的阶段。“你不能够因为现阶段很鸡肋你就不做。”

这些早已成熟的 App 们，为什么要加入 AI？

Seany 之前在一家游戏公司，应该算国内比较早接触 AI 的游戏团队。从公司出来后，这一两年他在深圳一些比较小的公司做产品设计咨询，多多少少都会遇到 AI 相关的问题。在他看来，现在好像每一个 App 产品都要搞一个 AI 助手，第一个原因，是 AI 相当于拓宽了一条用户路径。

它是在替代原来的全局搜索，变成一种更高层级的用户路径。所有平台型产品加 AI 助手，最终想达到的其实都是这个目的。

比如原来用户逛电商软件，如果有明确意向，用户会使用搜索功能；如果没有明确意向，可能就在 feed 流（信息流）里面逛，慢慢找到自己想买的东西。但淘宝的 AI 助手，是先通过聊天的方式让用户表达需求，然后再推荐更精准的商品。这是一条新增的路径，而只要对用户路径拓宽，本质上都会带来流量变化。

这是“做了可能有什么好处”。

但更现实的驱动力，是“不做会有什么后果”。

杨康是一款用户规模上亿的 App 的 AI 产品经理。他认为，几乎每个业务负责人都存在不同程度对AI带来增长机会的期待。企业希望通过新的技术手段，提升产品的服务能力、便捷性、效率和体验。大模型是新技术中的一种，也的确已经给某些产品带来了改变。

应运而生的，是对掉队的恐惧。每个公司、每款应用都无法超脱于这场“军备竞赛”。“当市面上几乎所有产品都在叠加 AI 功能，如果自己不引入 AI，就意味着会损失一部分用户的黏性、体验时长和未来的商业机会。”杨康说。

例如，当 Notion 推出人工智能写作工具后，Google Docs（谷歌文档）、Evernote（印象笔记）和 Microsoft Word（微软 Word）等传统软件也不得不进行改革，没有人希望自己的产品被认为是“过时的”“落后的”。

图源：《隐藏人物》

Seany 也观察到，现在很多公司的 AI 焦虑，会逐级传导到每一个员工身上，“比如你作为某一个 App 的产品负责人，每天都在群里看到老板问，这个 AI 怎么样了，那个 AI 怎么样了，为什么我们的产品里还没有体现 AI 能力？那你就不得不做。”因此，这也让市场上存在“为了有 AI 而设计 AI”的情况。

当然，企业愿意尝试 AI 功能，不只是因为焦虑，还因为试错成本并不高——AI 已经变得足够便宜，接入方式也足够简单。

去年这个时候，调用 GPT-4 级别模型，每 1000 个 token 仍需要几分钱；如今，具备同等能力的模型价格已经下降至原来的 1/3 以下，国产对标模型的价格则更低。接入 AI 的门槛也越来越低，企业不需要自研大模型，直接调用 API 接口，就能快速把 AI 能力集成进产品。

杨康还提到一个更根本的变化：基于大模型的 AI 服务，和过去的软件功能有一个明显区别——它必须具备更多主动性，帮助用户找到需求，而不是只在用户明确提出需求时才提供支持。这是一种更难的路径，对用户需求的理解仍在摸索。但这也意味着，基于大模型的 AI 服务和与 App 的结合，天然会比过去的“搜索框”“推荐流”走得更深。

当然，这些 AI 能力最终是否真的提升产品价值，还需要时间验证；但有些 App 实际上已经靠着 AI 找到了新的增长空间。比如美图，作为一家老牌图片工具公司，用户增长放缓后，很难持续提高用户付费意愿，而 AI 出现后，AI 换装、AI 绘图、AI 视频等功能让公司焕发新生。

于是，对于企业来说，加入 AI，绝不是一个困难的选择。相反，“至少从一两年前开始，通过 AI 改造自身业务，或者添加外挂式 AI 能力，就成为一个合理且几乎必然的选择。”杨康说。

“现在绝大多数 AI 助手都很‘垃圾’。”Seany 直白地承认，但他也理解，为什么企业仍然要做。“不管有没有用，你得先有这个东西，才能保住你的‘命’。”