AI时代最重要的交互，竟然是50多年前的光标！

一、全文速览图

鼠标光标已经存在半个多世纪了。

这些年，它的样子几乎没怎么变过。我们靠它在屏幕上定位、选择和操作，也靠它形态的变化，知道当前能做什么。

随着智能手机成为很多人最常用的设备，光标在日常使用中的存在感渐渐下降了。

但光标并没有被淘汰。在 AI 时代，它反而承担起了新的角色。

这个看起来再普通不过的小箭头，是怎样出现的？在 AI 时代，它又有什么样的变化？

二、光标如何成为一套视觉语言

1968 年，Douglas Engelbart 在旧金山的一场演示中，第一次向观众展示了鼠标如何与屏幕交互。这场演示后来被称为“所有演示之母”（The Mother of All Demos）。当时，屏幕上随鼠标移动的，还是一个垂直向上的箭头。

1968 年，Douglas Engelbart 在 NLS 演示中使用的上指式鼠标指针

后来，Xerox PARC 在开发 Alto 图形界面时，需要为鼠标设计一个能在屏幕上实时移动的指针。受限于当时的显示性能，指针不能像今天一样以任意大小绘制，而是被做成一张固定的 16×16 像素黑白小图。

Alan Kay 在这个网格中尝试绘制箭头时发现，垂直向上的形状边缘容易显得模糊；让一侧保持垂直、另一侧向右倾斜后，轮廓反而更清楚。这个为低分辨率屏幕做出的选择，后来被 Macintosh 和 Windows 沿用下来，变成今天几乎所有人都熟悉的光标。

左图为Xerox Alto 计算机 (1973)，右图为早期斜向鼠标指针的演变

图形界面开始支持文字编辑、窗口缩放和超文本跳转后，一种箭头已不足以表达所有操作。

编辑文字时，光标会变成 I-beam；经过链接时，会变成手形；系统忙碌时，则会变成腕表、沙漏或转圈。

此后，双向箭头、十字准星、禁止符号等变体陆续出现，光标逐渐成为一套随情境切换的视觉语言。

I-beam输入光标、等待光标和手形光标

随着软件和网页设计的发展，光标也成了许多人表达个性的方式。互联网上出现了各种自定义光标：会动的卡通图案、游戏角色、像素图标等等。

以超级马里奥蘑菇为主题的自定义光标

然而，到了触控屏幕上，“光标”一度消失了。

2007 年发布第一代 iPhone 时，乔布斯说，手指是“世界上最好的指向设备”：“We're going to use the best pointing device in the world... We're born with ten of them. We're going to use our fingers.” iPhone 的诞生似乎意味着，我们不再需要光标在屏幕中指示位置了。

2007 年，乔布斯在 Macworld 主题演讲上发布了第一代 iPhone

有意思的是，一直以来，在电脑屏幕中，光标总是变成手形来提示我们“这里可以点”。到了触控屏幕上，那只画在屏幕里的手，终于换成了用户真实的手指。

三、光标开始理解屏幕内容

触摸操作让手指成为直接的指向工具，但这并不意味着鼠标指针失去了意义。当 iPad 开始支持触控板和鼠标操作时，新的问题又出现了：在一块以触控为主的屏幕上，光标应该是什么样子？

iPadOS 给出了它的答案。iPadOS 没有直接照搬传统箭头，而是设计了一种更贴近触控体验的圆形指针。

当它进入文本区域时，会变成适合定位和选取文字的 I-beam；靠近按钮等控件时，则会自动吸附、变形，并融入控件本身。

和传统鼠标指针“手移到哪儿、箭头就跟到哪儿”不同，iPadOS 会参考指针的移动速度、方向和附近元素，提前判断用户要点的目标，再用这种变化帮用户更容易命中它。

iPadOS 的 Adaptive Precision 会预测指针落点，并在接近图标时辅助命中

2024 年，微软公布并逐步推出 Click to Do 后，光标的能力又往前走了一步。

它让用户可以在任何当前可见的屏幕内容上，先唤起一层操作界面，再点选其中的文字或图片。

比如，选中一段文字后，系统会把它识别为文本，并给出复制、摘要、改写、搜索等选项；选中一张图片后，则会出现以图搜图、移除背景等相关操作。选中邮箱地址或网址时，系统也能识别出它们的类型，并提供发送消息、创建会议或打开网页等后续动作。

Click to Do 识别选中的文本后，提供复制、摘要、改写、搜索等相关操作

普通右键菜单的选项，通常由应用提前定义；而 Click to Do 的动作，取决于它识别到了什么内容。此时，光标选择的不只是一个区域，更像是在替 AI 划定当前任务的上下文。

其实，光标除了跟着用户移动，也可以成为系统给用户的反馈。

微软推出的 Copilot Vision with Highlights，就让 AI 可以在用户共享的应用窗口中，使用光标为操作提供引导。

例如，当用户不知道某项功能在哪里，或不清楚下一步该怎么做时，AI 会查看当前界面，用高亮光标标出对应的菜单、按钮或输入框，再给出后续提示。

Copilot Vision 通过高亮光标指向记事本的“视图”菜单，提示用户从这里调整显示方式

四、光标正在成为人与 AI 的协作语言

2026 年 5 月，Google DeepMind 展示了一项名为 AI Pointer 的实验功能。用户指着屏幕上的内容说出需求，AI 就能理解接下来该做什么。

AI Pointer 不只识别光标下是什么，还会结合光标位置、屏幕内容和用户的话来理解意图。比如，用户可以指着 PDF 让 AI 整理要点，悬停在表格上要求生成图表，或指向视频里的餐厅询问预订信息。

AI Pointer 通过光标位置理解修改指令

当用户说“这个”“那里”“这一列”时，AI 能判断具体指的是哪段文字、哪列数据或画面中的哪个对象。原本需要截图、上传，再用提示词补足上下文的操作，可以被压缩成“指向＋一句话”。

“这个”不再是一句含糊的话，而是带着屏幕位置和内容语境的指令。

同样的思路也出现在设计工具中。Cursor 的 Design Mode 让设计师可以直接点击元素、框选区域、圈画重点，再配合一句口头说明来修改页面。

选中一个按钮时，系统不仅记录点击位置，还会加入组件、属性、样式、页面截图和周围布局等信息，再交给智能体修改代码。

相比输入“把右上方第二个蓝色按钮缩小”，用户可以直接指着它说：“改小一点。”

Cursor Design Mode 通过点击页面元素，将位置和上下文交给智能体

这类指向动作不再只是选择命令，也成了一种空间提示词。它补足了语言里最难描述的部分：位置、范围、层级，以及元素之间的关系。

五、结语

相比手机，电脑屏幕上的信息密度要高得多：多个窗口、密集的文字、复杂的工具栏。在这样的界面里，手指很难完成精确操作，反而是光标更好用。

可以说，光标是我们的注意力在屏幕上的落点。我们看向哪里，它就移动到哪里；我们想操作什么，就用它点什么。

当我们越来越多地借助 AI Agent 参与电脑上的具体任务时，怎样清楚地表达操作意图，也变得更重要。

对话当然是一种自然的方式，但只靠语言有时并不够。就像人与人交流时，除了张嘴说话，我们还会加上一些手势。有些东西说起来费劲，但是比划一下就明白了。

某种意义上，光标就是我们伸进屏幕里的那只手。我们可以用光标指着某段文字、某张图、某一列数据，告诉 AI：“就是这个。”

我想，这就是光标在今天依然重要的原因。它不只是一个操作工具，更是我们和 AI 之间一种更自然的表达方式。