定焦One（dingjiaoone）原創(chuàng)

作者 | 王璐

編輯 | 魏佳

短短十來天，一臺(tái)僅僅停留在“技術(shù)預(yù)覽版”的豆包手機(jī)，攪動(dòng)了整個(gè)AI手機(jī)賽道。

在首批工程機(jī)上線即被搶空、帶動(dòng)中興股價(jià)漲停之后，這款手機(jī)又因“AI外掛”爭(zhēng)議、被多個(gè)超級(jí)APP限制登錄、高管連續(xù)發(fā)聲等事件數(shù)度反轉(zhuǎn)，迅速成為行業(yè)焦點(diǎn)。

嚴(yán)格來說，它并非一款正式意義上的“豆包手機(jī)”，更準(zhǔn)確的說法是豆包與中興旗下努比亞聯(lián)合開發(fā)的AI手機(jī)“努比亞M153技術(shù)預(yù)覽版工程機(jī)”，豆包手機(jī)助手作為工具被深度嵌入到操作系統(tǒng)中。也正是因?yàn)檫@種深度接入方式，既讓它在真實(shí)應(yīng)用場(chǎng)景中展現(xiàn)出超越傳統(tǒng)語音助手的連續(xù)操作能力，也引爆了后續(xù)的一系列爭(zhēng)議。

與爭(zhēng)議并行的是它在二手市場(chǎng)的價(jià)格不斷攀升，原價(jià)3499元一臺(tái)的手機(jī)一度被炒到3.6萬元，顯示出市場(chǎng)在質(zhì)疑與興奮之間的撕裂情緒。

它的確功能強(qiáng)大，可以替網(wǎng)友在B站答題、在多鄰國(guó)打卡以及跨平臺(tái)比價(jià)下單，被網(wǎng)友稱贊“像人一樣玩手機(jī)”。羅永浩評(píng)價(jià)豆包手機(jī)具有開創(chuàng)性意義，周鴻祎預(yù)言將沖垮互聯(lián)網(wǎng)大廠護(hù)城河。但它問題也不少，頻繁“死機(jī)”、任務(wù)中斷以及隱私擔(dān)憂等吐槽，讓大量用戶保持觀望。

事實(shí)上，大眾對(duì)于豆包手機(jī)的關(guān)注已經(jīng)遠(yuǎn)超產(chǎn)品本身，它背后是兩條AI手機(jī)路線的正面碰撞：一條由傳統(tǒng)手機(jī)廠商為代表，以“軟硬一體”為特點(diǎn)的漸進(jìn)式AI升級(jí)；另一條則是由大模型公司主導(dǎo)，通過系統(tǒng)級(jí)AI Agent重構(gòu)移動(dòng)操作系統(tǒng)的跳躍式路徑。豆包手機(jī)屬于后者，它撕開了行業(yè)潛在矛盾，試圖打破傳統(tǒng)APP封閉邊界，觸及互聯(lián)網(wǎng)平臺(tái)風(fēng)控邏輯，也對(duì)主流手機(jī)廠商的生態(tài)優(yōu)勢(shì)構(gòu)成壓力。

爭(zhēng)議還在繼續(xù)，豆包手機(jī)會(huì)是曇花一現(xiàn)，還是推動(dòng)整個(gè)AI手機(jī)加速重構(gòu)？在新一輪競(jìng)爭(zhēng)中，誰最有希望勝出？

手機(jī)廠商沒做出來的AI手機(jī)，豆包做出來了

“AI手機(jī)”的概念最早被大規(guī)模提及是在2023下半年，三星、谷歌、OPPO、vivo、小米、榮耀等主流手機(jī)廠商幾乎都在強(qiáng)調(diào)“接入大模型”“系統(tǒng)升級(jí)為AI OS”，仿佛不提AI就落伍了。

這些AI手機(jī)主要包含實(shí)時(shí)通話翻譯、生成會(huì)議紀(jì)要、AI修圖等基礎(chǔ)AI功能，以及一些有限的跨應(yīng)用操作，比如完成點(diǎn)單任務(wù)、智能整理文件等。但在熱鬧背后，更像是給一些舊功能貼上新標(biāo)簽，一度被評(píng)價(jià)為“概念有余、創(chuàng)新不足”。

