细胞壁科技合伙人李秧：当AI开始干活，人该如何指挥它？

10月22日至25日，西岸国际科技消费嘉年华（WTCC 2026）在上海西岸举行。本届嘉年华汇聚400余家科技品牌，呈现100余场全球首发，并联动徐汇滨江多个城市空间，集中展示科技创新与未来消费生活的更多可能。

10月23日下午，由WTCC 2026组委会统筹、亿欧主办的「消费AI硬件创新论坛」在上海西岸国际会展中心举行。

本次论坛以“The Few, The Future——从非共识，到新共识”为主题，聚焦智能穿戴、智能健康、智能运动、智能桌面、智能宠物、智能玩具六大赛道，邀请来自不同细分领域的创新企业创始人、技术专家及产业嘉宾，共同探讨消费AI硬件的创新方向与商业化机遇。

随着人工智能技术不断发展，AI正在从回答问题的工具，逐渐成为能够执行具体任务的智能体。从代码编写、资料整理到文档生成，越来越多工作开始由AI参与完成。在这一过程中，人类的工作方式也随之发生变化，如何更加自然地与AI协作，正在成为智能办公硬件值得关注的新方向。

论坛现场，细胞壁科技合伙人李秧发表了《当AI开始干活，人该如何指挥它？》主题演讲。

以下为发言内容整理：

大家下午好，我是细胞壁科技合伙人李秧。今天想跟大家分享的主题是“当AI开始干活，人该如何指挥它？”，也借此介绍一下我们的产品，以及背后的一些思考。

首先，请大家看一下大屏幕上的画面。

左边是正在交给AI处理的工作，包括代码修改、资料整理、文档生成等任务。这也是现在很多人使用AI工作的常态，同时打开几个Agent，让它们分别去处理不同的事情。

而画面右边的人，正以一个非常舒服的姿势靠在椅背上，双手离开键盘，手里拿着我们的WhisPrompt设备。

大家觉得，他现在是在认真工作吗？

按照传统观念，我们可能会认为这个人正在摸鱼。因为他没有敲键盘，也没有操作鼠标，看起来什么都没做。

但如果这些工作的目标是他交代的，方向是他调整的，结果是他判断的，最终的决定也是由他做出的，那么我们还能不能用双手有多忙，来衡量一个人有没有认真工作？

这也是我们在开发WhisPrompt时，首先思考的一个问题。

当Agent开始具备循环执行任务的能力，人类使用的生产力工具，是不是也应该随之发生变化？

过去十几年，我们使用电脑和软件，大多遵循一个比较固定的操作方式：人进行一次操作，软件给出一次响应。比如，我们敲下一行代码，电脑显示相应的内容；我们向AI提出一个问题，AI再给出回答。

