过去，许多数字产品都按照一种“标准用户”设计：能够看清屏幕，听懂提示，准确点击按钮，熟练阅读文字，并在限定时间内完成操作。
但现实中的用户并不相同。有人看不清复杂页面，有人无法听见视频声音，有人难以使用鼠标键盘，也有人因为年龄、语言、认知方式或临时受伤，无法按照产品预设的路径完成任务。
传统无障碍功能通常在产品完成后补充，例如增加字幕、放大字体、支持键盘操作。大模型带来了一种新的可能：软件不再要求所有人使用同一种方式，而可以根据用户的能力，把信息转换成他能够理解和操作的形式。
但无障碍不是替用户作出更多决定，而是让用户拥有更多独立选择。
一、障碍往往不在用户身上，而在交互方式中
一个人看不清页面，不代表他无法理解内容；一个人不能说话，不代表他没有表达能力；一个人难以阅读长篇文字，也不代表他无法作出复杂判断。
很多所谓的“能力不足”，实际上是系统只允许一种交互方式造成的。
例如，一项服务只能通过小字号表格申请，视力受限的用户就会遇到困难；一段重要说明只存在于视频声音中，听力受限者就无法获得完整信息；一个操作必须快速点击多个位置，行动不便的用户就可能无法完成。
大模型能够在不同表达方式之间进行转换：把图片描述成语言，把语音转成文字，把复杂说明改写成易读版本，也可以根据自然语言帮助用户操作软件。
这种能力的意义不是让模型“照顾特殊人群”，而是承认人本来就有不同的感知和表达方式。
好的无障碍设计，不是让用户努力接近系统，而是让系统主动接近用户。
二、多模态转换必须保留重要信息
模型可以描述图片、生成字幕和总结视频，但“有输出”不等于“已经无障碍”。
一张图表如果只被描述为“数据呈上升趋势”，视力受限的用户就无法知道具体数值、时间范围和异常变化；一段会议录音如果只生成文字，却没有区分发言人，用户仍然难以理解讨论过程；一个复杂页面如果被简化过度，也可能删除影响决定的重要条件。
信息转换不能只追求简短，还要考虑用户准备完成什么任务。
浏览新闻图片时，简要描述可能足够；审核财务图表时，则需要准确说明坐标、数值和趋势；观看娱乐视频时，字幕要保留对话，而在教学场景中，板书、动作和画面中的文字也可能必须被描述。
因此，大模型需要根据任务调整描述层级，并允许用户进一步询问：“左侧有什么？”“最高值是多少？”“这段声音是谁说的？”
真正有效的转换，不是替用户决定什么重要，而是让用户能够继续探索原始信息。
三、语言简化不能变成内容删减
大模型可以把政策、合同、医疗说明和产品文档改写成更容易理解的语言。这对阅读困难者、老年人和非母语使用者都有价值。
但简化存在边界。
如果模型为了易读而删除例外条件、风险说明和申诉方式，用户得到的文本虽然更简单，作出的决定却可能缺少必要信息。尤其在公共服务、医疗和法律场景中，一句话的遗漏可能直接影响个人权益。
更合理的方法，是采用分层表达。
第一层提供核心结论和下一步；第二层解释条件、限制和风险；第三层保留正式原文和来源。用户可以根据自己的需要逐步展开，而不是只能在复杂原文与过度简化的摘要之间二选一。
易读不等于少给信息，而是用更清楚的结构让人掌握信息。
四、语音助手不能默认所有人都方便说话
自然语言交互经常被理解为语音交互。用户说一句话，系统就执行任务，看起来比菜单操作更加方便。
但在公共场所、安静环境和涉及隐私的场景中，用户可能不愿说话；言语障碍者的表达也可能无法被通用语音模型稳定识别；方言、口音和非标准语速，同样可能导致错误。
因此，无障碍产品不能用一个新入口替换所有旧入口。
语音、文字、触控、键盘、开关设备和辅助技术应该能够并存。用户可以用语音开始任务，再用文字确认；也可以用简单指令控制流程，通过结构化界面检查最终结果。
真正包容的产品，不是宣布“现在可以直接说话了”，而是让用户选择最适合自己的方式，并能在不同方式之间自由切换。
五、模型不能因为提供帮助，就接管用户决定
大模型能够帮助用户理解页面、填写材料和比较选项，但辅助操作很容易演变成替用户作主。
