文｜鄭亦久

十二月的第一天，字節(jié)跳動(dòng)旗下的豆包突然推出的手機(jī)助手測(cè)試版，瞬間成為焦點(diǎn)。

它并不是單純豆包AI的升級(jí)版，而是一套試圖改變手機(jī)使用方式的系統(tǒng)級(jí)AI。它讓模型能夠像“人”一樣刷手機(jī)，從而以一種更高維度的方式接管用戶的意圖。

豆包手機(jī)助手演示視頻

這種技術(shù)方向本身無疑是明確的，在移動(dòng)端逐漸進(jìn)入AI原生時(shí)代的當(dāng)下，系統(tǒng)層面的會(huì)從傳統(tǒng)的點(diǎn)按界面，逐漸轉(zhuǎn)向自然語(yǔ)言理解與高度自動(dòng)化執(zhí)行。

然而，當(dāng)這套看似未來感十足的路線真正落地時(shí)，一個(gè)不難發(fā)現(xiàn)的結(jié)構(gòu)性障礙也隨之暴露出來——國(guó)產(chǎn)手機(jī)系統(tǒng)和軟件生態(tài)深度權(quán)限遠(yuǎn)比想象中更難觸達(dá)，而豆包的愿景又高度依賴這種軟硬件的權(quán)限自由。

從這個(gè)角度來看，豆包最終可能被國(guó)內(nèi)復(fù)雜的生態(tài)結(jié)構(gòu)“推著”走向自研硬件，而不是停留在做一個(gè)助手應(yīng)用的層面。

怕玩手機(jī)累著，讓豆包來幫你“刷”

豆包手機(jī)助手在測(cè)試版中所呈現(xiàn)出的能力，明顯比市面絕大多數(shù)所謂的AI對(duì)話助手更為激進(jìn)。

它基本是一套嘗試通過底層能力完成跨應(yīng)用動(dòng)作的系統(tǒng)級(jí)協(xié)作方案。

通過理解用戶的意圖，并將這些意圖自動(dòng)拆解成一連串操作指令，再由系統(tǒng)級(jí)AI直接執(zhí)行。

如果從更宏觀的技術(shù)脈絡(luò)來看，豆包想做的，其實(shí)正是桌面端早已反復(fù)驗(yàn)證過的“代理（Agent）”模式——像是目前給出的演示，幫你電商比價(jià)、外賣下單、聊微信等等。

豆包手機(jī)助手演示視頻

當(dāng)然在PC環(huán)境中，這種代理能夠借助相對(duì)開放的系統(tǒng)、窗口結(jié)構(gòu)與權(quán)限體系，順利完成自動(dòng)化任務(wù)，從出道即巔峰的Manus，到之后ChatGPT的代理，其實(shí)目前大廠都已經(jīng)給出了穩(wěn)定方案。

但手機(jī)作為一個(gè)封閉得多的生態(tài)，情況就完全不同了。

不論蘋果還是安卓作為移動(dòng)系統(tǒng)限制更強(qiáng)、應(yīng)用之間的邊界更硬、可供調(diào)用的系統(tǒng)能力也更少。

桌面端代理能夠輕松實(shí)現(xiàn)的操作，一旦移植到手機(jī)上，立刻變成一系列需要深度系統(tǒng)權(quán)限才能完成的動(dòng)作。

因此，豆包試圖在手機(jī)端復(fù)刻“全局代理”的企圖，難度實(shí)際上遠(yuǎn)高于PC端的同類產(chǎn)品。它不僅要理解用戶的意圖，更要突破手機(jī)系統(tǒng)對(duì)跨應(yīng)用操作的天然封鎖。

像是讀取微信聊天界面這種功能，一旦被騰訊盯上，視為某種程度的隱私風(fēng)險(xiǎn)，那正式版是否還能使用，尚未可知。誠(chéng)如新浪科技直接報(bào)道了“傳‘豆包助手’手機(jī)微信登陸出現(xiàn)異常，涉及功能無法正常使用”便是印證。