豆包手機(jī)更加激進(jìn)，它的跨應(yīng)用操作不局限于點(diǎn)單，還支持線上購(gòu)物、訂票、學(xué)習(xí)軟件打卡等眾多場(chǎng)景，并且它能在操作過程中自主處理彈窗、跳過廣告、規(guī)避支付陷阱。這種連續(xù)自主行為的復(fù)雜度高于行業(yè)現(xiàn)有能力。

不同AI手機(jī)在智能化程度上的差異，主要源于其技術(shù)技術(shù)路線的不同。Agent領(lǐng)域從業(yè)者宵逝向「定焦One」介紹，當(dāng)前AI手機(jī)的實(shí)現(xiàn)路線主要分兩種。

在2025年前，行業(yè)普遍采用的是傳統(tǒng)方案，即手機(jī)廠商與APP開發(fā)者通過SDK接口（軟件開發(fā)工具包）對(duì)接，讓AI助手借助開放接口執(zhí)行任務(wù)。但該方案高度依賴APP開放接口，一旦接口變更或未開放，AI將無法執(zhí)行相應(yīng)指令。早期語音助手如Siri、小愛同學(xué)均屬此類。

第二條路線是今年以來各大廠商采用的主要方案，基于GUI Agent（圖形用戶界面智能體），由大模型直接識(shí)別屏幕內(nèi)容、理解界面結(jié)構(gòu)并模擬人類手勢(shì)進(jìn)行點(diǎn)擊、滑動(dòng)和輸入。也就是說，大模型不再需要“調(diào)用SDK接口”，而是轉(zhuǎn)為“直接識(shí)別屏幕并操作”，像用戶一樣操作手機(jī)。但這類方案通常需要獲取手機(jī)系統(tǒng)級(jí)權(quán)限，典型代表是豆包手機(jī)。

豆包手機(jī)在自主操作背單詞工具（視頻為5倍速） 受訪者提供

需要強(qiáng)調(diào)的是，GUI Agent并非全新技術(shù)，部分AI手機(jī)早已使用。比如榮耀MagicOS 9.0的YOYO智能體，通過此路線便可自主完成從打開外賣APP到結(jié)算的買咖啡流程。

因此，有從業(yè)者認(rèn)為，豆包手機(jī)的技術(shù)并未實(shí)現(xiàn)突破性創(chuàng)新。網(wǎng)絡(luò)安全專家曲子龍向「定焦One」指出，豆包手機(jī)的技術(shù)原理并不復(fù)雜，是基于視覺語言模型的方案，通過讀取屏幕的權(quán)限，利用視覺語言模型識(shí)別屏幕內(nèi)容，再進(jìn)行指令操作。該方案在行業(yè)中已有實(shí)踐。

不過，盡管技術(shù)路徑相似，豆包手機(jī)在通用任務(wù)能力上表現(xiàn)更為突出，顯示出一定技術(shù)實(shí)力。

宵逝在使用豆包手機(jī)的過程中發(fā)現(xiàn)，它能主動(dòng)進(jìn)行信息檢索與召回、調(diào)用在訓(xùn)練階段從未見過的的陌生APP，這是其他AI手機(jī)難以做到的。

比如，在面對(duì)“會(huì)議延遲是否影響接孩子”的復(fù)雜任務(wù)時(shí)，豆包可定位公司與學(xué)校位置，通過地圖類應(yīng)用查詢路程時(shí)間，從而給出判斷，在這一過程中，用戶并沒有指定APP，但豆包能自主分析并規(guī)劃用何種APP操作任務(wù)。

相比之下，多數(shù)AI手機(jī)仍局限于預(yù)設(shè)場(chǎng)景。以榮耀YOYO為例，它可以完成點(diǎn)咖啡，但面對(duì)陌生任務(wù)時(shí)，會(huì)提示無法執(zhí)行。

簡(jiǎn)而言之，豆包手機(jī)試圖構(gòu)建一個(gè)不依賴預(yù)設(shè)場(chǎng)景的通用智能體，其能力不僅限于執(zhí)行固定流程的任務(wù)（比如代點(diǎn)咖啡），還可應(yīng)對(duì)開放目標(biāo)（比如規(guī)劃一次預(yù)算內(nèi)的旅行），這要求它能自主進(jìn)入不同APP進(jìn)行瀏覽、比價(jià)與決策。而當(dāng)前大多數(shù)手機(jī)廠商的AI功能仍圍繞有限場(chǎng)景的自動(dòng)化展開。