但在Agent时代，这种交互方式正在发生变化。

在一些能够跑通的任务中，Agent已经可以围绕一个目标，自己搜集资料、生成初稿、检查结果，甚至在出现报错时，尝试寻找原因并进行修复。

这意味着，我们交给AI的，开始不只是一个简单的问题，而是一整段工作过程。

那么，当AI能够持续执行任务时，人应该做什么？

我们认为，人的参与方式正在从过去的逐步操作，转向查看状态、判断结果和调整方向。

AI可以帮助我们加快执行速度，但一项工作究竟应该朝哪个方向推进、什么样的结果才算足够好，仍然需要依靠人的经验、判断和品位。

这也引出了另一个问题：当人和AI之间的分工已经发生变化，我们今天使用的办公硬件，真的跟上这种变化了吗？

这里还有一个比较反常识的现象。

按照直觉，AI能够完成的事情越来越多，人应该变得更加轻松。但在实际工作中，大家可能发现，情况并不完全是这样。

比如，过去老板只要求你写一版方案，现在因为AI能够快速生成内容，老板可能会要求你同时准备三个方向，再进行比较。

原本只需要完成一份初稿，现在却要审阅三份结果；原本需要自己逐字修改，现在则要同时盯着几个窗口，检查AI有没有出现问题。

虽然生成初稿的成本降低了，但等待我们判断、修改和确认的内容，反而可能变得更多。

这时候，工作的负担已经不只是打字和操作电脑，而是需要不断交代背景、核对信息、补充要求，并且在不同任务和窗口之间频繁切换。

有时候，一个任务刚刚交代清楚，另一个任务的结果又回来了，我们还需要重新进入它的上下文，判断下一步应该怎么做。

原本节省下来的操作时间，又被这些来回切换和沟通的过程消耗掉了。

机器越来越像人，人却容易活得像一个补丁。

所以，我们希望解决的问题，并不只是让一句话输入得更快，而是当AI开始持续工作时，人能不能以更加自然、轻松的方式参与协作。

我觉得，这个过程其实有点像大型晚会或者电影拍摄现场的总导演。

导演不需要亲自推动摄像机，也不需要自己调节每一盏灯，但他必须知道现场正在发生什么，画面应该呈现什么效果，以及哪些地方还需要调整。

所以，导演手里通常会有一个对讲机。

当他发现某个地方需要修改时，只需要按下按钮，把自己的想法说出去。听到反馈之后，还可以继续补充要求。

这种交互方式非常直接，也不需要把注意力从现场转移到另一个复杂的操作界面上。

我们和AI之间的协作，其实也很相似。

很多时候，我们并不是在开始工作之前，就已经想好了所有的要求。相反，我们往往是在看到AI生成的第一版内容之后，才突然意识到某个地方需要修改。

就像导演看过演员的第一遍表演，才知道接下来应该如何调整。

这时候，人的判断和灵感是非常宝贵的。

我们希望，当一个修改意见刚刚出现在脑海里时，能够像说话一样，自然地进入工作流程，而不是被一套繁琐的键盘和鼠标操作打断。

大家可以想象一个非常常见的办公场景。

你让AI写了一份方案，自己正靠在椅背上，看着大屏幕上的内容。读到第二段的时候，你发现顺序不太合适，应该先介绍客户的痛点，再介绍产品。

你的修改要求其实非常简单，只有十几个字：“先讲客户痛点，产品放后面。”

但是，为了把这句话交代给AI，你需要重新坐回桌前，把双手放到键盘上，找到对应的窗口，点击输入框，打字并发送。

等完成这一系列操作之后，你才能重新靠回椅背，继续查看内容。

每一个动作看起来都不复杂，但如果一天之中需要反复进行几十次，这些微小的操作就会不断打断原有的工作节奏。

我们希望改变的，正是这种体验。

人应该能够在不同的工作姿态之间自然切换，而不需要为了补充一句修改意见，就重新回到固定的键盘操作方式中。

围绕这样的需求，我们把人指挥AI时最常见的几类动作，提炼成了四个字：说、改、切、批。

首先是“说”，就是把自己的意图直接表达出来，让AI知道接下来应该做什么。

第二个是“改”，当我们看到AI生成的内容之后，不需要重新输入完整的要求，而是可以直接告诉它，哪里还需要调整。

第三个是“切”，就是在不同任务之间切换，快速回到当前需要处理的工作。

最后一个是“批”，也就是在一些关键节点，由人来决定是否继续执行、拒绝操作，或者要求AI重新修改。

这四个字是我们设计产品时关注的核心交互动作。

因为语音转成文字，并不意味着整个工作流程就结束了。人在后续仍然需要不断检查结果、修改内容、切换任务以及做出决定。

我们希望把这些常见的交互动作，通过一台手持设备连接起来，让用户可以用更加直接的方式与AI协作。

当然，说到这里，大家可能会有一个疑问：如果只是想通过语音操作AI，为什么不直接使用领夹麦克风，或者手机上的语音助手？

这些产品当然可以解决一部分问题。

但我们想探索的是，当一个人需要在一天之中频繁与AI协作时，有没有一种更顺手的交互方式。

首先是低声表达的需求。

大家可以想象一下，在一个比较安静的办公室里，如果你需要不断对着电脑说“帮我重写一下这段代码”“重新调整一下方案”，其实会有点尴尬，也可能影响周围同事。

而使用手持设备，我们可以把麦克风带到嘴边，按下按钮之后，用相对较低的音量交代要求。

当然，这并不意味着声音能够完全隔绝，涉及敏感信息时，仍然需要注意周围的环境。

但相比始终对着电脑或手机讲话，这样的使用方式能够给用户提供更多选择。

第二个是手感和操作确认。

手机是一种通用设备，能够完成很多事情，但在一些以触屏为主的操作场景中，用户往往需要低头查看屏幕，寻找对应的按钮。

我们在WhisPrompt上设计了实体按键和滚轮，希望用户能够通过手指的肌肉记忆，逐渐熟悉不同操作的位置。

这样一来，当你正在看电脑上的代码或者文档时，就不一定需要为了完成一个简单的操作，再把视线转移到其他屏幕上。

这也是我们为什么选择开发独立硬件。

我们认为，硬件不只是提供一个语音输入入口，还应该在高频操作中，帮助用户减少不必要的注意力切换。

具体来说，WhisPrompt采用手持式设计，机身配备实体按键、滚轮等交互部件，并与相应的软件客户端配合使用。

在我们的设想中，用户可以通过这些操作完成表达要求、补充修改和切换任务等动作，让AI协作变得更加顺手。

这里可以给大家看一个具体的例子。

假设我们正在审阅一份文档，发现AI生成的内容有些重复，表达也不够连贯。

按照传统方式，我们需要找到对应的输入框，再把修改要求输入进去。

但通过WhisPrompt，我们可以直接拿起设备，说出自己的要求：“保留原有的专业感，把重复的话删掉，让语气更连贯一点。”