豆包手機(jī)助手演示視頻

畢竟從目前的測(cè)試效果來看，其試圖扮演的不再是一個(gè)“語(yǔ)音助手”，而是橫跨系統(tǒng)的AI“操作系統(tǒng)”。

這確實(shí)代表了未來手機(jī)交互的方向。然而，也正是這種對(duì)底層權(quán)限的高度依賴，讓豆包在現(xiàn)實(shí)中撞上了沉重的生態(tài)壁壘。

目前國(guó)內(nèi)的頭部手機(jī)廠商幾乎都在打造某種程度上的“AI原生系統(tǒng)”。小米、華為、OPPO、vivo甚至蘋果無一例外，都通過系統(tǒng)級(jí)集成來強(qiáng)化自己的生態(tài)閉環(huán)。

在這樣的背景下，他們不可能讓一個(gè)來自外部的第三方助手直接介入底層，也不可能讓渡關(guān)鍵的權(quán)限。

和中興努比亞工程機(jī)的合作，本質(zhì)上也揭示了同樣的問題：能夠與豆包深度合作的廠商，往往是生態(tài)規(guī)模有限的品牌，而真正具備影響力的頭部廠商，出于商業(yè)邏輯的天然對(duì)立，不可能放開權(quán)限。

圖源：中興商城

因此，豆包現(xiàn)在處在一個(gè)尷尬的位置。一方面，它描繪的愿景合理且前沿；另一方面，它能否觸達(dá)這個(gè)愿景，卻并不取決于自身的技術(shù)，而取決于系統(tǒng)權(quán)限是否能被開放。

當(dāng)被卡住脖子，“豆包手機(jī)”成唯一出路

當(dāng)豆包選擇做這樣一款高度依賴系統(tǒng)級(jí)權(quán)限的助手時(shí)，它實(shí)際上已經(jīng)接受了一個(gè)隱含前提：如果未來要讓這套能力成為真正的“標(biāo)準(zhǔn)體驗(yàn)”，它必須能直達(dá)軟硬件生態(tài)的核心。

而能操作的方式只有兩種：說服一家頭部廠商開放系統(tǒng)權(quán)限，或者自己做能完全掌控的硬件。

第一條路幾乎沒有現(xiàn)實(shí)可能。所有頭部廠商都在打造自己所謂的AI OS，它們不會(huì)允許一個(gè)外部助手成為系統(tǒng)級(jí)入口。

AIOS架構(gòu)

這意味著豆包不可能依靠現(xiàn)有廠商提供的底層權(quán)限來構(gòu)建自己的核心能力。事實(shí)上大概任何AI廠商都很難指望依靠第三方的硬件來實(shí)現(xiàn)自己的全部需求與野心。

Meta依托的是眼鏡，而阿里最近也推出了夸克AI眼鏡，其實(shí)多少也是在考慮尋求一個(gè)獨(dú)立的硬件入口。

這種趨勢(shì)在全球范圍內(nèi)正在發(fā)生。無論是OpenAI的輕量設(shè)備路線，還是Google對(duì)Pixel系列的深度整合，本質(zhì)都指向同一個(gè)方向：下一代AI智能硬件的核心不再是UI，而是AI邏輯。

Pixel 10的AI個(gè)人總結(jié)功能

在這個(gè)前提下，豆包要么成為別人系統(tǒng)的一部分，要么必須擁有自己的設(shè)備，并控制從硬件到OS的全鏈路。

對(duì)于豆包而言，問題大概不是要不要造硬件，而是不造硬件就無法實(shí)現(xiàn)愿景。事實(shí)上傳言字節(jié)開發(fā)智能眼鏡的消息由來已久，而收購(gòu)多時(shí)的錘子硬件團(tuán)隊(duì)顯然并不會(huì)完全閑著。

可以說在現(xiàn)有的產(chǎn)業(yè)格局下，這種“操作層”只有依附在它自己能掌控的硬件上，才有機(jī)會(huì)被完整實(shí)現(xiàn)。

豆包在發(fā)布手機(jī)助手時(shí)專門強(qiáng)調(diào)“不造手機(jī)”，但從技術(shù)方向、生態(tài)沖突到權(quán)限結(jié)構(gòu)，未來打臉自己幾乎是必然會(huì)發(fā)生的事。