因此，盡管同樣基于GUI Agent路線，豆包手機(jī)在對(duì)面對(duì)復(fù)雜、開放任務(wù)的理解與執(zhí)行能力時(shí)，更接近“真正的智能”，這正是它引發(fā)行業(yè)震動(dòng)的根本原因。

大廠“封殺”，AI手機(jī)的仗要打起來了

豆包手機(jī)的路線展示了技術(shù)的可能性，也讓沖突走到臺(tái)前。它的“跨應(yīng)用連續(xù)操作”能力，本質(zhì)上是在突破現(xiàn)有移動(dòng)生態(tài)的隱性邊界，于是很快撞上了互聯(lián)網(wǎng)巨頭的防線。如今，微信、支付寶、淘寶等APP均對(duì)其自動(dòng)化操作采取了技術(shù)性“封堵”，有的可登錄但不可通過AI操作，有的直接限制登錄。

沖突的核心在于，雙方對(duì)操作權(quán)限的判定標(biāo)準(zhǔn)存在差異。

站在APP端的立場(chǎng)，其風(fēng)控機(jī)制會(huì)持續(xù)監(jiān)測(cè)用戶行為特征，一旦察覺非人為操作，便會(huì)啟動(dòng)禁止登錄的保護(hù)機(jī)制。微信本次限制豆包AI操作，正是出于這一原因。

曲子龍表示，豆包手機(jī)助手調(diào)用微信執(zhí)行任務(wù)時(shí)，利用的INJECT_EVENTS權(quán)限（Android上允許應(yīng)用向系統(tǒng)模擬用戶輸入事件的權(quán)限），被微信識(shí)別到這是一個(gè)模擬用戶輸入的事件，懷疑這不是一個(gè)正常操作。檢測(cè)到異常后，微信將賬號(hào)的登錄狀態(tài)回收，讓用戶重新登錄。

他表示，在剛買來的努比亞M153上登錄微信，本身就是在“非常用設(shè)備”下進(jìn)行敏感操作。微信根據(jù)賬號(hào)信譽(yù)值以及敏感操作的風(fēng)險(xiǎn)值判斷，無論是注銷登錄狀態(tài)亦或者凍結(jié)賬戶，都是一個(gè)很正常的風(fēng)控手段。

但事件的另一方，抖音高管曾公開解釋，此類操作本質(zhì)上是設(shè)備持有者授權(quán)AI助手代為執(zhí)行任務(wù)，而非外部攻擊。

雙方的界定差異，正是此次爭(zhēng)議的根源。換言之，現(xiàn)有的APP應(yīng)用強(qiáng)調(diào)“真人操作”，而系統(tǒng)級(jí)AI助手強(qiáng)調(diào)“用戶授權(quán)下的人機(jī)協(xié)同”。這種分歧不僅是一個(gè)技術(shù)判定問題，還可能帶來深遠(yuǎn)影響。它將決定著未來AI手機(jī)能否真正具備“系統(tǒng)級(jí)智能”，還是會(huì)被迫退回到輕量工具。

對(duì)于所有試圖重新定義AI手機(jī)操作系統(tǒng)的玩家而言，這是第一道難題。除權(quán)限沖突之外，基于GUI Agent的技術(shù)路徑，用戶體驗(yàn)層也面臨三項(xiàng)核心挑戰(zhàn)：隱私安全、結(jié)果“幻覺”與執(zhí)行效率。

首先，隱私安全是用戶最關(guān)心的問題。核心疑慮在于，豆包手機(jī)在處理任務(wù)時(shí)，手機(jī)屏幕上的用戶信息是否被持續(xù)上傳至云端？是否存在泄露風(fēng)險(xiǎn)？

圖源 / 豆包AI官方微博截圖

宵逝指出，AI手機(jī)在執(zhí)行任務(wù)時(shí)，通常需將當(dāng)前頁面狀態(tài)等必要信息上傳至云端進(jìn)行推理，但一般不會(huì)全程、全量上傳屏幕數(shù)據(jù)。主要原因在于全部上傳成本太高，大模型的上下文長(zhǎng)度與云端計(jì)算開銷限制了全程錄屏分析的模式。