这里，我们并没有逐字告诉AI，应该删除哪一句话、替换哪一个词，而是提出了一个表达层面的要求。

借助Whismart Beta客户端及所接入的模型能力，我们希望将这样的要求转化为具体的文本修改。

当然，现阶段文字读取和写回仍然受到应用、权限及版本等条件的限制。AI完成修改之后，我们也需要继续检查，确认原来的意思有没有发生变化，以及最终结果是否符合预期。

但我们想让大家看到的是，人并不一定需要亲自完成每一次文字编辑，也可以通过表达自己的判断，来推动内容修改。

接下来是“切”。

在实际工作中，我们很少只使用一个软件。

比如，刚刚看完一份资料，就需要回到文档继续修改；或者在不同的AI应用之间切换，比较它们生成的结果。

有时候，我们已经很清楚接下来要处理哪个任务，却还需要先找到对应的软件窗口。

因此，我们希望通过WhisPrompt的滚轮和按键，让用户能够更加方便地切换工作焦点。

当然，具体能够切换哪些任务，以及采用什么方式切换，仍然取决于系统、应用和相关配置。

我们的目标并不是完全取代鼠标和键盘。

需要进行精细编辑时，用户依然可以使用传统的输入设备。但在阅读、比较内容或者补充要求时，就不一定需要始终保持双手放在键盘上的姿势。

少一次寻找窗口，少一次被操作打断，原本的思路就可能更容易延续下去。

最后一个动作是“批”，这也是我们目前仍在继续探索、同时非常重视的一项能力。

当AI能够自主执行越来越多任务时，用户其实也会面临新的问题：我们应该在什么情况下，把决定权重新交还给人？

比如，Agent准备发送一封重要的客户邮件，或者执行可能修改现有文件的操作。

这些动作与普通的内容生成不同，因为它们可能带来实际影响。

在这种情况下，用户需要先了解AI准备做什么、可能影响哪些内容，再决定是否允许继续。

我们希望未来能够通过硬件与软件的协同，让设备在一些关键节点向用户发出明确提醒。

比如，通过震动提醒用户进行确认，用户查看相关信息之后，再选择同意、拒绝，或者要求AI重新修改。

而在确认之后，系统还需要提供相应的执行反馈，让用户知道这项操作究竟有没有真正完成。

当然，这套完整的审批协同机制，目前仍然处于探索阶段。

因为它并不是增加一颗实体按键就能够解决的问题，还涉及软件状态、应用权限以及相关系统之间的协作。

但我们认为，这个方向非常重要。

机器可以不断向前执行任务，但人仍然需要有办法看清过程、及时接管，并在必要的时候叫停。

这也是我们希望通过WhisPrompt逐步实现的交互体验。

对于细胞壁科技来说，WhisPrompt并不是我们在人机协作领域唯一的产品探索。

除了WhisPrompt这样的AI工作掌机，我们还开发了CyboPal ONE桌面机器人。

这是一款将显示屏与可活动机械结构结合的桌面设备，也是我们对于未来智能桌面交互形态的另一种尝试。

虽然两款产品的形态不同，但背后关注的是同一个问题：当AI逐渐参与更多工作之后，我们应该如何重新设计人与机器之间的交互方式？

在未来很长一段时间里，无论AI能力变得多强，开发者、研究人员和内容创作者，仍然需要通过屏幕查看复杂的工作内容，也需要使用键盘和鼠标进行精细操作。

所以，我们并不认为传统电脑会很快消失。

真正值得探索的是，在保留这些必要操作的同时，能不能把表达要求、接收反馈和调整方向的过程，设计得更加符合人的自然习惯。

我们也希望未来能够与更多AI应用和桌面工具伙伴合作，进一步完善这些协作体验。

让机器更多地适应人的工作姿态，而不是让人始终围绕电脑界面调整自己的姿势。

最后，我想介绍一下WhisPrompt目前的进展。

这个项目是今年3月启动的，经过几个月的研发和迭代，目前已经进入量产冲刺阶段，计划在今年11月正式发售。

现在，WhisPrompt已经在京东开启预约。

从最初的产品想法到现在，我们的团队投入了大量精力，也与制造、供应链和测试伙伴一起解决了不少实际问题。

比如，设备的射频干扰、实体按键的手感，以及滚轮的使用寿命。

这些事情听起来可能没有一个产品概念那么吸引人，但它们直接影响用户在真实工作中能否顺畅使用设备。

我们一直认为，判断一个产品好不好，最终不能只看PPT上的功能介绍。

更重要的是，在某一个普通的周二下午，当用户坐在电脑前工作时，他会不会下意识地拿起这台设备。

所以，今天带来的也不是一份已经完成所有功能的产品答卷，而是我们现阶段对于新一代人机交互方式的一次探索。

它究竟好不好用，哪些地方还存在不足，以及哪些功能真正帮助用户减少了操作负担，都需要在后续的实际使用中继续验证。

最后，让我们回到演讲开始时的那个画面。

一个人舒服地靠在椅背上，双手没有放在键盘上，而AI正在按照他交代的目标执行工作。

我认为，他依然是在认真工作。

因为在Agent时代，人的价值不一定体现在完成了多少次具体操作，而是能否提出值得解决的问题、判断正确的方向，并对最终结果负责。

我们希望AI能够承担更多执行性的工作，让人把更多注意力放在思考、判断和创造上。

这也是WhisPrompt想要带给用户的体验：即使双手暂时离开键盘，工作思路依然能够延续；即使不再持续操作，也能够始终掌握工作的方向。

忙的是算力，拿主意的是你。

欢迎大家会后到展区体验WhisPrompt，也期待和大家进一步交流。

谢谢大家！