互联网的每个时代，都会长出一层东西，用来整理上一个时代留下的乱麻。对公开网络来说，这一层就是搜索。谁拥有索引，谁就拥有网络。
关键是这个索引在哪里。Google 的索引是中心化的，因为它整理的是公开数据。每个人看到的网络大致相同，所以一个索引就能服务所有人。
AI 正在长出新的组织层。很多人以为它也会是同一种东西：一个在云端的助手，归最先做出来的公司所有。但数据变了。下一层整理的不是公开网络，而是你。
1. 网络一再重新聚合
一开始只有几个页面，靠地址访问。后来做页面变得便宜，页面增长得太快，没法再手工浏览。第一个组织者是人：雅虎目录，一份手工目录。它失败了，因为人不可能给一堆增长得比自己阅读还快的页面建索引。
搜索把这件事自动化了。乱麻一度像是被解决了。
然后平台出现了。它们长在搜索够不着的地方：社交图谱、电商、视频，一切实时的或需要登录的东西。它们还把自己围了起来。平台就是某一块网络的组织者，并把这块内容排除在开放索引之外，好让用户留在里面。到网络时代末尾，网络又碎了，而且是有意碎的。
所以网络并不是一直变得更有序。它在摆动：乱麻变成索引，索引帮助平台出现，平台制造新的乱麻，然后下一个组织者来处理它。
2. 组织层跟着数据走
规律很简单：组织层会去到数据所在的地方，并长成数据本身的形状。
公开底料
个人底料
AI 整理的是另一种数据。它不只是整理给你读的文档。它整理的是你想在各个应用和网站里完成的动作。要做到这点，它需要你的文件、历史、账号、凭证，还有没做完的计划。
这些数据没有共享副本。我的语境和你的语境，不能合成一个有用的索引。所以新的组织层没有理由聚到一个地方。它应该待在语境本来所在的地方：设备上。
平台的高墙也在推动这一点。要整理平台化的网络，代理必须以你的身份登录。一个中心服务替几百万人登录，看起来就像机器人农场。它会遇到验证码、限速，或者直接被挡住。我做订球场应用时学到过这一点：同一个动作，从服务器上跑会失败，从用户自己的设备上跑就能成功，因为平台没法在不挡住普通用户的情况下挡住客户端执行。
所以，把搜索挡在外面的高墙，也会把新的中心聚合者挡在外面。高墙唯一接受的聚合者，是已经在墙内的那一个：运行在你已登录设备上的软件。
把数据和高墙放在一起，结论就比“本地更好”更强。AI 的组织层在结构上就很难被垄断。
剩下的不是某一家公司，而是一种形状：本地聚合，每人一份。如果说有赢家，那也是这些实例共享的标准 - 一个协议、一片公地、一个由所有使用者共同拥有的界面 - 而不是某人拥有的一道门。
所以，像 Mango 这样的本地代理，并不是快要成为下一个 Google。它是这一层的一个本地实例，而这一层不可能只有一个主人。
3. 最后一个还没回家的索引
还有一处缺口。组织层正在走向本地，但智能大多还没有。模型仍然跑在别人的云上。中心没有消失；它只是往下移了一层，从索引移到模型。
这就是为什么在自己的硬件上跑模型不是支线任务。它是同一个动作。索引已经跟着数据回家了。模型是最后一个还没回家的索引 - 等它回来，收费站就再也无处可放。