Joanna Stern做了一件很适合科技记者、也很折磨家人的事：用一年时间把AI塞进生活的各个角落。
家庭、工作、育儿、健康、亲密关系、机器人测试，她都试了一遍。然后她离开《华尔街日报》，创办独立媒体New Things，并在5月12日出版新书《I Am Not a Robot》。
我更在意的不是“名记者独立创业”这个标签，而是她这一年给出的产品判断：AI模型确实变强了，但消费级AI还没有出现一个让普通人主动迁移生活方式的形态。
它已经能用。
但还没有好用到让人心甘情愿交出那么多东西。
消费级AI还没等到iPhone时刻
Stern在The Verge《Decoder》的访谈里提到一个词：AEI，artificial enough intelligence，可以理解为“足够智能”。
这句话很关键。她不是说AI没用。相反，聊天机器人在写作、查询、计划、资料整理、语音问答上，已经能帮很多人省时间。
问题在另一头：产品形态没有跟上。
ChatGPT发布后，大众确实开始接触AI。但三年多过去，很多人的入口仍然是对话框、搜索结果里的AI摘要、办公软件里被塞进来的助手，或者社交平台上混杂的生成内容。
这和iPhone当年的感觉不一样。
iPhone是普通人主动买、主动学、主动把照片、通讯、地图、音乐都迁过去。今天的消费AI，很多时候是用户打开Google、Instagram、办公软件，被AI迎面推过来。
这会改变用户心态。
主动选择一件产品，用户会愿意学习；被动接受一层功能，用户会先挑毛病。
几类AI产品的差异，大概可以这样看：
| 场景 | Stern实验里看到的价值 | 现实约束 | 对普通用户的判断 |
|---|---|---|---|
| 聊天机器人 | 写作、查询、计划、资料整理已经可用 | 入口仍多是对话框，体验看具体产品 | 可以用来提效，但别把它当事实终审 |
| 可穿戴AI | Meta眼镜、录音手环更贴近日常场景 | 持续录音、旁人告知、数据归属难处理 | 有潜力，但购买前要先想清楚隐私边界 |
| 人形机器人 | 演示效果强，想象空间大 | 家庭环境复杂，数据、安全、成本都没过关 | 不适合现在就按“快进家门”做决策 |
| 基础设施AI | 医疗读片、Waymo自动驾驶已有真实部署 | 用户未必知道AI参与了判断 | 即便不用AI App，也会被AI影响 |
这张表背后的判断很简单：AI不是模型一变强，就自动变成好产品。
消费产品还要过三关：入口、礼仪、责任。
入口决定用户愿不愿每天打开。礼仪决定别人能不能接受你戴着设备录音。责任决定出错以后谁解释、谁赔、谁改。
对普通用户来说，现在更合理的动作不是“全面拥抱”或“全面拒绝”。
更像是分层使用：聊天机器人可以拿来做初稿和整理；可穿戴AI先观望，尤其是录音类设备；家用人形机器人不要急着买预期，短期内别把它当家庭生产力工具。
真正先落地的AI，可能不在你手机里
Stern的书里有两个场景很有代表性：医疗读片和Waymo自动驾驶。
这两类AI都有一个共同点：用户不一定主动选择AI，但生活会被AI改写。
比如医疗影像。Stern提到自己做乳腺检查时，放射科医生已经在使用AI辅助读片。这里的AI不是一个炫酷App，而是医院流程的一部分。
再比如Waymo。你可以不坐无人车，但你开车上路时，旁边可能已经有自动驾驶车辆。你拒绝AI，不等于AI不会进入你的环境。
这也是消费AI讨论里常被忽略的地方。
普通人以为选择权在自己手上：我不用Claude，不用ChatGPT，不买AI设备，就算远离AI。现实更麻烦。AI会先进入医院、道路、客服、招聘、教育平台和办公系统。
你不一定使用它。
但你会被它处理。
这里最受影响的有两类人。
