几十个鼠标指针一起点屏幕，Computer use 该往这走吗

AlexZ 在 X 上发了一段演示。屏幕里几十个鼠标指针同时移动、点击，配文是“Computer use 需要进化到鼠标集群”。原推链接

Computer use 是让 AI 看屏幕、移动鼠标、点击和输入来操作软件。它通用，因为任何有界面的软件都能被碰；它慢，因为每一步都要经过截图、识别、决策、执行。把鼠标指针复制几十个，画面确实有冲击力，也难怪有人留言说“好变态，我好喜欢”“这太帅了吧”。但评论区很快分成两派。

Wilf Lin 的回复很直接：没有应用是为多个鼠标指针设计的。如果某个地方真需要多指针提效，应该先想办法让它在命令行里可用。这个判断不温柔，但点到了 GUI 的底层假设。窗口焦点、剪贴板、输入法、弹窗、文件锁、登录态，大多按单用户单焦点设计。多指针不等于加线程，反而会让状态归属变得模糊。PG 说得更狠，这会给现有应用增加一百万种坏掉的方式。

bays wong 提出另一个方向：token 够就开多个智能体，每个智能体一个鼠标，干啥都行。AlexZ 回，那就很慢了。这里有个现实问题，多智能体并行操作 GUI，调度、隔离、冲突处理、结果校验都要成本。LIA 调侃视频里 90% 的指针根本没做事。这个调侃也提醒人，视觉上的集群和任务上的并行是两回事。

也有人问，既然都要这么快，为什么不用代码。thirk 说这严格来说比写代码更慢更差，Jim 问怎么做到的，大多数时候编码比鼠标快。大鹏博士直接说看着热闹，没啥用，做短视频骗流量可以。这些声音不好听，但比“帅”更接近工程现场。Computer use 的价值在通用性，在没法接 API、没有命令行、只能点界面的场景。它的短板也明显，慢、脆、难观测。

Aurumo 说都这样了还要鼠标干嘛。Michael 更喜欢 AI native 的操作，认为 computer use 还是太不适合 AI。SeanG 的问题更远：当速度快到人跟不上，前端是不是也可以去掉。这些问题比多几个光标更值得看。鼠标集群如果只是演示，它提供的是一个视觉隐喻。真要做产品，先回答谁负责剪贴板，谁处理验证码，多个代理抢同一个按钮时听谁的，出错后怎么回滚。看着解压，工程上第一件事是问剪贴板归谁管。