對(duì)于是否會(huì)“24小時(shí)窺屏”，宵逝通過手機(jī)功耗表現(xiàn)進(jìn)行了側(cè)面驗(yàn)證。

“如果視覺語言模型持續(xù)進(jìn)行全屏分析，手機(jī)將迅速發(fā)燙、耗電劇增?！钡谑褂眠^程中發(fā)現(xiàn)，實(shí)際情況并非如此，“在執(zhí)行任務(wù)時(shí)，豆包手機(jī)會(huì)發(fā)熱，但待機(jī)狀態(tài)時(shí)基本正常?！币虼怂鼉A向于“按需觸發(fā)”，并對(duì)特定界面（如懸浮窗）設(shè)有訪問過濾。

至于當(dāng)豆包手機(jī)遭受外部攻擊時(shí)，用戶是否會(huì)面臨賬號(hào)盜用風(fēng)險(xiǎn)，宵逝覺得無需過度緊張。

“AI的每次操作實(shí)質(zhì)是工具調(diào)用，開發(fā)者通常會(huì)在工具層設(shè)置風(fēng)控，保證安全性。比如，在最終支付環(huán)節(jié)會(huì)中斷自動(dòng)流程，彈窗交由用戶手動(dòng)確認(rèn)。雖然AI的決策或許不可全信，但執(zhí)行支付等操作的授權(quán)代碼是明確且受控的?！辈贿^，他也補(bǔ)充，相較本地推理占比更高的傳統(tǒng)AI手機(jī)方案，依賴云端推理的路徑，安全性相對(duì)更低。

但這并不是一項(xiàng)無法解決的問題，曲子龍認(rèn)為，平衡隱私安全的關(guān)鍵在于終端芯片的算力?！爱?dāng)手機(jī)芯片算力足夠大，所有任務(wù)都在本地執(zhí)行，隱私擔(dān)憂將得到極大緩解?！?/p>

其次是“幻覺”問題，即AI錯(cuò)誤理解用戶意圖或執(zhí)行錯(cuò)誤操作。

比如，有用戶在使用豆包手機(jī)時(shí)發(fā)現(xiàn)，AI未能按照自身需求篩選出“熱度數(shù)據(jù)最高”的歌曲。宵逝也有相同感受，他讓豆包購(gòu)買一支普通牙刷，豆包卻將此前加購(gòu)的電動(dòng)牙刷一并勾選，導(dǎo)致支付環(huán)節(jié)的金額多了100元。

這類問題短期難以徹底解決，行業(yè)共識(shí)是，在現(xiàn)有技術(shù)條件下，追求大模型給到100%的準(zhǔn)確率并不現(xiàn)實(shí)。

最后是執(zhí)行效率。網(wǎng)友們普遍反映，豆包手機(jī)在完成跨應(yīng)用比價(jià)、下單的復(fù)雜任務(wù)時(shí)，需要耗時(shí)數(shù)分鐘、遠(yuǎn)慢于人工操作。

宵逝解釋，這主要是因?yàn)锳I需等待界面元素完全加載穩(wěn)定后，才能進(jìn)行識(shí)別與下一步操作，而人類用戶可以憑經(jīng)驗(yàn)進(jìn)行預(yù)判和快速交互。

此外，由于主流應(yīng)用的技術(shù)限制，豆包手機(jī)在許多高頻場(chǎng)景中無法工作，這也極大地限制了其實(shí)際可用范圍。

豆包手機(jī)所面臨的這場(chǎng)“封殺”，不是單一產(chǎn)品的功能博弈，而是新舊規(guī)則的碰撞。下一步是行業(yè)對(duì)抗，還是規(guī)則重寫，仍懸而未決。

AI手機(jī)會(huì)成為誰的機(jī)會(huì)？

盡管當(dāng)前AI手機(jī)仍面臨不少挑戰(zhàn)，但可以肯定的是，這一賽道正成為科技公司爭(zhēng)奪AI時(shí)代“超級(jí)入口”的核心戰(zhàn)場(chǎng)。

所謂的“超級(jí)入口”，關(guān)系著企業(yè)在下一輪產(chǎn)業(yè)格局中的地位。在傳統(tǒng)互聯(lián)網(wǎng)時(shí)代，入口由瀏覽器、搜索引擎與超級(jí)APP主導(dǎo)；在大模型時(shí)代，入口將從“用戶主動(dòng)點(diǎn)開”轉(zhuǎn)向讓智能體自動(dòng)代辦，用戶不再逐個(gè)打開應(yīng)用，只用向智能體提出需求，由智能體實(shí)現(xiàn)跨應(yīng)用操作。誰掌握入口，誰就掌握著用戶注意力、數(shù)據(jù)流動(dòng)的主導(dǎo)權(quán)。新的入口一旦形成，后來者將很難再獲得主導(dǎo)權(quán)。