例如，模型帮助一位用户填写申请表时，可能根据历史信息自动选择选项；帮助理解治疗方案时，可能把复杂权衡压缩成一个推荐；帮助购物时，也可能根据过去偏好过滤掉其他可能性。
对于依赖辅助技术的用户，这种接管尤其危险。因为系统一旦替他作出选择，外界可能误以为这是用户本人充分理解后的意愿。
无障碍设计的目标应该是增强自主性，而不是提高代办比例。
模型可以解释、朗读、导航和生成草稿，但涉及授权、付款、签署、医疗选择和个人信息提交时，必须让用户清楚知道即将发生什么，并使用适合他的方式完成确认。
帮助一个人完成决定，与替一个人完成决定，是两件不同的事。
六、个性化设置不能变成敏感画像
为了提供更合适的辅助，系统可能需要知道用户偏好的字号、阅读速度、输入方式和信息复杂度。
这些设置能够提高体验，却也可能暴露健康状况和身体能力。如果相关数据被用于广告、就业评价、保险定价或其他无关场景，就会把辅助功能变成新的隐私风险。
系统应当优先保存功能偏好，而不是推断身份标签。
它可以记住“用户需要较大字号”，却不必进一步判断用户患有什么疾病；可以知道“用户偏好短句”，却不应因此推断其认知能力；可以为当前任务启用语音辅助，但不应默认把相关记录长期保存。
辅助数据应该遵循最小必要原则，只用于改善当前体验，并允许用户查看、修改和删除。
一个人使用无障碍功能，不应该因此被系统定义成某种固定的人。
七、无障碍不能只依靠模型临场补救
有些产品本身结构混乱、按钮没有标签、页面缺少键盘支持，却希望通过大模型解释界面来解决问题。
这是一种错误顺序。
模型可以弥补部分缺陷，但不能替代基本的无障碍工程。页面仍然需要清晰结构，图片仍然需要文本说明，表单仍然需要正确标签，操作仍然需要支持键盘和辅助设备。
如果所有无障碍能力都依赖模型实时生成，一旦模型服务中断、理解错误或网络不可用，用户就会立即失去访问能力。
更稳妥的方式，是先把无障碍作为产品基础，再用模型提供更灵活的个性化帮助。
结构化设计保证基本可用，大模型扩展使用方式。二者不是替代关系。
八、测试必须让真实用户参与
产品团队很容易在内部认为某项功能已经“支持无障碍”。字幕能够显示、图片能够生成描述、页面可以朗读，于是测试便被视为完成。
但真实使用中的问题往往只有目标用户能够发现。
图片描述是否抓住了真正重要的部分？语音识别错误后是否容易修改？焦点移动顺序是否符合任务逻辑？模型不断追问时，用户是否能够顺利退出？这些问题不能只依靠自动测试判断。
企业需要邀请不同能力、不同设备和不同使用习惯的用户参与设计与评测，并为他们的专业贡献提供合理回报。
不能只在产品完成后请用户“试用”，而应让他们参与问题定义、交互设计和上线验收。谁最可能被系统遗漏，谁就最应该提前进入设计过程。
九、衡量价值，要看用户是否更独立
无障碍功能最容易统计的是使用次数、字幕数量和语音识别准确率。但这些指标不能完整说明用户是否真正获得了帮助。
更重要的问题是：用户是否能够在更少依赖他人的情况下完成任务？是否更容易发现和纠正模型错误？是否能够理解关键条件？是否保留了选择、撤销和申诉的权利？
如果模型提高了自动完成率，却让用户不知道系统替自己选择了什么，产品并没有真正增强能力；如果一项功能不够炫目，却能让用户独立完成过去必须求助他人的事情，它就创造了真实价值。
无障碍的目标不是让机器替人生活，而是减少环境对人的限制。
结语
大模型让数字产品有机会适应更多人的表达方式。它可以在图像、声音和文字之间转换，也可以把复杂流程变成更容易理解的对话。
但技术的价值不在于替用户做得更多，而在于让用户自己能够做得更多。
真正成熟的无障碍人工智能，会保留关键信息，允许多种交互方式并存，保护辅助数据，不擅自推断用户身份，也不会用自动化取代个人意愿。它会建立在基本无障碍设计之上，并接受真实用户的持续检验。
未来，评价一个产品是否智能，不应只看它能否理解最标准的指令，也要看它能否面对不同的身体条件、语言习惯和认知方式，仍然让每个人拥有清晰的选择和完整的控制。
无障碍不是为少数人增加一个附加功能，而是在提醒所有产品设计者：人本来就不同，真正需要被改造的，往往不是人，而是系统。