一类是普通用户。以后看医疗报告、坐车、投简历、处理保险和客服时，需要多问一句：AI参与了哪一步？人类是否复核？出错之后找谁？
另一类是企业采购和产品团队。医疗、交通、客服这类场景可以继续评估AI，因为边界相对清楚，收益也容易量化。但家庭人形机器人、全时录音设备这类产品，不适合只看发布会演示就提前押注。
Stern对人形机器人的判断很冷。
她试过一些真实机器人，也采访过相关人士。结论并不是“快来了”，而是离普通家庭可用还很远。
原因不难理解。工厂和仓库可以画线、摆货架、固定流程。家庭不行。孩子会乱扔玩具，狗会突然冲出来，桌椅每天都可能换位置，楼梯和杂物都是变量。
机器人缺的不是一个漂亮外壳。
它缺的是足够多、足够复杂、足够贴近真实家庭的数据。为了拿到这些数据，一些公司会让人戴GoPro录下自己叠衣服、洗碗、做家务，也会用远程人员操控机器人完成任务。
这就把问题带回老地方：便利从哪里来，数据从哪里来，劳动又被转移到谁身上。
如果一个机器人要靠远程人员在VR头显里替它“学会”做家务，那它离家庭自动化还有很长一段路。别把训练过程当成成品能力。
New Things不是只押YouTube，也不是只押AI
Stern离开《华尔街日报》后创办New Things，这件事本身也是一个媒体实验。
她没有把新公司只押在YouTube广告分成上。按访谈里的说法，New Things会靠订阅、赞助、活动，以及和NBC News的合作分发来支撑。
这套组合有现实原因。
YouTube能带增长，但广告分成很难独自支撑高制作成本的科技视频。尤其是Stern这种风格：外景、测试、剪辑、视觉呈现都不便宜。只靠平台分成，风险太集中。
NBC的价值在另一边。
它能触达不主动看科技频道的人。也就是那些不会每天追踪OpenAI、Meta、苹果发布会，但会在电视新闻或主流视频里看到AI解释的人。
这点对AI报道很重要。AI已经不是只影响硅谷从业者的技术。它进入医疗、教育、汽车和家庭后，需要被更普通的人理解。
New Things目前更像三条线并行：
| 路线 | 作用 | 风险 |
|---|---|---|
| YouTube | 获取年轻用户和搜索流量 | 容易被算法偏好牵着走 |
| NBC合作 | 触达大众新闻受众 | 内容需要适配更宽的理解门槛 |
| 订阅、赞助、活动 | 降低对单一平台的依赖 | 需要持续证明个人品牌能转成稳定收入 |
AI也进入了她自己的工作流。Stern提到，新团队会用AI工具和Slack里的AI代理来处理一些繁琐任务，把人力留给选题、视频创意和报道判断。
这个选择很真实。
小团队不会因为喜欢AI才用AI，而是因为人手少、事情多。能自动化的杂活越多，团队才越有余力做难题。
但这也给内容从业者一个提醒：AI可以压低生产摩擦，不能替代编辑判断。尤其是科技报道，最值钱的部分不是把资料重新排列，而是判断一个产品到底能不能用、代价在哪里、公司没有说什么。
接下来观察New Things，不用急着看它有没有造出一个“新媒体样板”。更该看三件具体的事。
它能不能在不完全迎合YouTube算法的情况下，稳定做高成本视频。
它能不能把NBC的大众分发，转化为对科技议题的真实理解，而不只是多一个播放渠道。
它能不能证明AI工具真的帮小团队减负，而不是把人推向更高频、更疲惫的内容生产。
如果这三点走不通，独立科技媒体还是会被两个东西卡住：平台流量和个人精力。
这也回扣到Stern那本书的主线。
AI最有意思的地方，不是它能不能说出漂亮答案，而是它进入真实生活后，人愿意为它改多少规矩。
目前看，聊天机器人已经够聪明。可穿戴AI开始接近入口。医疗和自动驾驶会绕过App层面，直接进入基础设施。
人形机器人还没到家门口。
真正先到的，是那些更小、更无感、更难拒绝的AI。