過去幾年，AI硬件不斷出現(xiàn)。例如，AI眼鏡或AI耳機(jī)在便攜和聽覺交互上見長(zhǎng)，智能汽車提供了獨(dú)特的空間與算力載體，通用機(jī)器人代表著更遠(yuǎn)的未來，但無論是處理復(fù)雜任務(wù)、使用場(chǎng)景，還是技術(shù)成熟度，這些設(shè)備都存在局限，難以承擔(dān)起入口的角色。

相比之下，手機(jī)擁有龐大的用戶基數(shù)、極高的日常使用頻次以及成熟的軟硬件生態(tài)，具備獨(dú)特的綜合優(yōu)勢(shì)，成為AI時(shí)代最現(xiàn)實(shí)的超級(jí)入口載體。

盡管戰(zhàn)略地位明確，但當(dāng)前市場(chǎng)上大多數(shù)“AI手機(jī)”并未帶來顛覆性體驗(yàn)，整體仍處于探索期。

僅靠視覺語言模型實(shí)時(shí)解析并可操作任意第三方App的GUI Agent路線，尚達(dá)不到消費(fèi)級(jí)大規(guī)模落地的成熟度，主流廠商對(duì)此態(tài)度謹(jǐn)慎。豆包手機(jī)通過融合多模態(tài)大模型與系統(tǒng)級(jí)權(quán)限的技術(shù)路徑，又面臨技術(shù)創(chuàng)新與平臺(tái)規(guī)則、生態(tài)兼容和安全邊界的沖突。

但豆包手機(jī)的出現(xiàn)是一個(gè)標(biāo)志，多位受訪者認(rèn)為，它不僅提升了討論熱度，也迫使各大科技公司重新審視AI手機(jī)布局。從各家的能力儲(chǔ)備來看，可以劃分成幾個(gè)梯隊(duì)。

圖源 / unsplash

第一梯隊(duì)是垂直整合能力極強(qiáng)的系統(tǒng)級(jí)廠商，主要包括蘋果、谷歌、華為、三星。

這四家的核心優(yōu)勢(shì)在于，控制著從芯片、操作系統(tǒng)到應(yīng)用分發(fā)平臺(tái)的完整全棧架構(gòu)，有能力通過系統(tǒng)更新和開發(fā)規(guī)范，定義AI與應(yīng)用交互的新標(biāo)準(zhǔn)，構(gòu)建一個(gè)可控、安全且可持續(xù)的底層框架。但較大的組織體量和對(duì)生態(tài)安全的謹(jǐn)慎態(tài)度也使得它們推進(jìn)步伐相對(duì)穩(wěn)健，短期內(nèi)不太可能走到最前沿。

第二梯隊(duì)是擁有大模型與服務(wù)生態(tài)的軟實(shí)力企業(yè)，比如微軟、OpenAI、字節(jié)跳動(dòng)等。

這一類公司在大模型能力和AI算法層面具備核心競(jìng)爭(zhēng)力，其戰(zhàn)略很可能是“以軟賦硬”，通過和硬件廠商合作的方式，將自身模型和服務(wù)集成到各類設(shè)備中，而不是自己做手機(jī)。但一方面需要找到合適的合作伙伴，另一方面需要解決操作權(quán)限的問題。

第三梯隊(duì)是具備規(guī)模優(yōu)勢(shì)與硬件經(jīng)驗(yàn)的終端制造商，包括小米、OPPO、vivo、榮耀等。

它們?cè)谟布O(shè)計(jì)、供應(yīng)鏈管理和銷售渠道上具備優(yōu)勢(shì)，最重要的是，對(duì)市場(chǎng)需求反應(yīng)很快，可以快速將AI功能下沉到中端甚至入門級(jí)機(jī)型，吸引龐大的老用戶群體，讓AI手機(jī)快速普及。

從整個(gè)格局看，無論最終勝出者是誰，都必須在開放生態(tài)與安全控制之間尋找到新的平衡。這場(chǎng)博弈還遠(yuǎn)沒有停止，手機(jī)廠商會(huì)繼續(xù)加碼，AI手機(jī)的演進(jìn)速度也將進(jìn)一步加快。

*題圖來源于豆包AI官方微博截圖。