我们公司近段时间在开发一款全新的产品。我们所定义的全新，是指市面上所没有，这意味着全新的交互形式与内容呈现方式。所以我们就必然要去思考它的形态、它的内容展示方式，它的交互等等。借此思考，回顾了人机交互的历史。然后，我们来说说老罗的TNT。
首先需要明确的是：生产力的提高，一是生产规模的扩大，二是生产效率的提高。提高生产效率，包括这么几点：精细化、专业化、批量化。
基于这个认知，我们回顾人机交互的历史，它分别对应于不同阶段的内容生产、管理与消费方式。
一、文件式操作系统年代
因为拥有电脑者本来就是那些具有高学历的群体，所以内容自产、内容生产掌握在用户手里，在用户的设备上。因此鼠标+键盘，成为标配。
鼠标+键盘的交互特点是：（效果：极度精确）；
交互：精确到像素点的输入（视觉为主）；
二、网络操作系统年代
乔布斯通过iphone，发布了全新的操作系统：iOS。这是一个网络操作系统，用户从生产内容变为消费内容，触控取代鼠标键盘，成为核心的交互形式。
触控交互的特点是：（效果：精确性大大降低）；
交互：指尖输入。最小触控范围为44*44像素（这是早期的iphone上的定义，基于当时的分辨率而言的）（视觉为主）；
三、多样化屏幕甚至无屏操作系统
近两年，一大波无屏智能设备出现在人们的生活里，其中影响最大的，当属亚马逊的echo音响。这类产品，更多的依赖语音交互，内容消费也从视觉焦点式转为听觉伴随式、辅助式。
语音交互的特点是：（效果：精确性大打折扣）；
交互：输入前需要先识别、明确交互对象，也就是常说的“唤醒”。交互=唤醒+对象（听觉为主。因为人类对意义的阐释，基于人类的语言。而语言对意义的解释，常常需要借助于上下文。因此语音交互必然会超越交互对象，而引入了交互逻辑。这导致语音交互这种方式，已然越过了对象层，进入了逻辑层）；
我们来做这个实验：给你一个计算器，和一个智能音响，请分别用这两个设备计算下面这个式子的值：5 + [ 3564÷(517687-68×53)] = ？
通过计算器，人们是先计算68*53，得到一个结果，再计算用17687减去这个结果……而这个操作步骤，正是计算逻辑本身的顺序。
但语音输入不会是这样。人们对着音箱，想让音响做计算，就只能这样说：5加上中括号3564除以小括号517687减去68乘以53小括号中括号……这个顺序，并不是计算的顺序，而是描述了整体的信息结构。机器也只能事先了解了整体的信息接口，才能再次分解过程，从而做出计算。
鼠标+键盘交互方式：以视觉为主。每次交互，只关心当前单个模块的处理逻辑，输入逻辑 = 处理当前模块的信息，正是处理逻辑。这意味着这种交互方式是自下而上的。
语音输入方式：听觉为主，依赖于上下文。输入逻辑建立于处理逻辑的完整度之上，输入逻辑 = 整体信息结构。这意味着这种交互方式是自上而下的。并且，正因为依赖上下文，使得它处理的对象，就不是单个元素，而是元素集。
回过头来看人机交互的发展历史，从鼠标+键盘 > 触控 > 语音的交互历史，其实也是信息大爆炸，从精英面向普通民众的历史，更多人通过设备，从内容生产转向内容消费的历史。
这个过程，伴随着如下变化：交互对象越来越粗糙，效率越来越底下，体验越来越低成本。对应内容越来越杂，消费人群越来越多，整体文化水平越来越低，越来越懒惰。
但是，可别忘记了，真正在做生产力的人，还是在用键盘及鼠标：工程师、程序员、金融从业者、优质内容生产者……
结论
通过以上分析，我们可以非常明确的一点是：语音+触控，根本不可能成为生产力工具。
当前的人类语音作为信息输入方式，具有先天缺陷（感兴趣的可以看看那本科幻小说《你一生的故事》，并已被拍成科幻电影《降临》）。而想把触控作为精细化的操作方式，同样面临手指粗大的先天缺陷（在我的surface上，每当我想扩大或缩小窗口时那个急啊，老是恨自己为啥没有长成纤纤玉指）。
所以，TNT必然只是老罗的一厢情愿，就这！
